推荐语
本期我们邀请到了Westwood Robotics 西木科技创始人兼CEO张晓光。西木科技发源于UCLA （加州大学洛杉矶分校）RoMeLa 实验室，实验室由顶级科学家Dennis Hong创立和领导。RoMeLa 以足式机器人，特别是高动态性能的全比例人形机器人闻名，是人形机器人学术高地。张晓光博士期间参与了RoMeLa实验室90%的项目，于LA创立了西木科技，开启创业之旅。
在这场访谈中，CEO 张晓光向我们介绍了他十余年醉心“折腾”机器人的往昔岁月，RoMeLa实验室蝉联6届Robocup冠军神话背后的故事，西木最新人形机器人的设计和商业化思考。
-
RoMeLa在全美范围内是遥遥领先的，无论是科研产出还是人才培养 -
在步态算法方面可以坚守更透明和可靠的经典算法，机器学习算法更适合处理复杂的非线性问题，如操作和感知 -
西木科技坚持自研驱动器，自研才能保证驱动器的轻量化集成和高动态性能，动态性能是本体感知驱动器的一个重要优势 -
现阶段的商业应用应该是在通用场景下找到相对专一和特定的任务。也就是说，在一个复杂的人类环境中，机器人处理的任务相对简单且明确。
相信每一个机器人爱好者，都能从文章中感受到CEO对机器人的痴迷，以及对技术的如数家珍。Enjoy!
01 从中科大到「全球最亮」的机器人实验室
ZP：请张总先介绍一下自己吧，有什么人生的关键节点？
张晓光：我是河北人，高中在衡水中学读书，经历了一段难忘的高中生涯。因为从小喜欢机器人和动手制作，所以报考了中科院的机械工程系，放弃了其他录取分数更高的专业本科四年里，有很多有意思的经历。
大一时，我参加了学校的RoboGame机器人比赛，做了一个能进行语音识别并根据用户指令在室内自主移动并完成一系列家庭服务任务的单臂移动机器人。这个机器人不仅有视觉避障功能，爪子上也有目标识别功能。比如，语音指令让它拿一个杯子，它可以知道自己所在的位置，然后找到目标物。这在当时非常难得，因为那时候视觉纯靠RGB摄像头，深度信息靠超声波传感器，目标检测算法也是早期的基于颜色与二值化的CV，硬件和算法都非常原始。不过有意思的是，这套方案竟然和现在Tesla的自动驾驶解决方案异曲同工。
大二时，我开始进入实验室做四足机器人，四足在当时也是科研前沿。那时候四足的算法不是现在的动态算法，而是一个准静态过程，需要用ZMP (Zero Moment Point)找支撑多边形，时刻把机器人的中心放在由三条腿形成的多边形上。我们在驱动方案上用的当时最热门的基于滚珠丝杠的串联弹性驱动器，其实说来比现在Tesla Optimus的驱动器还要复杂一些。那时候我们就在探索轮足复合解决方案，不过当时选择的是把轮子放在机器狗的腹部，让他可以“贴地飞行”。这些都发生在2012年。
除了这些，我那时候在实验室的另一个课题是利用形状记忆合金模仿肌肉的收缩和曲张，做一款功率密度极高的机器人驱动器。大三时，我就发布了一篇一作的二区期刊论文。
虽然我的本科绩点不高，但由于丰富的科研经验和论文，我在2014年成功申请到了UCLA的博士项目。
ZP：RoMeLa 是一个什么样的机器人实验室？
（图为RoMeLa实验室）
张晓光：RoMeLa是2004年由Dennis Hong教授在维吉尼亚理工创立，之后搬来UCLA的。2014年是我在UCLA的第一年，也是Dr. Hong和RoMeLa在UCLA的第一年，而我加入RoMeLa后的博士历程就是RoMeLa@UCLA从0到1的创业历程，从给实验室刷墙，到申请基金，再到设备的采买，以及机器人的开发，都是Dr. Hong和我们这批学生亲力亲为完成的。
