这篇播客里，波士顿动力创始人Marc Raibert聊了机器人未来：他认为机器人要像动物一样动态运动，而不是慢吞吞的。他看好机器人从实验室走向实用，重点提了三个产品：Spot（波士顿动力的四足机器人，已卖出1500台，全电动）、Atlas（能做空翻的人形机器人，爬三级台阶试了109次才成功）、Big Dog（早期里程碑，能背400磅东西走20英里）。他反对“硬件不重要”的说法，强调机器人还需要在感知和自主决策上突破。
Marc Raibert（波士顿动力创始人兼前CEO，现任波士顿动力AI研究所执行董事）在Lex Fridman播客中探讨了机器人技术的未来。核心观点是：通过AI与先进硬件结合，未来机器人将远超现有水平。他领导开发了Big Dog、Atlas、Spot、Handle等标志性腿式机器人，强调40年来在CMU、MIT及波士顿动力的研究积累。重要结论：新一代机器人需在感知、运动控制与自主决策上实现突破，AI研究所将专注前沿研究，推动机器人从实验室走向实用化。
Marc Raibert（波士顿动力创始人兼前CEO，现任波士顿动力AI研究所执行董事）在Lex Fridman播客中探讨了机器人技术的未来。核心观点是：通过AI与先进硬件结合，未来机器人将远超现有水平。他领导开发了Big Dog、Atlas、Spot、Handle等标志性腿式机器人，强调40年来在CMU、MIT及波士顿动力的研究积累。重要结论：新一代机器人需在感知、运动控制与自主决策上实现突破，AI研究所将专注前沿研究，推动机器人从实验室走向实用化。
Raibert认为，传统机器人过于"安全"，真正的突破需要拥抱动态与不确定性。
他回忆1974年在MIT AI Lab看到一台拆散的Vikarm机械臂后决定投身机器人领域。早期研究受生物运动启发——在生物腿式运动会议上看到六足机器人"像桌子一样"缓慢移动后，他认定"那是错的"（"that's wrong"）。动物和人类运动是"弹跳与飞翔"的，需要预测和能量循环。
这一理念催生了1980年代CMU的"弹簧单高跷"机器人。Raibert与Ivan Sutherland合作，用3,000美元启动资金造出原型，随后从DARPA获得25万美元资助。关键技术突破包括：弹跳能量管理（通过高度估算控制能量输入）、落足点计算（类比撑杆跳运动员的身体定位）、以及姿态控制（仅在触地时施加扭矩）。
Raibert将这一哲学延伸至操作领域："如果我们看机器人操作，50年过去了，我们远未达到人类水平……我认为它太安全了。"他引用CMU机器人研究所所长Matt Mason对Julia Child烹饪视频的分析——Julia使用了40种不同的处理方式，没有一种是"抓取"。"我们需要尝试打破静态抓取的安全框架。"
Raibert指出，波士顿动力1992年创立时并非机器人公司，而是物理仿真公司。真正的转折来自与Sony的合作。
1990年代末，波士顿动力为Sony的AIBO机器人开发了"AIBO Runner"——一个快速奔跑的四足版本。尽管AIBO Runner本身"看起来不够酷"（太小，需要慢放才能看出效果），但它让团队"回到了属于我们的地方"（"got us back where we belonged"）。
另一个关键转折是放弃手术模拟器业务。团队开发了带力反馈的血管吻合术训练器，在手术展会上大获成功——"外科医生几乎排起了队"。但商业化路径不通：外科医生认为应该由他们收费教学，而公司（当时12-15人）无力开拓医院市场。Raibert回忆："我们看着对方说，'让我们造机器人吧'。"
Big Dog是波士顿动力真正的里程碑。DARPA的BioDynamics计划收到42份提案，仅3个获资助。Raibert强调，关键人物是Martin Buehler（麦吉尔大学教授），他推动了"走出实验室、进入泥地"的测试文化——"建造、破坏、修复"成为公司信条。Big Dog首次将所有系统集成到平台上：汽油发动机、液压系统、板载计算机，可在野外自主平衡行走。
Raibert明确反对"硬件已不重要"的观点："认为不再需要硬件创新的人是错的。"
他详细解释了波士顿动力的液压技术积累。传统液压阀设计自1950年代航空领域，波士顿动力的工程师重新设计了阀体电路，使其更小、更轻、更高效。Atlas使用的液压动力单元仅"足球大小"（5公斤），却能输出5千瓦功率，集成了电机、泵、过滤器、热交换器和阀门。
从液压到电动的转变源于Larry Page的提问。在Google收购后的会议上，Page问："你能做一个更小的、不那么吓人的版本吗？"这催生了Spot——波士顿动力首款全电动、非液压机器人。Raibert承认对液压的偏爱（"它是一项伟大的技术"），但电动化降低了维护难度和泄漏风险。
