必一运动全程自主无遥控！波士顿动力电驱机器人进厂打工：比人能干多了登上油管热榜，吸引50万网友围观，波士顿动力人形机器人又放大招了

　　更有意思的是，当发现自己弄错位置后，Atlas突然以一个鬼畜完成了瞬间纠错。(笑死，怪突然的）

　　总之，在近3分钟demo中，Atlas进行了一系列秀肌肉操作：头部、上半身、髋关节都能360旋转，可随时转向、行走

　　上一次还是8月底，他们展示了Atlas能够一口气做俯卧撑、深蹲等热身运动，当时就震惊了上百万网友。

　　而在最新demo中，Atlas又瞄准了自动化控制，现在它能在集装箱和移动小车间自主移动发动机盖了。

　　据波士顿动力介绍，Atlas使用机器学习视觉模型来检测和定位环境固定装置和单个箱子，并且会使用专门的抓取策略，通过不断估计被操纵物体的状态来完成任务。

　　机器人能够结合视觉、力和感知来检测环境变化（如移动固定装置）和动作故障（如未能插入盖子、绊倒、环境碰撞）并做出反应。

　　前一阵，Optimus在特斯拉的发布会上同样大秀肌肉（开场热舞、与人交谈猜丁壳、倒酒等一个不落），不过最后被多方证明存在现场远程操控。

　　对于这两家人形机器人领域同样炙手可热的竞争对手，网友们也开始各自站台，并最终达成了一个“共识”。

　　人形机器人能够被设计而不是进化，意味着一旦我们弄清楚工程原理，各种变形金刚和驱魔人式的能力都可能发生。

　　更高分辨率的深度相机价格昂贵（带宽和计算），因此将超密集传感器限制在工作空间的位置是很有意义的。

　　实在不行，也可以“低质量的360全景视觉+面向单一方向的高质量相机/激光雷达”（网友支招有）。

　　对此B-Sports，也有人对Atlas采用的技术表达担忧：基于点和规划器/优化器在泛化能力上可能不如神经网络等。

　　且就在刚刚，英伟达新发布了HOVER，一个1.5M参数的神经网络，用于人形机器人的全身运动和操作协调。

　　人类在行走、保持平衡以及操纵四肢到达期望位置时，需要大量的潜意识处理。我们在HOVER中捕捉了这种“潜意识”，这是一个单一模型，学习如何协调人形机器人的电机以支持运动和操纵。

　　我们在NVIDIA Isaac中训练了HOVER，这是一个GPU驱动的仿真套件，能够实现比现实时间快10000倍的物理模拟速度。

　　为了直观理解这个数字，机器人在虚拟“道场”中经历了一年的密集训练，但在一块GPU卡上仅花费了大约50分钟的真实时间。然后，神经网络无需微调即可零样本迁移到现实世界。

　　它简化了收集全身遥控操作数据的方式，以便于训练；且作为一个上游的视觉-语言-动作模型，只要提供运动指令，HOVER就能将其转换为高频的低级电机信号。