RoMeLa实验室非常综合，大部分项目是足式机器人和人形机器人，也有机械臂和无人机项目。在RoMeLa，你可以加入任何你感兴趣的项目，所以我可能在一个项目里负责软件开发，在另一个项目里是硬件工程师。从2014年起，我们做过飞行汽车概念无人机、六足、四足、像人的和不像人的各种双足机器人。有大有小，大的六足机器人甚至跟Mini Cooper汽车一样大，还挺可怕的（笑）。当时人形机器人的步态控制仍然是ZMP算法，机器人有一个很大的脚，要把重心放到这个脚的形状内并且维持准静态过程，同时又受限于采用的驱动器技术，所以走得很慢。
RoMeLa团队自2011起蝉联了4届机器人足球赛RoboCup的全比例人形机器人组世界冠军，算上小型组的成绩，总共蝉联6年、获得9次世界冠军。但是，连续6届冠军之后，技术上其实没有太多进展。那时候没有机器学习算法，也没有支持它的强算力。在学术界，我们实验室已经是顶尖水平了，超过我们的几乎只有产业界的波士顿动力的Atlas。
ZP：在全世界的机器人实验室中，RoMela是什么位置？RoMela最出色的工作是什么？
张晓光：我认为RoMeLa在全世界范围内都是独一无二的，无论是科研产出还是人才培养，RoMeLa都是当之无愧的全美最强机器人学实验室。虽然世界上第一个Disney Park和Universal Studio就在我们旁边，但对于热爱机械工程和机器人的人来说，RoMeLa才是世界上最快乐的地方。
我们实验室近几年的工作都挺出色的，但从完成度上讲，一个是高动态四足多模态机器人ALPHRED，它和《攻壳机动队》的塔奇克马长得很像，但不一样的是ALPHRED没有前后左右的方向区分，它还可以变成三足，也可以变成两足，这样就有多余的足空出来做其他事情，“多模态”便指的是它自身腿的配置以及移动方式的多模态。另外就是ARTEMIS和BRUCE这两个项目了，我觉得它们应该放在一起讲，因为它们都是我们用新技术实现的高动态机器人系统，基于MPC算法，使用本体感知驱动器。
本体感知驱动系统（proprioceptive actuator）就像人的肌肉一样。人的感知包括传感器感知和本体感知。传感器感知是触觉（来自皮肤）、视觉（来自眼睛）、听觉（来自耳朵）、嗅觉（来自鼻子）等这些基于人体感受器官的感知，而本体感知是肌肉本身在发力时给你的反馈。例如，你知道自己在用力，这种反馈不是来自某种传感器或者附加在肌肉上的感受器官，而是肌肉本身告诉你的。本体感知驱动器可以通过检测电流来直接获取力量信息，不需要额外的力传感器。
和力传感器相比，本体感知驱动器的信号精度相对较低，但它改变了驱动器的结构，从而大幅度减小了驱动器的等效转动惯量，或者从另一个角度来说，显著提高了驱动的“透明度”。现在很多机器狗和电驱机器人使用的技术就是这类驱动器。只要外力大于其输出，本体感知驱动器就可以被外力反驱，展现出很高的输出带宽和出色的动态特性，可以在极短时间内实现极加速和极减速，同时还展现出固有的柔性和与生俱来的冲击缓冲能力。比如，你让它保持某个力，就像人保持一个力一样，它既具备这个力，又是柔性的。
相比之下，传统驱动器，比如用于机械臂的那种，减速比非常高，使得等效转动惯量也非常高，外力很难转动它，显示出刚性的特征，不能被反驱，也不能通过电流获得可靠的力反馈，因此必须依靠力矩传感器，更重要的是：一方面他们的动态性能很差，远远不能满足让机器人像人一样运动的性能要求，另一方面，大减速比的齿轮箱以及力矩传感器都是不耐冲击的，高频次的冲击载荷会让它们很快就损坏，然而人形机器人的每一步，哪怕是行走，都伴随着显著的周期性冲击载荷。
