Atlas 用了 14 年，才走出 Playter 想要的步态

波士顿动力想要的步态（gait），刻意做得很普通。陆军雇用这家公司，要做一台能穿上防护服、像人一样走过有毒气体测试场的机器人，所以动作必须看起来自然：腿向前伸出，脚跟先着地，然后滚向脚尖，而不是啪地一下整只脚拍下去。他们造出了一台早期机器，称为 PETMAN 原型机，Playter 至今仍喜欢它的动作。即便如此，要让机器人以完全伸直的腿落地（就像人真正走路时那样），也始终无法实现。

直到 2022 年，他在新一代 Atlas 上，才看到了自己一直期待的步行。团队当时在开发一套不同的步行控制算法流程，那种自然的动作是这个过程的副产品，而不是他们手工照着姿势复制出来的。PETMAN 原型机大约是 2008 年造的。也就是说，为了让机器人做到每个健全的观众都早已会做的事，前前后后花了 10 到 15 年。

Lex Fridman 以这份耐心为整场对话定下了基调。Playter 是波士顿动力的 CEO，这家公司的产品包括 Atlas 和机器狗 Spot，他从在 MIT 读书时起就在这个领域。他 1994 年在 Leg Lab 拿到航空工程博士学位，论文写的是机器人体操，还编程让一台双足机器人完成了节目所说的“世界上第一个三维机器人空翻”。那些在网上疯传的视频，包括跳舞、开门、扔重物、后空翻，都建立在这套更长的方法之上。

Playter 是在一间地下室里第一次爱上这份工作的。他为了读博士而来 MIT 参观，一位航空系教授告诉他，去 AI 实验室下面找 Marc Raibert。Raibert 给他展示了机器人，其中一台正在做空翻，Playter 的第一反应是：机器人居然能做这个？他本身就是体操运动员，又因为对飞行和运动着迷，早已身处航空航天专业。而这里的难题，正是公司至今仍在攻克的问题：有腿的机器如何保持平衡，并真正地移动。

体操给了他一个词，用来形容他所看到的东西：让身体去做它想做的事。等你足够熟练，就把自己放到一个位置上，让惯性和动量推着你完成剩下的动作。Raibert 正是朝这个方向在造机器：带弹簧的弹跳杆式机器，一个有固有频率的弹簧-质量系统，然后在上面叠加意图，又不压过物理规律。Playter 把这种协调称为美，或者协同。道理是一样的：如果身体设置得当，物理规律就能解决问题的一部分，而部分稳定反馈就存在于硬件里，而不是在计算机里。

他说，那些年留下的持久教训，至今仍是公司的价值观。要有坚持信念的勇气，去追逐一个大问题，因为它有意思，哪怕你还看不到钱在哪里。当时，动态腿式运动看起来是一场需要几十年的赌注，没有人解决过它。另一个教训是化繁为简。Raibert 会放映动物在草原上奔跑、攀登山峰的视频，然后从一根弹跳杆开始，因为平衡这根杆子本身就包含了根本性的难点。把这些难点解决了，最终就能推演出一台能像马一样奔跑的机器。

Fridman 补充了一个观察，Playter 对此深有同感。他见过很多被博士阶段磨得精疲力尽的学生；机器人研究者工作时间残酷，却仍然看起来很快乐，这种快乐他通常只在经常去跳伞的人身上见过。Playter 的说法更具体。波士顿动力的人员流失率非常低。人们来到这里，就爱上了这种追求，部分原因是，一台在世界里移动的机器很容易让人产生认同感。他不认为这种快乐是机器人研究独有的：任何人做自己热爱的工作，都会更卖力。但他觉得很幸运，公司能围绕这股吸引力建立起一门生意。

Playter 说，早期这个团队之所以与众不同，是因为它坚持在原理层面工作：先找到核心思想，再围绕它构建软件和硬件，反馈控制要简单到能在当时的计算机上以 1000 赫兹的频率实时运行。能两者兼顾的团队并不多。另一个特殊的习惯就比较粗暴了：用机器，弄坏它，修好它，测试，再重复。如果你手里是一台非常昂贵、买来又修不好的机器，你就会小心翼翼地对待它，什么进展也做不出来。你必须能把东西弄坏。他说，这就是工作能保持无所畏惧的方式。

