把一个机器人变成一个好的队友可能很困难，因为找到合适的自主权可能很棘手。太少了，需要一个人的大部分或全部注意力来管理一个机器人，这可能适用于爆炸物处理等特殊情况，但在其他情况下效率不高。太多的自主权，你会开始在信任、安全和可解释性方面遇到问题。

“我认为我们在这里寻找的水平是让机器人在工作犬的水平上进行操作。”Stump 解释道：“他们完全理解我们在有限的情况下需要他们做什么，如果他们面临新的情况，他们有少量的灵活性和创造力，但我们不希望他们创造性地解决问题。如果他们需要帮助，他们会回到我们身边。”

RoMan 不太可能很快发现自己在外地执行任务，即使是作为人类团队的一部分。它在很大程度上是一个研究平台。但是ARL 正在为RoMan 和其他机器人开发的软件称为自适应规划器参数学习(APPL)，很可能首先用于自动驾驶，然后用于更复杂的机器人系统，包括像RoMan 这样的移动机械手。APPL 结合了在经典自主导航系统下分层排列的不同机器学习技术（包括逆向强化学习和深度学习）。这允许将高级目标和约束应用于低级编程之上。人类可以使用遥控演示、纠正干预和评估反馈来帮助机器人适应新环境，而机器人可以使用无监督的强化学习来动态调整其行为参数。结果是一个自治系统可以享受机器学习的许多好处，同时还提供陆军需要的那种安全性和可解释性。与应用程序，

看着商业和工业自主系统的快速发展（自主汽车只是一个例子），我们很想知道为什么陆军似乎在某种程度上落后于技术发展水平。但是，正如斯坦普发现自己不得不向陆军将领解释的那样，当涉及到自主系统时，Stump说："有很多棘手的问题，但工业的棘手问题与陆军的棘手问题不同。陆军没有在有大量数据的结构化环境中操作其机器人的奢侈，这就是为什么ARL在APPL中投入了如此多的精力，并为人类保留了一席之地。展望未来，人类可能仍然是ARL正在开发的自主框架的一个关键部分。这就是我们试图用我们的机器人系统建立的东西。这就是我们的保险杠贴纸：'从工具到队友'。"

Agility 公司首席技术官Jonathan Hurst

Agility 公司首席技术官Jonathan Hurst告诉我们：

“数字是非常非常灵活的自动化，”当我们向他询问此事时。我们正在做的事情的价值是一般性的，有一个机器人可以搬运三四个小时的手提包，然后从拖车上卸下箱子三四个小时，如果你改变了，跟上你”你的工作流程完全。其中许多空间是专门围绕人类外形设计的，像Digit 这样的机器人有可能完成所有这些不同的无聊、重复的工作。然后当事情变得复杂时，人类仍然在做。“

当您开始考虑典型的仓库情况时，在人类环境中拥有类人机器人的价值就会发挥作用，这些情况对于人类来说是微不足道的，但对于轮式机器人来说却是不可能的。例如，Hurst 说Digit 能够使用凳子接触高架子上的物体。当然，你可以设计一个带有扩展系统的轮式机器人，使其能够到达高架子，但你现在增加了更多的成本和复杂性，而通用类人机器人的全部意义在于，在人类环境中，你只需不必担心环境挑战。或者，无论如何，这就是想法，但正如Hurst所解释的那样，Digit 最终以大部分人形外形的形式更像是设计时考虑到特定功能的副作用：

我们并没有着手制造类人机器人，但是，我们着手解决移动性问题，并且一直在有条不紊地理解世界上的物理交互。Agility 从我们的机器人Cassie 开始，Cassie 的一个大问题是我们机器人的身体没有足够的惯性来抵消向前摆动的腿，这就是为什么Digit 有一个直立的躯干。我们想在Cassie 的偏航方向上给自己更多的控制权，所以我们尝试在机器人上放一条尾巴，结果证明最好的尾巴是一对双边对称的尾巴，一个在两边。

