一 整体介绍
Lizzy：好的，谢谢你，埃隆。
好的，你们今天已经看到了几个机器人，让我们快速的回顾一下时间线。去年我们公布了特斯拉机器人的概念，但一个概念远远不够，我们知道，我们需要一个真正的开发和集成平台，尽快在实践中进行学习。
那个出场为你们进行了表演的机器人，我们用6个月就制作完成了，并在此后的几个月内进行了软件集成和硬件升级。但与此同时，我们也在设计下一代的机器人，这边的这个机器人。这个家伙，植根于车辆设计工艺的基础之上，我们正在利用我们已经拥有的所有这些经验。
显然，从去年开始，有很多事情发生了变化，但你会发现，有几点仍然没变。我们仍然非常细致地关注真实人类的形态。我们认为这很重要，这里有几个原因，不过不重要。我们花了很多时间来思考人类的身体是多么的神奇，我们有令人难以置信的运动范围，通常有着非常惊人的力量。
一个有趣的测试是，如果你把指尖放在你面前的椅子上，你会注意到，你的肩部和肘部拥有巨大的运动范围，不需要移动你的指尖，你就可以往各个方向移动这些关节。
但对于机器人而言，它的主要功能是做真正有用的事情，它也许不一定马上就需要所有这些自由度。因此，我们把它缩减到最低限度，28个基础自由度，除此之外，当然还有手部。
人类在某些事情上的效率很高，而其他事情就没那么高。比如说，我们可以吃少量的食物，就能维持几个小时的生命，这很棒。但我们只是坐着的时候，无意冒犯，我们是很低效的，我们只是在消耗能量。
在机器人平台上，我们的计划是，我们打算尽量减少空闲时的耗电，把它降到尽可能低的水平。这样一来，我们只要切换开关，机器人就会进入能做有用工作的状态。
让我们来仔细聊聊这最新一代的机器人，好吧。在屏幕上，你看到橙色的部分是驱动器，我们稍后会具体介绍，蓝色是我们的电气系统。
既然我们进行了基于人类的研究，也拥有了我们第一个开发平台，我们就可以从这个设计出发，开展研究，开始执行。再次强调，我们采用了车辆设计的基础，从概念到设计和分析，到建造和验证。在这个过程中，我们对成本和效率等因素进行优化，因为最终，这些都是这个产品走向规模化的关键指标。
我们如何做到这一点？
我们减少我们的零件数量，尽量降低每一个元素的功耗。
我们减少四肢的传感和布线，你可以想象，你的手脚末端如果很重，移动起来就会很困难，而且很耗电。
我们把电源和计算都集中到平台的物理中心。在躯干的内部，我们安装了电池组，它有2.3度电，这对于一整天的使用来说是完美的配置。这个电池组的独特之处在于，所有电池电子元件都集成在电池组一块PCB上，这意味着，从传感到熔断，充电管理和电源分配，所有功能都在一个地方。
我们正利用我们的汽车和能源产品，把所有这些关键功能集成到该电池中。这是精简制造工艺，真正有效而简单的冷却方法，电池管理，以及安全性。当然，我们可以利用特斯拉现有的基础设施和供应链来开展生产。
接下来是大脑，它不在头部，但很接近。同样在躯干里，我们安装了中央计算机。如各位所知，特斯拉已经在我们生产的每辆汽车上配备了FSD计算机。我们想利用autopilot的硬件和软件来开发人形机器人平台，但因为它的需求和外形因素不同，我们首先要作出一些改变。
它要能做人脑所做的一切事情：处理视觉数据，根据多传感器输入做出极快速的决定，还有通信。为了支持通信，它配备了无线连接以及音频支持。然后，它还具有硬件级别的安全功能，这对于保护机器人和机器人周围的人都很重要。
现在我们完成了核心部分，我们需要在这个家伙身上安装四肢。我们很乐意向大家展示我们的执行器和我们功能齐全的双手，但在此之前，我想邀请Malcolm，他会介绍一下我们机器人的结构基础。
二 结构基础
Malcolm：谢谢Lizzy。
