第15章　论断：2013年（约 2013 年）

协作机器人的市场在2011年前后确实开启了。优傲机器人的UR5在丹麦产线上执行拾放和组装任务，库卡在2013年汉诺威工业博览会上展示了LBR iiwa的力控能力，ABB推出了双臂协作原型FRIDA。但那些在新闻稿和展会演示中被反复描绘的场景——机器人与人并肩工作，无需围栏隔离，在同一个工位上灵活切换任务——在真实产线上仍然稀少。双臂协调操作在实验室视频中看起来流畅自然，但在产线上，节拍时间以秒计算，成本约束以分计算，可靠性要求以千分之一的故障率衡量。力位混合控制算法在理想条件下可以精确调节接触力，但工件来料的尺寸偏差、夹具磨损导致的定位偏移、环境温度变化引起的金属热胀冷缩，每一个变量都在侵蚀算法的稳定性。

视觉-力觉融合听起来是一个完美的方案：摄像头识别工件位置，力传感器感知接触状态，两者结合让机器人具备了类似人类手眼协调的能力。但在实际部署中，视觉系统在车间照明波动下的识别准确率，力传感器在重复接触冲击下的零点漂移，以及两种信号在时间轴上的同步误差，将这套方案的调试周期从几天拉长到几周甚至几个月。这些压力不是任何一个技术突破能够单独消解的。它们构成了一个系统性的困局：协作机器人的技术能力边界，远远小于产业想象力所投射的边界。把这个困局放在2011年前后的时间点上，它看起来像是一个工程成熟度的问题。再多几年的迭代，算法会稳定下来，传感器会变得更精确，成本会下降，产业会找到它的节奏。这个判断本身并不错误，但它忽略了一个更深层的结构性问题。工业协作机器人所面对的困难——在固定工位上执行精细操作，处理工件来料的不确定性——只是机器人进入人类世界所面临的困难中，最简单的那一部分。

因为在工厂里，无论环境多么不完美，它仍然是一个被设计过的空间。地面是平整的。工件的几何形状是已知的。任务序列是预先定义的。机器人不需要理解环境，它只需要在有限的变量范围内保持足够的鲁棒性。真正的困难在工厂围墙之外。在那里，地面可能是不平整的碎石路，门把手可能已经变形，楼梯的台阶高度不一致，任务的目标只能在现场根据实时信息判断。在那里，机器人必须能够感知一个它从未见过的环境，自主决定如何移动和操作，并且在失败后——不是停机等待工程师重新编程，而是自己站起来继续工作。

把时间拨回到2013年。在这一年，一个由美国政府资助的竞赛项目，将上述这些仍然属于科幻想象的要求，变成了一个公开的、可测量的、必须在裁判和摄像机面前完成的任务清单。这个竞赛的名字叫DARPA机器人挑战赛（DARPA Robotics Challenge，简称DRC）。它的诞生，与两年零九个月前发生在日本东北部太平洋沿岸的一场灾难直接相关。

2011年3月11日，福岛第一核电站在地震和海啸中失去了所有交流电源。在随后的日子里，三个反应堆堆芯发生熔毁，放射性物质泄漏到环境中，厂房内的辐射水平在数小时内攀升到人类无法进入的程度。东京电力公司和日本政府面临一个在工程史上几乎前所未有的操作困境。许多应急措施——打开某个阀门以释放氢气压力，关闭某个开关以重新配置冷却水回路，进入某个区域以评估结构损伤——仍然需要有人去执行。这些操作本身并不复杂，一个经过基本培训的技术人员穿着防护服就可以完成。问题是防护服挡不住那种强度的辐射。人类进不去。

理论上，机器人应该进去。日本拥有全球最发达的工业机器人产业，FANUC的黄色机械臂从1984年起就在汽车焊接线上以每年数千台的速度部署，安川电机的伺服电机驱动着从半导体封装到金属切割的无数自动化设备。但工业机械臂被固定在钢铁底座上，被围栏隔离，被精确编程，在一个完全已知和可控的环境中运行。福岛核电站的废墟是这种环境的反面。地面布满碎石和扭曲的金属构件，门的把手已经变形，阀门的位置与设计图纸存在偏差，楼梯的台阶高度不一致，照明忽明忽暗甚至完全缺失。当时投入使用的几台遥操作履带式机器人，要么在瓦砾堆中卡住，要么因为辐射对电子元件的干扰而失灵，要么根本无法完成那些对人类来说稀松平常但对机器人来说极其复杂的操作——走下一段楼梯，推开一扇防火门，拧动一个生锈的阀门。

