FAIR 訓練AI 玩拳擊，效果堪比真人比賽，試探+周旋+爆頭
https://research.fb.com/wp-content/uploads/2021/06/Control-Strategies-for-Physically-Simulated-Characters-Performing-Two-player-Competitive-Sports.pdf
論文概述
https://research.fb.com/wp-content/uploads/2021/06/Control-Strategies-for-Physically-Simulated-Characters-Performing-Two-player-Competitive-Sports.pdf
▲保羅·馬拉斯科（Paul Marasco）
▲VIVE系列頭顯
▲HTC Vive為VR音樂節Lost Horizon提供直播
▲日本霸天少女隊通過3D錄製參與VR演出
小時候，你是否有過這樣一個夢想：
就像鋼鐵俠一樣，只需要按下胸前衣服上的按鈕，就能瞬間披上戰甲，變得無所不能。也許在未來，我們擁有“特異功能”也並非一件不可能的事。
（來源：Pixabay）
如今，在智能手機的創新逐漸走弱及其市場容量也接近飽和的大背景下，智能可穿戴電子設備已經成為智能終端產業的下一個熱點。而柔性可穿戴電子設備是未來智能可穿戴電子設備發展的熱點研究方向之一。但是，對於柔性可穿戴電子設備而言，電池對其設計和功能有很大影響，由於常規鋰電池比較笨重，難以在可穿戴電子設備中大規模使用。因此，在過去的數10 年中，如何提高可彎曲鋰電池（紡織鋰電池）的能量密度、柔韌性、機械強度和循環穩定性等性能，一直是科學家爭相研究的熱點課題。近日，由複旦大學高分子科學系彭慧勝教授領銜的研究團隊，為解決短纖維鋰離子電池（長度只有幾厘米）在連接中會損害纖維的能量密度和穩定性的問題，研發出了一種長纖維鋰離子電池（fibre lithium-ion batteries，FLIB），並製作了一種不僅可以為手機等外部設備充電、還可以監測人體健康的智能夾克。
（來源：Nature）
相關研究論文以“Scalable production of high-performing woven lithium-ion fibre batteries” 為題，發表在權威期刊Nature 上。復旦大學高分子科學系、先進材料實驗室的彭慧勝教授和陳培寧青年副研究員為該論文的共同通訊作者。
可穿戴電子設備，即直接穿在身上，或整合到衣服或配件上的一種便攜式設備。而智能可穿戴電子設備，則可以通過軟件支持、數據交互、雲端交互來實現強大的功能。如今，隨著現代黑科技的飛速發展，越來越多的可穿戴電子產品出現在我們的日常生活中，為我們提供了極大的便利。例如，早在2012 年就出現的谷歌眼鏡（Google Glass），它擁有與智能手機一樣的功能，可以聲控拍照、視頻通話、上網衝浪，以及處理文字和電子郵件等功能。
（來源：Glass）
當前，可穿戴電子設備的主流產品形態主要包括以手腕為支撐的watch 類（手錶、腕帶等）、以腳為支撐的shoes 類（鞋、襪子或者其他腿上佩戴產品）和以頭部為支撐的Glass 類（眼鏡、頭盔、頭帶等）；非主流產品形態則包括智能服裝、書包、拐杖、配飾等。而柔性智能可穿戴電子設備一般是指具有機械柔性、可以直接或間接與皮膚緊密貼合的電子設備，就像奧特曼、鎧甲勇士的“皮套”一樣，除了具備一定的交互功能，還非常貼合人體。例如，今年3 月份彭慧勝教授團隊發明了一種新奇的智能電子織物 在測試中，這種織物展現出了優異的可拉伸性、透氣性和耐用性，同時該織物還能作為大面積顯示屏，根據不同的數字信號輸入呈現出多元化的內容。相關研究論文也已發表在Nature 上。
圖｜由“智能織物”製成的衣服可顯示出不同的字樣（來源：Nature）
未來，基於纖維或者紗線的柔性電子設備將是下一代多功能柔性可穿戴電子的重點研究方向，這類電子設備不僅具有增強的光電性能和力學性能，還可以實現最小功耗和可持續的自我功能，在集成更多功能後，也有望塑造下一代電子通訊工具。
在此項研究中，研究人員在生產長纖維鋰離子電池方面進行了初步嘗試，在商用鋁線周圍塗覆鋰鈷氧化物以形成正極，並在銅線周圍塗覆石墨以形成負極。而且，為防止出現短路的情況，負纖維電極用商用隔離膜包裹。
