天才研究員研發機器人全具身大腦，斷腿后依然行走自如

哈嘍，大家好，我是小墨，你敢信嗎？電鋸鋸斷機器人的腿，它踉蹌兩下居然能重新站穩走路，這段去年火遍社交網絡的測試視頻，來自成立不到兩年的Skild AI。

主導這項核心技術的創始研究員Ananye，今年才26歲，還剛入選了《麻省理工科技評論》“35歲以下科技創新35人”榜單。

這家公司的成長速度同樣瘋狂，2024年7月A輪融資估值15億美元，投資方有貝索斯、軟銀這些大佬；不到一年B輪融資后，估值直接飆到45億美元，英偉達、三星都搶著入局。

他們靠的不是噱頭，而是那個能讓機器人斷腿后自適應的“全具身大腦”，Skild Brain。

Ananye的科研路，從高中就自帶光環。他是國際物理奧林匹克金牌得主，還收到過MIT的錄取通知，最終卻選擇留在印度IIT Delhi。用他的話說，這里的校友網絡和學術氛圍，絲毫不輸頂尖名校。

真正讓他轉向機器人領域的，是博士階段在卡耐基梅隆大學的經歷。當時他的導師Deepak展示了一款機器狗，能在泥地、油面等復雜地形行走，被推搡也能穩住，但有個致命缺陷——“瞎”，遇到樓梯就會卡住。

Ananye接手后，用了整整三年重構系統。傳統機器狗靠激光雷達導航，成本高到普通人承受不起。他偏偏用一個300美元的單深度攝像頭，搭配循環記憶網絡，讓機器狗“記住”半秒前看到的路況，硬生生解決了視覺盲區問題。

這個成果直接拿了最佳論文獎，還驚動了波士頓動力的創始人Marc Raibert。老爺子特意跑到CMU看演示，拍著視頻說要帶回去給工程師參考。有意思的是，那之后波士頓動力就從傳統控制技術，轉向了Ananye團隊用的強化學習路線。

他還干過一件顛覆行業的事。市面上的靈巧機械手動輒幾萬美元，壞了維修要等兩個月。他和朋友聯手研發出開源的Leap Hand，成本只要一兩千美元，零件壞了3D打印就能換，現在幾乎每個機器人實驗室都在用。

Skild AI的核心技術，說穿了就是“用大規模模擬練出通用能力”。傳統機器人訓練要么靠真人遠程操控采數據，成本高還沒法規模化；要么只在單一模擬環境訓練，到了現實中就失靈。

Ananye團隊的解法堪稱巧妙。他們不模擬特定機器人，而是在系統里生成成千上萬個“隨機機器人”，腿長、剛度、重量全是隨機參數，再給它們設定三個簡單目標：不摔倒、聽指令、省能量。用大量GPU并行運算，一天就能模擬出6年的訓練數據。

他們創造出十萬個“平行宇宙”，每個宇宙的摩擦力、光照、攝像頭延遲都不同。機器人在這種環境里練出的自適應能力，到了現實世界自然游刃有余。就像那個被鋸斷腿的四足機器人，它從沒見過自己“半截腿”的樣子，但在模擬中經歷過無數類似的參數突變，自然能快速調整步態。

為了提升訓練效率，他還研發了新算法SAPG。傳統算法讓一萬個機器人做同樣動作，浪費算力。SAPG讓每個機器人嘗試不同動作，一旦有個機器人找到最優解，其他機器人立刻共享數據。用這個算法，他們讓兩個機械臂配合移動立方體，甚至練出了“扔接”的高難度動作，而傳統算法連門都摸不到。

現在的Skild Brain已經能完成不少精細活，工廠里給AirPods裝充電盒的重復工作，它能精準完成；把機器人放在陌生環境，它能自己建地圖導航，有人突然跳到前面也能及時避讓。

最厲害的是跨硬件適配，不管是四足機器人還是人形機器人，它都能直接控制。

這一點已經在實際場景中驗證。國內的宇樹機器人沒給過任何參數，Skild Brain就能直接適配，讓它在崎嶇路面穩定行走。原因很簡單，它在模擬中見過無數種腿型和結構，宇樹機器人只是其中一種“參數組合”。

Ananye認為，機器人最先落地的場景會是工廠。像富士康的iPhone組裝線，很多工序因為產品有微小公差，只能靠人工完成。Skild Brain能適應這種差異，24小時不間斷工作，還不會疲勞。

對于“機器人取代人類”的焦慮，他看得很開。就像工業革命淘汰了體力活，卻催生了營銷、咨詢等新職業。未來繁重的體力勞動被機器人接手，人類反而能有更多時間搞藝術、做科研。他理想中的“后稀缺世界”，是只需要投入原材料，機器人大腦就能完成從制造到交付的全流程。

Skild AI的突破在于用模擬訓練打破了機器人的“專用魔咒”，26歲Ananye的研究證明了通用機器人大腦的可行性。

按照他的預測，真正的終極模型還需要十年，但現在的技術已經在工廠等場景展現出巨大價值，這場機器人革命已經拉開序幕。