这件事对全球机器人学界产生的震动，不在于暴露了机器人技术的落后。从任何技术指标来看，2011年的机器人已经比二十年前强大了太多。震动来自一个系统性的错配。机器人学界在过去三十年中积累的能力——高精度重复定位、高速运动轨迹规划、在结构化环境中的自主作业——与灾难响应场景真正需要的能力——在非结构化环境中的移动、感知和灵巧操作——之间存在一个巨大的缺口。这个缺口不是某一个技术的缺失，而是一整套能力的缺失。感知、规划、控制、执行，每一个环节都需要在非结构化的条件下重新设计和整合。而福岛事故表明，填补这个缺口不是一个学术兴趣问题，而是一个具有真实紧迫性的社会需求问题。如果人类建造了核电站、化工厂、海上钻井平台——这些设施一旦发生事故就会产生人类无法进入的危险区域——那么人类就有责任发展出能够在这些区域替代人类执行应急操作的机器人系统。

DARPA的回应速度之快，在政府资助机构的历史上并不多见。福岛事故发生仅七个月后，2011年10月，DARPA就宣布了机器人挑战赛的基本框架。2012年4月，正式的竞赛公告发布。公告的措辞没有任何修饰：DRC的目标是开发能够在危险的、人类无法进入的工程化环境中执行复杂任务的机器人系统。公告列出了一个具体的任务清单：驾驶多用途车辆、走过碎石路面、移除障碍物、开门并进入建筑物、爬一段工业梯子、用工具打破混凝土面板、找到并关闭破裂管道附近的阀门、连接消防水管并打开喷头。这个清单不是从某个学术委员会的讨论中产生的。它几乎就是对福岛事故中应急人员实际面临的操作困难的一个系统性抽象。每一项任务都对应着一种在真实灾难响应中可能需要执行的操作，每一项任务也都对应着机器人学中一个长期未解决的工程难题。驾驶车辆要求机器人在狭小的操作空间内协调双腿、双臂和视觉系统，同时处理方向盘、油门踏板和刹车踏板的力反馈。走过碎石路面要求双脚在每一步落地时都能适应不可预测的地面几何形状和硬度变化。开门要求机器人在保持全身平衡的同时，用一只手转动门把手并用另一只手推开门扇——这个对人类来说在两秒钟内可以无意识完成的操作序列，对机器人而言涉及全身运动规划、力控制、接触状态估计和实时平衡恢复等多个前沿课题的交叉。拧阀门要求手爪在接触一个可能生锈、可能卡滞、位置与预期存在偏差的圆形物体时，精确地施加足够的扭矩而不滑脱，同时整个身体保持稳定，不被反作用力推倒。这其中的每一项，在2011年都是机器人学的前沿研究课题。把它们全部加起来，要求同一台机器人在同一个测试序列中连续完成，这在当时超出了任何已有机器人系统的能力范围。

DARPA在竞赛设计中做了一个关键的选择，这个选择深刻地影响了此后十年人形机器人研究的方向。比赛没有要求机器人完全自主完成任务。相反，DRC采用了一种被称为“监督自主”的操作模式。机器人与操作人员之间保持一个降级通信链路——带宽被限制，延迟被刻意提高到数百毫秒甚至更高——模拟灾难现场可能出现的通信条件。在这种模式下，机器人需要在本地执行大部分运动控制和低级操作，而操作人员只发出高层的任务指令。这个设计反映了DARPA对技术可行性的现实判断：完全自主在2013年是不现实的，但完全遥操作又无法应对通信降级的情况。监督自主是一个折中方案，它承认了自主性的局限，同时要求机器人在感知、规划和运动控制方面具备足够的本地智能，以减少对通信带宽和操作人员注意力持续集中的依赖。

