先跑后走：Marc Raibert 谈如何让金属看起来有生命

Lex Fridman 介绍 Marc Raibert，他是波士顿动力的创始人、长期担任 CEO，现任波士顿动力 AI 研究院执行董事。他在卡内基梅隆大学、麻省理工学院的 Leg Lab，以及制造了 BigDog、Atlas、Spot 和 Handle 的公司里，已经做了四十多年的腿式机器。故事的起点比机器人本身更安静。Raibert 从小就是个爱动手的人。他父亲原本想当航空航天工程师，但一位从老家来的祖母觉得那听起来只是个修车的，于是父亲改行做了会计，却在地下室里堆满了工具。Raibert 小时候看父亲组装电子套件，现在还留着其中的几套。

真正的转变发生在研究生阶段，1974 年 1 月，麻省理工学院的独立活动期（IAP）。Raibert 跟着 Berthold Horn 从课堂回到 AI 实验室。桌上摆着一台被拆成大约一千个零件的机械臂。他说，从那天起，他就成了一名机器人学家。他之前是东北大学的电气工程师，又在麻省理工学院的脑与认知科学系（BCS）读神经生理学，但单个神经元在他看来概念性不够强，他看不出它们怎样能帮他去控制系统或思维。那台还散落着的机械臂，激发了他对它可能变成什么样子的想象。

研究大脑与造身体之间的张力，此后在麻省理工学院时隐时现。David Marr 来 AI 实验室访问，后来又有了大脑、思维与机器中心。年轻的 Raibert 当教授时，经历过一个“柏拉图式”的阶段，认为功能就是一切：移动、灵巧、感知、智能。理想中的机器人静止时应该像一堆废铁，他的很多机器确实如此。然后它开始动起来，你就会感到里面有生命。他们设计时并不在意结构的外观。后来他承认，外形与栩栩如生的运动相结合会有效果，但工作的核心仍然是让它们做点有意思的事。

Fridman 指出，Raibert 的机器人并不小心翼翼。很多机器在世界上爬行，仿佛害怕它。他的机器，尤其是早期的，却很激进、欠驱动：跳跃、狂野、快速。这套理念始于他还是研究生时在费城参加的一次生物运动学会议。几乎每场报告都在讲肌肉、神经元和呼吸。一场机器人报告展示了一台六足机器人，它始终至少有三只脚着地，像桌子或椅子一样稳定，动得很慢。Raibert 看着它想：这不对。人和动物会弹跳、会飞。它们必须预判下一步的跑动。它们利用肌肉和肌腱的弹性，能量在其中循环，而不是每次都被白白丢掉。

他当时还不知道怎样让一台跳跃机器人在三维空间里保持平衡。最初的想法只是弹跳：腿里一根弹簧，一个执行器，一种能量节律。平衡是后来才解决的。接着就有了单腿的弹簧跳机器。他认为，如今的操作（manipulation）也需要同样的突破。业界研究机器人手已经五十年，离人类的技能还差得远，他说，原因是研究太保守了：零件的几何、小心地定位、静态抓握。人和动物会抛接，会同时抱住多个物体，会在手里把它们分类。更激进就意味着一段时间内会失败。这是一场长线的赌注，他也在试图把新研究院推向这个方向。他早年在研究生院的老朋友 Matt Mason，后来担任卡内基梅隆大学机器人研究所所长，曾分析过 Julia Child 的一段烹饪视频，数出她处理食物的大约四十种方式。其中没有一种是抓握。她是推、是滚，是用刀拍平。

Leg Lab 起步于卡内基梅隆大学，而不是麻省理工学院。Raibert 大约从 1986 年起在那里任教；第一批跳跃机器约在 1982 年就已经能工作，一个三维版本在 1983 年，一台四足机器的草图画于 1984 或 1985 年，直到大约 1986 年才真正动起来。在去卡内基梅隆大学之前，他在喷气推进实验室（JPL）待了三年。在那里他遇到了 Ivan Sutherland，人们常称他为计算机图形学之父，他支持过加州理工学院的一个项目，并且拥有一个冠名教席。Raibert 列了三个可能的项目，故意把最上面和最下面的写得很无聊，中间放了弹簧单脚跳机器人（pogo-stick robot）。Sutherland 看出了其中值得做的那一个，给了他大约 3000 美元。Raibert 亲手做了第一台模型。它没有成功。但这是个开始。

