翻身比走路轻松多了

在与一家早期初创公司会面后，我于周三在 MassRobotics 一间空荡荡的办公室里写了大约一半的上周 Actuator。我还没有准备好告诉你关于他们的事，但他们正在做有趣的工作，并且有一个最近年份的更狂野的创始故事，敬请期待。此外，还要感谢乔伊斯·西多普洛斯 (Joyce Sidopoulos)，他非常亲切地接待了一位在波士顿的会议间隙待了几个小时的记者。如果可以的话，我会给 Airbnb 留下五星级的评价。

我从 MassRobotics 前往剑桥，与波士顿动力人工智能研究所的Marc Raibert 进行了愉快的长时间交谈。新成立的研究所总部设在19 层的新 Akamai 大楼内，与谷歌庞大的大楼隔街相望，距离麻省理工学院实验室仅一箭之遥，整个波士顿动力项目的种子就是在这里播下的。

由于一些非常不幸的时机，Akamai 目前至少租用了大楼的四层楼。该建筑项目于 2019 年底完成，这意味着该空间在一切都崩溃之前还有几个月的好时光。 2022 年 5 月，Akamai 宣布将向其 10,000 名员工中的 95% 提供长期在家工作的灵活性。显然不是每个被允许在家工作的人都这样做，但在大流行之后，可以安全地假设很多人或大多数人会这样做。

我想，对 Raibert 和研究所来说更好。凭借波士顿动力母公司现代的大量现金注入，该组织已准备好应对机器人和人工智能的一些最棘手的问题。但首先是增长。 Raibert 告诉我，他一天中的大部分时间都花在了面试候选人上。目前大约有 35 个职位列表，还有更多职位列表正在发布中。然后在标题下有一个列表“没有看到你要找的东西？”带有描述，“如果您没有看到符合您的经验/兴趣的职位招聘信息，请在此处申请。我们仍然有兴趣收到您的来信！”

正如他们所说，如果你能得到它，那就太好了。

目前，这个空间看起来就像一个标准的初创公司，这可能会让一个希望真正融入实验室环境的组织感到沮丧。我觉得下次我有机会参观时，它看起来会很不一样——而且会更饱满。然而，它目前拥有的是一大堆 Spot 机器人。基本上有一个装满它们的小狗日托。 Raibert 指出，Spots 是购买的而不是提供给研究所，因为它和波士顿动力公司是独立的实体，尽管名称不同。

另一种方式是艺术家对机器人未来如何融入我们日常生活的构想。有的在做家务，有的在修车，有的还在做更有趣的杂技活动。其中一些系统与 Atlas 有着惊人的相似之处，而其他系统则更为相似。 Raibert 说，他的团队提出了这些场景，艺术家将它们带到了他们认为合适的任何方向，这意味着你在那里看到的任何东西都不应被视为对他们的机器人项目未来可能是什么样子的洞察力。另一方面，他们试图解决的任务很可能在图纸中表现出来。

在这些之前，有几个来自 Raibert 的腿部实验室时代的尘土飞扬的机器人，它们是从麻省理工学院机器人博物馆长期居住的地方“救出”的。自那以后，我进入了一个真正的兔子洞，查看了Leg Lab 页面，该页面自 1999 年以来一直没有更新，但在 1993 年的Rising场景中，Raibert 穿着一件夏威夷前衬衫，他在一个机器人旁边微笑，三个穿着防护服的家伙太阳。

此外，只需滚动浏览学生和教职员工的名单：Gill Pratt、Jerry Pratt、Joanna Bryson、Hugh Herr、Jonathan Hurst 等。男孩你好。

周四是TechCrunch 在海因斯会议中心举行的大型早期活动。对于那些无法参加的人，我们会在下周左右发布一些小组讨论。我确保 TechCrunch+ 团队在一两个小时前发布了我的一篇文章，因为我想在这里稍微谈谈它。该小组并没有明确地讨论机器人技术，但我们涵盖了很多与此相关的内容。

