一批人形機械人在美國三藩市街頭出沒，引得過往行人駐足觀望：
可能還去上了個課，從加州大學伯克利分校校門大搖大擺走出：
路線不對，踩着小碎步，穩健調頭：
或者不裝了，調什麼頭，直接倒着走：
在各種場景下都可以看到它們的身影：
於是乎，「機械人正在接管三藩市」的消息已經傳開了：
要不是視頻中還有人類出鏡，網友都要懷疑這是不是真的在三藩市：
這就是來自加州大學伯克利分校的人形機械人成果。研究人員提出了使用序列建模和動作預測的Causal Transformer模型。
使得人形機械人可以在室內外各種環境中穩健行走，應對不同地形，甚至還能背個書包，提袋垃圾：
怎麼做到的？此前，儘管一些人形機械人在特定環境下表現良好，但廣泛存在泛化和適應新環境方面的問題。
來自加州大學伯克利分校的研究人員提出了運用Causal Transformer的方法。
這是一種特殊的Transformer模型，通過自回歸從觀察-動作歷史信息中預測下一個動作，也就是模型的輸出（預測的動作）只依賴於其輸入（觀察-動作歷史信息）中的先前信息。
具體來說，在處理「觀察-動作對」時，模型會將每個「觀察-動作對」作為一個token，並通過自注意力機制來學習這些token之間的關係。在自注意力計算中，模型會為每個token分配權重，這些權重反映了在預測當前動作時，序列中其他token的重要性。
由於Causal Transformer限制了自注意力只能考慮前面的token，它能夠捕捉到序列中的因果依賴，即當前動作的決策是基於之前觀察-動作的歷史信息。
通過這種方式，Causal Transformer能夠使機械人在複雜和動態的環境中，在沒有未來信息的情況下做出適應性更強的決策。
訓練階段，研究人員使用Isaac Gym模擬器進行大規模並行訓練，模擬了機械人的剛體和接觸動力學。
為了模擬機械人的閉鏈動力學，引入了「虛擬彈簧」模型。在模擬中隨機化機械人的動態屬性、控制參數和環境物理屬性，以及添加噪聲和延遲到觀察中。
從模擬到現實的轉移方面，研究人員在機械人初創公司Agility Robotics提供的高保真度模擬器中驗證策略，該模擬器準確模擬了Digit機械人的動態和物理屬性。
經過實驗，Digit機械人能夠在多種環境中可靠行走，展現出對外部干擾的魯棒性：
以及在不同地形和載荷條件下的適應性：
△左，腳被絆住；右，下坡
順帶保持手臂擺動協調有力，不順拐：
Digit人形機械人再來介紹一下demo中的這款人形機械人——Digit。
背後公司Agility Robotics，前身為俄勒岡州立大學的Dynamic Robotics Laboratory。2022年，獲亞馬遜投資。
Agility Robotics的主要產品是以鴕鳥等鳥類為發想的雙足步行機械人，主要研發成果包含Cassie、Digit兩個機型。
其中Cassie是只有下半身的雙足機械人：
至於Digit，像是下面這個，已經成為亞馬遜75萬機械人員工中的一員，不過還處於測試階段，負責搬運亞馬遜標誌性的黃箱子：
Agility Robotics表示，將在今年向合作夥伴交付第一批Digit，Digit的初步應用包括倉庫和配送中心內的散裝材料處理，預計2025年全面上市。
他們最近還宣佈開設了一家新機械人製造工廠RoboFab™，聲稱第一年預計生產數百台機械人，之後每年產能最多可達10000台。Digit也將在新工廠中上崗，進行搬運、裝載等工作。