Sutherland 和 Raibert 把那个骨架装在一只新秀丽箱子里，带到华盛顿。那时候，你可以在 DARPA 的走廊里溜达，随便看各个办公室。他们找到了 Craig Fields，当时是项目经理，后来做了 DARPA 的主任。Raibert 说，几乎能看见对方兴奋得流口水。Fields 拨了 25 万美元，这在 1980 年是相当可观的研究经费，而这笔钱是在 Raibert 到达卡内基梅隆大学之后才到账的。他当时是否预见到了实用的机器？没有。驱动他的是动物如何运动的基本原理。作为学者，他想的是做下一件事、取得进展，如果可能的话赢得同行的赞赏，并且玩得开心。

在技术层面上，他聘请了 Ben Brown，两人一起把一台真能工作的机器理顺。一旦硬件对自由度有了足够的控制，在他们需要的性能下，平衡就没那么难了。他们先在一张有大约 1.8 米行程的倾斜气浮台上做实验，然后是一台能在房间里跑动的平面跳跃装置（planarizer），接着是最让人发怵的一步：三维、弹跳，而当时的倒立摆小车只能沿着一条直线来回。控制的故事简单来说有三部分。第一，让它持续弹跳：能量存在于弹簧、高度或速度之中；在跳到最高点时，能量全部体现为高度，所以你测量跳得多高，再决定注入或放出能量。第二，选择脚相对于质心的落点，这是撑竿跳运动员的难题，撑竿一插下去，身体就太靠前或太靠后。第三，只在脚着地时，在腿与身体之间施加扭矩来保持身体直立；腾空时，这些物理原理不起作用。

Fridman 问，它能倾斜到什么程度，才会无法恢复。Raibert 说他们没有做优化，只是得到了一个解法的草图，然后把它推进下去。后来的学生和其他实验室写出了更好的速度算法，以及上下楼梯的算法，因为楼梯台阶边缘是无法落脚的。他说，找到那些人，大概是他这辈子做过的最聪明的事。如今回头看波士顿动力，看那些真正让东西运转起来的工程师，他只称自己是那个做梦的人。同事们并不怀疑跳跃能否实现，只觉得这是浪费时间。有人后来告诉他，这件事启发了他们去攻克更难的问题。腿式运动结果证明还是有用的。

起初他并不热衷人形机器人。形式不如功能重要，很多人形机器人的工作在他看来更像化妆。等他们开始做之后，与人的联系，无论是外行还是专业人士，即使机器与我们并不太相似，也显得很特别。Spot 也是如此。媒体和 YouTube 的评论者称这些机器人令人毛骨悚然；但当他带着 Spot 上路时，人群想要自拍，想要操控它，摸摸它，给它穿衣服。

波士顿动力并不是在 1992 年作为一家机器人公司成立的。Raibert 离开麻省理工学院（两者有几年时间重叠），去卖一款基于物理的仿真工具，并做机器人相关的咨询。与索尼的合作又把他们拉了回来。他们为跑步的 Aibo 编程，为 QRIO 做工具。QRIO 是索尼的小型跳舞人形机器人，他认为它从未真正上市。回头看，他们也因此回到了自己该在的地方。Aibo 的工作，就是把他们做的腿装到狗身上，多年每周开一次电话会议，展示给索尼看。那时没有 Zoom。他们装了六条 ISDN 线路，以大约 10 赫兹的频率开会，努力越过日本与英语之间的隔阂去理解对方。从取景器里看到的教训很直接：这么小的东西跑起来并不显得激动人心，它只是在疾跑。你需要慢动作。自从做跳跃机器的时代起，他就一直问一个东西在视频里会是什么样子；而跑起来的 Aibo 看上去并不酷。

早期的一台“机器人”其实不是机器人。那是一台带力反馈的外科手术模拟器，工具装在 SensAble 设备上，三维图形跑在 Silicon Graphics 的机器上，那台机器同时还给办公室供暖。外科医生低头看着一面镜子里的虚拟身体，练习血管吻合术，缝合血管，而评分系统会在他们撕裂组织或碰错位置时扣分。在一次展会上，他们把分数像电子游戏一样贴出来，竞争心强的外科医生排队挑战，直到别人的分数更高，他们才再回来。这门生意其实并不存在。Raibert 的团队以为外科医生会花钱来训练；外科医生却觉得公司该付钱请他们来教学。向医院推销是一场营销战役，一家靠自筹资金、只有十二到十五个人的公司打不起。他们一直没有投资人，直到二十年后谷歌收购了他们。有一天，他和 Rob Playter 看着这台模拟器和一台膝关节镜训练器，说这行不通，于是把它砍掉了。一旦砍掉，就感觉对了。那是他们终于明白自己是谁的里程碑。