关于运动控制，Raibert强调"前瞻性"而非"伺服式"。Spot的控制算法仅看未来1-1.5秒，但持续迭代（每0.1秒重新计算）。对于空翻等高动态动作，需要在起跳时就协调好动量和旋转，因为空中几乎没有控制余地。他回忆1985-86年首次让平面机器人完成空翻，而3D空翻则由前体操冠军、MIT博士生Rob实现——"他拥有身体能力，能将其转化为数学和算法"。
Raibert将机器人智能分为两部分：运动智能（athletic intelligence）和认知智能（cognitive intelligence）。波士顿动力已确立运动智能的标准，AI研究所将重点攻克认知智能。
运动智能涵盖机械设计、实时控制、能量管理——"让机器人像动物一样动态运动"。认知智能则是"制定计划、理解场景、从观察中学习"的能力。Raibert指出当前机器人的核心瓶颈："大多数机器人相当笨，需要大量熟练人员编程。"
AI研究所的旗舰项目是"观察-理解-执行"（Watch-Understand-Do）：让机器人观察人类执行任务，理解动作序列，然后自主完成。当前起点是"自行车维修"——将座管插入车架并锁紧。Raibert认为这不需要显式的自行车模型："如果我在做在职培训，我不需要描述房间——我们走进来，调整椅子，就能导航。机器人也应该能做到。"
关于方法论，Raibert采用"通往登月的垫脚石"策略："如果超过一年没有可见的状态报告（垫脚石），你就需要简化。垫脚石结果给你反馈和动力。"他承认，在物理机器人上做机器学习与语言模型不同——"像素值不是单词"（"pixel values aren't like words"）。但AI研究所已在苏黎世设立办公室，由强化学习专家Marco Hutter（ETH教授）领导，探索学习与传统控制的融合。
Raibert提出优秀机器人团队的四个要素：技术无畏、勤勉、坚韧和乐趣。
Raibert还分享了视频制作哲学："不做解释。如果他们看不到，那就不是正确的东西。做值得展示的事情，然后展示它。"他亲自剪辑波士顿动力视频直到3-4年前，坚持"没有标题、没有干扰"。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Spot | 看好（商业可行，可靠性提升） | 1,500台已部署；全电动；价格仍高但有望降低 |
| Atlas | 看好（运动智能标杆） | 爬三级台阶109次尝试；使用模型预测控制；液压动力单元5公斤/5千瓦 |
| Big Dog | 历史成就 | 汽油发动机；可携带400磅（实际测试达1,000磅）；续航20英里 |
| LS3 | 历史成就 | 可携带400磅；汽油动力 |
| Wildcat | 历史成就 | 四足机器人最高速度19英里/小时 |
| Optimus（Tesla） | 中性（尊重Elon，但当前不如Atlas） | 未明示具体数据 |
| Figure | 中性（团队不错） | 未明示 |
| Apptronik | 中性（团队不错） | 未明示 |
| Anymal（ANYbotics） | 中性（AI研究所已采购） | 未明示 |
| Sony AIBO | 历史合作 | AIBO Runner项目；通过ISDN线（10Hz帧率）与日本团队每周会议 |
1. Raibert：机器人运动需要"前瞻性"而非"伺服式"——Spot的控制仅看未来1-1.5秒，但每0.1秒重新计算，持续迭代。伺服是"向后看"，而动态运动需要"预测未来状态"。
2. Raibert：硬件创新远未结束——"认为不再需要硬件创新的人是错的。"波士顿动力重新设计了液压阀（自1950年代未变），将5公斤的单元做到5千瓦功率输出。
3. Raibert：机器人视频的黄金法则是"不做解释"——"如果他们看不到，那就不是正确的东西。做值得展示的事情，然后展示它。"他亲自剪辑波士顿动力视频直到3-4年前，坚持无标题、无干扰。
4. Raibert：Atlas爬三级台阶用了109次尝试，耗时6周——"我们拍摄了每一次——包括机器人刚启动就倒塌、油液飞溅。"这体现了"坚韧"（intrepidness）的重要性。
5. Raibert：机器人智能分为"运动智能"和"认知智能"——波士顿动力已确立运动智能标准，AI研究所将攻克认知智能（观察-理解-执行）。当前瓶颈是"大多数机器人相当笨"。
6. Raibert：AI研究所采用"通往登月的垫脚石"策略——"如果超过一年没有可见的状态报告，你就需要简化。垫脚石结果给你反馈和动力。"
7. Raibert：关于AGI威胁，他持怀疑态度——"世界上有比你更聪明的人，你觉得受威胁吗？"他认为技术总有风险与机遇，类比汽车（每年125万人死亡）仍是人类福祉。
8. Raibert：工程师"被支付四次"——手工艺的满足感、影响世界的成就感、团队协作的愉悦、以及薪水。"还有什么比这更好的？"