和小狗同台竞技，机器狗输得有多惨（狗头_风闻

2005年，机器狗“大狗”（BigDog）问世。虽然名叫大狗，但它更像一只骡子，步态非常笨拙。

“大狗” | Boston Dynamics

面对波士顿动力公司开发的第一只机器狗，有网友不禁调侃：“经过多年的研究和数百万美元的投入，工程师们终于能够准确地再现两个醉汉扛一个沙发的场景。”

网友调侃这是两个醉汉在扛一个沙发 

| Boston Dynamics

这些年，经过无数测试和改进，机器狗的身手越来越矫健。波士顿动力最新研发的机器狗Spot可以进入危险环境进行探测，帮助警方检查可疑的包裹，工作忙完后还能来一段舞蹈。

会跳舞的机器狗Spot | Boston Dynamics

然而，在机器狗不断变强的同时，**“它们究竟有多敏捷”**这个问题一直无法被精确测量，因为该领域目前仍缺少一个标准的、直观的评估方法。

创造出和动物或人类同样敏捷的机器人是许多人的目标，对此，谷歌DeepMind研究团队认为要想实现这个目标，应该先研究出一个基准测试。于是，通过借鉴狗狗的障碍赛，研究团队也给机器狗办了一个敏捷性障碍赛。

给机器狗办一个障碍赛

犬敏捷比赛规定，参赛犬需要在一定的时间内以正确的顺序通过不同的障碍物。对小狗而言，这就是测试它们敏捷性的体育考试。现在，机器狗也要参加这样的体育考试了。

在谷歌的实验室里，研究人员搭建了一个类似的障碍训练场。由于场地有限，为了尽可能多地测试不同的技能，研究人员把考核项目分为3个不同的类型——S形连续绕杆，A 字形上下坡，以及0.5米宽的跳跃障碍。

研究人员在实验室里搭建的犬障碍训练场 | Google

评分规则也借鉴了犬敏捷比赛，不过做了一些简化。参赛犬必须在规定时间（10.64 秒）内完成障碍赛，越快完成，得分就越高。得分1表示参赛犬在规定时间内通过了所有障碍，但是如果出现失误或太慢了就会受到处罚：忽略某个障碍，或以错误的顺序或方向通过障碍，或越过障碍失败，得分就减0.1；另外，每超过规定时间一秒，得分就减0.01.

除了速度，这一系列障碍也考验了机器狗的反应能力和控制技巧。有时候，机器狗会在测试途中摔倒。为此，研究人员开发了一个让机器狗自我恢复的算法，以及一个走回起点的算法。这样，机器狗在摔倒后就能迅速地自己站起来，然后走回起跑线重新开始。对于一个需要不断重复的实验而言，这些算法能够保持机器狗的稳定性，把人为干预降到最少。

实验中，机器狗摔倒了会自己爬起来 | Google

谷歌是一家对宠物友好的公司，员工可以带狗上班。为了确保机器狗的障碍赛是实际可行的、有挑战性的，研究人员特意邀请了同事家的小狗前来参加。

谷歌员工的小狗也来参赛 | Google

实验结果显示，两者的敏捷性有明显的差距。一只未经训练的小狗不到10秒就能跑完所有障碍，得到1分。相比之下，机器狗虽然也可以达到0.91的好成绩，但需要大概20秒，并且大部分用时都集中在20~30秒。

小狗狗 vs. 机器狗 | Google

此外，实验结果还显示，机器狗在S形连续绕杆、A 字形上下坡这两个项目中的表现不错，但是它的跳远能力还有待加强——在起跳或者落地时经常触碰到跳远板。

机器狗的跳远能力有待加强 | Google

综合来看，机器狗敏捷性的提升还有很大的潜力。

障碍赛的规模可以更大

有百万粉丝的视频博主扎克·奥尔索普（Zac Alsop）也做过类似的实验。他花了大概2万人民币购买了一只机器狗（Unitree Go1），并向知名的训狗教练员寻求帮助，希望通过三天的严格训练，让他的机器狗和真的狗狗们同台竞技，赢得犬敏捷大赛。

