在过去20年里，韩裔美国科学家丹尼斯·洪（Dennis Hong）几乎亲历了美国人形机器人研究从边缘走到聚光灯下的整一个完整的过程。他是加州大学洛杉矶分校（UCLA）工程学院的教授，美国机器人学界的重要研究者，他领衔的实验室RoMeLa迄今为止制造了超过50款机器人，其中不乏在美国人形机器人发展史上有里程碑意义的作品。

  丹尼斯·洪一开始研究的内容并非“人形”。21世纪初，美国的机器人研究还集中在工业机械臂、轮式机器人，双足行走被视为一项成本高、难度大、现实应用受限的方向。洪的早期研究聚焦在地面移动系统——包括后来影响深远的无人驾驶。但他从未放弃对“会走路的人形机器人”的设想。在他的理念中，既然这样一个世界是为人的行动设计的，那么机器人的终极形态也应该和人类一样。2009年，借着核心部件技术迭代、成本下降的机会，他带领团队造出了美国首台可以自主行走的成人尺寸人形机器人。

  不过即使到了2010年代初，美国的人形机器人仍是一条冷门赛道。没有商业市场，也缺乏持续的国家投入。2012年，美国国防部高级研究计划局（DARPA）发起机器人挑战赛，希望催生能在福岛核事故这类极端环境下进行救援的机器人，这一度成为人形机器人发展的高光时刻。但2015年的决赛暴露了人形机器人在行动速度、稳定性和环境适应能力方面的诸多技术短板。与此相关的科研进入低潮，不少实验室因缺乏资金而停止研发。洪也转向对非双足机器人和执行器的研究。

  近几年，人工智能的加快速度进行发展为这一领域带来了新的可能，甚至改变了科学家制造机器人的方式：机器人开始从数据中“学”，而无须由人类预先“写”出规则。近两年，全球有多家企业发布了新一代人形机器人，展示它们在行走、抓握和平衡控制方面的能力提升，这让原本小众的人形机器人研究重新引起了长期资金市场和大众舆论的关注。但在丹尼斯·洪看来，这波由AI驱动的热潮究竟能走多远、支撑多久，还不能轻易下结论。

  现在每天我都被新技术震撼。中国宇树的机器人在春晚舞台上跳舞，波士顿动力（Boston Dynamics）的机器人后空翻，特斯拉和Figure AI也展示了机器人自主识别和抓取东西的能力——人工智能把机器人运动能力推到了一个全新的高度。看到现在的人形机器人讨论和制造热潮，我们很容易忘记人形机器人的历史多短暂——就在七八年前，人形机器人在美国还是一个沉寂的小众领域。

  我从1990年代开始步入机器人的研究领域，当时我刚从韩国转入美国的威斯康星大学麦迪逊分校，那里有一位美国机器人运动学的先驱约翰·尤克尔教授，他开创性地用数学方法来分析机械运动，使工程师们能更精准地控制机器人的关节转动，并且预测机器人在外力作用下的行动轨迹。当时他已经60多岁了。大学毕业后我又申请成为尤克尔教授的门生雷蒙德·西普拉的研究生，继续学习机器人运动学。

  一个机器人的行动由三步组成：感知、计划、行动，这是工程学教科书上的理念。所谓“感知”，对人来说就是视觉、听觉、触觉这些感官；对机器人来说，它靠摄像头、雷达及各种传感器从环境中获取信息。接下来是“计划”，我们用大脑判断要怎么做，而机器人则用计算机来做决策。最后是“行动”——人靠肌肉发力，机器人则需要电机、执行器，以及与之配合的控制管理系统。围绕这三步，机器人学分化出了很多方向。像我研究的运动学，主要是处理“计划”和“行动”之间的那一段：你想做一个动作，但怎么做？何时动？用多大力？哪个部位先动？这样一些问题都能转化成算法和模型。