2013年12月，DRC试验赛在佛罗里达州的霍姆斯特德-迈阿密赛道场举行。十六支队伍带着各自的机器人参加了比赛。这些机器人的形态差异之大，在此前的任何机器人竞赛中都未曾出现过。它们之间的差异不仅仅体现在外观上，更体现在对同一个核心问题的不同回答上：在非结构化环境中，机器人应该以什么形态、用什么驱动方式、依靠什么控制策略来完成任务？

波士顿动力带来的Atlas是全场最引人注目的参赛者。Atlas身高一米八八，重约一百五十公斤，是一台液压驱动的人形机器人。它的硬件本身就是DARPA出资开发的，被提供给多支参赛队伍作为统一的硬件平台，各队之间的竞争集中在软件和控制算法上。Atlas拥有二十八个液压驱动的自由度，包括双臂、双腿、躯干和头部，全身覆盖着立体视觉摄像头、激光雷达、惯性测量单元、关节位置和力矩传感器。它的液压系统可以产生巨大的关节扭矩，使其能够在瞬间爆发出足够的力量来执行大幅度动作——比如在失去平衡时猛力摆臂恢复稳定，或者在拧动一个卡滞的阀门时维持持续的扭矩输出。但这种力量也带来了相应的代价。Atlas在运行时发出巨大的液压泵噪音，需要一根外部供电缆绳连接到地面的电源车上，续航时间受到液压油温度和电池容量的双重限制。它的动作带着一种工业设备特有的粗暴感——不是科幻电影中机器人的流畅优雅，而是一种类似于挖掘机或压路机的、以巨大力量压倒不确定性的方式。波士顿动力公司由马克·雷伯特于1992年从麻省理工学院独立出来，其早期著名产品包括由美国国防高级研究计划署（DARPA）出资为军方开发的四足机器人“波士顿机械狗”。

站在Atlas旁边的是一台外形完全不同的机器人。日本SCHAFT公司带来的双足机器人体型比Atlas小得多，驱动方式不是液压而是液冷电机——在每个关节处安装高扭矩密度电机，通过液体冷却系统将电机在高负载下产生的热量迅速带走。这种方案的优点在于电机可以维持持续的高扭矩输出而不会过热，同时避免了液压系统的高噪音和维护复杂性。SCHAFT的机器人看起来更像一个紧凑的工程组件而非科幻电影中的机器人战士。它的腿部关节排列方式与传统人形机器人有所不同，膝盖关节向后弯曲——一种被称为“鸟腿”构型的设计——以优化特定步态下的能量效率。SCHAFT公司在参赛前几乎不为外界所知。它是由东京大学的机器人学家在2011年创立的初创企业，团队规模很小，但核心成员在电机驱动和人形机器人控制方面积累了多年的研究经验。在DRC试验赛之前，几乎没有人预料到这家名不见经传的日本初创公司会成为比赛的最大赢家。

卡内基梅隆大学的国家机器人工程中心带来了一个更加激进的方案。CHIMP——CMU Highly Intelligent Mobile Platform的缩写——是一台外形既不像人也不像动物的机器人。CHIMP没有用双腿行走，而是在四肢末端安装了橡胶履带，可以像坦克一样在地面上滚动行进。但当需要操作工具或攀爬梯子时，它的四肢可以从履带模式切换为抓取模式——末端的履带机构同时也是一个机械手爪。CHIMP的躯干上安装着两个巨大的风扇，用于冷却内部密集排列的电机和计算单元。它的设计哲学是实用主义的极致体现：既然双足行走在技术上如此困难且容易失败，为什么不先用履带解决移动问题，只在必要时才使用四肢的灵巧操作能力？CHIMP的设计团队公开表明了他们的立场。他们的目标不是制造一台看起来像人的机器人，而是制造一台能在人类环境中完成人类任务的机器。如果履带比双腿更可靠，那就用履带。这个立场在学术圈内并不受欢迎——许多人认为DRC的目标就是推动人形机器人技术的发展，用履带是一种投机取巧——但CHIMP的团队不为所动。他们关心的是任务成功率，而不是形态上的纯粹性。