比赛当天，扎克和他的机器狗招来了许多观众的好奇围观，比赛时也得到了大家的热情助威，但他们最终还是以失败结束，输得“人仰狗翻”。

扎克带着一只机器狗去参加犬障碍赛 | Zac Alsop

和扎克他们参加的比赛相比，谷歌开发的这个犬敏捷比赛确实小了很多，但是机器狗小跑、跳跃、侧向运动和攀爬的基础技都能得到测试。研究人员也表示，这个机器狗敏捷性测试也适用于一个更大的场地，可以很方便地添加更多的犬敏捷障碍设置。

机器狗敏捷性测试的规模可以扩大 | caninejournal

目前，机器人行业内的一个重要研究方向是如何开发出一个更好的控制器，好让四足机器人能够像动物一样敏捷。而要想量化机器人的敏捷性，谷歌的机器人研究团队认为应该先开发一个基准测试。他们把此次敏捷性测试取名为Barkour(Benchmarking Animal-level Agility with Quadruped Robots)。

Barkour基准测试直观地展示了机器狗的敏捷性，待机器狗继续发展下去，说不定哪天我们还能看到它们在赛场上跑酷（Parkour）。

撰文 | Cloud

审校 | Skin

参考资料：

[1] Barkour: Benchmarking animal-level agility with quadruped robots. (2023, May 31). Retrieved from https://ai.googleblog.com/2023/05/barkour-benchmarking-animal-level.html

[2] Paul, A. (2023). Google engineers used real dogs to develop an agility course for robots. Popular Science. Retrieved from https://www.popsci.com/technology/google-barkour-robot-dog-agility

[3] Heater, B. (2023). Google DeepMind introduces Barkour, a benchmark for quadrupedal robots. TechCrunch. Retrieved from https://techcrunch.com/2023/05/30/google-deepmind-introduces-barkour-a-benchmark-for-quadrupedal-robots/?guccounter=1&guce_referrer=aHR0cHM6Ly93d3cuZ29vZ2xlLmNvbS8&guce_referrer_sig=AQAAAKDmAkahE2yUepvA8f-ssiFqZ4qVguH-7il-ysECThS4eds78sePrj0KvwQ_0STaM0CW4FZ0FcOzNxllpuH0I1HNiNQtonusYqWgNEmjJ-xvPvtydReO7zwZSydFKT72Zy6xlovuBmrofF2g17fpq5B-_3J6b91wU0Inbew2d3gc

[4] Smith, L., Kew, J. C., Peng, X. B., Ha, S., Tan, J., & Levine, S. (2021). Legged Robots that Keep on Learning: Fine-Tuning Locomotion Policies in the Real World. arXiv, 2110.05457. Retrieved from https://arxiv.org/abs/2110.05457v1

[5] Barkour: Revolutionizing Quadruped Robot Agility With New Benchmark & Locomotion Policy | CJ&CO. (2023, May 27). Retrieved from https://www.cjco.com.au/article/news/barkour-revolutionizing-quadruped-robot-agility-with-new-benchmark-locomotion-policy

[6] Caluwaerts, K., Iscen, A., Kew, J. C., Yu, W., Zhang, T., Freeman, D., …Tan, J. (2023). Barkour: Benchmarking Animal-level Agility with Quadruped Robots. arXiv, 2305.14654. Retrieved from https://arxiv.org/abs/2305.14654v1

[7] Dynamics, B. (2023, April 19). See Spot Work | Boston Dynamics. Youtube. Retrieved from https://www.youtube.com/watch?v=gvzljfK-PiU

[8] Alsop, Z. (2023, May 20). I Entered A Robot Dog Into A Dog Competition. Youtube. Retrieved from https://www.youtube.com/watch?v=JP5FJ7fEyyc

[9] Iscen, A. (2023, May 24). Barkour: Benchmarking Animal-level Agility with Quadruped Robots. Youtube. Retrieved from https://www.youtube.com/watch?v=EcYzl_qWLKg