我们的目标是设计一种机器，它可以在人们去哪里的同时操纵世界上的事物，我们最终得到了这种外形。对我们来说，这是一条与绝大多数人形机器人截然不同的道路，我们的机器有很多其他大多数机器所没有的微妙之处。

Agility的数字人形机器人-Digit humanoid

IEEE Spectrum：那么你是说，Digit的手臂一开始是作为尾巴来帮助Cassie控制偏航的？

Jonathan Hurst：有很多这样的例子——我们一直在沿着这条路走下去，我们找到了解决偏航控制等问题的方法，它碰巧看起来就像对动物一样，但它也是一个在几个方面都是最佳的解决方案。不同的方式，例如物理交互和能够在机器人跌倒时抓住它。这并不是一件事和另一件事之间的妥协，而是直接针对这三个不同性能设计目标的正确解决方案。

回顾过去，我们首先问，我们应该在Cassie 上安装反作用轮还是陀螺仪来控制偏航？嗯，那只是浪费了质量。我们可以使用尾巴，有很多漂亮的机器人都有尾巴，但通常它们是用来控制俯仰的。动物也一样。如果你看看蜥蜴，它们会用尾巴在空中重新定向，然后在跳跃后用脚着地。Cassie 不需要尾巴，但我们在地面上只有几只小脚可以工作。如果你看看其他双足动物，他们每个人都有其他获得偏航权限的方法。如果您观看鸵鸟奔跑，当它转弯时，它会伸出翅膀以获得所需的控制。

因此，所有这些事情都恰到好处，双边对称的一对尾巴是控制两足动物偏航的最佳方式。当你看到Digit 走路并且它的手臂在摆动时，这不是我们为了使运动看起来正确而添加的东西。它看起来是对的，因为它确实是对的——这是流动性的物理学。这对我们来说是一个好兆头，表明我们正走在获得我们想要的性能的正确道路上。

“我们将用于通用目的，但从一些最简单的用例开始。”Jonathan Hurst说。

IEEE Spectrum：我们已经看到Digit 展示了非常令人印象深刻的移动技能。为什么我们会在半受限的仓库环境中看到演示，而不是在更直接利用Digit 独特优势的地方？

Jonathan Hurst： 它是关于找到最早、最合适和最有价值的用例。这个机器人有很多东西，我们不会只是一个手提包包装机器人。我们没有为这个应用制造专门的机器人，但我们有几个非常大的物流合作伙伴，他们对这台机器的灵活性和操纵能力感兴趣。是的，你现在看到的是平坦地板上的机器人，但它也不会被路缘、台阶、电线盖或地面上的其他东西绊倒。你不必担心这样的事情。所以接下来，这是卸货拖车旁边的一个简单过渡，它必须跨过缝隙，上下东西以及地板上的箱子等等。我们是为了通用目的，

首席执行官Damion Shelton：我们正试图缩小行业空间，与合作伙伴达成明确的价值主张并在那里进行部署。我们可以尊重通用用例的难度，努力尽早部署并盈利，而不是继续推动户外应用。福特机会的福与祸在于它超级有趣，但也超级难。所以这是非常激励人心的，我们很清楚这就是最终机会之一，但它离部署时间表也太远了，它只是没有映射到可行的商业模式。

这是每个机器人公司迟早都会遇到的一个问题，他们的愿望必须屈从于以长期可持续的方式销售机器人的现实。这绝对不是坏事，只是意味着我们可能不得不相应地调整我们的期望。不管你的机器人有什么样的尖端功能，如果它不能有效地完成枯燥、肮脏或危险的事情，没有人会付钱给你。可以说，具有成本效益的实用性是目前双足机器人面临的最大挑战之一。过去，我对Digit 的举重技术印象深刻，或者它爬上陡峭泥泞的山坡的能力.当Agility 通过在仓库中执行枯燥的重复性任务开始为Agility 赚钱时，我也会印象深刻，因为这意味着Agility 将能够继续致力于那些更复杂、更令人兴奋的事情。“这不是一般的操作，我们也没有解决机器人技术的巨大挑战。然而。但我们正在路上。”Hurst说。