【 图片来源：Ford and Agility Robotics 所有者：Ford and Agility Robotics 】(公众号：)按：如果有一天，你门口拿租车，看到的居然是机器人，这多有意思。福特公司正在实践中这一点子，IEEE Spectrum上就有一篇文章展开了讲解，全文编译器如下。今天，汽车制造商福特宣告，它们的自动车主车队将某种程度载运包覆，他们在汽车尾部装载了一个双足机器人，和包覆一起运输。

Digit是今年早些时候在IEEE Spectrum封面亮相的仿照人类灵活机器人，它比一般机器人的移动极具动感时尚，而且，它还需要在高低不平的地上行驶，爬楼梯，还能装载20kg轻的包覆。福特公司在Medium上的一篇帖子说道，Digit可以把你的包覆从路边仍然送往你家门前，这段路程是自动驾驶汽车开不进来的。福特公司想在2021年发售一个自动驾驶汽车服务。

在视频中，尽管Digit还无法几乎自动化操作者，但它还是展现出得很极致。它通过一些命令展开高水平的远程操作者，像“回头到这个地方”，“爬楼梯”，“拿起包覆”这种。在视频摄制过程中，Digit一次都没跌倒过，但是，对这个机器人来说有个更大的挑战，就是当它送货到各家各户时，它可能会遇上弯曲的地面、点状的楼梯、杂草丛生的院子、大门或者是到处跑的宠物、小孩等妨碍。以汽车为基站给Digit带给了很多便捷。

比如，对比大多数大型机器人，Digit装载的电池要大得多，因为它一次车主只必须运营很短的时间，在前往下一个车主点的时候，它又可以返回车上新的电池。Digit还配有有几个立体照相机和一个激光雷达，这让它可以在送来租车的时候从它的机器人同伴那获得协助，完备地图绘制以及获得更加多路径规划。

福特公司说道，这是一个优势，因为它的无人驾驶汽车配有了比Digit独自一人装载的更加强劲的传感器和计算机。来自Medium上的帖子：在一般情况下，Digit本身就有充足的感官能力去运营。如果它忽然遇上一个意料之外的障碍，它可以发送到一个图像返车里，然后汽车就不会得出解决方案。

这个汽车甚至还能把信息发送到云端去告知其他系统，协助Digit导航系统所处的环境，维持机器人轻盈灵活性地活动的同时，获取多层次的额外协助。【 图片来源：Ford 所有者：Ford 】这是十分有意思的概念，为了自学更加多关于Digit将怎么处置只剩的所有操作者，IEEE Spectrum与Agility Robotics的CEO Damion Shelton展开了聊天：IEEE Spectrum: 把自律导航系统所需的传感和计算出来从机器人身上替换成，这种点子好有意思，您需要具体方法解释一下您将不会在机器人和汽车上做到些什么吗？Damion Shelton:清楚的区分还没有确认下来，但是基本的点子是在机器人上运营动态（或者相似动态）处置的任务，并拍电影其他外接的任务。机器人能做到的事情有落脚点定位、低水平姿态控制、继续执行以前训练过增强自学不道德，以及3到5步的路径规划。

汽车需要继续执行的任务还包括地图的存储和检索、增强自学不道德的训练、以及在部署期间初始化机器人的全域姿态。在我们显然，全域姿态的初始化是汽车最重要的功能之一。如果没这一点，Digit有可能必须从每一次等候的着陆点去建构当地的世界模型。

IEEE Spectrum:现在的双足机器人需要机械地穿越半结构化地形，但要它在没人类监督的情况下，在半结构地形上只想地工作，还有很长的路要回头，您将怎么提升在实际应用于中部署Digit的自信心呢，并且你必须解决问题的仅次于的挑战是什么呢？Damion Shelton: 我们预计在非常宽的一段时间内会在没人类监督的情况下操作者机器人。最开始的时候，我们期望机器人在操作者的时候不会有人在它附近，随着时间推移，人为监控这种形式不会渐渐提高。在我们相信它在某个特定地理位置的性能是可信的之后，必要监控就不会被“客户服务中心”风格的中央监控代替，但这最少必须几年的时间。从数据搜集以及硬件和软件的持续改良的角度上看，在近阶段必须监控的这一事实不是一件坏事。