Fridman 记得的却是相反的感受：一辆他装上了电脑和摄像头的遥控车，代码是在睡眠不足时写的，以全速撞上了墙，随之而来的是一种混杂着难过、懊悔和新恐惧的私人情绪。Playter 的回答很务实：这取决于你能不能再造一台同样的车。在研究生院，他学会了操作车床和铣床，在实验室里弄坏了一个独一无二的零件，并意识到自己不必去买替代品，他自己就能做出来。那是一种能让人去做事的感觉。也许要花的时间比他希望的更长，但他已经不再害怕了。

被问到这些动力学更像艺术还是科学，他拒绝二选一。弹簧-质量弹跳系统里有真正的科学，把这些原理从一条腿推广到两条腿或四条腿，也是科学。人形机器人则多了一个艺术的维度。它的形态极其复杂，你不得不依赖对身体在运动时应该是什么样子的直觉，这种知识在你能把它写下来之前，就已经存在于你自己的关节里了。他说，教练能看出运动员一个微小的变化，但有时说不清楚，只能让运动员自己去感受。人形机器人让这种观察变得可以实现。换成形态更陌生的机器，就做不到这一点。

Fridman 指出，《机械姬》（Ex Machina）里的机器人由一位芭蕾舞演员扮演，它堪称动作显得高效、轻松、恰到好处的标杆。早期的机器人则朝相反的方向出了错：动作让人觉得不必要地低效，谨慎本身倒并不难看。Playter 的解释是，波士顿动力的机器之所以吸引人，是因为它们的内在动力学更接近正确。一些早期的步行机器，基本上是在拼命不摔倒，总是在阻止倾倒的动作。动态稳定性的洞见，是顺着这种倾倒去做。让自己倒下，然后用下一只脚把自己接住。把这些物理原理在机器上体现出来，观众读到的结果就会显得栩栩如生、优雅、自然。他认为，如果把物理搞对，步态也就很可能更高效、在更广泛的条件下更稳定，同时也更美。

这也是为什么，真正顽固的难题是行走，那些在网上疯传的翻跟头反倒是次要的。陆军的合同要求一种看起来自然的步态，他们在 PETMAN 原型机上就得到了一个不错的步态，包括脚跟触地。剩下的麻烦是伸直的腿。人落地时，腿或多或少是伸着的，接触地面后才弯曲膝盖。腿完全伸直时，就会碰上数学上的奇异点（singularity）：它在那个方向上无法再伸展，扭矩和位置的计算也变得很棘手。早期的工作把身体简化成更简单的模型，没能包含全部的复杂性。最近，团队已经能够把机器人的完整物理纳入考虑，处理这些奇怪的构型了。

Fridman 问，更深层的问题是不是机器人欠驱动（underactuated），也就是它总在摔倒。Playter 同意这个词用得对。你无法朝任何方向推动机器。没有重力挂钩，也没有随叫随到的“神之手”来按需施加外力。唯一的外力只能通过脚来施加，而它取决于你把脚放在哪里。自然的人类步行就生活在这种约束之内，所以，一个看起来鲜活的步态，必须在这里被创造出来，而不是从上面强加下去。

人形的形态很有吸引力，但 Playter 说，它也让人头疼。上半身又大又重，有很大的质量和惯性；挥动它会让平衡变难，搬起重物则会更难。在 Leg Lab 和公司早期的四足机器人上，有一个内置的简化：一个大而刚性的躯干，加上非常轻的腿，所以摆动一条腿几乎不会干扰身体。Atlas 却没有这份“馈赠”。它的腿又大又重，一摆动，其他部分都会跟着动。正是这种耦合，让这个平台复杂了许多。

