作者 | 王馨
编辑 | 汤安迪
第二届世界人形机器人运动会（WHRG）上，有机器人冲过终点线没收住，一头栽进缓冲垫；有的直接冒烟，工作人员冲上去灭火；还有一个“羞答答的机器人跑了第一”火遍国内外。
8 月 23 日，天工包揽了 400 米大型组和小型组的双冠军。全尺寸的 Ultra 跑出 38.15 秒，比人类男子世界纪录快近 5 秒；小型机器人 Omni 以 45.66 秒夺冠。
不过大家的注意力都被 Omni 独特的跑姿吸引了：身体前倾、腰胯扭动，两条手臂始终挡在脸前，像一个害羞的少女。视频马上引爆社交媒体，国外网友叫它 “shy robot”，说它“shy but fast”；还有人建议给它装一套小鹏的车道辅助。
赛后，天工团队负责人韩刚专门解释：这姿势不是设计的，是机器人自己“想”出来的。没有找小姑娘让它学，它只是觉得这样“更舒服”。
机器人当然不会害羞。这里的“舒服”，翻译成工程语言就是：在它这副身体和训练目标下，这组动作跑得最快。
捂脸不是卖萌，是身体在算账
人跑步时摆臂，是为了平衡。
双腿和骨盆交替运动，会带动躯干旋转。手臂向相反方向摆动，可以抵消一部分角动量，让胸腔和头部保持稳定。把双手绑在身后跑一次，很快就能感觉到身体在和自己较劲。
但机器人并不是披着金属外壳的人。它的质量分布、电机输出、减速器、关节活动范围和散热能力，都与人类不同。对人最自然的动作，放到机器人身上未必最划算。
按照天工团队的解释，Omni 的肩部摆动范围较小。如果要靠摆臂产生足够的平衡效果，肩关节就得高频工作，不仅耗电，也容易发热。它的腰部和腿部更强，于是训练算法把更多平衡任务交给腰腿，让手臂停在一个相对省力的位置。
所以，人类看到的是“捂脸”，机器算的是能耗、温度和稳定性。
跑步是试出来的，不是写出来的
这类动作通常不是工程师逐帧编出来的，而是机器人在仿真环境里试出来的。天工公开的运动控制框架 TienKung-Lab，提供了一张理解这套方法的技术地图。
从这个框架里可以看到，训练时会在仿真中同时放入 4096 个机器人分身。跑得快、方向准、身体稳就加分；摔倒、打滑、动作过猛、能耗太高就扣分。几千个分身反复试错，算法留下高分动作，逐渐拼出一套完整步态。工程师规定考试科目，却没有规定答题姿势。
这就是“自己想出来”的实际含义。它不是突然有了一个捂脸的念头，而是人类规定目标和奖惩，算法搜索具体动作。
不过，完全放任机器人试错，也可能练出一套能跑但非常难看的姿势。因此，TienKung-Lab 还使用 AMP，也就是对抗运动先验。简单来说，就是让一个判别器观看真人动作，再判断机器人的动作像不像人，并把结果变成奖励。
模仿学习先把机器人带到“像人”的起点，强化学习再根据速度、稳定性和能耗继续修改动作。人类动作是参考答案，不是标准答案。这也给“捂脸跑”留下了空间。
但仿真里会跑，不等于真机能跑。
真实机器人有装配误差、传感器噪声，踝关节也不是仿真中一根简单的转轴，而是由多根连杆共同带动。天工团队此前的一项研究，是把这些真实机械关系放进训练，减少虚拟关节与真关节的动作偏差。
另一项研究采用“老师带学生”的方式，让能看到完整地形的虚拟老师先学会走台阶和斜坡，再把经验交给只能依靠真实传感器的机器人。
训练时，团队还会随机改变体重、地面摩擦和电机力量，偶尔推机器人一把。它在虚拟世界里见过足够多种意外，上了真实赛道，才更有机会在每次落脚后把身体重新接住。
“第 37 手”级别的瞬间
2016 年，AlphaGo 与李世石对弈时，下出了著名的第 37 手。
落子位置如此反常，职业棋手的第一反应是，这步棋可能下坏了。
随着棋局继续，那一步的意图才慢慢显出来：AlphaGo 放弃了人类棋手熟悉的局部走法，把棋盘带向了另一种变化。第 37 手因此被记住，这标志着机器从人类棋谱出发，走到了一处人类经验很少抵达的位置。
看天工 Omni “捂脸跑”娇羞夺冠，也有类似的感觉。
机器并没有把人类经验当成不能越过的边界。人类会先想象一套漂亮、标准的跑姿，而算法只关心在规则允许的范围内，什么动作得分更高。
“捂脸”未必是唯一解，却是赛场上有效的一解。机器人用一种不太像人的姿势，赢下了比赛。
这也是人形机器人有趣的地方。我们把它造成人形，是因为楼梯、门槛、工具、货架和生产线都按照人的身体设计。人形是它进入人类世界的接口，却不意味着它的每个动作都要复制人类。
随着强化学习越来越多地接管全身控制，我们可能还会看到更多这样的“第 37 手”。
我们给了机器人一个人的轮廓，它却开始长出自己的身体语言。
•END•
Question. Write.Narrate. Believe. Become a story.易简传媒的愿景是提问和传播商业故事，让读者更开阔，更聪明。有 2500 万微信粉丝关注我们的账号，欢迎大家关注：