动态性能是本体感知驱动器的一个重要优势。在足式机器人中，运动过程中会伴随很多冲击，这对力传感器和传统减速箱都不友好，会很快损坏这些器件。本体感知驱动器很好地解决了这个问题。
ZP：ARTEMIS整体的产品定义是什么？当时有什么目标？
张晓光：原来的机器人使用ZMP技术以及传统的驱动器技术，行动非常缓慢。我们希望通过新的驱动方案，结合最先进的动态运动算法，打造一个非常快速的人形机器人。因为我们已经长期蝉联比赛冠军，所以已经对赢得比赛这件事情不太感兴趣了。我们的目标是ARTEMIS可以绕着对手跑，带球过人以及非常精准的射门，来展示我们的成果和ARTEMIS强大的性能。
ARTEMIS的名字是由它全称的每个单词的首字母组成，官方全称是“Advanced Robotic Technology for Enhanced Mobility and Improved Stability”，我们内部则称它为“A Robot That Exceeds Messi In Soccer” （比梅西更强的踢足球的机器人）。当时，我们向全世界的RoMeLa粉丝发起众筹，募集了超过10万美元用于开发。研发过程中正值疫情，项目在2019年底左右完成，并在2021年实现稳定运行，2022年则是ARTEMIS第一次参加Robocup。
ZP：您在RoMeLa经历的项目是哪些？
张晓光：在RoMeLa是14年到19年12月份。最开始是一大一小两个六足机器人，但我主要参与的是大的那个。之后，我短暂地负责了一个无人机项目，是一个飞行汽车的概念，和现在所有的方案都不一样，还挺有意思的。
接着，我参与了四足机器人项目，ALPHRED有两个版本，一个是传统驱动方案的版本，另一个是用我们开发的BEAR本体感知驱动器的版本。开发ALPHRED的同时，我们还做了一个非人形的双足机器人NABi。有意思的是，作为一个非人形的双足机器人，NABi在2018年的Humanoids人形机器人会议上斩获了最佳论文奖，当时颁奖的时候大会主席都忍不住开起了玩笑。
实验室还有其他项目，比如在学校会议中心大堂的接待机器人LARA。随后，我们开发了BRUCE和ARTEMIS，也为他俩设计了不同规格的BEAR驱动器。基本上，这些项目涵盖了我们实验室从2014年到2019年底约90%的工作。
ZP：当时是怎么创业的？西木现在和RoMeLa实验室还有哪些联系？
张晓光：我是2018年就开启创业这个“副本”了，那时候我博士尚未毕业，但对我来说是个很自然的选择。当时我们在实验室完成了BEAR驱动器的开发，我们认为这是很强大的驱动器，非常适合高动态机器人系统，也觉得是我们接下来几乎所有机器人系统的基础，特别是我们最热爱的人形机器人，加上我当时对自己未来会创造出的人形机器人满怀信心并充满憧憬，所以就成立了Westwood Robotics(因为UCLA所在的区就叫Westwood，有些朋友们可能还记得《红色警戒》的开发商Westwood Studio，他们其实当年也是因为就在这里成立的，才叫的这个名字)。
现在，西木和实验室仍然保持着很紧密的合作，实验室会做很多探索性的研发，这样我们就可以更专注于商业化产品。我们在做产品的时候也会充分考虑让新产品成为实验室未来科研项目的可靠基石，比如THEMIS机器人是基于ARTEMIS的经验做优化和重构的，这个过程中我们考虑了THEMIS身上全新的零部件仍然可以最大限度地保持对ARTEMIS的向下兼容。零部件方面，RoMeLa的机器人系统也几乎完全使用我们的BEAR系列驱动器，如果实验室有定制需求，我们也会帮实验室去做。