BigDog 让他们在地图上有了名字。DARPA 的 Alan Rudolph 开设了一个生物动力学项目，收到 42 份提案，资助了 3 份，BigDog 是其中之一，同时获得资助的还有攀爬机器人 RiSE。他们从麦吉尔大学聘请了 Martin Buehler，他对于把机器从实验室带进泥地至关重要，也就是“造出来、弄坏、修好”，这也是公司的座右铭之一。MIT Leg Lab 的四足机器已经能做 BigDog 的很多动作，但液压泵放在房间里，用软管连着；隔壁一台 VAX 计算机占着一间屋子，还配有自己的空调；机器人本身基本上是执行器和陀螺仪。BigDog 把汽油发动机、把旋转转化为液压动力的装置，以及全部计算，都集成到了一个可以带进树林的平台上。

他们花了很多时间在海军陆战队的匡蒂科（Quantico）基地，走的是 DARPA 定为里程碑的一条小径，也就是瓜达尔卡纳尔小径（Guadalcanal Trail）。和机器人一起徒步，是很开心的日子。树林其实并不是最难的环境。在森林里，只要避开障碍，你可以沿任何路径上坡；你也不会蹭到树。在房子里，你不能留下痕迹，也不能撞墙，而早期的机器人并不擅长碰撞。在瓜达尔卡纳尔，熟练的操作员仍然要完成所有的视觉感知。机器人自己能保持平衡、放置双脚，但如果操作员判断错了，它就不会前进。多年以后，他们带着 Spot 的前身回去，一个业余爱好者第一次就能把它开上开下。

BigDog 变成了 LS3，一台载重机器。它设计的负载是约 180 公斤，他们让它载约 450 公斤，其中一台 LS3 还驮着另一台 LS3。用汽油，能跑约 32 公里。接着是一种中间形态：电池、电机、泵，仍然是液压驱动。Larry Page 几乎用同样简单的方式问，能不能做一台约 27 公斤、在有人的房子里不会那么吓人的机器。这就是今天 Spot 的灵感来源。他们做出了相同尺寸的原型，即第一台全电动、非液压的机器人。Raibert 仍然很喜欢液压。世人把它们看作老旧、难看的东西，它们确实会滴油，但在轻量的装置里能获得的力量，很难被超越。大多数液压阀设计于 1950 年代，是为飞机用的，后来变得足够安全，可以装在飞机上飞行，基本原理几乎没变。波士顿动力的工程师在 Atlas 的阀门里放了新的电路，把一部分计算移到机体上，并且减轻了质量。他们做出了一个足球大小、重 5 公斤的液压动力单元，能输出 5 千瓦，电机、泵、滤清器、热交换器、阀门都在一个包装里。液压仍然有提升空间。Spot 改用电动，是因为房子里无法容忍滴油。

Raibert 说，那些认为不再需要硬件创新的人是错的。自然运动的另一半是动态方法：预测运动将如何演变，并在发出指令时利用这一预测，而不是伺服控制那样只看过去。对 Spot 来说，预测的时间窗口（滚动时域，receding horizon）只有一两秒，也就是一秒到一秒半，每隔十分之一秒重新计算一次，同时协调障碍、落脚和平衡。后空翻看得更远。起跳时，你必须协调动量和旋转，让落地在可控范围内。第一个空翻是平面的，装在一根吊杆上，大约在 1985 或 1986 年；一旦你知道了跳跃高度和时间，以及旋转速率，计算也不算太复杂。Robert Playter 当时还是研究生，也是一名体操冠军，他在麻省理工学院让一台双足机器人做了三维空翻，靠收腿来获得足够的旋转。Raibert 说，运动员其实并不真正知道，用物理学的语言来讲自己是怎么做到的，他们是靠教练指导。造机器人，部分正是你弄清楚这件事的方法。

