date:20160501 Atlas 2016機器人視頻
atlas boston dynamic 公司機器人2016年 三代
還是很震撼的！ 雖然四肢細節沒有Asimo那么細致。但是其運動協調，處理意外能力，似乎勝出些。
知乎快速了解了下，用的和日本asimo是完全不同的技術路線。運動部分幾乎全液壓控制，這機械設計部分會太難了。安裝空間要求，液壓反饋速度，運動范圍等。atlas機械部分的設計絕對稱得上機械設計師的頂尖水平。
不算機械結構和傳感部分，會寫程序的tx也能理解上面視頻里，在人看來很簡單的一些活動，在設計算法時有多難： 倒地站起，箱子掉了重新去撿。
在真實世界每次每時的清況都略有不同，如果機器人把所有傳感器信息搜集到，并重新計算，以目前的計算能力，機器人會停滯明顯感覺到的時間。
比如倒水，我們用心觀察和體會下，
- 2-3歲的孩子，開始學倒水時的操作，以及我們自己倒水的過程。
- 先觀察，然后閉上眼睛（數3下，待大腦自動計算的路徑感消失），靠手觸感倒水
- 在倒水過程中，不同的環節閉上眼睛（每次都數3下，待大腦自動計算的路徑感消失）
就能理解，一個簡單的倒水動作需要多少不斷調整，如果需要一直監控和計算，需要消耗多少計算能力。
而成人，就直接訓練好了模式，在倒水時，雖然杯子，水壺，大小位置都不同，但是操作還是很快的。僅僅在一些對準兩個杯口，是否溢出等環節，需要眼睛和手，耳朵關注，并校準下動作。
因此，人工智能的學習算法的設計非常有挑戰。在盡量少的計算情況下完成復雜動作。
NvidiaCEO黃仁勛，就提到他們提供的汽車智能駕駛的軟硬件平臺，從最保守的駕駛方式開始，然后快速學習對應駕駛員的駕駛習慣，完成個性化的自動駕駛。其中的機器學習，想想就神秘啊！
Atlas的老板一個視頻，放了山羊在山地活動的視頻。發表一個觀點，大意是：人類相對于動物，運動能力其實不強，人類進化的主要是腦。
除了仿生服務型機器人，其他用途機器人，只需要仿生最適應該應用場景的動物結構。
