8 月 18 日，在“特斯拉AI日”的最后，埃隆·马斯克亲自上台压轴宣布新的项目，将于明年推出的人形机器人——Tesla Bot。
这个代号“Optimus”（擎天柱）的人形机器人长得并不像变形金刚，完全就是人类的体型，发布会上马斯克称它能为人类处理掉那些不安全、重复、无聊的工作。
1.Tesla Bot的配置
按照马斯克的设想，Tesla Bot身高1.7米，重56公斤，能够负重20 千克，最大可以提起68千克的重物，手臂伸展时可承受4.5 千克的重量。
具体配置上，机器人脸部是一张屏幕，全身将配备40个机电执行器，其中手掌共配备12个，能做到和人类一样灵活；双腿共配备12个，结合足底的力反馈装置能实现双足直立行走，最快速度能达到8公里每小时。
Tesla Bot使用的视觉方案将从其汽车的多摄像头视觉架构下的深度神经网络方案迁移过来，Autopilot 摄像头作为它的眼睛，胸腔内装配辅助驾驶使用的 FSD全套计算设备，能实现包括规划、自动标注、仿真等功能，让它能在不同场景下完成代买食材、打扫卫生等任务，而这些功能的训练都将由其最新发布的Dojo超级计算机完成。
2.马斯克关于制造人形机器人的第一性原理
马斯克认为特斯拉已经具备了制造人形机器人所需的软硬件能力，推出一个人形机器人只是顺理成章的事情，不过与美好愿景相反的是目前这个机器人的原型机都没有造出来，总是和马斯克唱反调的卡内基·梅隆大学电气和计算机工程教授 Raj Rajkumar 表示，马斯克严重低估了制造人形机器人的难度，任何一家企业都要花10年时间才能造出能帮人跑腿的人形机器人。
关于Tesla Bot是不是一场过度营销的争论明年才能有结果，但人形机器人面对的难题是一直存在的，仅仅是为了解决人形机器人的行走问题，著名的Boston Dynamic花了5年时间才取得一定的成果，而Tesla Bot要想做到正常行走之外完成多种场景的任务，面对的问题将更为复杂。
今天首席未来官独家整理了人形机器人制造中的6大难题，为你一一拆解它们都难在哪里，欢迎你看完后投上一票，等明年回来看看谁猜的更准，也欢迎加入科技特训营和我们一起持续关注科技前沿动态，了解技术真实的样子。
3.难题一：动态稳定
机器人要做到和人类行为一样，首先要解决的问题就是动态稳定，简单解释那就是仅仅依靠双腿支撑要能做到无论弯腰还是下蹲等各种动作都可以保持平衡。
一个动作落空就会导致全身平衡被打破
我们每个人可能都觉得这是非常简单的事情，但实际上经过千万年的进化，在哺乳动物中也只有人类可以做到长时间保持双腿站立的状态。
为此人形机器人通常也选择模仿人类的策略，根据站立时不同的情况形成了四种应对策略，面对迎面的大风我们通常是脚踝的肌肉收紧或放松，让我们小幅度的倾斜对抗扰动，遇到别人推一下就会通过髋部和脚踝一起运动保持平衡。
如果遇到被撞一下这类情况就会迈步重新找回平衡，甚至在完全无法保持平衡时向前摔倒保护不受到更大的损伤。
双足平衡的不同策略
这还仅仅是站立的过程，如果遇到下蹲弯腰这类动作，还需要人形机器人时刻按照身体运动模式变换的过程，实时通过传感器和电机选择最佳策略稳定重心，目前Boston Dynamic在这方面的经验最为成熟。
4.难题二：双足行走
能够稳定的站立后自然就是要能正常的行走，而双足行走在机器人领域一直都是一个单独的课题，学术上称为步态规划，通常分为静态步行和动态步行两种方案。
静态步行简单说就是时刻保持金鸡独立，小幅度迈出一只脚的移动方式，因为效率太低，已经不是主流方向。
动态步行简单理解就是我们人类的模式，分为双腿支撑阶段和单腿支撑阶段， 其中双腿支撑期通常只占一个步行周期的8%-25%，仅仅是个过度状态，如果跑了起来甚至会变成全程单脚支撑和腾空，这时再遇到地面起伏不停，人形机器人需要计算的要素就会更加复杂 。
双足行走
Boston Dynamic的Atlas如今已能跑酷，摔跤仍然不可避免，因为哪怕是同一个地点、同一个步伐都可能因为各种原因出现细微的差距，该选择脚掌先落地还是脚后跟先落地都是要实时规划的，如果无法很好的调整就会失去平衡，实际上老人容易摔倒的原因与此也类似。
Atlas从步履蹒跚到能够跑酷，仍然免不了摔倒
5.难题三：骨骼架构