ZP：您的技术栈更偏硬件吗？
张晓光：我主要偏向硬件方面。但是机器人学是一个非常综合的学科，如果一个人不懂控制算法，他设计的硬件就很可能会给控制系统的算法带来很多不必要的复杂问题；如果不懂加工，设计出来的东西的可制造性就会很差；然而如果对机械设计所知甚少，在做算法开发的时候也可能会走一些弯路。这些都是环环相扣的，所以我在各方面都有所了解和涉猎，但我的长处主要是设计、制造、机电、嵌入式和系统集成。
02 基于自研驱动器，打造全比例高动态人形机器人
ZP：请您介绍一下西木的人形机器人产品
张晓光：我们有两款人形机器人产品：BRUCE和THEMIS。BRUCE是一个专为科研和教育打造的小型人形机器人开放平台。团队在2016年启动了这个项目，当时觉得那些老旧的系统，比如RoMeLa实验室早年间开发的DARwIn等，使用的是传统的ZMP算法（零力矩点），同时动态性能不足，没办法支持最新的科研需求。我们希望用最前沿的驱动技术和运动控制算法来做机器人，但不想让这个机器人只属于我们自己，而是希望整个学术界都能用起来。如果大家用的都是同样的系统，尽管科研方向不同，科研成果也能得到互相复现和复用，这样可以推进整个学术的发展。我觉得这会有非常好的效果和作用，对于全世界的人形机器人研究的学术进步都是很有意义的事情，所以，我们基于帮助整个机器人学界向前推进的愿望，开发了BRUCE。
BRUCE身高只有70厘米，体重4.8公斤，整体设计非常模块化，很多零件都是可以3D打印的，因此相比大型机器人更安全，更轻便、更便宜，摔坏了也容易修。虽然BRUCE很小，但是搭载最新的控制算法，是一个完整的高动态的人形机器人运动平台。我们会继续推动BRUCE的发展。作为一个开源社区，大家可以贡献，我们也会根据反馈进行改进，提供升级配件，比如视觉模块、末端执行器和不同的驱动配置等。此外，我们希望BRUCE不仅应用于大学和研究机构，也能用于大学里机器人学的教育，很多老师已经在用BRUCE作为教具。未来，我们希望BRUCE能用于更低年级的科教。
ZP：Bruce的实验室客户，主要课题是双足吗？
张晓光：肯定是基于双足的，但方向非常多。比如，如果实验室偏向机构设计，可能会以BRUCE为出发点，做一些更巧妙的设计，因为硬件设计有很多解，不一定是唯一的最优解。有些实验室研究控制理论，需要一个平台来实现控制算法。有些研究偏向机器学习、人机交互、上肢操作或环境导航，他们在硬件上可能有需求，需要BRUCE这样的平台来支持他们的研究。同时，有些科研工作者的同行可能已经用BRUCE实现了一些东西，如果他们想借鉴或尝试类似开发，在BRUCE上复现实验会变得很简单。
ZP：目前BRUCE的出货量级？在同类的硬件平台里面，我们销量如何？
张晓光：近百台。其实从去年二季度才开始真正出货。去年刚开始卖的时候，第一批全球限量10台，到7月份才开始放开限购。我觉得目前没有真正能和BRUCE称为同类的产品，因为BRUCE是一个比较完备的开放平台。西木不仅机械设计先进，还有很好的算法开源开放给大家。所以从这个层面上讲，BRUCE目前没有明显的竞品。
ZP：西木的另一个人形机器人产品是THEMIS，为什么选择做THEMIS这样全比例的人形机器人？
张晓光：人形机器人是我们RoMeLa实验室成员刻在骨子里的热爱，是我们的梦想。要让人形机器人在实际场景中发挥作用，全比例的产品是非常必要的。而且我们起步很早，在2014、2015年参加DARPA Robotics Challenge时，我们就开始用全比例人形机器人尝试完成一系列任务了。
ZP：THEMIS主打的产品特性是什么？设计时有什么牵引指标吗？
