本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

國產機器狗圈殺出一位新秀：

一只純四輪足設計的機器人來了。

不整花活，這只橙黑色小狗能從最樸素的場景中展示出它超凡的運動能力。

先給您來一段靈氣十足的“前后搓腳”：

上下樓梯？穩步如飛，并且不需要地形圖，完全靠感知搞定：

面對一段斜坡，除了身體與坡平行，它還能身體與地平行（右）：

圖片

穿越障礙時，更是毫不費力化身“變形金剛”，伏地前進：

不得不說，如此靈活的商用輪足機器狗，確實很少見。

輪腿優勢合二為一

如上這只小狗，名叫W1，來自通用足式機器人公司逐際動力LimX Dynamic。

W1本周一正式對外發布，并從下個季度就可以開始預定。

它的落地領域是2B，實打實地要進廠干活。

所以也沒整什么翻跟頭跳舞的花活，全部是各種地形演示。

除了上面那些，過單邊橋、上馬路牙子、磕磕絆絆的草地石板和碎石路，也都是小菜一碟（共計8種地形）。

Ps. 尤其是這個單邊橋操作，W1需要一邊腿在橋上，一邊腿在地上，但身上的水瓶可以說紋絲不動。

如您所見，W1和一眾機器狗最大的區別就是輪足設計。

并且不同于騰訊Max機器狗在關節處安輪子的方式，W1直接將普通的原始足部換成了四個非常顯眼的圓輪。

為什么這么做？

逐際動力創始人張巍博士解釋：

目前普通四足機器人落地的一大限制因素是續航，因為不管面對什么地形，它都只能一步一步地蹬地前進。

而這可以說是非常耗電。那么在實際工廠中，它可能動不動就“趴窩”了。

另一方面，續航上不去，四足機器人的負載也會極其受限。

給機器狗安上四個大輪子，大幅提升它的移動效率，可以一并解決這些痛點。

不過，輪足混合帶來的挑戰（例如感知干擾、狀態估計和運動控制）卻是成倍增加的，并且市面上還沒有特別成熟的解決方案。

具體而言，張巍博士介紹：

首先在硬件上，無端多出四個輪子的電機，每一個電機都有各種走線，各方面的驅動都要加上去，內部的布局都要重新設計。

但最難的還是控制算法。

如果我們只是加上輪子把它當車開，這件事還算簡單。

但實際我們需要把輪子融合在四足機器人的整體里，進行全身控制，就像視頻演示中所顯示的，很多動作必須得全身、輪子、腿、姿態一起合作完成。

除了輪足融合，W1機器狗的另一大挑戰是基于地形的實時感知能力。

在這里，張巍博士重點介紹了它與自動駕駛感知相比最大的兩個難點。

首先是在精度上。

自動駕駛感知的是障礙物及周圍環境，目的是不要碰到；四足機器人則要非常精細地規劃出每一步要踩到哪里，怎么踩下去，使用多少力。這個精度至少為厘米級，而自動駕駛避開障礙物不超過10-20厘米就夠了。

其次是實時性。

四輪足機器人需要控制輪子的轉速有多快，而這需要實時地、根據當時的感知反饋（比如腳踩的是什么地形）來計算出，可謂相當復雜。相反，自動駕駛的感知不涉及到輪子的控制。

盡管挑戰很大，W1團隊還是利用他們在地形感知、強化學習、多剛體動力學、混雜動力學、模型預測控制等領域的學術和研發經驗，開發出了感知與控制融合的算法框架，最終在W1身上實現了高穩定性、強實時性的控制能力。

例如上下樓梯這一場景，它正是完全靠感知而非盲爬才得以如此穩健。

所謂盲爬，可以理解為設定好了程序，然后靠記憶重播爬樓動作實現上樓，這個過程完全不涉及感知。

也就會導致爬得不穩、不流暢，換一個高度的樓梯就更難完成了。

而有了感知，它才能確保每一步都踩在樓梯的中間。

國產機器狗新秀，要做“地面的大疆”

W1背后的逐際動力，成立于2022年，base深圳，已完成天使輪融資。

盡管成立時間算年輕，但其實技術積累很深厚——

它是南科大產學研背景下孵化出來的一家機器人企業。

此前就在網上發布了很多機器狗相關的算法成果。

比如難度系數拉滿的正面下樓梯：

他的創始人張巍則博士畢業于普渡大學電氣與計算機工程系（本科是中科大）。

他從2005年就開始從事機器人算法相關的研究，自2011年開始在俄亥俄州立大學電氣與計算機工程系任助理教授（現在已為終身教授），并于2019年回國加入南科大。

對于逐際動力的首款四輪足機器人，張巍博士強調：

W1并不是一個行業里的專機，我們要做的是一個通用型平臺，可以說是“地面的大疆”。

即和大疆無人機一樣，我們要在地面上實現，無論什么地形，我們都能穩定地從a到b。

具體從a到b這個過程中，機器人需要做什么操作，其實跟行業相結合有非常廣泛的應用空間，我們要解決的就是一個全地形移動的平臺。

而對于W1的商業化路徑，張博士也透露：

第一步是固定路線的巡檢，因為這個任務技術成熟。

至于目前的定位為什么還是移動平臺，他表示：

機器人本質上就解決兩個能力，一個是移動，一個是操作。

在移動能力上，我認為四足機器人現在是沒有完全解決的，即還沒有做到全地形+敏捷移動。這就是我們為什么想成為“地面的大疆”。

至于操作能力，則要跟機械臂扯上關系。

最后，被問及現在最缺什么人才時，張博士脫口而出：

懂硬件的AI人才。