踩在滚动的瑜伽球上维持平衡向前挪步，看准时机跃过挥舞的长绳，甚至在移动中相互配合“抢”纸箱……近日，一段名为《杂技 BOT》的测试短片里，智元“灵犀X2”机器人完成了一连串高难度的动态协同动作。
新民晚报记者从智元获悉，AGILE2.0感控一体模型（AGIBOT Generative Intelligent Locomotion Engine）发布，人形机器人的运动控制，正在尝试告别机械的“盲动”，开始“边看、边想、边动”。
机器人能看见不难，难的是“所见即所动”。人眼与身体是天然同步的，眼睛实时捕捉变化，大脑预判延迟，肢体平滑调整动作。但是，机器人是一套分离的系统，相机采集画面、AI 计算目标位置存在时间差，而机器人的电机运动是毫秒级快速响应，滞后的视觉信号如果直接用来指挥运动机器人就很容易出现抖动、晃动，动作不稳，尤其是在极限平衡、高速交互、精细操作中易失稳、易中断。因此，如何让机器人的“眼、脑、躯干”像人类一样实时同频，成了具身智能走向现实必须迈过的一道坎。
针对这一行业难题，智元AGILE 1.0率先打通感知与运动链路。此次新发布的AGILE 2.0感控一体模型，则尝试砍掉层层传递的中间环节，构建端到端的视觉模型，实现视觉感知、环境理解和全身运动控制、上下肢协同操作的统一闭环耦合与全域一体化自主推理。简单来说，就是视觉信号一进来，直接输出全身的动作指令，去掉了繁琐的模块转译。
在《杂技 BOT》短片里，灵犀X2完成的是杂技团里的“高潮节目”，包括钻火圈、抖空竹、三人跳长绳、双人跳山羊、双人协作上高台等，这些高难度视觉驱动动态协同任务展现了AGILE2.0感控一体视觉端到端模型的能力。比如，“踩球行走”项目中，灵犀X2需要在滚动的瑜伽球上仅凭靠视觉和足底反馈，在剧烈晃动中实时找重心；跳长绳、搬箱子这类任务，不仅要求它用眼睛抓准时机，还得在脚下移动的同时，手头稳稳地挥绳或搬运，甚至要根据旁边同伴的动作见机行事。
项目研发团队表示，花大力气让机器人练杂技，当然不是为了开马戏团，而是让它们能应对真实世界里的不确定性。“视觉端到端感控一体闭环，打破了机器人仅能在结构化环境下作业的局限，有效适配动态扰动、人机共存、多机协同等真实复杂场景，降低了机器人在现实物理世界中的定制化开发代价。”
过去，工厂里的工业机器人大多在固定的工位上重复动作，一旦有人不小心闯入，或者地上多了块石头，可能就会妨碍机器人的“工作”，这也极大限制了机器人的应用场景。如今打通了“眼”与“手脚”的回路，机器人拥有了见机行事的能力。这意味着它们可以被放进环境更复杂、甚至有人穿梭交错的真实厂房里干活。遇到磕碰懂得自己找回平衡，看到障碍物懂得绕开，面对突发状况懂得协同调整。
启泰网提示：文章来自网络，不代表本站观点。