张晓光：西木机器人主打运动性能，特别是接近类人的动态运动能力。我们认为，动态运动能力并不意味着机器人时刻在动态运动，而是希望它在执行任务时具备这种能力。举个例子，当你开一个很重的弹簧门时，如果没有足够的动态反应能力，你可能会被门推倒。同样，拉一个很重的行李箱时，你需要利用惯性才能让它动起来。这些日常场景都需要动态性能。我们的指导思想是，希望机器人具备很强的运动性，这样它不仅能走得快、跑得快，还能在各种复杂环境中保持稳定。
ZP：运动性能，除了惯量和动态反应，还有什么指标吗
张晓光：从系统角度看，机器人是否能快速做出运动反应是关键。当你推机器人时，它能否迅速找到下一个落脚点并执行？在正常情况下，它能够实现较快的移动速度？在操作时，它能否实现类人的节奏？我们认为这些都是让人形机器人真正可用的基本要求。
ZP：算法层面，西木和市面上其他的人形机器人团队有什么差别吗？
张晓光：首先，我们最大的差别在于有扎实的经典算法作为底层基础，而不是追逐机器学习大模型的潮流。我们坚信这是正确的，这点和波士顿动力的看法一致。经典算法和基于机器学习的算法各有优势和擅长的工作。我们的重点在于找到哪种方法能更简单、更可靠地解决问题。通过大模型、机器学习来端到端地让人形机器人实现所有功能是具有很大风险并且短期内不太可能的。
我们相信经典算法，因为经典算法非常透明、可靠，可解释性强，且具备良好的泛化性能。举一个例子，比如人突然推一下THEMIS机器人，基于经典控制算法，THEMIS在以1000Hz的速度运算，可以做到每毫秒重新预知自己未来几步的状态，并做出反映的，这一毫秒之内，THEMIS就以及算到自己未来是否会摔倒，以及摔倒的方式，或者是自己不会摔倒，以及该如何回归稳定，而这些数据都是清晰可见完全透明的。在应用中，只要我们了解机器人和负载的模型，就可以补偿到算法中，泛化性是足够应用到各个场景中的。这样，就没有必要针对不同任务重新训练Policy，针对某些Corner Case也更有不一样的优势。
机器学习更适合处理复杂的非线性高层任务。例如，在操作（manipulation）和感知（perception）方面，机器学习非常有效。比如目标物体的识别和环境认知，这些是非线性、非常复杂的的任务，也适合机器学习。即使机器学习出错，比如把苹果认成梨，或者把刀认成木板，也不会导致机器人突然疯狂动作、摔倒或者伤害周围的人或物。
因此，对于并非底层关键近程而且非常复杂的高层任务，机器学习的方法是非常合适的。我们的特点是将经典算法和机器学习结合起来。比如，机器人运动（locomotion）的底层逻辑主要依赖经典算法，通过机器学习的结果来进行辅助，而操作和感知则更多结合机器学习实现方法。这两者之间会有数据交换和结合，来保证互相之间的规划统一和参数补偿。
ZP：团队在本体硬件，包括双足上面有很多积累。但 manipulation 和 perception 是否才是机器人达成通用性的关键？
张晓光：对于机器人来说，两条腿赋予了它移动能力，但真正的价值在于操作（manipulation），而操作需要感知（perception）。从另一个角度看，任何机器人系统都遵循三个发展步骤：首先是运动（locomotion），没有运动，一切都无从谈起。实现运动后，我们添加传感器（sensing），使机器人能感知环境，这样自然而然地就可以实现自动化（automation），而此时机器人就具备执行类似巡检等任务的能力了。
