他去遛了波士顿动力机器狗!不停地说Amazing…(附翻车现场)

作者: 乾明 2020-02-10 09:52:27

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

世界首富贝佐斯之后,又有人去遛波士顿动力的机器狗了。

他去遛了波士顿动力机器狗!不停地说Amazing…(附翻车现场)

他还把遛狗过程录了下来,传到了网上,现在播放量已经数百万…

他就是前《流言终结者》主持人Adam Savage,前不久收到了自己的波士顿动力机器狗。

并带它去外面的山坡上溜了一圈,对机器狗Spot进行了测评。

这也是当前为数不多的第三方对波士顿动力机器狗进行测评。

虽然性能一如既往强悍,但还是有不少翻车现场。

遛机器狗是怎样的体验?

从Adam Savage的视频来看,会不停地说着Amazing…

首先,Savage去测试了机器狗Spot在岩石上行走的能力:

接着让它穿过管道:

然后是爬楼梯看风景:

然后一起爬山坡:

“每次看到它的时候,我都会令人惊叹它的工程设计,”Savage在视频中说:“实际上,看着它有条不紊地跑动,你就会对Spot是一个奇迹有更深的感受。”

而且,在视频中,Savage也会与Spot交流,显然已经把它当做一条真正的大黄狗了。

开源SDK!波士顿动力的新动作

这次Adam Savage拿到机器狗背后,也有一个波士顿动力的新动作:

赋予娱乐工作人员和工程师们为Spot开发和部署自定义的硬件和软件,并通过各种娱乐应用来展示机器狗的灵活性。

目前,允许用户自定义机器狗的Spot SDK已经在GitHub上开源了(地址在文末)。

Adam Savage在视频中透露,他也会借助这个SDK对机器狗Spot进行训练。

遗憾的是,波士顿动力的机器狗仍旧只对少数人出租。

按照波士顿动力过去的计划,今年至少会有1000台机器狗走下产线。也会是他们大力商业化的一年。

最后,附上一些Adam Savage遛狗视频中的一些翻车现场,也能让我们从另外一个角度感受到这条机器狗的魅力~

没办法俯下身来,Spot直接卡在横栏下面:

爬石头堆的时候,不小心脚滑了:

踏空了:

是的,机器狗也不是上天入地无所不能,但带它爬山坡还是很Amazing的…

最后附上传送门:

遛狗视频:

https://www.youtube.com/watch?v=k7s1sr4JdlI

Spot SDK开源地址:https://github.com/boston-dynamics/spot-sdk

人工智能 机器学习 技术
上一篇:史上一次超大规模AI抗疫 下一篇:法国人形机器人Reachy,开源+模块化,最复杂的树莓派机器人之一!
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载