行业焦点
网红机器狗Spot再进化，智能给自己规划路线，还能自己给自己开门
浏览量：455
波士顿动力的Spot机器狗又进化了！
你敢相信，波士顿动力的Spot机器狗又进化了？
当我们还在回顾波士顿动力的人形机器人Atlas是如何出色地完成了跳舞和跑酷时，作为公司的网红之一，Spot机器狗也没有落下前进的脚步。
就在刚刚，波士顿动力发表了一篇博客文章，宣布了Spot 3.0版本的升级。
自2020年5月释出2.0版以来，3.0版本推出了诸多亮点，比如自主动态的重新规划、云端整合，和一些照相技巧：
以及处理推杆门的新能力：
看到这“蠢蠢欲动”的机器狗子们，是不是也有点心痒难耐了，和文摘菌一起来看看吧~
Spot 3.0大升级：更新自主性，也能打开推杆门了
其实，自疫情爆发以来，Spot的就业机会逐渐变多。
比如Spot曾在新加坡的公园提醒人们戴口罩，在新西兰放过羊，亦或者是在切尔诺贝利检查核辐射分布情况等等。
也正是在各种场景下的应用，反过来也帮助了Spot发现了自己的问题。
在3.0版本中，最受瞩目的便是Spot对路线的动态规划。遇到像山路或者是废弃大楼这样的存在大障碍物阻挡的情况，Spot可以自动调整路线，以实现平稳前进。
而一旦到达目的地，需要采集图像数据时，配置在Spot上的CAM+PTZ相机能够基于场景识别，保证每次从同一角度捕捉到相同的图像。同时，通过计算机视觉技术，机器狗还能找到其中的变化，比如仪表读数和热量读数，然后发送给检查员进行实时监控。
在后端操作上，通过后方的Spot CAM集成和分屏视图，操作人员可以轻松地远程操作Spot的机械臂。说到机械臂，经过3.0更新后，机械臂终于可以打开推杆门了。要知道，此前Spot的测试中可是一直通过转动门把手开的门，就是这种：
当然，对于整体的任务规划，这只成熟的机器狗会有自己的“想法”了。Spot会对于你所选择的任务，采取最短的路径来完成。
除此之外，Spot也支持云端兼容了。只需要将Spot连接到AWS、Azure、IBM Maximo以及其他具有现有或易于构建的集成系统，这样在任务完成后，Spot就能自动将相关数据上传至系统。
可以看出，这次的更新不仅仅是要让Spot变得更加自主，更是要让Spot在一些具体的、现实的地方更加自主，毕竟去年底波士顿动力被韩国科技巨头现代汽车收购后，就不可避免地需要考虑到商业用途和价值。
波士顿动力：这就是当下最先进的
与3.0版本一起放出的，还有一段现代汽车发布的“工厂安全服务机器人”短视频。这款机器人可以视作专门为工厂安全检查而对Spot进行的改良。
在视频中，我们可以看到这熟悉的六亲不认的步伐，以及协助的自主导航系统：
以及，既然是专门为工厂安全检查研发的，自然还有些其他的功能，比如高温检查：
或者是门窗检查：
据了解，该改良版Spot配备了激光雷达和热成像相机，可以针对工厂内部的高危风险区进行扫描，如果发现了异常情况，系统会发送警报，并实时共享图像和数据。
目前，在现代一家韩国工厂内，已经对该机器人进行了试点应用。
针对本次更新，波士顿动力Spot首席工程师Zachary Jackowski表示，在官方博文中关于“动态重新规划”的要点解释，可能只有十几个字，但他们需要根据在现场的故障模式，重新设计几乎整个自主系统。
3.0和以前最大的变化在于，此前如果机器人任务范式是一个线性任务，当你带着机器人在一个地形复杂的现场记录路径时，如果道路上存在障碍物，那么机器人的行为就会停止。
“从学术的角度来看，这是最先进的。”
甚至在官方博文中，Spot 3.0被称为“现实世界的传感解决方案（A Sensing Solution for the Real World）”，对此Jackowski说到，对Spot来说，“真实世界“就是发电厂，是电力开关场，是化工厂和汽车厂，当谈论场地的几何问题时，研究团队对这种复杂性已经相当适应了。
“我认为，复杂性的前沿是，你如何在一个繁忙的地方，很多人没有规律地走动时，如何实现这些功能，这是我们正在研究的领域。但可以想见，这是一件多么复杂的工作，在完全实现这项功能前，我们还需要一些时间。除此之外，功能性安全、认证人员探测器，这些都是未解决的问题。”
如今，Spot可以打开推杆门了，但你是否想过，打开推杆门似乎比打开带把手的门更容易？但对于工程师来说，他们总是希望早点攻克更难一点的问题。
随着Spot 3.0的发布，Spot的未来似乎也越来越可期了，是吧？
相关报道：
https://blog.bostondynamics.com/spot-release-3.0-flexible-autonomy-and-repeatable-data-capture
https://spectrum.ieee.org/boston-dynamics-spot-30
https://www.youtube.com/watch?v=TTAJDICCll8&t=44s
本文来自微信公众号 “大数据文摘”（ID：BigDataDigest），作者：Caleb，36氪经授权发布。