Atlas 最近的视频把这一点讲得很明白。机器人会扔重袋子，举杠铃，搬动相当于自身体重一定比例的东西，因为一台有用的机器必须能搬东西。Playter 认为，这仍然使它们区别于其他人形机器人项目，因为其中大多数还没有开始搬重物。真正困难的是预判。你伸手去拿一个物体时，质心已经在移动；抓起它时，质量又会再次改变；转身时，惯性必须纳入模型；扔出去时，这一切都要提前规划。机器人需要对重量有预期，还得提前几秒钟去思考如何在不摔倒的情况下，同时掌控自身和负载。这是一个重大的转变。借助新的工具，最新视频里的一些动作在几天之内就做出来了。过去，在这台机器人上做任何一个新动作，大约要花六个月。

东西一旦放进手里，他认为，就没必要对每一种形状都做过度拟合。夹爪需要贴合表面，但之后真正起作用的主要是质量和惯性，尤其是当你要把一个工具包扔到脚手架上、只需要关心质心的时候。刚性物体比较容易；他们用的那个松散填充的工具包，已经能正常工作了。仍然等待解决的更难情况包括：大型带关节的物体，或者一堆松散的电线或绳子。搬运另一台机器人，基本上只是个玩笑：他们做过一个圣诞小品，两台 Spot 托着第三台，试图给树挂上一个蝴蝶结。被问到 Atlas 能弯举多重时，Playter 笑着说，它大概还不如人。他更喜欢用跳箱来衡量。Atlas 的跳箱高度大约是一米，这个高度连他们的首席技术官也要费点劲才能跳上去。他说，下一代机器人正进入一种状态：有些关节和动作将比人更有力。

跳跃和翻转的发展，比行走快得多。最初的空翻几乎是手工做出来的：选一条轨迹，决定用多大力气扔出去，然后反复迭代。在那些早期实验中，Playter 还会借用自己后空翻的直觉，提出技术上的修改建议。现在团队已经不需要这样了。他们运行的是模型预测控制（model-predictive control）：机器人会提前一两秒钟进行思考，求解从 A 到 B 的最优轨迹，并探索各种选项，比如把手臂多往某个方向稍微伸一点。优化，有时还有学习，加快了这些动作的进展，尽管其背后的数学很复杂。

最令人惊讶的是，整台机器人在空中飞行时，这个循环依然在运行。物理学说到底就是牛顿定律。Playter 喜欢的例子是“sick trick”，也就是一个带半周扭转的前空翻。他见过 Atlas 以不同的姿态落地，仍然能够稳住。如果起跳有一点歪，控制器会实时向前推演，并进行调整。人们在一个他们为了可重复而设计的体操动作上，也会做类似的事。Fridman 之前已经点出的那个难点，在空中被推到了极致：欠驱动。在空中，你无法改变动量，因为你不能施加外力或扭矩。你甚至连无人机都不如，不能悬停。你一定会撞到地面。做好准备吧。

用这么大的身体做后空翻需要胆量，他们在尝试时弄坏了几台机器人。这又是“造出来、弄坏、修好”的策略：反复的失败暴露出薄弱环节，然后你重新设计，让下一台机器不再那么容易坏。有人问为什么要费心让机器人翻跟头，Fridman 引用了肯尼迪关于登月的那句话，意思是：因为它难，所以才去做。Playter 笑着表示同意。

2015 年的 DARPA 机器人挑战赛（DARPA Robotics Challenge）要求人形机器人驾驶汽车、下车、开门、找到并关闭阀门、使用工具、爬楼梯，还要穿越崎岖地形；通信还可能完全中断，所以机器人必须依靠低带宽的指令继续行动。波士顿动力的任务，是造出第一代 Atlas，Playter 估计他们大概造了十台，并把机器和基础软件交给那些赢得了编程比赛的团队。卡内基梅隆大学和其他单位则带来了自己的机器人。波士顿动力自己没有闯迷宫，它为其他所有人提供支持。那是一种让人谦卑的经历。这些任务对人来说并不难。机器人大多数时候都摔倒了。有些完成了，赢得了奖项。Fridman 记得自己坐在沙发上、吃着爆米花时流下的眼泪，和那些造机器的人眼睁睁看着多年的心血在公众面前失败时的感受是一样的。