特斯拉有能力实现高度复杂的系统，它们比碰撞要复杂得多。这里你可以看到，Model 3的碰撞仿真，叠加真实的物理碰撞，它的准确程度令人难以置信。
这个仿真模型究竟有多复杂性？它包括每一个螺栓，每一个焊点，而且有3500万个自由度，非常惊人。可以说，如果没有这样的模型，我们就没法生产出世界上最安全的汽车。
那么，我们是否能利用我们在汽车端的能力和方法，来影响机器人呢？嗯，我们可以制作一个模型。
既然我们有碰撞软件，我们可以使用同样的软件，我们可以让它摔倒，目的是为了确保：当然最好是别摔，但如果摔倒，也只是表面损伤。例如，我们不想让它的手臂齿轮箱断裂，那相当于机器人肩膀脱臼，修起来既困难又昂贵。我们希望它振作起来，继续完成它的任务。
如果我们也能采用同样的模型，用之前现成模型的输入来驱动驱动器，进行实时仿真。这是机器人为完成我们的任务需要做出的动作，这些任务包括拿起箱子，转身，下蹲，上楼。不管什么任务，我们都可以用这个模型进行仿真。
这里展示的，是简单的行走，我们可以生成所有零部件的应力，以帮助我们优化这些部件。
这些并不是跳舞机器人，它们实际上是机器人的模式化行为，前五种模式。通常，人们在生产机器人时，他们会确保首个模式的频率是大几赫兹，最高10赫兹。这样做，是为了让对于行走的控制更容易，如果你不能保证脚的准确移动，就很难走路了。
生产一个机器人还可以，我们想要生产几千个，也许几百万个。用碳纤维和钛进行生产，太奢侈了，我们想用塑料，并不太硬的材料来生产机器人。我们不能有这么高的要求，我叫它们傻要求，我们必须用低要求的材料就让它运行，这能行吗？
如果你想一想，很抱歉，但我们自己也只是一些胶状物体和骨头的组合。我们的频率不高，如果我单腿站立，我的震动频率不会超过10赫兹。我们人类是以低频工作的，所以机器人实际上也可以，只是控制会变得更难。
我们从这里获取信息，模式化数据和刚度，并将其输入控制系统，让它能够行走。
稍微转换下话题，看看膝盖，我们可以从生物学得到一些启发，我们可以看看，膝关节的结构优势是什么。事实证明，它实际上与四连杆结构非常相似，具有相当高的非线性。
这并不奇怪，因为当你弯腿的时候，膝盖上的扭矩，在弯曲时要比在伸直时大得多，你会期望这是一个非线性函数。事实上，生物学的确是非线性的，这就相当契合了。
这就是四连杆，它显然不是物理上的四连杆，但特征是相似的。
弯曲膝盖，还种说法不是很科学，让我们更科学一点吧。我们通过这张图，展示了所有的任务。这里展示的是，捡东西，走路，下蹲，对于不同任务计算的应力。这里，纵轴是膝盖的扭矩，和横轴膝盖弯曲程度的对应关系。
这显示了，为完成所有这些任务，膝关节的需求是什么样的，然后用一条曲线连接各个波峰，这就是，让机器人完成这些任务所需的膝关节扭矩。
我们看一下四连杆，也就是这条绿色曲线。这是说，四连杆的非线性，在这里力学特征被线性化了。这实际上说明，这个结构降低了力量的要求，能让驱动器只拥有最小的力量。这是最有效的，因为我们想慢慢地消耗能量。
蓝色曲线是什么？蓝色曲线表示的是，如果我们没有四连杆，如果大腿下是机械臂，用驱动器连接，一个简单的二连杆，这是采用二连杆你能得到的最好参数。它表明，这将需要驱动器产生大得多的力，就会很低效。
那么，实际运行是什么样子呢？正如你所看到的，连接装置紧密的包裹在膝盖中。等它一会儿变透明，你会在那里看到四连杆。它是基于驱动器运行的，这决定了驱动器的力和位移。
接下来请Constantinos给大家介绍，生产，设计和优化这些驱动器的细节。谢谢！
三 驱动器(actuator)
Constantinos：谢谢Malcolm。
我想谈谈，我们机器人的设计流程和驱动器组合。