  当时大学里研究机器人的场景和今天大不相同。今天，如果你走进我们在加州大学洛杉矶分校的实验室，可以用小型人形机器人来测试行走算法，用3D打印机来制作零件，做很多天马行空的尝试。但是当我还在读研究生的时候，实验室里制作和测试一个人形机器人的最基本的条件都不存在：用于识别环境、传感的激光雷达非常昂贵；用于控制机器人运动的软件不成熟，没有像今天ROS（Robot Operating System）这样的通用开源工具，学生必须自己编写底层代码；控制机器人运动力道和柔性的执行器还是电力驱动的，这让机器动作僵硬粗暴，很难柔和地施力；零件制造依赖传统机械加工，成本高、周期长。给我的感觉是，如果我们把人形机器人类比成人类，那么在2000年的开端，它的眼睛、大脑、肌肉，没有一个是准备好的。

  所以，在1990年代末，美国机器人领域的主流是像我们这样研究运动控制的，比如让工业机械臂能更平稳地移动，或者研究四足机器人的动态平衡。也有一些团队在做感知相关的课题，比如图像识别，用计算机帮机器人“看清楚”周围的环境，或者尝试设计更灵敏的传感器。但在那个阶段，我几乎没听说过美国哪个实验室在尝试制造完整的人形机器人。我做博士论文研究的时候，研究的主题是怎么让一个机器人像蜘蛛侠那样贴在墙上还不滑下来，同样的原理还能够适用于手指抓握。但当时我并没机会亲自搭建出这个机器人来验证我的理论，相关的组件要到20年之后才会成熟。

  那个年代人形机器人领域最重磅的消息来自日本。2000年，本田公司发布了ASIMO，当时它被称为全球最先进的人形机器人，让我看到了人形机器人可能实现的状态。它能靠自己走路，不是简单地按程序执行，而是能通过计算机自主调整步态，让动作看上去相对自然、连贯。在那个年代，这是一个非常大的突破。其实不仅是本田，很多日本公司那时都在研究双足行走。

  和当时的美国相比，日本的优势不只是技术。他们在文化层面对人形机器人的想象也不一样。从《铁臂阿童木》到《哆啦A梦》，机器人在日本大众心目中更多是一种温和、善良的存在，是可以一起生活的伙伴。而在美国，人形机器人在电影里往往是危险的，比如《终结者》里的杀手机器人，总是在试图消灭人类。这种文化差异，也影响了科研路径的选择。

  2004年，我拿到弗吉尼亚理工大学助理教授的职位，成立了RoMeLa实验室，但我缺少研究经费。我尝试过向最大的研究资助机构美国自然科学基金会申请双足机器人研究的经费，但没有成功，申请研究轮式运动的方案则成功了，因为在资助者看来，这个技术的难度相对低，而且更实用，更有可能落地在搜索和救援任务、自然探索和反恐行动当中，而双足步行的应用场景还不明确。

  为什么？因为足式机器人会涉及“接触”。很多人以为，让机器人飞起来比让它走路更难，但从工程的角度看，情况恰恰相反。像无人机、无人驾驶汽车，它们更早被研究出来是因为能省掉“接触”。而一旦涉及接触——比如脚踩地面、手去抓物体，情况就变得复杂得多。因为每一次接触都带来不确定性：地面会滑、物体有弹性、摩擦系数在变，这一些因素都会干扰机器人的平衡和判断。这也是怎么回事机器人发展的路径是从轮式开始，而不是从行走或手部操作开始。后者太难了，难在它需要和世界线年，美国国家航空航天局艾姆斯研究中心，一名讲师在指导学生使用计算机操控位于南极洲的一台水下机器人

  回顾美国机器人发展的历程，DARPA主导的一系列技术挑战赛是一条重要的线索。这些比赛回应着当时美国对机器人的需求，也在某一种意义上塑造了我个人的研究路径。

  2004年，DARPA发起了一项在当时看起来几乎不可能完成的比赛：让一辆无人驾驶的汽车，穿越150英里（约240公里）的沙漠路段，全程不依赖人类驾驶，也没有远程控制。那时候，无人驾驶还是一个几乎没人真正相信会“落地”的想法。这场比赛背后有非常明确的政府意图和战略动机——根据当时美国的一项国防法案，到2015年，三分之一的地面战斗车辆要实现无人化。在真实的战场上，许多士兵的伤亡来自简易爆炸装置（IED），如果车辆能自动完成这段危险的旅程，就能为人类争取更多生还的机会。