特别是在是在协作应用于中，机器人是车主司机的助理，人类部分参予这个过程的额外成本完全是零。（因为司机现在早已在做到这个工作了）【 图片来源：Ford and Agility Robotics 所有者：Ford and Agility Robotics 】IEEE Spectrum: Digit难免会遇上许多不确认的，动态的障碍，就像其他人或动物一样。面临这些各式各样的预料之外的边缘状况时，你对自动化的可靠性有多担忧？Damion Shelton:从测试部署的角度上看（数以百计的机器人规模），我们的计划是防止我们无法处置的边缘情况，同时也保有充足的不确定性，让我们可以持续地做到研发改良。

从2020年早些时候开始，在12到18个月的测试中，我们预计提早同构和限定版所有我们操作者过的环境。大多数无人驾驶汽车公司都是这么做到的：再行在某个自己能解读能掌控的小区域内开始试验，作出一些成果以后再行不断扩大这个区域范围。十分确认的是，在早期，我们无法处置这世界上大多数的“疑难问题”，但我不指出这是部署的障碍。我们不必须解决问题最艰难的问题，因为即使是最简单的市场份额的十分之一，相对于任何合理的持续增长率，也都是极大的。

但是这并不是为了最小化边缘情况的可玩性。你说道的完全正确，在现实世界中，可依赖性是一个极大的挑战，我们期望尽量慢地在世界上应用于Digits，即使我们还没可部署的解决方案，但我们开始搜集难题的数据了。IEEE Spectrum：Digit需要和人类必要对话吗？这些对话不会是什么样的？Damion Shelton:我们不是十分注目嵌入式的问题，除非它们和流动性涉及。在一个极致的世界中，Digit带入了背景，对话主要所谓语言的。

你告诉，你回头在人行道上，其他行人会忽然撞到上你，因为他们有一个姿态、步态动力学等心理模型。我们思维了很多这些动态线索，但没计划把Digit变为一个风趣健谈的机器人。虽然话是这么说道，但Digit的生产版本还是不会有一个扬声器和一个光源显示屏，这两个东西都需要被用来向外部世界获取低于限度的对系统。

IEEE Spectrum：你在设计Digit的时候就想起这个应用于了吗？你还想要看见Digit做到些什么呢？Damion Shelton：是的，最少在某种程度上，我们从一开始就坚信，对Digit来说，最差的早期市场是物流市场。这个市场拒绝腿部要灵活性（最少在我们注目的领域），但不必须超级先进设备的人工智能（在“非常简单”的环境中）、美国FDA证书（如老年人家庭辅助机器人）或是在险恶环境下操作者（比如救火）。基本上，如果你需要在世界上移动穿越，还需要搬到箱子，那么你就有了物流必须的最基本的技能。

租车服务业是一个大型的、高速快速增长的行业，这也让我们从第一天开始就需要去注目这个有利可图的用例。机器人常常专门从事许多“脏乱差且危险性”的工作，这些工作不仅很有挑战性，而且能胜任的人很少。把有腿机器人作为工具用作灾后复原，救难等，这种众说纷纭早已被托了很多年，但机器人要在这样的环境下移动是极具挑战性的。

并且，商业案例很难一开始就合理化。忽略，如果我们有一队Digits ，通过最后一英里环境的大型训练集，自学在世界各地移动穿越，同时有商业部署的成本压力和规模经济，那么，我们在更加专业的市场上获取有竞争力的产品的几率急遽下降。视频地址：https://www.youtube.com/embed/WHWciIxNK2c?rel=0录：本文编译器自机器人技术博主Evan Ackerman公开发表在IEEE Spectrum电子杂志的文章版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：中欧体育-www.zghj114.com