Playter 指出，通用平台本身就很棘手：Atlas 有点太大，连那辆特定的车都进不去、出不来，这可能比开车本身还难。到目前为止，成功的机器人都是为受控环境中的特定任务而造的。机器人未来的实用价值，取决于能否应对不确定性和意外情况，而这真的难得很。有一次失败他始终忘不掉：一台机器人没抓到门把手，于是假定已经抓住，结果预期的力没有回来，它便整个人翻了过去。无论人是清醒还是醉酒，都会把这种恢复当成理所当然，而机器人仍然需要被教会这一点。这就是团队依赖模型预测控制的原因：提前预测一点，如果世界不照预测来，就再预测一次。

控制系统是分层的。关节通常以大约 1000 赫兹运行，测量位置或力，并以很少的额外计算驱动液压或电动执行器。较慢的一层，大约 100 赫兹，负责看整个身体的物理。感知和视觉则更慢。所有这些都必须在一个一致的实时计算预算内共享计算机时间；随着计算机性能提升，前向模型可以变得更复杂。软件的故事和数学同样重要。他们先在基于物理的仿真中测试，直到访谈前几年，同一套代码才第一次同时在仿真和硬件上运行。他们大约有四台现代 Atlas 机器人，还有大约四十名开发者，都要争抢使用时间。仿真工具本身起源于 MIT，作为商业产品失败了，却作为内部优势存活了下来，尤其是与地面接触的部分，现成的工具处理得并不好。Playter 警告说，灵巧操作会更难，因为物体会在手中打滑。

Fridman 想知道，在谈到 BigDog 时，应该说“它”，还是说“他”或“她”。Playter 不愿意为“它”“他”或“她”划一条硬性界线。有机的运动会让人们把机器当成自己人，并赋予它感情，就像人们会对汽车产生感情一样。这有助于人机互动，公司也会拿这一点开开玩笑：最近的一段 Atlas 视频，开头是脚手架上的工人要工具，机器人便四处找工具包。这也可能是个麻烦。观众只见过生物这样移动，因此会赋予机器人一种它们尚未具备的智能水平。

公司成立于 1992 年。大约十年间，它并不是一家机器人公司，主要卖仿真软件。为索尼的 Aibo 编写软件，让它们又与机器人稍微沾上了边；之后，大约在 2003 年，一份 DARPA 的合同要求他们造一条机器狗。BigDog 是他们第一次把所有东西都装在机器上造出来的机器：动力源、计算机，还有需要散热的液压系统，没有任何牵引线缆。过渡很艰难。早期版本使用的是现成的卡丁车发动机，即为了重量而选择的汽油二冲程发动机，常常没有消音器，因为他们也不在乎噪音。这些机器人大约到腹部或胸口的高度，重量在两百磅左右。大约五年间，它们从平地走到了石块、斜坡、泥地，以及湿滑的泥地上，并让他们自己相信：机器人的腿式运动真的可以实现。MIT 的四足机器人一直被拴在实验室的泵和电脑上。BigDog 则能在真实世界中行走，并保持平衡。

DARPA 看到一台能工作的有腿机器人之后，更多的项目随之而来。他们造出了 LS3，用来搬运重物，这是一台 800 磅重的机器，设计载荷为 400 磅；还造了 Cheetah，来探究机器人能跑多快。腿的长度和负载成了他们已经知道如何按比例调整的参数。他们还开启了人形机器人的研发线。大约在 2012 年，随着政府的兴趣降温，他们把公司卖给了谷歌，让这项工作得以继续。Spot 的诞生，源于拉里·佩奇问：这个东西的产品形态应该是什么样的？合理的答案是四足机器人，但要更小，不用汽油发动机，而且很可能不用液压。这就是电动驱动机器人的起点。

佩奇喜欢“牙刷测试”的说法：产品要是你每天都会用的东西，最好是一台消费级机器。Playter 不认为那是下一步。家用机器人大概需要卖到几千美元；而他们做的机器，一台要几十万美元，甚至可能一百万美元，每次只做两台。公司的理念一直是造出能造的最好硬件，这样你就能发现平衡方面真正的难题，而不是在与一台糟糕的机器作斗争。工业界买得起。如果 Spot 卖 10 万美元或更多，对于一座必须保持运转的工厂来说，这不是一笔大开销。消费者不会买这样的机器人。他认为，便宜的家用机器人也许会晚些到来，但通往它的道路要经过那些优秀的工业机器人，然后你才学会怎样把它们简化。