在具备了运动、感知和自动化能力后，操作才能真正发挥价值。我们目前正在针对客户的需求尝试一些操作任务。同时，我们希望在推进操作能力开发的基础上，进一步结合具体任务提升感知能力。可以说，我们基本处于第二阶段，并尝试进入第三阶段
ZP：THEMIS目前商业化进展及下游应用场景是什么？
张晓光：THEMIS在今年5月刚开始对外宣传，商业化也刚刚起步，我们目前与两家美国本土客户的交流得不错，将会进入客户的应用场景。THEMIS同样可以服务科研领域，因为同为我们的产品。THEMIS和BRUCE在底层架构上是一致的并且互相兼容，因此科研客户可以先在BRUCE上进行前期开发来降低开发风险和成本并提高效率，之后再迁移到THEMIS上进行深度实现。
ZP：西木还自研了驱动器？为什么要特别开发驱动器？
张晓光：我们一直专注于足式机器人，特别是人形机器人，所以我们所有的产品都是沿着这个方向研发的。我们的BEAR系列驱动器就是专门为人形机器人设计的，驱动器设计、电驱性能、结构和通信都是特别定制的。
性能方面，首先我们需要保证动态性能，轻量化也非常重要。驱动器通常放在关节位置，如果太重会增加惯量，尤其是远端关节，这会影响机器人的性能。所以我们尽量把驱动器做得轻一些，同时也考虑到关节的布局和装配方式。
在通信方面，我们追求高频率的读写通信。我们开发了自己的RS485通信协议，比如THEMIS机器人上的通信频率达到1.5k Hz，BRUCE小型机器人上也达到了1k Hz。BRUCE的下肢有10个驱动器，THEMIS全身共有22个驱动器。在这么高频率下，处理大量数据如位置、速度、力和温度等，1.5k Hz不仅是读取频率，也是读写频率，确保了机器人的运行稳定。
此外，我们在驱动器的控制上也做了一些补偿。对于人形机器人来说，输出性能非常重要，需要优化减速比、BLDC电机的磁场设计和绕线等。
最后，还要考虑安全特性。我们的驱动器带有急停功能，不像工业机械臂那样使用抱闸，这样可以避免增加机器重量和体积。我们的急停功能能让驱动器进入阻力状态，这也是集成在我们的通信接口中的。通信接口设计也充分考虑了电气连接的需求，做了一些独特的配置。
ZP：怎么看小米QDD(Quasi-Direct Drive)的电机，看起来做到了极致性价比？
张晓光：从商品价值的角度，我比较相信“一分钱一分货”的逻辑，同时每一种产品都有它自身的定位。我们是根据自己的积累来做我们认为最适合人形机器人系统的一系列驱动器产品，他们肯定也是根据他们的经验来做。可能他们认为人形机器人或者机器狗需要某种特性，而我们觉得那样还不够，所以会增加更多特征和工艺，采用不同的生产方式和用料。这可能会导致成本增加，但我们认为这些钱花得非常值得。
ZP：您认为四足机器人和双足的驱动器有继承关系吗？
03 在复杂人类环境，执行单一特定任务
ZP：为什么我们看到的人形机器人大多数都是屈膝状态？
张晓光：这是运动控制的结果，人类在跑步时或者在光滑的地面上也会屈膝，因为这样能在前后左右以及上下所有方向提供更多调整空间，增加稳定性。而人类在行走时直膝，其实是因为引入了脚踝的作用，脚踝帮助脚底做了一个从脚后跟到脚尖的滚动，伸直的支撑腿加上支撑脚的滚动，让人类的走路步幅更长、效率更高。机器人因为更注重稳定性，并未采用这种从脚后跟到脚尖的滚动，所以是屈膝行走的
ZP：人形机器人的商业化落地现状如何？您觉得有哪些关键要素？
张晓光：目前人形机器人还没有真正的市场，除了Agility Robotics的Digit在亚马逊的仓库有一些实际的应用，波士顿动力的Atlas在韩国现代工厂里面有一些操作任务。大部分公司都没有落地场景。