  DARPA的做法是聪明的。他们用奖金机制激励技术突破，也用开放式的竞赛吸引来自机器人、视觉系统、工程硬件等不相同的领域的人才。既是比赛，也是一次跨学科协作的实验。2004年，所有参赛车辆都没能跑完全程，奖金也没有人拿到。但技术的火种已经被点燃了。第二年，斯坦福大学的团队拔得头筹，赢得200万美元的大奖。

  2007年，比赛进入第三届，也就是后来被称为“城市挑战赛”的那一届。规则更难了：不再是穿越荒野，而是模拟真实城市中的交通环境。参赛车辆需要自主判断、变道、超车、停靠，甚至通过带有交通规则的十字路口。我们RoMeLa团队也参加了，并最终获得第三名和50万美元奖金。那次经历给了我们很大的信心，就在获奖之后，我们乘胜追击，2009年，研发了世界上第一款可以由视障人士驾驶的汽车。所以，我们RoMeLa实验室在机器人领域崭露头角，能够说是从汽车开始的。

  DARPA孕育了一批无人驾驶领域的先行者。DARPA的年轻参赛者们纷纷创业，其中也包括我的学生，他成立的公司Torc后来成功被一家大型卡车公司收购，来自斯坦福大学的参赛者创立Waymo，后来被谷歌收购。再后来的事我们都知道了，无人驾驶汽车成为热门，成就了一些年轻的亿万富翁。

  不过，我对于商业好像就是迟钝一点，我没有接着做驾驶，或者转去做产品，而是拿出一部分精力探索人形机器人。自动驾驶技术的积淀和参加DARPA的比赛时开发出来的很多能力——比如环境感知、路径规划、动态控制——其实后来都应用在人形机器人上。

  1977年《星球大战》电影拍摄所使用的R2-D2机器人模型（视觉中国 供图）

  我从小就对人形机器人感兴趣。我7岁时看了科幻电影《星球大战》，受到了深深的震撼。电影里有两个机器人。一个是人形机器人C-3PO，他精通语言和人类习俗，帮助人们做翻译和外交。另一个是R2-D2，一个小型的圆柱形机器人，外形像个垃圾桶，它可以用三条腿、两条腿，也可以用轮子移动，他通过哔哔声和口哨声进行交流，并拥有各种内置工具，能修理船只，还能拯救他的人类朋友。

  那时，我当然还不懂什么是机器人研究。那是一个想象力领先技术许多年的年代。电影里的机器人是有性格、有判断力的人类的伙伴。而现实却要朴素得多。1970年代，现实世界中真正存在的机器人，几乎只有汽车工厂里的工业机器人。它们通常是机械臂，并非人形，无法与人交流，更谈不上自主决策。它们只是默默地在流水线上完成着焊接、装配、搬运这些重复性极高的动作。

  当进入机器人领域后，我认为制造人形机器人至关重要，因为我们社会当中的所有东西——从楼梯到门再到洗碗机——都是为人类而设计的。我们如果要让机器人成功地在人的环境中运行、使用各种物件，就要让他们具备人的结构和行动方式。

  可真正做一个人形机器人，必须面对那个“老大难”的问题：它得用双足走路，而且还得走得稳。而这，光靠算法是不够的，必须在真实的机器人身上进行测试。

  从2004年开始，我注意到学界只有少数便宜、能用来测试双足行走算法的机器人平台，就开始着手设计一台小型、开源的双足机器人，我们叫它“达尔文（DARwIn）”。到了2006年，我们完成了一个相对成熟的版本——“达尔文二世”，它大约只有一个书包高，却能走、能踢球，还能运行我们自己写的算法。达尔文系列机器人很快被世界各地的研究机构采用，成了机器人实验室里最常见的测试平台之一。让我自豪的是，它让很多原本无法负担昂贵人形机器人设备的高校，也能参与到行走算法的研究里来。

  但一直到这样一个时间段，除了我们，美国其他高校基本上没有人做人形机器人的整体开发。2007年，我们带着达尔文二世参加了机器人世界杯（RoboCup），是美国第一支，也是唯一一支入选人形机器人组（Humanoid League）的队伍。这项比赛以模拟真实足球对抗著称，对机器人腿部运动能力有一定的要求极高，不光要能走，还得能跑、转向、控球——对我们来说，这不只是比赛，更像是一场全面的测试。