谈到动力系统的设计，在汽车和机器人之间有许多相似之处，这里最重要的因素，是耗能，质量和成本。我们将汽车上的大部分设计经验带到了机器人上。
在这个例子里，你看到一辆有两个驱动单元的汽车，这两个驱动单元用来将汽车从0加速到60英里时速。而机器人有28个驱动器。
在驱动器层面，任务并不清晰，我们有更高层次的任务，如走路，爬楼梯或搬运重物，这些都需要转化为关节的参数规格。因此，我们使用我们的模型，为关节生成扭矩，速度和轨迹，这些数据然后输入给我们的优化模型，并运行优化流程。
这是机器人能够完成的其中一个任务，转弯并行走。有了扭矩，速度和轨迹之后，我们画出驱动器的效率图，我们可以沿着这个轨迹，生成任务的功耗和累积能耗与时间的关系。这样我们就能定义特定驱动器的系统成本，并把一个简单的点放入云中。然后，在我们的集群中求解，我们为成千上万的驱动器重复同样的计算。
红线表示帕累托前沿，这是我们要寻找的最佳区域，X表示我们为这个特定关节所选的最佳驱动器设计。现在，我们需要对每个关节都做同样的事情。我们有28个关节需要进行优化，对于每个关节的规格参数，我们再次解析我们的云。这次的红色X表示每个关节的定制驱动器设计。
这里的问题是，我们有太多独特的驱动器设计。即使我们利用了对称性，仍然有太多设计。为了促成大规模生产，我们需要减少独特驱动器设计的数量。因此，我们进行一个称之为共同性研究的任务，再次解析我们的云，这次，是为了寻找那些能同时满足一个以上关节的性能要求的驱动器。
最终的组合是六个驱动器，它们以彩图的形式显示在中间的图上。在这张幻灯片上，也可以看到这些驱动器：三个旋转驱动器和三个线性驱动器。
所有的驱动器都有很大的输出力量或单位质量扭矩，特别是，旋转驱动器集成了一个机械离合器。在高速侧，是角接触球轴承；在低速侧，是一个交叉滚柱轴承，而齿轮组是一个应变波齿轮。
这里有三个集成的传感器，以及定制的永磁机。线性驱动器... 不好意思，线性驱动器有行星滚柱，和一个倒置的行星螺杆作为齿轮组，这保证了效率，紧凑性和耐用度。
为了证明我们线性驱动器的能力，我们设计了一个实验，以测试它的极限。请你们欣赏这段视频。
我们的驱动器能够举起，一架重达半吨，九英尺长的音乐会大钢琴。这是一个需求，不是可以选择性实现的功能。因为当我们的肌肉被直接驱动时，它们也能做到这一点。当被直接驱动时，我们的肱四头肌可以同样做到这一点。
只不过，膝关节是一个上齿轮联动系统，在脚跟末端处把力转化为速度，从而给人体带来了灵活性。这是人类身体最神奇的地方之一。
我的发言到此结束。我想欢迎我的同事Mike，他将谈谈关于手的设计。非常感谢大家！
四 手的设计
Mike：谢谢Constantinos。
我们刚才看到了人类和仿人驱动器的强大，然而，人类也非常灵巧。人手有能力以每秒300度的速度转动，它有数以万计的触觉传感，它有能力抓取和操纵我们日常生活中的几乎所有物体。
我们的机器人手的设计，受到了生物学的启发。我们有五个手指，一个可对立的拇指。我们的手指由金属肌腱驱动，既灵活又坚固。我们具有完成大范围用力抓取的能力，同时，也为精准的抓取很薄很小的物体进行了优化。
那么，为什么选择仿人的机器手呢？
主要原因是，我们的工厂和我们周围的世界被设计成符合人体工程学。这意味着，它确保了我们工厂里的物体是可以被抓取的。它也确保了，新的物体，我们可能前所未见的物体，可以被人手，也可以被我们的机器手所抓取。
反过来说，也很有意思，因为反过来说，这些物体是为我们的手而设计的，而不是让我们的手做出改变，以迎合一个新的物体。
关于我们手的一些基本数据是，它有6个驱动器和11个自由度。它有一个手内控制器，可以驱动手指并接收传感器反馈。传感器反馈，对于了解我们正在抓取的物体和本体感受非常重要，这是让我们能识别我们手的空间位置的能力。
