如何看待波士頓動力2016.2.24的新版機器人和人工智慧的關係？

12-28

這種機器是否只是機械學上的機器
和人工智慧到底有多大的關係？
相關信息和視頻在此
https://mp.weixin.qq.com/s?__biz=MzA3NDU2NDk3MQ==mid=403099010idx=1sn=97b2dc54e371a75d1d71ed2e0f5015e3scene=1srcid=0224QMwgpaiT1SRUVAZ6dOFvkey=710a5d99946419d9922dddf178a2df5108d556bf1d06e6dcf3ec31145782b684ad795c0c8c00c4a7b5765ec967eba30bascene=0uin=MTg2NzA1Njg2MA%3D%3Ddevicetype=iMac+MacBookAir7%2C2+OSX+OSX+10.10.5+build(14F27)version=11020012pass_ticket=zGOwEb7cS4S7wdHCBf91EKVwbn%2BBU5v9KLO7HULdivU1Mc2aihe5%2BFjc0Leujm7q

Atlas產品或者說項目本身，涉及到很多非人工智慧的領域，比如液壓系統，機械結構，材料等等。Atlas核心想要秀的東西：控制，也是個比人工智慧歷史更悠久的學科。但是要從液壓閥、機械零件、雙足行走的控制模型等等分散的部分，到一個能夠在雪地里活蹦亂跳的完整機器人，還是涉及到不少所謂人工智慧的技術。
比如Atlas通過頭部安裝的激光雷達和攝像頭，避免撞樹或者緊跟著人走，甚至自己找到回家的路（這個視頻里沒有體現，但是作為正真有實用價值的移動機器人，這是必不可少的），其實都是很典型的感知問題，這些Recognition、Tracking、SLAM的問題，都是計算機視覺領域的事。
再比如，視頻中機器人搬動箱子和推門出去的部分，這種Whole body motion planning，雖然和下圍棋的decision planning要解決的是不一樣的問題，但是多少也有些相通之處吧，而且通過machine learning來解決自由度特別多的運動規劃問題，一直都是一個很有價值的研究方向。
近幾年被輿論熱追並且被大眾熱議的「人工智慧」，主要集中諸如自然語言處理、計算機視覺，甚至大數據處理等方面，當然早些年的會下國際象棋的深藍、會搶答的watson，近些年會玩遊戲和下圍棋的DeepMind，更是典型的人工智慧代名詞。而說起「機器人」，大家印象中總得是有個實體，能動能說有反應的，比如Asimo，Altas。總結起來，可能大眾輿論眼中的人工智慧，會側重在「軟」的方面，本身以一種軟體的虛擬的形態存在；而對於機器人，則會側重在「硬」的方面，有機械實體，有動力來源，有看得見摸得著的反應。事實上，「人工智慧」本身是一個相當大的領域，涵蓋了很多與機器人相關的技術。

這才是真正的機器人。雖然它和本田的ASIMO在動力方面代表兩個不同方向，但目標都是能讓機器人能用自己的行動為人類服務，而不是只給用戶提供信息。從視頻上看，這些機器人的硬體能力已經開始具備這種條件。

目前最大的一個困境還是在軟的方面，也就是如何讓普通用戶可以使用這些機器人。現有的演示都是程序員在背後或編程或遙控的條件下完成的。如果用戶發出命令：「去冰箱拿一瓶啤酒」，程序員永遠無法提前知道用戶的冰箱放哪裡，啤酒又在冰箱的哪一格，提前編程固化行為或者讓用戶遙控都行不通，只有機器人自己具備動態尋找冰箱和啤酒，實時編程規劃自己的關節，才能讓這個行為變成現實，並且你還不能把這個機器人做成是專門拿啤酒的機器人，它的解決方案必須建立在通用的基礎上，因此，機器人要實用化，必須具備在各種實時場景中實時編程解決問題的能力，這也是機器人自我意識的基礎，而這些才是人工智慧的核心。

嗯。沒有。

全都是動力學，控制。

做控制的人連神經網路都不想用，怎麼會用人工智慧呢？

boston的技術離不開人工智慧技術，更確切的說離不開神經網路。

嚇了一跳好嘛，我還想我們Atlas實驗室做信號處理的啊，難道趁我不注意鬧了個大新聞。
原來是別人家的啊。

我這學期正好在學機器人，這個機器人就是機器人而已。
機器人和AI兩碼事，一個硬的東西一個軟的東西。
雖然有AI的機器人很令人嚮往就是了。

其中perception 甚至control部分都涉及到很多最新的人工智慧相關技術的，以為機器人就是硬體的朋友，你讓硬體自己走走看？

可以ALphaGO結合一下去下圍棋了

波士頓的機器人是軀殼，人工智慧、深度學習是大腦.