  我们实验室能做出人形机器人，靠的是合力。我从来不说“我的机器人”，我更愿意说“我们的机器人”。在RoMeLa实验室，我们如今有28位博士生，这是非常庞大的队伍，他们分别来自机械、电气、计算机等不同背景。有人专攻视觉，有人擅长算法，有人负责结构设计。每个人都参与多个项目，每个人也从别的项目中不断探索新的领域。一个做机械的人，也会慢慢理解现在的人工智能，一个搞控制的，也会动手设计结构。因为这样多元的团队，我们这个实验室才能成为美国极少数真正从头构建完整机器人系统的地方之一。

  也是在2007年，我从弗吉尼亚理工大学的学生工程师委员会争取到了一笔两万美元的资金，用于继续我们的人形机器人研究。申请这一个方面的经费是不容易的。美国最大的研究资助机构自然科学基金会更关心知识生产，而非工程建设项目，另外，他们很看重研究给美国普通大众、纳税人带来的好处。那时，在人形机器人身上还看不到这些。

  一台成人尺寸的人形机器人需要几十个精密的电子执行器，执行器是人形机器人的关键组件，负责将能量转化为机械运动，使机器人能够行走、搬运物品等，通常安装在机器人的关节部位，也是成本的大头。2009年，执行器和传感器的价格比起2000年初期都下降了不少。我们意识到，是时候把“达尔文”放大了。

  于是，2009年，“查理（CHARLI）”诞生了。他身高1.4米，体重12.4公斤，可以自主行走，最快达到每小时0.8公里。2011年，经过改进，“查理二世”更轻也更快了（时速1.4公里），它赢得了那年机器人世界杯成人尺寸人形机器人组的冠军。但实话实说，从技术上讲，查理身上并没什么突破性的创新。他走得慢，会摔倒，如果撞上人，也没有自主避障能力。离能真正“帮我们做家务”的机器人，还有非常长的距离。但我认为它的意义在别处——科研、教学，还有一种象征意义：日本本田发布ASIMO九年之后，美国也终于造出了自己的全尺寸、自主行走的人形机器人。

  我记得2008年，比尔·盖茨在《科学美国人》上发表过一篇文章，标题是《每家一个机器人》（“A Robot in Every Home”）。他把当时的机器人行业比作1970年代的个人计算机——潜力巨大，却缺乏统一的标准和平台，这才阻碍了发展。那时候，我们这些做研究的人也感受到一种乐观情绪：也许，下一个“个人电脑”，就是机器人。

  在2011年发布“查理二世”之后，我们的下一款人形机器人出现在2023年，名字是ARTEMIS。你或许会问，这12年，我们为什么没有再造出人形机器人？

  这要从一场灾难说起。2011年，日本福岛第一核电站在地震和海啸后发生核泄漏事故。因为核辐射极高，救援人没办法靠近核心区域。在善后阶段，我受日本政府邀请，到现场考察和提供帮助。我们实验室有救灾方面的研究背景——曾为美国海军开发过一种双足消防机器人，它可以背着灭火器，穿越摇晃、狭窄、进水的船舱，完成自主灭火任务。所以我带着机器人能大显身手的信念，穿上防辐射服，走进了福岛的废墟。

  但到了现场，我才意识到想象和现实的差距。地面上交错着钢筋和铁网，不一样的种类的岩石混杂堆积。这不是一台人形机器人迈出两条腿所能处理的地形。你根本不知道哪一步能站住，哪一步会陷下去。我原本想象机器人能推开石头、打开门、把人带出来，结果连“靠近”都是奢望。那次经历让我开始思考：执着于双足行走，是不是与现实需求背离了？

  福岛的冲击波也传到了美国。2012年，DARPA时隔多年重启机器人挑战赛，这次不再聚焦无人车，而是将人形机器人推向舞台中央。他们盼望推动一种能应对灾难环境的机器人的生成：能自主导航、开门、使用工具，哪怕是在废墟里，也能执行任务。很多人投入了巨大的热情和资金。

  但到了2015年决赛那天，画面却变得令人心碎。观众原本期待看到机器人英勇闯入模拟救援现场，但真正的场景是：机器人几步就摔倒、打不开门，有些甚至在转身的时候自己绊倒自己。整个比赛像一场“慢动作灾难”，一个个昂贵的机器人，在众目睽睽下摔倒、静止，毫无还手之力。