大学后研究的作用是我在过去几年里一直在思考和写的一个话题。考虑到波士顿显然有一两所学校的所在地，我坚持认为我们会在活动中专门讨论这个主题。我的报道倾向于从学校本身的角度来探讨这个问题，简单地询问他们是否充当了充分的渠道。答案越来越肯定。别太过分了，但从历史上看，他们在那里的桌子上留下了很多钱。这也是历史上人才流失的一大块。看看卡内基梅隆大学和匹兹堡大学在保持初创企业本地化方面做得有多好。

你很难找到比 SOSV 的普通合伙人兼 IndieBio 的首席技术官 Pae Wu 在等式的另一边有更明智的观点的人。一些上下文可能在这里很有用。上周的活动主要是风投公司针对早期投资者的演讲。吴用她的一部分演讲讨论了如何将“恢复的学者”成功地融入创始团队。但并不是每个教授都想拥抱“恢复的部分”。

我应该说我经历​​过很多教授似乎很好地走那条路的场景。只要看看伯克利人工智能研究实验室，您就会看到 Ken Goldberg 和 Pieter Abbeel，他们目前分别是 Ambi Robotics 和 Covariant 的创始团队成员。

“在某些领域，让你的创始团队成员留在学术界会非常有效，”吴说。 “我们一直在传统的生物技术和制药行业看到这一点。但在其他类型的情况下，坦率地说，这可能会拖累公司，并给全职创始人带来问题。这是一个非常艰难的对话，我们经常与我们的一些忠诚的学者进行：你在这家公司的股份与你的时间投入并不完全一致。”

吴指出教授仍然担任领导角色，同时在日常工作中保持自动驾驶的场景。她解释说，问题在于，他们经常会从非常耗时和资源密集型的公司运营工作中探出头来征求建议。

“学者们真的很喜欢说，’好吧，我实际上非常擅长多任务处理，因此我可以做到这一点，’”她解释道。 “大多数时候，学院派创始人会进进出出，将他们的圣人智慧提供给那些为这家公司付出生命并冒着一切风险的全职创始人。它开始为推动公司向前发展带来挑战。这也给创始团队带来了人际关系上的挑战，因为你必须是一种特殊的圣人才能说，‘我每周工作 100 小时，我没有赚到任何钱，我的整个财务未来都取决于这家公司的成功。这个人不断地告诉我一些他在《哈佛商业评论》上读到的随机内容。’”

吴还对大学在早期阶段的参与提出了警告：

如果你想成为一家由 VC 支持的初创公司，请注意有用的大学知识。可能感觉非常非常舒服。他们在孵化公司方面做得很好，但我不知道他们在加速公司方面做得很好。你会得到很多“免费的东西”，[人们经常说]“哦，这是一个方便的 EIR（教育、创新和研究）项目，这个人之前创办了 15 家公司。”但是这个人创办了 15 家公司，所从事的行业与你想做的事情完全没有关系。你最好找一个真正关心你的使命的人，他不是由大学支付报酬，而是被激励深切关心你的公司。

您可以在 TechCrunch+ 上阅读（并同意或不同意）整篇文章。

巧合的是，星期五对我来说是大学日。关于上次波士顿之行，我没有看到太多研究，所以这次我一定要抽出一天时间。早上从塔夫茨之旅开始。我最后一次访问学校是在 2017 年。人机交互实验室主任 Matthias Scheutz 告诉摄制组和我自己关于训练机器人信任的事情。

Scheutz 和我再次坐下来进行单独但相关的讨论。在担任教授之前，他获得了印第安纳大学认知科学和计算机科学联合博士学位以及维也纳大学哲学博士学位。这种不太可能的组合影响了他所做的大部分工作。在我们的谈话中绕了所有的伦理和道德弯路，我忍不住想它会成为一个很好的播客。