其他参赛队伍也各自展示了不同的技术路线。NASA喷气推进实验室的RoboSimian是一台四足对称机器人，可以像猿猴一样用四肢移动和操作，在稳定性与灵巧性之间寻求平衡。它的四条肢体完全相同，每一条都可以在移动和操作两种功能之间切换，这种对称设计赋予了它极高的容错能力——如果一条肢体损坏，其余三条仍然可以维持基本的移动能力。弗吉尼亚理工大学的THOR是一台相对低成本的电机驱动人形机器人，使用3D打印部件和商用电机，试图证明人形机器人不一定需要天文数字的预算。麻省理工学院的团队在Atlas平台上开发了控制算法，专注于全身运动规划和力控制策略。韩国先进科学技术研究院带来了HUMA，一台拥有轻量化铝制骨架和定制谐波减速器的电机驱动人形机器人。每一台机器人都代表着一个团队对同一个核心问题的不同回答：在非结构化环境中，机器人应该以什么形态、用什么驱动方式、依靠什么控制策略来完成任务？

比赛的过程远比任何人预期的更具戏剧性。在试验赛的八个任务中，每一台机器人都经历了不同程度的失败。Atlas在尝试走过碎石路面时多次失去平衡。有一次，它的一只脚踩到了一块松动的碎石，脚底的压力分布瞬间改变，踝关节的力矩控制回路来不及补偿，整个身体开始向一侧倾斜。Atlas的平衡恢复算法立刻启动——双臂猛力摆动，躯干快速扭转，试图将重心重新拉回支撑多边形内部。但在碎石路面上，支撑多边形本身就是不稳定的。另一只脚在地面上滑动，重心越过了稳定边界，Atlas重重地摔倒在地面上，机械臂的结构件在冲击力下发生塑性变形，不得不退出后续的几个任务。另一次，一台Atlas在开门任务中，手爪从门把手上滑脱，整个身体向后倾倒，砸在地面上，液压管路破裂，红色液压油流淌在测试场地的地面上。工作人员冲上前去，用吊车将Atlas扶正，检查损伤，清理油污。整个过程花了将近一个小时，而在这个小时里，比赛仍在继续，其他队伍的机器人在旁边的测试区域执行着自己的任务。

SCHAFT的机器人在多个任务中表现出色。它的液冷电机驱动系统在持续高负载操作中保持了稳定，精细的力控制算法使其在拧阀门和操作手持工具时展现出远超其他参赛者的灵巧性。在拧阀门任务中，SCHAFT的机器人走到阀门前面，伸出一只手抓住阀门手轮，力传感器检测到接触后，控制算法从位置控制模式切换为力控制模式，以恒定的扭矩开始旋转手轮。当手轮因为锈蚀而卡滞时，算法自动增加了扭矩，同时调整身体姿态以抵消反作用力，避免被推倒。整个动作序列耗时虽然远长于人类操作者，但每一步都稳定、可控、没有失误。在驾驶车辆任务中，SCHAFT的机器人也遇到了困难——它的手爪设计更适合抓取工具而非握持方向盘，在转动方向盘时多次出现打滑——但它的表现仍然优于大多数其他参赛者。

CHIMP在移动稳定性上拥有天然优势。履带不会摔倒。当其他双足机器人在碎石路面上小心翼翼地迈出每一步，随时可能因为一块松动的石头而失去平衡时，CHIMP以稳定的速度碾压过同样的路面，将注意力集中在下一个任务上。但在需要双足站立并用双手操作的任务中，CHIMP的平衡控制能力明显弱于专门为双足行走设计的机器人。它的设计假设是：机器人可以在大多数时间内用履带移动，只在必要时站起来用双手操作。但这个假设在任务之间的过渡环节暴露出了问题。从履带模式切换到站立模式需要时间，在某些任务序列中，这个切换时间拖累了整体得分。RoboSimian的四足对称设计使其在爬行通过碎石路面时异常稳健——四条肢体提供了多个支撑点，即使一个支撑点失效，其余三个仍然可以维持稳定——但在需要使用人类工具的任务中，它的操作速度和灵巧性明显不足。它的肢体既要做腿又要做手，这种多功能性以牺牲单手操作的精细度为代价。