我们手的一个重要方面是，它具有适应性。这种适应性主要是指复杂的机制，使手能够适应于被抓取的物体。另一个重要的部分是，我们有一个不能反向驱动的手指驱动装置。这种抓取机制使我们能够握住并运送物体，而不需要打开手部马达。
你们刚刚听到了我们是如何设计特斯拉机器人的硬件的，现在请Milan和我们的自动驾驶团队，把这个机器人带入现实世界。
五 autopilot的应用
Milan：谢谢Mike。
好的，我们在视频中所展示的所有这些很酷的内容，都是在短短几个月内完成的。感谢过去几年里我们在autopilot上取得的出色进展，大部分的组件都可以很容易地移植到机器人的环境中。
你可以想一想，这只是把轮子上的机器人，变成长了腿的机器人而已。其中某些组件是非常相似的，而另一些则需要我们付出更多的工作。例如，我们的视觉神经网络，直接从autopilot移植到了机器人的环境中。
这就是稍后autopilot团队将要进一步介绍的占用网络。在这个视频里，同一个网络现在运行在机器人上，唯一改变的是我们必须为此重新收集的训练数据。
我们还在努力寻找方法，利用神经辐射场方面的工作来改进这些占用网络，来获得机器人周围环境良好的体积深度渲染。例如，这里是一些机器人需要与之互动的机器。
另一个有趣的问题是，在室内环境中，大多数情况都没有GPS信号，你怎么让它导航到目的地呢？比如，找到离它最近的充电站。
我们一直在训练更多神经网络，在机器人摄像帧流中识别高频特征和关键点，并随着机器人在环境中导航，进行跨帧跨时间的跟踪。利用这些点，能更好地估计机器人的姿势，以及它在工作环境中的行走轨迹。
我们还在仿真方面做了不少工作。这就是autopilot仿真器，我们整合了机器人的运动代码。
这是一段视频，演示了在autopilot模拟器中运行运动控制的代码，展示了机器人行走的演变过程。
可以看到，我们四月份开始的时候，行走速度相当缓慢。而过去几个月，随着解锁更多关节和更多高级技术，如手臂平衡，它开始加速。
当我们从汽车转到机器人环境时，运动是一个非常不同的组成部分，因此，我认为需要作些更深入的介绍。请我的同事们上台介绍。
六 机器人的行走
Felix：谢谢Milan，大家好，我是Felix，我是这个项目的机器人工程师。我现在要介绍的是行走。
行走似乎很容易，对吧？人们每天都在行走，你甚至不需要考虑这个问题。但从工程的角度来看，行走从某些方面来说是有挑战性的。
例如，物理上的自我感知，这意味着，对于自身有一个良好的表示：四肢的长度是多少，四肢的质量是多少，脚的大小是多少，所有这些都很重要。
通过实现能效步态，你可以想象，有不同的行走方式，而它们都同样高效。最重要的是，保持平衡，不能摔倒，当然，还要协调所有肢体的运动。人类能自然而然地做到这一切，但作为工程师或机器人专家，我们必须考虑这些问题。
接下来我要介绍，如何在运动规划和控制技术栈中解决这些问题。
我们从运动规划开始，以及我们对于结合点的表示开始。对于机器人的表示，包含机器人的运动学，动力学和接触属性。对于机器人使用该模型和理想的路径，我们的运动规划器为整个系统生成了参考轨迹。这意味着，在我们模型的假设条件下可行的轨迹。
规划器目前分三个步骤工作，从规划脚步开始，以生成系统的完整运动结束。让我们更深入地了解一下工作原理。
在这段视频中，我们可以看到，在规划范围内，按照期望的路径规划脚步。我们从这里开始，然后添加轨迹以连接所有的脚步。就像人类那样，用脚趾和脚跟着地，这样我们就有了更大的步幅和更少的膝关节弯曲，以保证系统的高效率。
最后一个阶段是寻找质心的轨迹，以获得整个系统可以保持动态平衡的运动轨迹。