采访的核心是团队为开发机器人之间可共享的知识集所做的努力。在附近实验室的后续演示中，一名团队成员要求 Fetch 研究机器人组装螺丝盒，但它不具备必要的知识。然后，人类同事指导机器人如何一步一步地执行该过程——正如他们所说的那样，“边学习边执行”。一旦获得知识，它就会快速连续运行大约 100 次模拟，以确定它正确执行任务的概率。

另一名团队成员询问附近的 Nao 机器人 Fetch 是否知道如何执行任务。两个机器人进行非语言交流。 Fetch 再次运行模拟并与 Nao 共享信息，然后由 Nao 将其传达给人类。该演示为联网机器人如何通过云中的一种网络（或天网，如果你愿意的话）传递他们学到的信息提供了一个快速的速记。

我从下面的谈话中摘录了一些更有趣的内容。

[有人告诉我以上是 Mean Girls 的参考资料。]

与 Matthias Scheutz 的对话

分心与超负荷

如果我能检测到你分心了，也许我需要做的是让你的注意力重新回到任务上。这是一种完全不同于你超载的互动方式。我可能应该让你一个人去完成这件事。因此，想象一个无法区分分心状态的机器人，与超负荷的人相比，分心状态应该非常投入并让人重新开始工作。在那种情况下，如果机器人不知道，那么这种互动可能会对团队产生反作用。如果你能检测到这些状态，那将是非常有帮助的。

共享心智模型

我们网页上的一个视频显示，你可以教这个不会下蹲的机器人，如何下蹲，另一个可以立即做到。做到这一点的方法是使用相同的共享心智模型。我们不能这样做。如果你不会弹钢琴，我不能把它放在你的脑海里。这也是当今非常流行的所有这些深度神经网络的部分问题。您无法在该级别共享知识。我无法将我多年练习钢琴所训练的东西植入你的神经网络（这对人也是如此）。但是如果你把抽象推得更高一点，你有一个独立于它在神经网络中如何实现的描述，那么你就可以分享它。

关于多任务处理

热炉就是一个很好的例子。在[大脑发出触觉]的那一刻，你可能已经意识到它已经开启，但可能为时已晚。有一个抽象层次，我可以有意识地和认知地干预排序，我可以改变事情。有一定程度的离散动作，其中排序发生，也是自动的。例如，几年前，当我在圣母大学时，我开车去校园，但我不想去校园。但是我在想工作，所以我的这个自动系统开着我，下一刻我就到了停车场。我可以和你说话，准备食物，没问题。但它需要排练。如果活动没有排练，你就做不到。我们在 [机器人] 架构中有一个层可以执行自动排序。这是我们可以共享更复杂操作的级别。

你的 Roomba 不知道你的存在

有一个很好的界限，你需要有这些机制，否则如果它们没有到位就会造成伤害。你可以通过自动驾驶汽车得到这个；你在很多情况下都会得到这个。同时，我们不想阻止所有机器人，因为我们希望将它们用于它们擅长的用途——它们有益的用途。他们需要更多地了解正在发生的事情，以及他们的用途。这对 Roomba 来说不是问题，因为它甚至不知道你的存在。他们对任何事情都没有概念。但是，如果您查看 YouTube，您会发现 Roomba 将宠物推到沙发下的视频。他们对环境中的任何人或任何事物都一无所知。他们甚至不知道他们正在做吸尘任务。就这么简单。同时，您可以看到它们必须复杂得多，才能真正从认知上理解公寓中可能发生的所有事件。

当机器人说不

多年前，我们有一段机器人对人说不的视频。在某些情况下，人们可能没有意识到机器人所处的状态，给它下达指令，如果机器人执行了该指令，则对机器人或人都不利。所以机器人需要说不。但它不能只说不，什么都不说。它需要告诉你为什么不。如果机器人就是不做，那就不好了。你不会相信那个机器人会再做某事。

社论插话在这里。这段“不”的视频因为被认为违反了阿西莫夫第二定律而引起了一些轰动，“机器人必须服从人类给它的命令，除非这些命令与第一定律相冲突。”显然，第二定律中有一个条款规定机器人不应服从命令，如果这样做会伤害人类（第一定律）。

