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。
国产机器狗圈杀出一位新秀：
一只纯四轮足设计的机器人来了。
不整花活，这只橙黑色小狗能从最朴素的场景中展示出它超凡的运动能力。
先给您来一段灵气十足的“前后搓脚”：
上下楼梯？稳步如飞，并且不需要地形图，完全靠感知搞定：
面对一段斜坡，除了身体与坡平行，它还能身体与地平行（右）：
图片
穿越障碍时，更是毫不费力化身“变形金刚”，伏地前进：
不得不说，如此灵活的商用轮足机器狗，确实很少见。
轮腿优势合二为一
如上这只小狗，名叫W1，来自通用足式机器人公司逐际动力LimX Dynamic。
W1本周一正式对外发布，并从下个季度就可以开始预定。
它的落地领域是2B，实打实地要进厂干活。
所以也没整什么翻跟头跳舞的花活，全部是各种地形演示。
除了上面那些，过单边桥、上马路牙子、磕磕绊绊的草地石板和碎石路，也都是小菜一碟（共计8种地形）。
Ps. 尤其是这个单边桥操作，W1需要一边腿在桥上，一边腿在地上，但身上的水瓶可以说纹丝不动。
如您所见，W1和一众机器狗最大的区别就是轮足设计。
并且不同于腾讯Max机器狗在关节处安轮子的方式，W1直接将普通的原始足部换成了四个非常显眼的圆轮。
为什么这么做？
逐际动力创始人张巍博士解释：
目前普通四足机器人落地的一大限制因素是续航，因为不管面对什么地形，它都只能一步一步地蹬地前进。
而这可以说是非常耗电。那么在实际工厂中，它可能动不动就“趴窝”了。
另一方面，续航上不去，四足机器人的负载也会极其受限。
给机器狗安上四个大轮子，大幅提升它的移动效率，可以一并解决这些痛点。
不过，轮足混合带来的挑战（例如感知干扰、状态估计和运动控制）却是成倍增加的，并且市面上还没有特别成熟的解决方案。
具体而言，张巍博士介绍：
首先在硬件上，无端多出四个轮子的电机，每一个电机都有各种走线，各方面的驱动都要加上去，内部的布局都要重新设计。
但最难的还是控制算法。
如果我们只是加上轮子把它当车开，这件事还算简单。
但实际我们需要把轮子融合在四足机器人的整体里，进行全身控制，就像视频演示中所显示的，很多动作必须得全身、轮子、腿、姿态一起合作完成。
除了轮足融合，W1机器狗的另一大挑战是基于地形的实时感知能力。
在这里，张巍博士重点介绍了它与自动驾驶感知相比最大的两个难点。
首先是在精度上。
自动驾驶感知的是障碍物及周围环境，目的是不要碰到；四足机器人则要非常精细地规划出每一步要踩到哪里，怎么踩下去，使用多少力。这个精度至少为厘米级，而自动驾驶避开障碍物不超过10-20厘米就够了。
其次是实时性。
四轮足机器人需要控制轮子的转速有多快，而这需要实时地、根据当时的感知反馈（比如脚踩的是什么地形）来计算出，可谓相当复杂。相反，自动驾驶的感知不涉及到轮子的控制。
尽管挑战很大，W1团队还是利用他们在地形感知、强化学习、多刚体动力学、混杂动力学、模型预测控制等领域的学术和研发经验，开发出了感知与控制融合的算法框架，最终在W1身上实现了高稳定性、强实时性的控制能力。
例如上下楼梯这一场景，它正是完全靠感知而非盲爬才得以如此稳健。
所谓盲爬，可以理解为设定好了程序，然后靠记忆重播爬楼动作实现上楼，这个过程完全不涉及感知。
也就会导致爬得不稳、不流畅，换一个高度的楼梯就更难完成了。
而有了感知，它才能确保每一步都踩在楼梯的中间。
国产机器狗新秀，要做“地面的大疆”
W1背后的逐际动力，成立于2022年，base深圳，已完成天使轮融资。
尽管成立时间算年轻，但其实技术积累很深厚——
它是南科大产学研背景下孵化出来的一家机器人企业。
此前就在网上发布了很多机器狗相关的算法成果。
比如难度系数拉满的正面下楼梯：
他的创始人张巍则博士毕业于普渡大学电气与计算机工程系（本科是中科大）。
他从2005年就开始从事机器人算法相关的研究，自2011年开始在俄亥俄州立大学电气与计算机工程系任助理教授（现在已为终身教授），并于2019年回国加入南科大。
对于逐际动力的首款四轮足机器人，张巍博士强调：
W1并不是一个行业里的专机，我们要做的是一个通用型平台，可以说是“地面的大疆”。
即和大疆无人机一样，我们要在地面上实现，无论什么地形，我们都能稳定地从a到b。
具体从a到b这个过程中，机器人需要做什么操作，其实跟行业相结合有非常广泛的应用空间，我们要解决的就是一个全地形移动的平台。
而对于W1的商业化路径，张博士也透露：
第一步是固定路线的巡检，因为这个任务技术成熟。
至于目前的定位为什么还是移动平台，他表示：
机器人本质上就解决两个能力，一个是移动，一个是操作。
在移动能力上，我认为四足机器人现在是没有完全解决的，即还没有做到全地形+敏捷移动。这就是我们为什么想成为“地面的大疆”。
至于操作能力，则要跟机械臂扯上关系。
最后，被问及现在最缺什么人才时，张博士脱口而出：
懂硬件的AI人才。