理想虽好，也必须要照进现实。让我们看看，如何做到这一点。
七 运动控制
Arnold：谢谢你，Felix，大家好，我叫Arnold，我将谈谈控制问题。
让我们把Felix刚才谈到的运动规划，放到现实世界一个真正的机器人上。让我们看看会发生什么。它走几步，就摔倒了，这有点让人失望。
我们还缺几个能让它真正行走的关键要素。
如Felix所说，运动规划器使用它自身的理想版本，和周围环境的现实版本，这并不完全正确。它也通过轨迹和扭力来表达它的意图，即它想要施加于世界，用以行走的力和扭矩。
现实远比任何类似模型复杂得多，而且，机器人并不是一个简化模型，它包含振动，各种模式，妥协行为，传感器噪音等等。那么，把机器人放在现实世界中时，它对于现实世界有什么影响？
呃，意外的力导致了未经建模的动态变化，出乎规划器的意料之外，而且这将导致不稳定，特别是对于一个动态稳定的系统，比如双足运动，更是如此。
对此，我们能做些什么呢？
好吧，我们对现实进行测量。我们用传感器和我们对于世界的理解，来进行状态估计。
在这里，可以看到骨盆的位置和姿态，这基本是由人类前庭系统控制的。当机器人在办公室环境中行走时，我们对质心的轨迹进行跟踪。我们有了用于完成闭环所需的所有信息，我们使用更好的机器人模型，我们使用通过状态估计获得的对于现实的理解，并把我们想要的，和现实对于我们的影响进行比较，以对机器人的行为加以修正。
在这个例子里，机器人当然不喜欢被人戳一下，但它在保持直立方面的表现也令人钦佩。
最后一点，一个会行走的机器人是不够的，要变得有用，还需要使用它的手和胳膊，让我们来谈谈操纵问题。
八 操纵物体
Eric：大家好，我叫Eric，特斯拉机器人团队，机器人工程师。
我想谈谈，我们是如何让机器人在现实世界中操纵物体的。我们希望操纵物体能尽可能的自然，并能快速的完成任务。
我们的做法是，我们把这个过程分成了两个步骤。首先，生成一个自然运动的参照库，我们可以把它们称之为“示范”。然后，我们在线调整这些运动参考，以适应当前真实世界的状况。
比如说，我们有一个人类拿起一个物体的示范动作。我们可以得到这个示范的运动捕捉，在这里，它被可视化为一系列关键帧，代表手部，肘部和躯干的位置。我们可以使用反向运动学将其映射到机器人上。
我们如果收集了很多这样的示范动作，就有了一个可用的库。
但是，单一的示范并不能适用于现实世界中的各种变化。例如，这个示范只适用于一个位于特定位置的盒子。因此，我们还通过一个轨迹优化程序，运行这些参考轨迹，按现实世界调整运动，解决手放哪里，机器人如何保持平衡的问题。
比如，如果盒子在这个位置，那么，我们的优化程序就会创建这个不同的轨迹。
接下来，Milan会讲讲擎小柱，特斯拉机器人的下一步计划，谢谢。
八 擎小柱的下一步计划
Milan：谢谢Eric。
好的，希望到目前为止，你们对我们过去几个月的工作有了很好的了解。我们开始实现一个可用的机器人，但还远远没有达到有用的程度。我们前面还有一条漫长而又令人激动的道路。
我认为，在未来几周内，我们需要完成的首要任务，是让擎小柱至少追平甚至超越小黄蜂，你们之前看到的那个机器人原型。
我们还将在我们的一家工厂内，开始专注于真正的使用场景，并致力于真正解决问题，彻底夯实将这个产品部署到现实世界的所有要素：我之前提到过，室内导航，优雅的全面管理或服务，规模化这个产品所需的所有组件。
我不知道你们的想法，但在看到我们今晚所展示的内容之后，我很肯定，我们可以在未来几个月或几年内完成这个目标，把这个产品变成现实，并改变整个经济。
我想感谢整个擎小柱团队在过去几个月的努力工作，我认为他们的工作非常出色，这一切都是在短短的六到八个月内完成的。非常感谢你们！
(以上)
联系客服