商业落地的逻辑非常简单，核心驱动力就是收益。客户选择使用机器人，是因为它能提高效益。例如，我们正在洽谈的一个医疗场景的客户，希望用机器人替代人工。他们计算了人工时薪和机器人的成本，发现一年内就能回本，因此这对他非常有吸引力。同时，机器人能避免许多人类错误，减少不确定性，用工风险相对要低很多。即使出现问题，后果也不会像人类操作那么严重。所以，商业落地主要由效益驱动，但要实现这个效益，技术必须过硬，并且成本可控。
ZP：推导一下的话会是什么类型的场景先落地？
张晓光：我们把这个事情看得比较清楚。首先这个场景中双腿是必要条件，而且是四足完成不好的。四足的特点是比较低矮、占地面积大，但稳定性和通过性可能会好一点。相比之下，双足适合狭窄空间和更复杂的环境，比如开门，甚至灌木丛中手腿配合的探索。通用人形机器人的通用是场景的通用，我们生活的场景是咱们人类为自己设计和建造的，这便决定了这种通用场景，也决定了机器人的人类形态。
商业落地并不是在通用场景下寻找通用任务。我们认为现阶段的商业应用应该是在通用场景下找到相对专一和特定的任务，最好是具备较高附加值的工种或者行业。也就是说，在一个复杂的人类环境中，机器人处理的任务相对简单且明确。相对复杂的环境和简单明确的任务，这两个条件缺一不可。实际上，我们生活中有很多这样的场景。
总结一下，这些场景需要用到双腿，即人类的通用场景，主要是非结构化的环境。工厂里底面平坦、光照可控的场景就不符合这个要求。其次，机器人要完成一定的任务，在现阶段，技术水平有限，因此任务应该相对简单，易于实现。
ZP：移动也是一个必要条件，是吧？
张晓光：对，移动是必要条件，而且是更必要一点的，或者说更苛刻一点吧。可能有的时候我们希望机器人在移动中进行操作，让操作和移动不分家（loco-manipulation）。这个领域不能被专机替代，因为在一个通用场景下，基本上就已经没专机什么事了。
ZP：您怎么看待人形机器人市场的竞争格局？我们在市场竞争中的核心差异点是什么？
张晓光：我觉得还没有到市场竞争的阶段，大多数友商仍然是在科研领域做销售，而科研一定不是最终的市场。有更多的人来做人形机器人，是我们乐见其成的，这样人形机器人才会真正变成一个实实在在的行业，不同背景不同经历和不同想法的人，在同一个行业开发新的应用、场景、算法、设计思路……我觉得这是一个非常必要的逐渐形成生态的过程。
关于差异化，第一我们的系统性能还是比较不错的。第二我们有非常扎实的经典算法基础，因此我们在实现经典算法和机器学习的有机结合时有比较强的优势。第三我们在做这个系统的时候更面向于实际的应用，整个系统的设计开发和最终的结果都是更偏向于锚定一些目标场景的实际需求，所以它能真正被客户用起来。
ZP：您现在这个阶段有最看好的某一家公司吗？
张晓光：波士顿动力和 Agility Robotics，我个人觉得无论是技术积累，还是实际落地表现都不错。Tesla 比较不好说，它的很多设计是与我们不同，而且有些设计从学术角度讲我并不认同。比如，我们会希望尽量让腿变轻，让肢体具有更低的转动惯量，但是特斯拉似乎为了追求让机器人外观更像人而愿意牺牲一些别的指标。从效果上，Tesla 当然展示了很出色的行走能力和一定的操作能力，但没有非常出彩。我认为相比于Atlas的性能和操作，Tesla还是有很大的差距。
ZP：你觉得未来以这种动态性能为代表的波士顿动力和比如说 Tesla为代表的企业，他们会逐渐走到同一条路上，还是越走越远？
张晓光：就像“一花一世界，一树一菩提”，每个人都有不同的职业和工种，所以我觉得人形机器人没有必要最后都一样。车子可能最终都是四个轮子加不同的外壳，但人形机器人会有很多不同的设计和解决方案，因为它们面向不同的市场。西木更看好根据场景选择产品和技术。由于实际场景和任务不同，在一个场景下这是最优解，但在另一个场景下可能就完全不适用。