DRC试验赛的最终得分反映了这些差异。SCHAFT团队以二十七分的总成绩名列第一，领先第二名卡内基梅隆大学的CHIMP团队七分。第三名是麻省理工学院团队操控的Atlas。这个结果在当时的机器人学界引发了两方面的讨论。一方面，SCHAFT的成功证明了电机驱动——而非液压驱动——在人形机器人的精细操作方面具有显著优势。液冷技术的引入解决了高扭矩密度电机的持续工作问题，使得电机可以在不牺牲力输出的前提下保持精确的力控制。这为后续人形机器人的驱动方案选择提供了一个重要的数据点。另一方面，CHIMP的高排名也说明，在2013年的技术条件下，放弃双足行走而采用履带式移动方案，可以在不牺牲操作能力的前提下大幅提高系统的整体可靠性。这个结论对于人形机器人是否必须用双腿行走这个长期争论，提供了一个来自工程实践的冷峻回答。

但DRC试验赛最重要的影响，不在于某一支队伍的输赢，而在于它将人形机器人研究从学院派的理论探索，强行拉入了一个以任务成功率为唯一衡量标准的工程竞赛场。在DRC之前，人形机器人研究的主要成果形式是学术论文。一篇论文可以展示机器人在受控实验室条件下完成某个特定动作的视频截图，讨论控制算法的理论收敛性，并在结论部分声称该算法具有潜在的应用价值。评审人通常不会要求作者证明机器人能够在不同的光照条件、地面材质和任务变体下重复这一表现。DRC改变了这个游戏规则。在DRC的测试场地上，机器人面对的不是精心布置的实验室环境，而是一个虽然经过标准化但仍然充满不确定性的物理空间。任务的成功与否由客观的完成时间和完成质量来衡量，而非由同行的主观评价来决定。一次失败就是一次失败，无论支撑它的算法在理论上多么优雅。

这种以任务成功率为导向的评估框架，对人形机器人研究产生了深远影响。它迫使研究者将注意力从单一技术的极致优化，转向系统集成和鲁棒性工程。在DRC之前，一个研究团队可以花五年时间完善一个双足行走的步态规划算法，在平整地面上实现令人惊叹的行走效率，而完全忽略机器人在被推挤或踩到不平整地面时的恢复能力。但在DRC的碎石路面任务中，步态规划算法如果不能处理不可预测的地面几何变化，机器人在第三步就会摔倒，之后的一切操作能力都变得毫无意义。同样，一个在理想光照条件下表现完美的视觉识别算法，如果在比赛当天的实际光照条件下无法区分门把手和墙壁上的金属装饰条，整个开门任务就会失败。系统集成不是简单地把各个模块拼在一起。它要求在每一个模块的设计阶段就考虑到与其他模块的交互——感知模块的延迟如何影响控制模块的稳定性，控制模块的力矩输出如何影响机械结构的疲劳寿命，机械结构的刚度如何影响感知模块的测量精度。这些交互在实验室的单模块测试中不会出现，但在DRC的连续任务序列中，它们以各种意想不到的方式暴露出来。

这种压力在DRC试验赛后的两年里持续发酵。2015年6月，DRC决赛在加利福尼亚州的波莫纳举行。决赛的任务难度进一步提高。机器人不再有外部供电缆绳，必须携带电池自主运行——这意味着能源管理变成了一个无法回避的约束。通信链路的降级程度更加严苛，模拟的是灾难现场最恶劣的通信条件。所有任务需要连续完成，中间不允许人工干预进行维修或调整——一次摔倒可能意味着整个比赛的终结。决赛的结果再次确认了试验赛的基本格局。韩国KAIST团队的HUMA机器人获得冠军，但它完成任务的速度仍然远远慢于人类在同等条件下的表现。那些在比赛中踉跄跌倒的画面，比任何学术论文都更诚实地定义了人形机器人在2013年至2015年间真实的技术边界。

