强化学习训练机器人

核心摘要

迪士尼如何用强化学习等前沿技术，让机器人角色在乐园中像真实生物一样自主互动、表达情感，从而提升沉浸式叙事体验。

干货提炼

主题一：强化学习训练机器人

• 【判断】 强化学习让机器人学习艺术家提供的动作并动态平衡，大幅缩短开发周期。证据：团队用模拟器训练10,000小时（相当于数天），以前需数年，现在数月即可完成；机器人在模拟中学会moonwalk等复杂动作，并能实时平衡。
• 【判断】 机器人从人类动作数据中提取情感和运动知识，实现任意动作的模仿。证据：通过重定向人类动作到机器人形态，即使数据不完美，RL仍能学到如何随时间演化情感并跟踪。

主题二：从原型到落地速度

• 【判断】 迪士尼将机器人从概念到公园落地的周期压缩至数月。证据：Herbie从概念到在迪士尼乐园出现仅3个月，与《神奇四侠》电影同步；BDX droids从原型到三部机器人在公园巡游不到一年。
• 【判断】 快速迭代依赖模块化设计和3D打印。证据：早期使用3D打印部件和现成执行器，先构建不完美系统，再通过软件理解行为；第一台执行器测试台后，RL行走首次即成功。

主题三：机器人自主性与感知

• 【判断】 通过摄像头和空间AI，机器人能理解环境、感知游客动作并做出反应。证据：BDX droids装备双摄像头，实时提取游客姿态（如举手、靠近），用于自主互动；机器人每250毫秒检查传感器，微调平衡以保持稳定。
• 【判断】 自主性使机器人能持续表演，无需人工干预。证据：在“droid录音工作室”中，创作者可编排脚本并测试，机器人现场回放；团队目标是让机器人自主完成表演并与最多游客互动。

主题四：跨公司合作推动技术突破

• 【判断】 与Nvidia、Google DeepMind合作开发模拟器牛顿（Newton），实现复杂机构精确模拟。证据：模拟器Kamino能建模闭链机构（如远程联动关节），支持机器人训练；迪士尼利用Nvidia的芯片和GPU，专注情感和连接，而非硬件底层。
• 【判断】 与Epic Games、Meta合作增强乐园体验。证据：千禧隼号使用Unreal Engine实时渲染，结合Nvidia硬件实现更高画质；与Meta合作利用Ray-Ban智能眼镜，为游客提供虚拟导游和信息查询，增强共享体验而不破坏沉浸感。

高光金句

• ❝ "The goal there is really to extend the simulator to all kinds of systems, basically being able to model any kind of mechanism with closed kinematic loops." ❞
• ❝ "If we're not failing, we're not really pushing the boundaries." ❞
• ❝ "We're not just using technology for technology's sake. We're using it in service of that story that we're really going for." ❞

提及资源

• 本集暂无提及外部资源
• 人物/公司/组织：Nvidia - 合作提供芯片和模拟技术；Google DeepMind - 合作开发牛顿模拟器；Epic Games - 合作优化Unreal Engine在多屏环境下的表现；Meta - 合作提供智能眼镜技术；ETH Zurich - 合作培养机器人学博士项目；Jon Favreau - 导演，将BDX droids引入《曼达洛人》电影。