圖｜用於產生連續纖維鋰離子電池的裝置原理圖。鈷酸鋰（紅色）和石墨（藍色）漿料分別塗覆在鋁和銅集流器上。乾燥後，用分離器將負極纏繞，然後以優化的節距與正極擰在一起，通過擠壓將其封裝在聚合物複合管中。（來源：該論文）
圖｜a.扭曲結構的纖維鋰離子電池原理圖；b.纖維鋰離子電池的照片；c.可拆卸的纖維鋰離子電池顯示正極、負極、隔膜、封裝管等部件。（來源：該論文）
研究人員手動將正極和隔膜包裹的負極纖維電極纏繞在一起，製成了不同長度（0.1、0.2、0.5 和1 Continue reading
我國台灣地區今年可謂多事之秋，新冠肺炎疫情遲遲未解，剛剛熬過百年一遇的嚴重干旱，又面臨洪澇災害。而連遭天災暴擊的台灣最大晶圓廠、全球芯片代工一哥、島內最大用水用電企業——台積電，卻沒怎麼被危機影響生產進度，就連在同樣遭遇嚴重干旱的美國亞利桑那州所建新廠，當前建設計劃也未受影響。
這背後，台積電多年打磨的企業風險管理措施功不可沒。另據奧地利數據公司World Data Lab統計，已有24億人生活在水資源貧乏的地區。聯合國亦指出，2030年，水資源短缺將使7億人流離失所。全球範圍內，缺水危機頻頻上演，提前預警防範這些突發災害已是各大半導體廠商必行之策。
在全球缺芯的當下，水是芯片製造的基本要素之一。美國水處理設備廠商Water Technology的數據顯示，一家晶圓廠每天需要消耗2000萬加侖到4000萬加侖（約7570萬升-1.5億升）的水來清潔矽片和冷卻設備。如果發生缺水問題，將會嚴重地影響到芯片廠商的生產能力。
因此為了避免水資源短缺的風險，台積電很早之前就建立了包含供水風險在內的企業風險管理系統。
台積電還有氣候相關財務披露特別工作組（TCFD）來確定氣候相關的風險。針對不同的缺水階段，台積電設立了不同的反應程序，以處理短缺情況。
而隨著半導體技術的進步，芯片製造的材料和流程也更加複雜，很多化學用品都是芯片製造的重要原料，極大地增加了晶圓廠對水資源質量和數量的要求。
在這樣的情況下，每一滴水都十分寶貴。Arthur Chuang稱，無論節水效果如何，台積電都不能忽視任何節約用水的機會。
▲台積電每日用水和可用水資源對比（來源：EE Times）
Arthur Chuang在文中寫道，水資源的消耗其實是晶圓廠能源消耗的一個單獨問題。如果想要實現綠色製造，晶圓廠需要能源管理和廢水排放上堅持高標準。
具體到晶圓廠內部，台積電在整個晶圓廠內部建立了能源管理系統，系統中台積電採用了較為高效的IE3和IE4電機和熱回收設備，可以準確地了解每個設施所消耗的能源情況。
同時，台積電開始在晶圓生產中開始減少或避免使用有毒溶劑。據Arthur Chuang分享，如今台積電已不在晶圓清洗環節使用NMP（N-甲基吡咯烷酮）溶劑。該溶劑選擇性強、穩定性好，經常在高精密電子、電路板或鋰電池中用作清洗劑，但是對人體和環境具有一定的毒性。
為了保護水源，台積電還擁有一套可以根據廢水特性和濃度運行的廢水排放分離系統，並禁止使用任何無法自然分解或從水中去除的化學品。
▲台積電水處理槽（來源：台積電）
在這樣的努力下，台積電的環境保護策略已經取得了一定成績。台積電Fab 15位於台中大渡山腳下，與自然環境較為貼合。Fab 15在2020年獲得了可持續水資源管理標準（AWS Standard）的白金證書，這使台積電成為了全球第一家連續2年獲得AWS白金認證的半導體企業。
由於螢火蟲的生長對環境要求較高，尤其是水資源的潔淨程度對其成蟲相當重要。2020年7月，台積電的Fab 15廠區發現了第一隻水生黃螢；截至2021年2月底，Fab 15中已培育了150餘隻蘆生窗螢。這些小生命的出現，側面肯定了台積電對晶圓廠環境的維護。
▲台積電Fab 15中的螢火蟲（來源：台積電）
水處理和回收是台積電節水的重要一環，當前台積電所使用的水源中，85%-90%都是再生水。
去年，台積電位於中國台灣南部科學園區的再生水廠開工，計劃在今年投入使用，以回收工廠廢水，補充城市水源。該再生水廠是中國台灣的首家民營水廠。如果水廠建成，每天可回收5000立方米的水源；到2023年，台積電預計每天回收再生的水資源將達到2萬立方米。
▲台積電再生水廠和Fab 6、Fab Continue reading
▲Mojo Lens
▲Mojo Lens中的畫面
▲Mojo Lens顯示器