这些画面也暴露了一个更深层的结构性问题。人形机器人在DRC中展示的能力——双足行走、全身协调操作、监督自主——在工程上被证明是可行的。SCHAFT的机器人确实拧动了阀门。Atlas确实在某些试验中成功走过了碎石路面。CHIMP确实用履带移动并用双臂完成了操作任务。但可行与可靠之间的距离，被DRC以最直观的方式揭示了出来。在一个真实的灾难响应场景中，机器人不能只有百分之七十的任务成功率。它必须在几乎每一次尝试中都成功，因为一次失败可能意味着机器人卡在关键通道中，阻碍后续的救援行动，或者更糟糕地，导致放射性物质泄漏的管道被错误操作而加剧灾难。可靠性要求将人形机器人推入了一个与工业机器人在1980年代面临的相似的困境：从实验室演示到实际部署，中间隔着一段需要大量工程投入来填平的死亡之谷。

这段死亡之谷的宽度，在DRC结束后的几年中变得更加清晰。SCHAFT公司在DRC试验赛后不久被谷歌收购，成为谷歌机器人部门的核心资产之一。这一收购发生在谷歌大规模投资机器人技术的浪潮中——2013年，谷歌连续收购了包括波士顿动力在内的八家机器人公司，引发了全球科技媒体对谷歌机器人战略的密集猜测。但谷歌的机器人战略在随后的几年中经历了剧烈的内部动荡。波士顿动力在2016年被谷歌出售给软银，SCHAFT团队在2018年解散，其核心技术回流到母公司。这些商业层面的波折，与人形机器人在技术层面的困难有着相同的根源：在2013年，这项技术的应用场景仍然极其模糊，而开发成本却极其高昂。DARPA的资助可以推动一次比赛，但无法支撑一个产业。

回到福岛。2013年的DRC试验赛与2011年的福岛事故之间，相隔不过两年。在这两年中，东京电力公司最终用于进入反应堆厂房执行勘查任务的，并不是一台人形机器人，而是一系列专门设计的、外形与传统工业设备更为接近的履带式探测机器人。这些机器人可以爬楼梯、穿越狭窄通道、携带辐射探测仪和摄像头，但它们无法执行拧阀门或操作控制面板这类需要灵巧操作的任务。真实世界的灾难响应，在2013年仍然依赖于专用设备的功能组合，而非一个通用的、能够使用人类工具的人形代理者。DRC的参赛机器人证明了通用物理代理在技术上是可能的，但同时也证明了它距离实际可部署的状态，还有至少一个数量级的可靠性差距需要跨越。

这个差距的具体构成，在DRC的赛后分析中得到了系统的梳理。首先是能源密度问题。液压驱动的Atlas在试验赛中需要外部供电缆绳，决赛中携带电池自主运行的版本续航时间以分钟计。SCHAFT的液冷电机系统虽然效率更高，但在持续高负载操作中仍然面临电池快速耗尽的问题。人类操作者在同样任务中的能量消耗来自一顿饭，而机器人需要数十公斤的电池组来支撑不到一小时的作业。能源密度的差距不是一个可以靠渐进优化来弥合的差距——电池技术的进步速度远远落后于机器人其他子系统的进步速度。其次是自主决策能力。DRC的监督自主模式在通信降级条件下勉强可行，但操作人员仍然需要在每个任务的关键步骤中做出判断和指令。在真实灾难场景中，通信条件可能比DRC模拟的最差情况还要恶劣，而任务的不确定性也远超八个标准化测试任务的范畴。机器人需要在没有人类指导的情况下，识别出哪些碎石是可以踩踏的，哪些金属构件在受力后会断裂，哪些看似可抓握的表面实际上覆盖着导致打滑的油污——这些判断在2013年完全超出了任何自主系统的能力边界。

第三，也是被DRC的视觉记录最直观揭示的一点，是鲁棒性问题。机器人摔倒的画面之所以令人印象深刻，不仅因为摔倒本身具有戏剧性，更因为每一次摔倒都意味着任务的彻底终止。一台摔倒的Atlas需要多名工作人员用吊车将其扶正，检查液压管路是否破裂，重新校准关节传感器，然后才能继续操作。在实验室环境中，摔倒是一次数据收集的机会——工程师可以从日志文件中分析摔倒前零点五秒的关节力矩和足底压力数据，改进下一步的控制算法。在灾难响应场景中，摔倒是一次不可逆的失败——机器人可能损坏在人类无法进入的区域，不仅没有完成任务，还制造了一个新的需要被清理的障碍物。这个根本性的不对称，意味着人形机器人的鲁棒性标准必须远高于其他类型的工程系统。飞机可以冗余设计，桥梁可以过度建造，但一个在非结构化环境中自主行动的双足机器人，必须在每一次迈步时都承受失败即终结的压力。