  那场展示几乎“杀死”了人形机器人的研究，至少在美国是这样。研究经费骤减，相关团队解散，有人转向其他研究方向，也有人直接就放弃了，产业界只有波士顿动力还在做。那几年，“人形机器人”变成了一个尴尬的词，很多同行跟我说：没有钱，也看不到未来。后来我在想，DARPA既能点燃一个研究方向，也能让它熄火。这本身不是好坏的问题，而是提醒我们：技术要能落地。我没放弃人形机器人的研究。在这段人形机器人不受企业和政府青睐的时期，我们尝试向实验室的支持者们众筹——我在社会化媒体上一直很积极地发布好玩的资讯，积攒了一批RoMeLa的粉丝。他们为我们捐赠了11.8万美元。

  这一系列的变化之后，我决定更“现实”一些。2014年，我受邀到加州大学洛杉矶分校任教，再一次从零搭建起RoMeLa实验室。这一次，更专注地研究“移动”这个看似基础的任务，不再执着于双足机器人，而是也研究蛇形、多足的形态，也不再局限于陆地，而是研究飞檐走壁、水上漂，探索各种能帮助机器人深入险境的肢体形态和移动技术。

  在所有千奇百怪的多足怪兽背后，我们实际上把研究重点放在了一个组件上，那就是执行器。值得一提的是，我们的灵感来自2013年由波士顿动力推出的当时美国最先进的人形机器人Atlas。它的每个动作都透露出一种力量感，能跑、能跳，还能维持平衡，这是使用了一种新型液压执行器的结果。这种驱动方式虽然笨重、容易漏液、噪声也大，但它能提供一种传统电机不能够比拟的爆发力和弹性。

  我从波士顿动力的做法上得到了启发，认为决定机器人运动能力的关键，就在于执行器。所以我在想，有没有可能做出一种执行器，它能柔软地释放力量，也能瞬间爆发，不漏油、不扰民，还能进入家庭。我们后来发明的BEAR执行器，就是从这样的一个问题出发的。它不是传统的电机，也不是液压，而是一种全新的方式——在控制力道、承受冲击和能量效率之间找到平衡。今天你看到的很多人形机器人，包括中国不少厂商的产品，用的也是同类技术。2023年，我们制造的机器人ARTEMIS就是搭载的BEAR系列电驱执行器，它的步速能达到每秒2.1米，推出的时候是世界上走路的速度最快的人形机器人。

  人形机器人在美国成为热门话题，其实就等于这两三年的事。说到底，是因为人工智能跑得太快了，快到超越了我的想象。它真的改变了科学家造机器人的方式。

  在前AI时代，我们长期以来对机器人的操控是基于模型，它的原理其实不难理解：我们用数学和物理，把机器人的运动拆解成一堆方程式，然后输入机器人的大脑。就像你给它一本操作手册，告诉它何时该迈哪只脚、用多大力气、身体往哪边倾。飞机、汽车也都是这么被控制的。这套方法的好处是可控——你知道它为什么能动，也知道它出错时错在哪儿。但问题也很明显：真实世界变化太多了，模型再精准，也总有想不到的地方。比如地板打滑、风吹、碰了一下桌角，机器人就容易“蒙”。

  深度学习带来了另一种思路，叫基于学习的方法。科学家可以不再给机器人写规则，而是让它自己学。比如我们给它成千上万段走路、转身、上下坡的动作数据，它就能从里面找出规律。你不用教它牛顿定律，它也能慢慢学会走得稳、站得住。这种方式叫“端到端”。以前我们说，机器人要先“感知”，然后“计划”，最后“行动”。现在它可以直接从“看到”到“做到”，中间的“计划”交给神经网络处理。结果是，它不光学得快，还更能应付变化。像人一样，不是你一条条告诉它怎么做，而是它自己“悟”出来的。

  10年前，如果有人跟我说，人工智能能让机器人后空翻、跳舞，还能在现实环境中自己学会走路，我一定觉得他在胡说八道。那时候，深度学习还远没有今天这么强大。算法还在早期摸索，算力跟不上，数据更是稀缺，但是现在这些软硬件都更成熟了，也有公司倾注巨大的资金和人力来收集数据。这是过去单靠模型方法没法达到的。而这些突破，也悄悄改变了我的信心。如果你五年前问我，人形机器人何时能走进千家万户？我可能会笑着说，希望能在有生之年看到。而现在，我觉得那个时刻没那么远了。