能不能将尽可能多的精密元器件整合进机器人体内，同时还要保证在遇到摔倒这样的情况时对它们形成可靠保护，直接关系到人形机器人的质量合不合格。
Atlas反复摔倒后的外壳
Boston作为走在前列的人形机器人企业，2018年它选择的是通过3D打印重新设计了Atlas的腿部骨骼结构，将所有的动态平衡、传感、过滤、排污阀、动力装置整合进去，而这一过程较它首次推出已经过去了5年。
Atlas腿部骨骼
目前马斯克公布的设计方案中还没有这一块的相应内容，一年的时间迭代出可行的方案，你决定能行吗？
6.难题四：灵巧手
马斯克在发布会上宣布Tesla Bot将拥有和人类一样灵活的双手，而这又是机器人领域的另一个研究方向——灵巧手。
灵巧手的研究始终是机器人学术界和工业界的关注焦点，简单来说就是通过模仿人手的结构，让机器人在抓握之外能够实现各式各样的精细操作。
这其中的难点主要在于力量的柔性控制和手部的自由度，柔性控制就是让灵巧手能够根据实际情况决定抓握的力道，抓握不同材质时该如何发力，这既需要人形机器人能够识别不同的材质，也要让它能够根据抓握时的反馈实时调整。
过于用力的机械手
所谓手部的自由度，简化理解就是每个可以弯曲的关节有2个自由度，整个手掌的自由度为24个。
人类手掌的灵活度
目前在灵巧手上研发最前沿的Shadow公司，它们的灵巧手同样拥有24个自由度，主要使用20个由电机驱动，并配置了129个内置传感器解决柔性力量控制的问题。
Shadow公
司的灵巧手
Tesla Bot从公布的数据来看，其手部共配备12个电机，平均到每双手是6个，通常来说6个电机也就是6个自由度，与其宣传和人类的双手一样灵活在硬件上还有不小的差距。
7.难题五：通用智能
前面的几大难题主要都是针对不同场景，而对于人形机器人还有一个更大的问题，那就是机器人如何根据实际情况规划下一步的行动，标志的说法就是如何让机器人拥有通用的智能。
目前各种自动驾驶技术、智能识别技术的背后都是基于大量数据训练的深度学习算法，这种算法的最大特点就是能够很好的适应已经学习的场景和任务，但是对新情况却缺乏适应力，也很难迁移到别的场景。
换个通俗的说法，识别道路上车辆的人工智能如果没有见过白色的车辆，它就不会把白色的汽车判定为车；帮助规划行进路线的算法也不能用于规划物品的摆放。
即便是Open AI推出的
GPT-3语音神经网络，其参数已高达1750亿也仅仅是拥有了一些在语言文字上的推理和泛用能力，
据
估计这种模式要达到更广泛的通用甚至是泛用参数至少还要再扩大1000倍。
GPT-3与其他深度学习网络的参数规模对比
此前的Tesla在AI DAY上公布的超级计算机机柜集成了
120个训练模块、3000颗D1芯片、超过100万个训练节点
，多个机柜结合能支持上万亿的参数训练，但相较1000倍的需求还是杯水车薪，很难说Tesla Bot推出时能够既帮你买东西又帮你干家务。
8.难题六：面部表情
人类面部由44块肌肉组成，不同肌肉间还有相互的关联，通过肌肉的收缩和放松能够形成5000多个表情，其中一些微表情可以在0.01秒的时间就完成。
如果人形机器人想要做到足够拟真，电机、伺服器等驱动装置就都用不上了，有的地方在考虑使用人工肌肉来解决这个问题。
Tesla Bot的“屏幕脸”概念图
不过这对Tesla Bot而言并没有阻碍，因为它已经用一张屏幕巧妙的绕过了这个问题（或者我们可以说这是马斯克也解决不了的问题）。
9.刚刚启动的项目
最近Tesla为Tesla Bot发布了
机械工程师、高级人形机电机器人架构师、
电气工程师、机械设计工程师、测试工程师、软件工程师等岗位的招聘，让我们拭目以待，已经拥有制造能力的它将如何把制造能力化作现实吧。
我们还整理了一份
"脑机接口公司清单
"
，
辛苦你点下“赞”和“在看”，
点击顶部的“进入公众号”，在对话框里发送
“科技”
二字，你就会获得这份清单。
注意：回复“科技”只能获得当天的清单，全套《科技产业研究清单》会在科技特训营里分享，并持续滚动更新、扫描全球科技前沿。
2021年，前哨科技特训营推出了一系列趋势投资课程，帮助学员们站在时代前沿，领先别人五年看到未来。最重要的是，
在充满不确定性和各种挑战的未来，做出最正确的选择，成为时代的赢家。
点击以下链接，阅读课程回顾。