Atlas 至今走路还不像人。跑步则更接近。这种颠倒正是旧座右铭的意义：你得先学会跑，才能学会走。走路是膝关节奇怪的屈伸，要靠柔顺性和弹性，人类能把它拿捏得恰到好处。他们在此过程中也做出了 Wildcat，一台四足机器，在平地上跑到每小时约 30 公里，可能是他们做过的最快的一台；配上赛车卡丁车的发动机后，也是最吵的一台，隔着三栋楼都有人投诉。早期 Leg Lab 的机器常常没有膝盖。Ben Brown 的第一张草图，是一簇像袋鼠或鸵鸟那样的弹簧和关节；Raibert 的工作是把它简化。他们拍过马，Raibert 还解剖过一只鸵鸟：大部分肌肉其实在羽毛下方，中途那个“反向的膝盖”其实是脚踝，落地的部分是脚趾。这些动物的形态大致相同。膝盖是随 BigDog 出现的，是一种折中。在收缩的关节上做负功很昂贵，如果无法储存，BigDog 的膝盖下面有弹簧，而膝盖本身没有储能。后来 Spot 去掉了这些弹簧，因为公司转向了更多依靠能量驱动的控制。

被动动力学是优雅的另一半。Tad McGeer 在 1980 年代造出一台步行器，它在没有计算机的情况下沿斜坡走下去：腿折叠、展开、摆动，靠阻尼器和弹簧，是一台机械计算机。身体是参与者，大脑不该决定每一个动作。今天的大多数机器人仍然让计算机掌控一切。Raibert 认为，如果考虑到机器本身想要做什么，你会得到更高效、更优雅的东西。被问到最美的动物运动，他先说起慢动作里的猎豹、它的脊背、转弯时甩动的尾巴、用来迷惑追捕者的叉角羚跳跃，然后又说，人类，尤其是体操运动员，也相当不错。

在波士顿动力 AI 研究院，Raibert 喜欢把智能分成两种。运动智能是机械设计、实时控制和能量学，他认为这是波士顿动力树立的标准。认知智能则是日常生活中的那种：会议 9:30 开始，地图说要走 20 分钟，所以 9 点出门。机器人在这方面很缺乏。大多数机器人都很笨，这就是为什么熟练的人要花很长时间给它们编程。如果机器人要满足人们的梦想，它们就需要更聪明。研究院的目的，就是把身体能力与认知能力结合起来。其中一个旗舰项目是“观察、理解、动手”（Watch, Understand, Do）：机器人观察人类做一件事，理解它所看到的，然后自己去做。这是一种边干边学的培训，目前在较长的时间尺度上仍是科幻。他在桌上演示运动智能，转动一些他从没有真正精确触碰过的物体，不看就从口袋里把东西拿出来。他说，我们对这是怎么运作的，没多少头绪。

运动方面的开放问题，与其说是“它能不能做跑酷”，不如说是商业问题。它能提高生产率吗？他认为他们已经接近，但还没完全做到；即使是身体上已经成功的机器人，缺少的认知层可能仍是最大的障碍。可靠性是另一个问题。Spot 团队已经在处理长尾问题；到访谈时，大约有 1500 台在实际的日常使用中。走到这一步需要巨大的努力。成本仍然很高，他不认为必须如此。现代（Hyundai）现在是波士顿动力的主要股东，它带来的汽车制造能力，可以推动价格和可靠性。研究院的方法写在他最初的提案里，就是从小目标走向大目标。超过一年没有可以确认的进展报告，哪怕只是多年目标的简化版本，你就会失去反馈和动力。这也是波士顿动力过去的工作方式：边做边展示进展，至少要展示给自己看。

“观察、理解、动手”已经被拆成了一块块。把原始观察切分成动作，本身就是一个富有创造力、需要智能的步骤：拿起这个，放到那里，把那个叠在上面，这在像素里并不显而易见。他们把视频或现场观察转换成描述，然后映射到技能上，从简单的自行车修理开始，比如把一根内胎换到另一根里，或者扣上一个锁扣，而且东西应该在可达范围之内。他认为，你不应该需要一个明确的自行车模型，就像你走进一个房间，不需要先听一遍房间的讲解才能走过去。另一个项目是“检查、诊断、修复”（Inspect, Diagnose, Fix），那是 Maytag 式的幻想。Spot 已经能收集热成像数据、仪表读数和声音，但解读健康状况、诊断和修理，仍然要靠人。机器人应该把这条链条接起来。自从 ChatGPT 出现以后，人们对机器学习的乐观情绪非常高涨。但实体机器人不同于语言，像素值不是文字。研究院在苏黎世设立了一个办公室，由机器人强化学习的领军人物 Marco Hutter 负责，他仍然在苏黎世联邦理工学院（ETH）兼任一半时间。即便如此，Raibert 说得很直接：世界上最令人印象深刻的表现，大多仍然来自“传统”控制，尤其是模型预测控制（MPC）。你们看过的 Atlas 视频，大多是 MPC。他们已经开始做一些学习，效果非常惊人，只是还没全部展示出来。他预计，两者会结合起来。