  但要澄清的是，能做出一些精彩的动作，并不代表人形机器人已经准备好进入家庭，为我们所用。如果你问我，人形机器人真正走入家庭还有多久？我无法给出精确的答案，但或许不会是五年那么快。

  能“动”与能“做”之间，还有一道巨大的鸿沟。让机器人完成家务，远比行走或跳跃复杂得多。以洗碗为例，人类可以凭直觉判断碗的材质、重量、油污程度，并自然调整抓握方式。而机器人则一定要通过视觉或触觉逐步识别这一些信息，计算合适的力度，确保既能抓稳又不弄破。这种感知与运动的复杂性，超越目前的技术能力。就像一个跑得最快的运动员未必能解微分方程；一个能歌善舞的机器人，也未必能成为合格的家务帮手。

  2015年，加州大学洛杉矶分校的RoMeLa实验室和宾夕法尼亚大学的GRASP实验室合作研发应对灾难场景的机器人THOR

  回顾过去20年，人形机器人的发展是阶梯式上升的。如今，人工智能的进步带来了陡峭的增长曲线，但接下来会发生啥？是否还会迎来一个平台期？我无法断定。也许是因为研究得越多，越能体会其中的难度。

  听上去可能有点反常理——当人工智能以惊人的速度向前冲时，我却选择继续坚守基于模型的路线。不是因为我否认新技术的价值，而是出于现实，也出于理念。

  现实的问题首先是数据。人形机器人需要的不是文字、图像或视频，而是真实的动作数据——位置、速度、加速度，甚至是脚落地时的冲击力和摩擦力。这一些数据从哪儿来？要么请人穿上动作捕捉设备，一遍遍演示；要么让机器人自己反复尝试，从摔倒中学会站稳。这过程既昂贵又耗时。有人估算，像特斯拉这样训练一个能在工厂里工作的机器人，仅数据采集一项就可能花掉几亿美元。人工智能的热潮下，实验室和公司的资金差距其实是在扩大的，人工采集数据是我们难以承担的成本。

  另一种办法是仿真，让机器人在虚拟世界里模拟动作。英伟达就搭建了一个模拟平台。这种方式高效、成本低，但模拟终究替代不了真实。试想一个人如果只靠厨房模拟游戏来学做饭，是可以把步骤记得很清楚，但等他真站到灶台前，面对热锅、油烟和真实的菜刀，很多细节就乱了。仿真能训练一些标准化、重复性的任务，但对需要全身协调、应对复杂环境的动作，它目前还没那么管用。

  在现实资源的考量之外，我还相信基于模型的方法依然有它的价值。因为它的每一个环节都可解释，我们大家都知道它为什么动、怎么动，也能知道它何时会失败。在某些关键任务里，比如驾驶飞机、控制核电设备，咱们不可以只依赖一个黑匣子，即便它前100次都表现完美，第101次的失败，可能就是灾难。模型的价值还不止于此：它是生成知识的工具。我们通过它去理解人类是如何行走的，去推演自然规律。这些理解，不只对机器人有用，它可以迁移到别的领域，可以教给学生，也可以启发别的学科——这是作为一个教育者，我特别在意的事情。

  当然，我们并不是完全排斥深度学习的方法。在我们团队里，我们也在尝试，比如有一款气球形态的双足机器人，受风力影响特别大，运动轨迹完全没有办法预测，传统模型在它身上就捉襟见肘，而学习方法反倒表现更好。我们还有一台为动画电影角色设计的机器人，团队也特意分成了两组，一组用模型，一组用学习，让它们在实践中彼此较量——我们也想知道，哪一条路，能走得更远。

  作为一名科学家，我也在努力理解当前业界技术的实际进展。毕竟，在过去20年里，我的工作大多分布在在大学实验室和学术界，这里是一个依靠同行评议和严谨验证的环境。而商业公司发布的演示虽然令人震撼，但常常带有一定的夸张成分。因此，咱们不可以仅凭“眼见为实”来判断技术的成熟度，而应理性看待AI在当前阶段的局限。虽然机器人正以前所未有的速度发展，但要实现真正的应用，仍然面临着许多未知的挑战。