从研发转向商业公司，最让人担心的是文化：那些热爱困难科学问题的同一群人，会在乎质量、可靠性和成本吗？Playter 的结论是，他们有优秀的工程师，而可制造性只是另一类问题。不过，可靠性是另一项运动，与高风险的演示完全不同。他们在办公室里让机器人队伍 24 小时全天候运转，以找出罕见的故障。访客会看到十几台 Spot 在走廊里自主执行任务：离开码头，绕过建筑，采集数据，再回到原位，因为这正是酿酒厂或工厂真正需要的。每周，这些机器人累计行走约 1500 到 2000 公里，运行时间超过 1000 小时，他认为没有其他人能达到这个量级。他们仍在学习：用铸造代替从坯料上铣削零件，用注塑成型塑料，以及把同一台机器人造两次。Spot 和 Stretch 的最终组装，在距离总部大约一英里的沃尔瑟姆工厂进行，而可靠性测试带来的设计改动，仍在不断地进入生产线。

他说，下一个十年的难题是移动操作（mobile manipulation）。Spot 的手臂几乎和机器人本身一样复杂，是一个可以挂载的负载，带有电机和传感器，手部还装有摄像头，让机器能像已经管理自己的双脚那样，去抓住物体。在软件 3.3 版本中，一个自主任务可以包括穿过一扇门：你在平板电脑上标出门把手、门的开合方向，以及门是否向内开，剩下的交给机器人。安大略发电公司（Ontario Power Generation）用 Spot 去拉一个可能产生致命电弧闪光的大功率断路器；第一次遥操作大约花了一个小时，之后波士顿动力把这个流程自动化了：掀开盖子，按下按钮，用棘轮扳手拧套筒。这是下一个合乎逻辑的操作难题，目的并不在于多卖几台。想要十台、二十台或三十台机器人的大客户，有权决定这类方向。

作为机器人公司赚钱，出了名地难。早期的波士顿动力靠合同研发过活。谷歌、软银，以及现在的现代汽车，都是愿意一直投资到产品化阶段的所有者。Playter 的纪律是：应用场景要足够广，广到能卖出几千台，再到几万台；只能卖出几百台，就会在商业上失败。Spot 的押注是工业监测。一条芯片厂生产线因为真空泵故障而停机，一天的损失可能高达一百万美元。热成像相机、用于检测压缩空气泄漏的声学成像仪、仪表读数和振动测量，在百威英博、格芯、电力公司和核电站，都是标准的预防性工作。他们在外的 Spot 大约有 1100 台。他说，要实现盈利，每年大约需要卖出 1000 到 1500 台。

Stretch 的起点是市场需求。据某些估计，每年全世界有一万亿个纸箱在流动，其中很多是人工搬运，所以一台能搬运纸箱的移动机器人，早早就显得很有道理。他们一开始和潜在客户交谈，人们就主动提出要订购二十台。访谈所在那一年的一月，首批机器人交付给了 DHL 和马士基；Gap 在他们交谈时就已经开始拿到机器人，另有七八家客户已经各自承诺订购十到二十台，总计约两百台。Playter 认为，Stretch 一定会成功。卸货只是开始。码垛、拆垛、装车，仓库里任何搬运箱子的任务，他都能看到上千台，甚至可能是几万台机器的需求。

它看起来像一条装在移动底座上的强壮手臂，底座大约是托盘的大小，因为托盘正是仓库的基本单元。它不是腿式机器人。这是一个刻意的、有点别扭的承诺：这是他们第一台不需要保持平衡的机器，而且，这个更容易的问题仍然必须做得很好。最初的物流概念是一台平衡机器人。那台机器就是 Handle，Fridman 称其为“科幻电影里走出来的史诗级机器”。Playter 说，它的历史把整个家族连接了起来。当 Atlas 能够单脚站立，并像走钢丝的人借助动量那样使用手臂时，他们画出了一个两轮机器人的草图：它有一条长臂，能够够到卡车顶部的箱子，还有一条用于配重的尾巴。轮子装在腿上，加上尾巴和手臂，全部协同运动，有人说它看起来像鸵鸟，因为他们已经弄清了动量控制的数学，想在一个新的身体上看到它。