但 Scheutz 并不止于此。他描绘了一个场景，其中机器人按照要求搬运一个盒子。突然，另一个人告诉同一个机器人打开一扇门，但这样做会导致它掉落并损坏盒子。在这种情况下，“不”不是关于保护人类，而是关于服从命令。紧接着第二个命令有效地否定了它执行第一个命令的能力。

那么，就在这里，机器人需要说，“不，但别担心，一旦我把这个盒子拿到它需要去的地方，我就会找到你。”

与 Pulkit Agrawal 的对话

聊天结束后，我回到了剑桥，这是自大流行开始以来我第一次回到麻省理工学院 CSAIL。不幸的是，由于最后一刻改变了计划，我无法与 Daniela Rus 重新联系。然而，我终于有机会与电气工程和计算机科学 (EECS) 助理教授 Pulkit Agrawal 交谈。碰巧的是，我 最近写了一篇关于他的团队教四足动物在沙地和泥地等困难表面上踢足球的工作。

到了之后，我对眼前的Intel RealSense盒子进行了点评。我一直在寻找任何理由来讨论我最近在机器人专家中看到的远离 LiDAR 的举动，这是一个很好的选择。同样，下面有一些亮点。

关于为什么越来越多的机器人专家正在远离 LiDAR

现在，我们没有处理障碍。如果[球]确实离开了机器人，它确实需要处理它。但即使是处理障碍物，您也可以使用 RGB 来完成。思考这个问题的方式是，人们想要深度，因为他们可以手动编写程序，根据深度记录如何移动机器人。但如果我们要转向数据驱动的机器人技术，我不是在编写我自己的程序，而是计算机在编写它，那么我是否有深度或 RGB 并不重要。唯一重要的是我有多少数据。

在夹具上

为什么人们使用吸盘？因为它们就像五块钱。坏了，你换一个即使是让他们使用两指夹持器，也要 100 美元。甚至亚马逊也不想放置更多的传感器。假设你去一家公司说，“我想添加这个传感器，因为它可能会提高性能。”他们会询问传感器的成本是多少，然后乘以他们拥有的机器人数量。

关于“通用”机器人

假设你有一个目标，比方说，提升箱子并将它们放在传送带上，然后进行拾取和放置，然后将它们装载到卡车上。您可以构建三种不同的机器人，它们可以更高效地完成三种不同的任务。但是，维护不同的机器人并将这些不同的机器人集成为管道的一部分也会产生不同的成本。但如果我有同一个机器人可以做这些不同的事情，也许维护它们的成本会更低，但它们的性能可能会降低。它归结为那些计算。

当我提到团队一直在使用的 Mini Cheetah 机器人时，Agrawal 评论道，“事实证明，翻转比走路容易得多。”

“你自己说吧，”我反驳道。

他补充说，“对人类来说直觉的东西实际上对机器来说是违反直觉的。比如下象棋，下围棋，机器都能打败我们。但他们不能开门。这就是莫拉维克的悖论。”

TC+投资者调查

正如承诺的那样，这是我们最近 TechCrunch+ 投资者调查中的另一个问题。

继扫地机器人之后，其他家用机器人类别真正成为主流还需要多长时间？

DCVC 的 Kelly Chen：充其量是中期。 Alphabet 对 Everyday Robots 的折叠展示了即使有大量资源也无法使家庭服务机器人在今天可行。家是一个高度非结构化的环境。除了现有吸尘机器人需要学习的相对简单的异常之外，家里的其他部分要困难得多。额外的任务是 3D 的，这可能意味着更多的传感器、执行器、操纵、不同的夹具、力控制，以及更少的可预测性。我们还没有做到这一点可靠和经济。

Cyber​​netix Ventures 的 Helen Greiner：基于视觉导航（结合 GPS）的美国割草机将在五年内问世。没有设置线和更好的用户界面将推动需求。网络效应（邻居复制邻居）将在最初采用后推动需求。十三年的人形助手，基于 Agility 和 X1 成本降低且更智能。