Raibert 说，一支优秀的团队需要四样东西：技术上的无畏、勤奋、坚毅，以及技术上的乐趣。无畏，是愿意去解决一个你还不知道怎么解决的问题，找到切入点或简化的方法，学习，然后回来。“观察、理解、动手”就是一座大山。勤奋，是拒绝那种一遇到第一个变化就会崩溃的狭窄解法。波士顿动力的视频里，有工程师推开 Spot 正在开的门，或拉着绳子把一台爬楼梯的机器人往后拖，那就是把勤奋展示出来。它们展示的是解法的范围，而不是在干净楼梯上的一次演示。他在第一台三维跳跃机器上也学到了同样的道理：一段它跳起来的片段，只让人觉得“那又怎样”；几次快速、轻松的摔倒，反而让你更懂得站稳的价值。

直到访谈前三四年，他一直是波士顿动力大多数视频的最终剪辑者。理论并不能说明什么。如果观众看不到，那就不是对的东西。做一件值得展示的事，然后展示它：没有会拖慢节奏的片头，没有分散注意力的东西。要让人们接受这套理念并不容易。早期 BigDog 的片段引来批评，批评者注意到了人类操纵员的存在；当时公司讲的是移动性的故事，而不是自主性的故事，随着观众的问题不断变化，他们努力保持诚实。坚毅也许是最重要的成分。机器人学不会立刻奏效。他展示了成串的废片。Atlas 爬上三个大的动态台阶，用了 109 次尝试，每一次都被拍了下来。一旦做到了，成功率就很高；他们并没有作弊，只挑最好的一次来展示。他们展示的是逐步演进后的表现。在那六周里，机器人在“走！”的指令下摔倒过，因为感知失败而错过了跳跃，还因为一个零件坏了而喷出油来。在基于数据的学习中，人类一直处于回路之中。Atlas 的成就在于一台足够坚固、能承受这些测试的机器。它仍然会坏。要准备备件，安排修理人员。不要做那种把机器人放在架子上的镀金实验室，你不可能那样取得进展。

在他的计算方式里，技术上的乐趣会让工程师获得四重回报：亲手或设计做出东西的工艺本身；别人赞赏时产生的影响力；与一个团队合作，团队拥有你个人并不具备的技能所带来的满足；还有薪水。工程学既是科学，也是艺术。科学家研究已经存在的东西，工程师创造从前不存在的东西。他认为那是更高的使命，即使公众更看重科学。令人满足的时刻可以很小，比如一个连杆机构，重量减了一半，强度却不变。机器人学里最美的东西，是唤起生命感的运动，或者是一个在少数狭窄维度上、比其他机器人更大、更快的高性能表演，开始接近人类。他们曾请一位知名的芭蕾舞者为机器编写程序，并且正在用舞蹈界的语言开发编舞工具。到目前为止，几乎所有的舞蹈都是在固定的时间基准上进行的：按下开始，它就照着播放，不听也不看。他希望机器人能和人一起跳舞。布朗大学的 Choreo Robotics 课程（Sydney Skybetter 和 Stephanie Tellex）已经在两台 Spot 上让计算机科学家和舞者合作。与一个有 200 个自由度的人并排表演，仍然令人望而生畏。一个反向的想法是：机器人以比人更快的振荡来跳 popping 和 locking，把人类比下去。这已经在计划之中，只是还没完全做到。

优秀的工程师希望身处一个有趣的工程正在发生的环境。这是一个鸡生蛋、蛋生鸡的问题，波士顿动力花了好几年才解决。早期他们给的薪水稍低，只吸引到真正热爱这件事的人，包括那些没有专业学位、亲手造过自行车和独木舟的人，以及小时候就在车库里修汽车和摩托车的人。在 JPL 和加州理工的日子里，如果 Raibert 回家时一身机油味，他的妻子就会说他那天过得很好。YouTube 让公司出名。他记得有一个销售候选人，来自一家有真正产品、却没人听说过的公司；而大家都知道波士顿动力，波士顿动力却根本没有任何产品。他们赶上了 YouTube 的浪潮，这对公司本身，以及年轻人对机器人可能是什么的想象，都产生了巨大影响。