Handle 很漂亮。它的动作和他们造过的任何机器一样优雅。但它不适合物流：太慢，每小时搬的箱子也不够多。放弃它是一个冷静的商业决定，也说明他们不会只为数学之美而造机器。Stretch 有一个沉重的底座和一块巨大的电池，足以支撑两班共 16 小时的工作；沉重的底座还能让一个 50 磅的箱子不会把机器人掀翻。它是全向移动的，并配有悬挂系统，可以越过地面上的缝隙。夏天，在集装箱里可以高达 120 华氏度，工作非常累人。在 DHL、马士基和 Gap，过去负责卸车的人正在变成机器人的操作员。Playter 不肯透露价格，只说客户通常两年内就能看到回报。对 Stretch 来说，目标很明确；对 Spot 来说，就花了一段时间才找到方向。

Playter 希望类似 Spot 的机器能进入家庭。他认为，路径是先做工业应用、批量制造，并掌握广泛的技能，性能优先。那些从可爱的互动出发的社交机器人公司，大多没能活下来。安全是另一道关卡：如果你要与孩子互动，就必须确保安全，而今天它们仍然需要保持一定距离，以免夹到手指。家用机器人还得能分清啤酒和可口可乐，并在不打碎东西的前提下收拾碗碟。Fridman 追求的梦想更窄：一个不用干家务的伴侣，一只会成为朋友的狗。Playter 并没有否定这个想法。索尼卖出了 10 万台，也许 15 万台 Aibo，之后暂停，后来又重新推出；人们把它们当作宠物。像 ChatGPT 那样的对话，可能会让社交机器人再次兴起。但这大概不是波士顿动力的路线，因为他们想从实用出发，再慢慢加入其他功能。

现代汽车是主要投资方，软银仍持有 20% 的股份。Playter 说，他们并不执着于尽快让公司盈利。更长远的目标，是理解移动意味着什么，以及他们能否去塑造它。他把内部目标描述为“自己掌握方向”：没有盈利的业务，就得由别人来掌舵；但他们打算同时继续造出下一代技术。在这样的背景下，马斯克和特斯拉的 Optimus 发布，对他们来说是一件好事。马斯克一开口，人们就会听，而波士顿动力十年的工作，突然也被照亮了。人形机器人的创业公司大量涌现，有些公司会把一位前波士顿动力员工的身份当作融资的凭据。竞争的热情也被点燃了。最新的 Atlas 视频（脚手架、被扔出的工具箱、一个翻转）不仅要展示跑酷，还要展示机器人抓起一个 50 磅重的方块，而机器人自重约 150 磅。接下来，他们想要更灵巧的手，以及在制造和建筑中需要双手协作的粗活，去重新调整笨重物体的方向，而不只是把芯片装进电路板。

在高层的机器学习方面，Playter 认为有些能力将会变成通用商品。一个用于识别新门把手或仪表的视觉模型，应该是你可以直接下载的东西；他们已经有了 API，合作伙伴如 Levatas 和 Reply 提供仪表读数软件。强化学习（reinforcement learning）已经被用于运动和操作，他能想象，新的行为最终可能来自外部，不过这仍需要对机器人有深入的理解。大语言模型也让他和其他人一样感到惊讶。他对虚假信息感到焦虑，这是社交媒体意外带来的后果，而这些工具可能让它更严重。但他并不太担心，同样的模型用在一台做体力活的机器人上。你能判断工作是否完成。物理现实是一个好的验证者；来自 ChatGPT 的理论答案，可能对也可能不对。访谈前一周，他已经看过 Levatas 的演示：把一个语言工具接到 Spot 上，用口语发出指令。