ZP：这么看其实通用机器人它也是有一定的问题域的限制？
张晓光：对的，所以就像前面提到的，我认为“通用”并不是指机器人本身特别通用，而是指它所适应的环境是比较通用的。通用的意义是不去限定这个环境必须是某种特定的，这个机器人可以去很多地方；任务层面虽然是一些比较具体的任务，但做的事情也不一定像机械臂打螺丝那样细致的分化，不过仍然会有一定的方向性。
ZP：多久以后人形机器人会实现Cost-Down？
张晓光：要看落地情况。乐观一点3年内，悲观一点可能5年。对于我们来说，三年之后我们计划实现每年几百台的销量，这就已经可以帮助我们实现非常明显的价格下降了，即便顶级配置的每台售价也不会超过十几万人民币。
ZP：未来通用机器人公司，会发生中美两地办公的趋势吗？
04 快问快答
ZP：今年ICRA的感受和见闻和往年有什么不同？
张晓光：今年的ICRA非常大，非常热闹。前几年因为疫情，像这种会议都很难举办。即使疫情结束后，也需要一个恢复的过程，我觉得今年算是恢复得非常好了。从展商的角度来看，有很多人形机器人展商涌现出来。
ZP：公司短期和长期的目标和愿景是什么？
张晓光：短期目标，我希望BRUCE能更多地帮助到科研工作者，三年之后能实现每年大概超过大几千台的出货，能为科教工作者提供更强大的性能，同时以更低的价格来进一步提高BRUCE开放平台的可获得性。THEMIS机器人则希望可以在娱乐和医疗场景有明确的项目落地。出货量角度，我希望三年之后实现每年几百台到千台的出货量，并且价格控制在低于20万人民币/台。
长期愿景方面，我们公司的Slogan是Bringing robots closer to people，我们希望让机器人能真正的进入到我们的生活里面。
ZP：公司成立也满5年了，你的心态是什么样的？是那种创业的心态，还是说在做自己享受的事情的那种心态？压力大吗？
张晓光：这两个不矛盾，我现在依然是创业的心态，甚至在相当长的时间内都会是创业的心态。压力肯定会有，如果是开发上面的压力，我会努力解决问题。如果是没有具体来由的压力，我会通过健身、力量训练来解压。
ZP：对你印象比较大的书/影视作品/人等有哪些？
张晓光：创业类的书《从0 到 1》 《大败局》这些比较多。人的方面，成年以后对我影响最深的就是Dennis Hong教授。Dennis 人非常正直，也是一个很开朗、乐观，他非常有凝聚力，对我来说是亦师亦友。
ZP：有招人的计划吗？期待什么样的人才加入公司？
张晓光：基础要求是希望他或者她具备基础的机器人学的知识储备和技能积累。我们提倡的企业文化是 Do what you love，做你喜欢做的事情。我希望成员非常热爱机器人相关的开发工作，哪怕是拧螺丝都会因为是在给自己喜欢和认可的机器人拧螺丝而觉得这是一份有意义的工作。我们也很喜欢独特的人，有与众不同的经历或者成就，我认为这些朋友们往往在生活和工作上都会更活跃一些，做自己喜欢的事情的时候会更坚定，而且他们的内心也通常更强大。
请注意，此次访谈内容已经过精心编辑，并得到了张晓光的认可。我们也欢迎读者通过留言互动，分享您对本访谈的看法。
Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的创业者访谈。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。
-----------END-----------
