机器之心报道
作者：蛋酱
多亏腾 AI 的助力，我们才能看到这么稳的「机器狗巡检员」。
自上世纪「机器人」概念被提出以来，人们就对各种形态的机器人产品寄予厚望。在普通人最初的想象中，机器人能和我们聊天，帮我们打扫房间、端茶递水，甚至能帮我们驾驶车辆……
直到近年来大数据技术、人工智能专用芯片、人工智能算法突飞猛进，智能机器人才真正进入增长爆发期，让我们有了「梦想照进现实」的感觉。
从爆火的四足机器狗，到初具雏形的人形机器人，众多先进的机器人产品开始走进人类社会生活的方方面面。当然，除了生活服务之外，机器人也正在积极打入广阔的产业场景：物流分拣、农业上的喷洒采摘、巡检救援，都是机器人可以贡献价值的空间。
在近日的 2022 腾 AI 开发者创享日 南京站活动中，我们见到了这样一只超级靠谱的「机器狗巡检员」。熟悉机器狗产品的朋友会发现，它就是当年央视春晚后台拉盒饭的「网红打工机器狗」。来自宇树科技 Unitree，在华为腾 AI 加持下，现在的它变成了「机器狗巡检员」。
当无人值守的电站发出警报，是它熟练地捏住把手，并且果断打开了门：
接下来，它一顿操作，迈过地面的台阶障碍，精准地拉下了电闸。至此，警报解除：
这位「机器狗巡检员」来自腾 AI。你可能已经发现了一些特别之处它有一支威风凛凛的「机械臂」。
那么，这只机器狗究竟是如何打造的呢？它的机械臂又有什么妙用呢？
走近这位「机器狗巡检员」
一般来说，要想让机器狗在真实世界中圆满地完成任务，主要挑战就在于运动控制。
众所周知，人类的运动是由中枢神经系统控制的。其中大脑的运动皮质和运动前皮质负责自主运动的计划和执行，基底神经节和小脑负责调节运动皮层神经元的反应，帮助协调、运动和平衡。
对于机器狗的运动控制来说，AI 处理器就相当于「大脑」，负责任务决策、感知识别、导航规划等功能的实现。
传统机器狗运动控制算法存在建模复杂、开发耗时长、高度依赖经验等局限性，近年来，很多研究者开始将强化学习应用到实体机器人上，增强机器狗的环境适应能力。比如这一次，华为就使用了「Teacher-student」策略进行机器狗运动控制算法训练。
使用「Teacher-student Policy」完成机器狗运动控制算法训练
具体而言，Teacher 部分通过强化学习训练一个最优的参考控制策略，它能获取完美的特权信息（如地面摩擦系数），让机器狗能在随机生成的地形上遵循期望的速度指令行走；Student 部分通过监督学习把 Teacher policy 蒸馏成一个 Student policy，它在带传感噪声的环境中训练，且只能获取真实机器人能得到的传感器信息。最终，团队将训练好的 Student policy 部署在真实机器狗上。
为了让机器狗在更多的应用场景中「发光发热」，华为还给机器狗加了一条「AI 机械臂」。有了这条机械臂之后，它 的动作技能直线飞升，不仅可以轻松开门，还能平稳地跨越地面障碍：
开门
跨越地面障碍
可以想象，打造这样一只机器狗所需的工作量是巨大的。在 8 月 11 日的 CANN 训练营直播中，华为对这款复合型机器狗背后的研发进行了解密。
在解密过程中，团队特别提到了华为自研的神器：CANN。
腾 AI 是以腾 AI 基础软硬件平台为基础构建的人工智能计算产业，腾 AI 基础软硬件平台包括 Atlas 系列硬件及伙伴硬件、异构计算架构 CANN（Compute Architecture for Neural Networks）、全场景 AI 框架思 MindSpore、腾应用使能 MindX 等。CANN 是华为针对 AI 场景推出的异构计算架构，旨在通过提供多层次的编程接口，支持用户快速构建基于腾 AI 平台的应用和业务。
作为腾 AI 全栈的核心，CANN 对上支持多种 AI 框架，对下服务 AI 处理器与编程，承担着承上启下的关键作用。
经过 3 年多的优化，CANN 已经迭代到 5.0 版本，实现了性能的大幅提升。目前，CANN 全面支持业界主流框架，Model zoo 已经包含超过 500 个经过调优的模型，以及 1400 多个高性能算子。
在本次机器狗的打造过程中，CANN 正是关键的「AI 秘密武器」。团队基于腾 AI 处理器和异构计算架构 CANN，以及宇树机器狗本体的卓越运动性能，同时实现了基于 model free 的强化学习和传统 model base 的机器狗运动控制算法，以及仪器仪表读数识别等视觉感知功能。当然，在训练它使用机械臂开门、拉闸这些事情上，CANN 也助力了不少。
此外，团队基于 CANN 设计了一个智能复合机器人巡检方案，涉及机器人定位导航、路径规划、运动控制、视觉感知、机械臂轨迹规划和抓取等功能模块，并使用华为自研腾处理器完成这些功能。
智能复合型机器人的广阔天地
如果回到几年前，人们也许很难想象，四足机器狗会成为新的风口。但在今天，它已经成为竞争最激烈的赛道之一。
这样一只「进化版」机器狗，在真正的产业应用场景中到底有哪些优势呢？
这就要从智能巡检场景的难点说起，在腾 AI 去年推出的智能巡检方案 1.0 版本中，一辆巡检小车只能在平整地面依靠车轮完成巡查及突发情况告警，无法在高低起伏的环境下自由移动，更无法处理巡检现场的突发情况。
今年，这一巡检方案正式升级为「机器狗 + AI 机械臂」的 2.0 版本。相比之下，「机器狗 + AI 机械臂」的组合就灵活得多了：不仅能够更好地穿越复杂地形，比如自由上下楼梯台阶、陡坡、石子路、梅花桩、草地等，还可以及时应对突发情况，完成拉电闸、开门、触碰按钮等操作。
CANN 首席科学家杜鹏指出，当前智能机器人发展趋势呈现模块化、智能化和自然交互三个特点。多场景复合机器人发展加速，脑、眼、手、脚的协同是关键，复合机器人的「手」至关重要。
杜鹏分享腾 AI 技术应用
也正因此，在下一代机器人的众多形态中，「机器狗 + 机械臂」的组合在华为和宇树科技的联合研发中被寄予厚望。
当然，在这条赛道上，还有一些尚待解决的挑战，其中之一就是如何突破工业应用的成本红线。例如，智能复合型机器人涵盖运动控制、定位导航、路径规划、视觉感知、位姿估计等多种算法，对算法、算力都提出了更高的需求，而腾的 CANN 为该问题提供了一种可能的解决方案。
随着相关硬件及软件系统等模块化开发工具的开源，智能复合型机器人的研发门槛正在显著降低，更多的实验室构想都将迅速成为具备广泛行业应用价值的机器人产品。
未来，智能复合型机器人的想象空间远不止于此。与此同时，腾 AI 将持续分享更多基于 CANN 智能复合机器人的技术案例，并从「新技术、新体验、新机会」三个维度不断为开发者创造新价值。
THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com