Fridman 问起 Optimus。Raibert 很欣赏马斯克这位技术人：特斯拉把一个占比不到 1% 的小众市场，变成了每家汽车公司都想模仿的东西；SpaceX 或多或少取代了 NASA，夸张成分只有一点点。他不会因为任何事情而把马斯克排除在外。他不认为今天的 Optimus 已经达到 Atlas 的水平。他拜访过 Figure 和 Apptronik，认为两家都有优秀的团队。马斯克有资源，也有野心。读懂言外之意，Raibert 想为自己争一点功劳：很难不认为，看到 Atlas 多少给了他们一点启发。他很想组织一场机器人聚会，让 Atlas 和 Optimus 待在一起；他已经不正式在波士顿动力任职，但仍在董事会。研究院在第一天就尽可能购入了设备：一支规模不小的 Spot 机队，Hutter 创办的公司的两台 ANYmal，Franka 和 Universal Robots 的机械臂，同时他们也在开始造自己的机器人。这还算不上一个所有机器人一起嬉戏的游乐场。Fridman 受邀去看看。

他不是商业型的人，多年来在波士顿动力几乎没有想过竞争。那时没有要竞争的产品。他们争的是 DARPA 的经费；在本可能是竞赛的项目中，他们反而成了机器人的供应者：LittleDog、DARPA 机器人挑战赛，他们提供了 Atlas，却没有参赛。认知层面的工作第一次让他感到竞争，比如算力、人才和招聘。在身体层面，十到十二家人形机器人公司会相互竞争；四足机器人的竞争对手反而对波士顿动力有利，因为客户的问题会变成“要哪一款四足机器人”，而不再是“四足机器人能不能胜任这项工作”。这就是一个品类存在的标志。成本还有很大的下降空间。他乐观地认为，渐近线远远低于今天的价格。能赚钱的机器人，目前仍然主要是仓库和工厂里老式的固定机械臂。家用社交机器人已经出现了一批批失败，比如某一年有三家公司倒闭，因为性能、安全和成本必须同时达标。如果产品和边界都对，家里的摄像头很可能会走上智能手机的道路：智能手机已经有两三个甚至四个摄像头，还有一个几乎没人会觉得可疑的麦克风。

机器人会达到人类水平，甚至超人的智能吗？Raibert 说，智能有很多种；计算机在其中一些方面已经比人聪明，在另一些方面还差得远。通用人工智能（AGI）的讨论让他感到困惑。他问 Fridman，世界上是否有人比他更聪明，而这是否让他感到威胁。即使计算机更聪明，他也看不出为什么这就自动意味着危险，尤其是在它们仍然可用、仍在我们控制之下的情况下，而计算机一般就是如此。Fridman 说明了错位（misalignment）的设想：计算机的智力是十倍、百倍，有着不同的道德，在朝着目标前进的途中会造成伤害，而人们发现时已经太晚。Raibert 把它比作电影《奥本海默》里的一句台词，讲的是第一次反应会不会点燃地球上的全部物质。他猜这是有可能的，但他个人并不认为值得这样去担心。每一项技术都既是机会，也是风险。汽车每年在全世界造成污染，并夺去约 125 万人的生命，但他仍然认为它们是福祉，而且越来越安全、越来越清洁。每一项技术都有类似的故事。

夏威夷衬衫最初是出于逆反心理。有人告诉他那些衬衫很过时，他不该穿。他停了大约一周，然后决定不让别人告诉他该做什么，此后十五到二十年里，他几乎每天都穿。他花了一段时间才意识到自己是个逆反者；这种特质可以是一种有用的工具。在 DARPA 的那些年里，一位叫 Ed Tovar 的海军陆战队员（至今仍然活跃）对“你做不到”回了一句“为什么不行？”Raibert 也常这样问。他给年轻人的建议，就是同一习惯的不设限版本。麻省理工学院的本科生问他该做什么，他告诉他们，想象没有资源、机会和技能限制，从那里开始，看看自己能走多远。人们以为自己处在一条狭窄的水道里，其实通常比他们想象的更宽。特别的工作可能需要数年。有人认为，在运动领域干了四十多年，他已经陷入了习惯；研究院的部分灵感，正是要去做点别的。认知功能比后空翻更难在 YouTube 上展示。Fridman 认为，笨拙地做一件事很有吸引力：笨拙、困惑、慢慢地从糟糕变得不那么糟糕。机器人正是一面镜子，照出是什么让人类与众不同。Raibert 同意其中有一种魅力。被问到这一切的意义，他并不声称有什么宇宙级的答案。你在世上的时候，必须玩得开心。不这样，就太可惜了。