2013年的DRC试验赛，将这些压力从一个抽象的学术讨论，变成了一个具有明确工程指标和可测量结果的技术议程。它没有解决这些问题，但它定义了问题。在DRC之前，人形机器人研究的方向由各个实验室的学术兴趣和研究传统决定——有人专注步态规划，有人专注手爪设计，有人专注视觉伺服，这些方向之间的整合往往是松散和偶然的。DRC之后，人形机器人研究的方向开始由一个共享的任务清单驱动。那些在比赛中失败的任务，成为了此后几年中研究经费和工程资源优先流向的目标。拧阀门的力控制策略、碎石路面上的步态恢复算法、降级通信条件下的监督自主架构——这些具体的技术问题，在DRC的赛场上获得了此前二十年从未有过的关注度和资源投入。

从这个意义上说，DRC实现了DARPA设计它的初衷。DARPA的历史上有一系列以竞赛形式推动技术突破的案例。2004年和2005年的DARPA大挑战赛直接催生了自动驾驶汽车产业的第一波浪潮。2007年的DARPA城市挑战赛将自动驾驶从沙漠赛道推进到了模拟城市交通环境。这些竞赛的共同模式是：设定一个具有明确社会需求但技术尚未成熟的目标，通过公开竞赛吸引最优秀的研究团队参与，用客观的评分标准淘汰不切实际的方案，最终将整个领域的技术基线提升到一个新的高度。DRC在人形机器人领域扮演了同样的角色。它没有直接制造出一台可以部署到福岛的机器人，但它改变了人形机器人研究的制度条件——研究方向、资金流向、人才聚集、技术评估标准——这些制度条件的变化，比任何单一技术的突破，都更深刻地塑造了此后十年这个领域的演化轨迹。

马克·雷伯特在1992年将波士顿动力从麻省理工学院独立出来时，他或许没有预见到二十一年后的这一幕。但他创立的公司和他培养的技术传统，在DRC中扮演了核心角色。Atlas的硬件平台成为多支参赛队伍的共同基础，波士顿动力在动态平衡和液压驱动方面积累的经验，通过Atlas的每一次摔倒和每一次恢复平衡，被整个研究社区观察、分析和学习。雷伯特本人一直保持着一个与主流机器人学界略有距离的姿态。他不常发表学术论文，不参与学术委员会的权力结构，而是专注于制造那些在视频中看起来不可思议的机器人，然后将视频发布到互联网上，让全世界看到腿式机器人能够做什么。这种姿态在学术圈内有时被视为不够严谨——将复杂的研究成果简化为一段没有同行评审的视频，被认为是对学术规范的某种背离——但在DRC的赛场上，那些在视频中展示过的动态能力，成为了区分成功与失败的关键因素。一台能够在被侧踹后恢复平衡的机器人，在碎石路面上也有更高的概率在踩到松动石块后保持站立。这个关联性在DRC之前只是直觉，在DRC之后成为了工程共识。

DRC留下的遗产是复杂的。它证明了双足行走与全身协调操作在工程上是可行的，但同时也无情地暴露了自主决策、能源密度和鲁棒性方面的致命短板。它将人形机器人从科幻想象和实验室玩具，第一次严肃地推到了具有明确工程指标和潜在应用场景的技术路线位置上。但它也揭示了这条技术路线与任何可想象的实际部署之间，横亘着一段无法靠单次竞赛或单点突破来跨越的距离。这段距离的每一米都需要用实际的摔倒、实际的失败和实际的时间来丈量。那些在佛罗里达测试场地上踉跄跌倒的机器人，比任何论文都更诚实地定义了人形机器人下一个十年必须攻克的技术清单。而这个清单的长度，在2013年12月那个比赛结束的夜晚，在场的每一位工程师心里都大致有数。