想象一下,當終結者被擊中得千瘡百孔,渾身漏電漏油,所有人都以為它已經失去戰斗力時,它卻搖搖晃晃地重新站起,黑洞洞的加特林再次對準了你。電影中的這一幕讓人腎上腺素飆升,但如果發生在現實世界,恐怕大多數人只會感到毛骨悚然。
最近,一家名為Skild的公司研發出一種革命性算法,讓機器人即便遭遇突發意外,也能在極短時間內恢復行動能力。根據官網發布的視頻,這些機器人即使失去四肢、斷腿、甚至被重物壓住,依然能穩定行走,仿佛科幻電影中的場景照進了現實。
視頻中,研究人員毫不避諱地展示了機器人的“受難”過程。比如,當機器狗被綁住四肢時,它僅用20秒就重新站立并開始移動,速度之快令人咋舌。而當一條腿突然斷裂時,它也只是短暫掙扎,便迅速適應了三條腿的行走模式。更夸張的是,當輪滑被鎖死時,它竟能像人類一樣用小碎步繼續前進,仿佛早已預演過無數次。
這些場景看似夸張,實則均未經過任何場景微調,完全依賴同一套算法模型實現。這打破了機器人控制領域的傳統認知——此前,大多數算法僅針對特定任務、機型或環境設計,一旦條件變化,性能便會大幅下降。例如,同一型號的兩臺機器人使用相同的翻跟頭算法,結果可能截然不同。
這種局限性源于機器人內部的復雜性。由于零件裝配存在細微差異,傳感器采集的數據也會略有不同,導致算法在真實環境中表現不穩定。Skild團隊在測試中驗證了這一點:當使用針對Go2行走的專家策略時,失去肢體的機器人很快便摔倒在地,與通用算法的表現形成鮮明對比。
那么,Skild究竟是如何讓算法“一招通吃”的呢?團隊在博客中透露,他們構建了一個包含十萬種不同形態機器人的模擬宇宙,要求算法在所有機器人上均能正常運行。這一設計迫使算法必須理解運動的本質,而非依賴特定機型的“標準答案”。
在模擬環境中“修煉”后的算法,被移植到真實機器人中后,仍能持續學習。例如,某次演示中,AI首次摔倒時才意識到自己“變成了狗”;第二次摔倒時,它發現自己是“殘疾狗”;而第三次啟動時,它已接受現實,用后腿直立行走。這種從失敗中快速適應的能力,正是算法的核心優勢。
盡管算法表現驚艷,但Skild AI這家公司對許多人來說仍顯陌生。通過領英查詢發現,其成功并非偶然。兩名聯合創始人Deepak和Abhinav均為卡內基梅隆大學(CMU)機器人研究所的教授,在機器人、視覺和神經網絡等領域擁有深厚積累,論文引用量動輒上千上萬。
團隊成員也大多與CMU淵源頗深,涵蓋計算機、機器人和機械等領域的頂尖人才。這種“全明星陣容”讓Skild在2023年成立后迅速崛起,僅用一年便完成3億美元A輪融資,公司估值達15億美元。
團隊表示,他們的長期目標是實現物理世界的通用人工智能(AGI)。相比這一終極目標,當前的機器人通用算法僅是研究的起點。但無論如何,Skild的突破已讓外界看到:學術成果與工業應用的結合,正為機器人領域開辟新的可能性。











