为什么说人形『机器人』️能爬楼梯就是巨大的突破？
目前许多人形『机器人』️还没办法流畅爬楼梯，这个事实跟人们的普遍认知显然不太符合，因为现在很多人形『机器人』️已经可以跳舞或是表演杂技了，这些对于人类来说反倒是不容易学会的，怎么『机器人』️能爬楼梯就成了巨大突破？
其实这就是莫拉维克悖论的典型例子：对人类而言轻而易举的事情，对『机器人』️来说却十分困难，反之亦是如此。
那么爬楼梯对于人形『机器人』️的难点是什么？
其中最重要的是，『机器人』️需要视觉感知 和运动控制之间的精密协调，动态适应台阶高度和几何形状的变化。
而跳舞表演一般都是在空旷的环境中进行，而且通常不需要视觉输入就能执行，仅依靠本体感觉和内部运动感知即可。
Skild Brain：基于视觉的端到端运动模型
长期以来，关于人形『机器人』️的行走，一般有两种路径。
一种是做地图，先把地面建模成一个高低起伏的地图，然后在图上选好每一步踩哪里，最后控制腿照着走。
另一种就是比较常见的 locomotion 策略，本质上是盲走（不靠视觉）：『机器人』️只靠本体感知走路，比如关节角度、腿的速度、是否碰到地面等。但这条路径容易出现的问题是：一旦遇到障碍物，就容易摔倒。所以我们才会看到很多『机器人』️在爬楼梯的时候磕磕绊绊。
不过最近，Skild AI 推出的 Skild Brain（基于视觉的端到端运动模型），给出了一种新的路径。它更类似于人的走路方式，边走边看边适应，依靠『机器人』️的视觉进行反馈。
这是一种具备超强适应能力的，通过视觉感知作为输入，最终到『机器人』️动作执行，由一个神经网络端到端训练得到的 locomotion 策略。
Skild AI 在关于 Skild Brain 最新的发布细节中，主要展现了 Skild Brain 的低层控制能力，这一能力可实现完全由在线视觉和本体感觉驱动的端到端运动控制。
借助摄像头图像，Skild Brain 可以对『机器人』️周围的环境做出动态反应，每一步动作都是即时决策的，这样的话模型能基于最新的观测信息，本能地适应新地形。这点就和人类相似，人类会在面对不同地形环境出现的变化时，会及时调整移动的策略。
不过严格意义上说，Skild AI 在 locomotion 上也并不是纯视觉，它会在一些视觉被遮挡的时候会使用本体感知。其实就类似于我们走路，不会时时刻刻都盯着路，但也不至于因为一小会儿看不到就摔倒。
为了检验 Skild Brain 适应环境的能力，Skild AI 做了一个测试，考验『机器人』️如何自主规划穿越障碍物。
工作人员搭建了一个障碍赛道，包括站上去会晃动的小推车、摆放不齐的木板、高低不一的台阶等障碍物，这些障碍『机器人』️事先并没有进行识别，而且动作也没有提前设计。所以很考验 Skild Brain 的及时决策能力。
而实验结果是『机器人』️完美穿越了障碍物，在应对不同障碍时，会调整通过策略，包括足部落点和迈出步伐的时机等判断，整个视觉端到端系统实现了像人一样的动作本能。
之后，Skild Brain 又展现了其在上下楼梯时的能力，而这并不需要提前设置什么楼梯模式，Skild Brain 可以根据地形的变化来调整步态，不需要在特定环境下设置对应的通过模式，这点就和人类一样，没有复杂的各种切换。
上下楼梯时，楼梯每阶只比『机器人』️的脚宽 3 cm，但 Skild Brain 还是可以做出正确的及时反应，确保『机器人』️的脚落在了正确的位置上，在这个过程中，『机器人』️并不会出现抬脚前的犹豫，整体通过速度也没有降低，这就是 Skild Brain 的精妙之处。
并且在负重的情况下，『机器人』️上下楼梯也一样展现出了稳定的通过能力。
在实际部署的可靠性上，经过测试，Skild Brain 在往返上下长程楼梯时，能够连续正确运行而不会让『机器人』️绊倒。
此外，Skild AI 还对 Skild Brain 遭遇外力时的调整能力进行了测试，『机器人』️在楼梯上受到外部推拉力时，它也能够迅速调整立足点且保持平衡。
Skild AI ：传统生成式 AI 训练方法行不通
Skild AI 的技术路径是试图构建一个不断改进的、适用不同场景的通用『机器人』️大脑，可以控制任何硬件执行任何任务。
对此，Skild Brain 采用了分层架构：用低频率的高层动作策略为高频率的低层动作策略提供输入，而且适用于各种四足『机器人』️、人形『机器人』️、桌面机械臂、移动机械手等。
7月 Skild Brain 推出的时候，Skild AI 就号称可驱动从流水线机械臂到人形『机器人』️的几乎所有类型的『机器人』️。
在技术路径上，Skild AI 指出了目前行业内一个普遍但有些被忽视的关键问题。他们认为，现在很多所谓的『机器人』️基础模型缺乏可落地的物理常识，在真实世界中，往往应对不了其中的复杂性。
许多研究团队，从已有的视觉-语言模型（VLM）出发，仅引入不到 1% 的真实『机器人』️数据，就声称构建了所谓的『机器人』️基础模型。
语言大模型虽然语义信息丰富，但它们只是表面光鲜，缺乏真正可操作的底层理解。所以，现在很多被称为『机器人』️基础模型的系统，无法应对真实环境中的复杂操作，尽管他们有一定的语义泛化能力。
而 Skild AI 在训练和数据上则是先在仿真环境与人类操作视频中完成预训练，再借助每台联网『机器人』️的真实运行数据进行微调，这可以为客户提供可直接落地的解决方案。
目前的 Skild AI 已累计进行了三轮融资。今年 6 月，Skild AI 刚刚完成第三轮融资，其中包括软银的 1 亿美元💵，『英伟达』的 2,500 万美元💵，三星的 1,000 万美元💵，总计 2.3 亿美元💵，这也使公司估值进一步提升至约 45 亿美元💵。
Skild AI 的核心团队由卡内基梅隆大学前教授 Deepak Pathak 和 Abhinav Gupta 联合创立，两人在『机器人』️与人工智能领域深耕超 25 年。
核心团队的竞争力和技术路径，正是他们被软银、『英伟达』、三星等巨头集体投资的重要原因，这家成立于 2023 年、距今才两年的团队，俨然已经是具身智能行业的领头羊。
而在技术细节上，Skild AI 在未来几周内还会持续发布，这也将为行业的技术发展提供新的参考。打造『机器人』️的通用大脑，让『机器人』️能真正走入现实生活中，去应对复杂多变的物理环境，显然我们还需要做的还有很多。