Paul Willard, Grep：它已经开始了。拉布拉多机器人帮助行动不便的人在家里取东西和搬运东西。因此，药物总是随手可得并按时服用，从前门送货的杂货可以送到冰箱和食品储藏室存放起来，晚餐可以在顾客忙得不可开交的时候从炉子端到餐桌助行器、拐杖或轮椅。随着构成机器人的硬件变得更便宜，同时功能更强大，将会有更多。

Cyril Ebersweiler，SOSV：多年来，大多数关注 B2C 的机器人公司都转向了 B2B。如今推出这样一个品牌所需的时间、规模和资金量并不是风投们想要的。

消息

有机会再次与 Rodney Brooks 见面（我们必须停止这样的会议）。 这一次，他的 Robust.AI 联合创始人兼首席执行官 Anthony Jules 加入了他的行列。一段时间以来，这家初创公司的工作一直笼罩在神秘之中，导致IEEE 发布了这个有趣的标题。我们对团队现在所做的事情有了更好的处理：它为仓库制造机器人手推车和软件管理系统。

可以理解，布鲁克斯有点犹豫是否要重新投入硬件游戏。朱尔斯告诉我：

我们开始尝试成为一家纯软件公司。我们开始审视这个空间，并认为这是一个很好的机会，可以真正创造出对人们具有变革性的东西。一旦我们对此感到兴奋，我们就会进行非常标准的产品工作，以了解痛点是什么以及真正能帮助这个领域的人们的是什么。我们对什么是有价值的有一个非常清晰的愿景。有一天我真的对 Rod 说，‘我想我有一个关于一家公司的好主意，但你会讨厌它，因为这意味着我们可能不得不构建硬件。’”

上周晚些时候，乐百氏宣布了一项 2000 万美元的 A-1 轮融资，由 Prime Movers Lab 牵头，Future Ventures、Energy Impact Partners、JAZZ Ventures 和 Playground Global 参与其中。此前，该公司于 2020 年底宣布了 1500 万美元的 A 轮融资。

本周，总部位于马萨诸塞州的Veo Robotics 宣布已完成 2900 万美元的 B 轮融资。其中包括去年的 1500 万美元和今年的 1400 万美元。 Safar Partners 和 Yamaha Motor Ventures 参与其中，但最引人注目的是亚马逊通过其 10 亿美元的行业创新基金。

人们很容易将这些投资视为潜在收购的一种试运行，尽管该公司在很大程度上否认将这笔资金用作入职流程。也就是说，这无疑是一次信任投票，至少可能表明该公司将开始在自己的工作空间中试用这项技术——假设它还没有这样做。

“最新一代的智能机器人系统与人一起工作，而不是与他们分开，”联合创始人兼首席技术官 Clara Vu 说。 “释放这种潜力需要新一代的安全系统——这是 Veo 的使命，我们很高兴能迈出下一步。”

Veo 为工业机器人开发了一个软件安全层，使它们能够在许多楼层常见的笼子外面与人类同事一起工作。

我们都记得 Digit 的前身 Cassie 吧？ OSU 的机器人从鸵鸟那里获得了强烈的双足运动线索。 RobOstrich（机器人鸵鸟。慢拍）更关心世界上最大的不会飞的鸟的上半身。

“从机器人的角度来看，很难控制这样的结构，”东京大学的 Kazashi Nakano告诉 IEEE 。 “我们专注于鸵鸟脖子，因为它有可能发现新事物。”

该系统具有 17 个 3D 打印椎骨，钢琴线用作肌肉。该系统实际上是一个长的机器人操纵器，它提供了其他系统所缺乏的灵活的合规性。

让我们在下周做更多的机器人工作清单。填写此表格以列出您的公司。

已经把你的头从沙子里拿出来了。订阅执行器。

Flipping is much easy to walking by Brian Heater最初发表于TechCrunch

原文： https://techcrunch.com/2023/04/27/flipping-is-much-easier-than-walking/