波士顿动力人工智能研究所（Boston Dynamics AI Institute）是一个独立的机构，由 Marc Raibert 领导。他是创始人、前首席执行官，也是 Playter 当年在 MIT 的导师。Raibert 希望进行不受商业化束缚的纯粹研究，现代汽车同意为其提供资金。波士顿动力会继续做近期研究，Playter 把这个时间范围定在大约五年左右。研究所负责的是视野更远的问题，就像腿式运动当年曾经是一场需要几十年的赌注一样。

Playter 拿出一篇《华尔街日报》关于 ChatGPT 的文章，配图是一台看起来会取代你的人形机器人。他很讨厌这种拼贴。他认为，人们之所以害怕有腿的机器人，是因为一百多年来他们一直被教导要害怕。“机器人”（robot）这个词来自 Karel Capek 1921 年的戏剧《罗素姆万能机器人》，而在这部最初的描绘里，机器人最终夺取了统治权。人们喜欢害怕；小说让“被接管”看起来像是顺理成章的发展。Fridman 认为，一个存在于可见身体中的超级智能系统，比一个能够大规模假扮人类的软件威胁要小。Playter 补充说，人类其实已经知道如何认证机器，但对于能在瞬间传遍全世界的软件，人类还没有这种经验。他说，对后者的恐惧，不应该阻碍机器人走入现实，因为你可以判断一台机器人是否安全。

谈到就业，他举出了一段熟悉的历史。每一次重大的技术变革都会带来自动化焦虑。总有一天，人们会回头看，问当初为什么要用人工卸车，而如今仍有大量的人从事这份工作。他想象的出路是：同样的工人可以去操作机器，就像农业从手工工具过渡到机械化设备，并没有引起普遍的惋惜。在他看来，人口结构让时机正好成熟：发达国家的人口正在减少，欧洲已经在为物流人手发愁，而新冠疫情之后，这些岗位越来越难招到人。与 Fridman 一样，他对语言模型起草咨询顾问和记者过去所写的文本更为担忧，同时他也指出，这些模型仍然不知道怎样才能保证正确。

波士顿动力发布了一封公开信，中国的宇树科技（Unitree）、美国的 Agility 和欧洲的 ANYmal 等公司也共同签署，承诺不会在机器人上安装武器。起因是，已经有商用机器人出现在视频中，背上绑着枪，并由人远程操控。Playter 说，划出明确的底线，对一个必须赢得信任才能被接纳的行业来说更好。计划是与立法者和监管机构接触；他有一位政策总监，负责这些沟通。被问到，一个从博士工程师起步的人要做 CEO，需要什么，他首先提到的是勇气：敢于应对困难的问题，也敢于领导比自己更聪明的人。适应力是故事的其余部分。他从未立志要当这个 CEO；大概有二十年，他是主要的招聘负责人，实际上就是人力资源主管，哪里没人做，他就顶上去。他喜欢的一种面试方式，是让候选人展示他们真正在乎的作品，这样你就能看出他们是否真的做过。谷歌那种标准化的编程题，大规模地比较人，他认为，它们对了解一个人是什么样的人，说明得不多。

他不太花时间在机器人意识上，认为这对他们造的机器来说还很遥远。人们会把智能和情感读进身体的动作里。据他理解，大语言模型不过是精细的词语接续，是对常见回应的统计平均，他怀疑这与意识，或他所认为的与真理和情感相关的那种绝对知识，关系不大。你无法把一个真的东西和一个假的东西平均一下，得到一个中等程度的真东西。他对年轻人的建议，来自 Leg Lab 的原则，这一原则后来也成了公司的价值观：追随你的好奇心，热爱你正在做的事，不要计划得太远，并且愿意转向，就像他第一次看到 Raibert 的机器人时就知道，自己必须去做这件事。他预计，一百年后，机器人会无处不在，承担繁重的体力活，但不会变成《机器人总动员》里那种闲置人类的游轮。人需要工作，才能觉得自己有价值。他想要的互补未来，是让人类保留创造性的问题解决，以及那些做得好的简单劳动。他提到一项长期研究，也许来自哈佛，发现陪伴让人生更幸福。机器也许可以模拟这种陪伴。他并不相信机器会有感知能力。至于一个机器人能否坐在你身边，并主动提起你们共同的回忆，他说，这还有待观察。