▲Mojo Lens的鏡片環繞有多種設備
▲Mojo Lens畫面中的數據標識
\
表1. 包含人類圖像的大規模數據集
波士頓動力一周前發布了一個長達90秒的視頻。在視頻中，Atlas完美地跑完了複雜的障礙賽。
於是有很多網友好奇是什麼黑科技讓機器人可以如此智慧。
機器人該怎麼樣才能像運動員一樣奔跑、翻轉、跳躍？創造這些高能演示的是一個有趣的挑戰，但波士頓的技術目標不僅僅是創造一場華麗的表演。在Atlas項目中，他們以跑酷為實驗主題，通過動態運動，感知和控制之間的聯繫，來研究相關的問題。這些問題的解決有助於機器人更加順暢地運行。
機器人感知算法會被用到相機和激光雷達等傳感器的數據轉換對策和規劃物理行動中。雖然Atlas使用IMU、關節位置和力傳感器來控制其身體並感受地面獲得平衡，但Atlas還需要感知算法來識別障礙物，如圖1中看到的木箱和窄橋：
圖1：這個動畫顯示了一個Atlas機器人深度相機生成的點雲旋轉視圖。
Atlas使用深度相機以每秒15幀的速度生成環境點雲。點雲是距離測量數據的集合。Atlas的感知軟件使用多平面分割的算法從點雲中提取表面。接著算法輸出的數據被輸入地圖系統，最後系統幫助Atlas用相機看到不同物體建立模型。
圖2：具有感知輸出的Atlas渲染。
圖2顯示了Atlas感知到的物體，並經過反饋與計算規劃行動。左上角是深度相機拍攝的紅外圖像。主圖像中的白點形成點雲。橙色輪廓標記了跑酷障礙物檢測到的矩形面，這些矩形面隨著時間的推移被傳感器跟踪。從而幫助Atlas設置特定的行為。例如，綠色的腳印標記下一步在哪裡跳躍和慢跑。
為了擴展跑酷課程，機器人被導入一張高級地圖，其中包括命令它去哪裡，以及路上應該做什麼動作。這張高級地圖與實際課程不完全一致，它是對障礙物位置和一些主要動作的簡要描述。所以Atlas會使用這些簡要的信息來導航，同時使用實時感知數據來填充細節。例如，Atlas尋找一個可以跳躍的盒子，如果盒子移動到側面0.5米，Atlas會在那裡找到並調整姿勢。如果盒子移動得太遠，系統找不到它就會停下來。
圖3：展示機器人對跑酷課程中伙伴的感知的動畫。
這是一個3D可視化動圖，展示了機器人在跑酷障礙跑道上看到的內容和機器人通過內容反饋的計劃。主動跟踪的物體被繪製成綠色，當物體的距離超過感知範圍時，圖標就會從綠色變成紫色。跟踪系統也會不斷跟進物體的姿態傳給導航系統，導航系統會通過地圖上的信息設計好對應物體的綠色腳印。
你在跑酷程序中看到Atlas 執行的每個動作都來自“軌跡優化離線設計”創建的模板。這些模板庫，允許科研人員往庫中添加新的軌跡，添加新的功能。
軌跡優化離線設計，可以讓工程師交互探索機器人能力的極限，並減少機器人的計算量。例如，機器人如何收起四肢做後空翻，這些成就對項目的推進有莫大的幫助。因為這樣可以幫助機器人做到最合理的驅動。科研人員可以利用離線優化捕捉重要的發力點，並使用控制器在線調整它們的動作。
圖4：這種跳馬行為是使用離線軌跡優化設計的複雜全身行為的一個例子。
確定了機器人前面盒子、坡道和障礙的位置，並設計了一系列越過它們的動作。剩下的挑戰是填寫機器人執行計劃所需的細節問題。
Atlas的控制器被稱為模型預測控制器（MPC），因為它使用機器人動力學模型來預測運動將如何演變。控制器的工作原理是優化計算出現在最應該做的事情是什麼，從而盡可能形成好的運動姿態。
如上所述，行為庫中的每個模板都向控制器提供了最優的解決方案。控制器調整力、姿勢和行為時機等細節，應對環境幾何形狀、腳滑或其他實時因素。這樣就可以擁有能夠偏離模板運動的控制，自我創建運動過程。這種解決方案也大大減少了機器人可能需要的場景行為模板。例如，從52厘米的平台上跳下來和40厘米的平台跳下來，MPC會自動弄清楚細節。
圖5：顯示感知和計劃路徑的第一人稱視圖。藍色箭頭對應於MPC對機器人在路線中移動時質心和動量的預測。
MPC的預測特性允許Atlas跨越行為界限。比如，知道跳躍後是後空翻，控制器可以自主創建一個平穩過渡的動作。這也簡化了行為創建問題，研究人員不需要再提前考慮可能的行為序列。不過，MPC的創新是有限度的。例如，試圖從慢跑運動過渡到後空翻是行不通的。
他們對Atlas系統中創建和控制動態行為（也包括舞蹈）有了深刻的理解。但更重要的是，創造了一個可擴展軟件系統的機會，也讓Atlas系統通過感知自身環境做出改變，這個系統將與他們的團隊一起成長。
