人形機器人 Atlas 首登世界盃，真正突破卻在場外：把它「變簡單」為何是關鍵？
2026 年世界盃巴西對挪威的十六強戰，中場休息時，一台身高約 150 公分的人形機器人走進球員通道，先後模仿了 Haaland、Son Heung-min 與 Matheus Cunha 等球星的進球慶祝動作，最後轉身把比賽用球交給裁判。
這台名為 Atlas 的機器人，由現代汽車旗下的 Boston Dynamics 打造。在此之前，現代已透過「School of Football」為題釋出一連串宣傳影片，片中 Atlas 完成帶球、傳球、射門，並以高難度的足球特技 Ghost Rabona 收尾（一個先以假動作晃過防守者、再用踢球腳繞過支撐腳後方施力踢出的動作）；而世界盃這一場，是它今年 1 月在 CES 亮相量產版後，首度走出影片、在真實賽場上公開演出。不過對機器人產業來說，真正值得注意的訊號並不在球場上，而在場外的製造端。
真正突破：零件複雜度較前代降「一個數量級」
在接受《Forbes》專訪時，Boston Dynamics 機器人行為主管 Alberto Rodriguez 給了一個關鍵數字：第五代 Atlas 的複雜度較前一代「幾乎降低了一個數量級」。他刻意用了「幾乎」，強調並非足足十倍，但方向已經很清楚：零件更少、獨特零件更少，製造流程因此更快、更簡單，換來更高的可靠度與更低的成本，而且是在性能與前代持平、甚至更好的前提下達成。
過去 Atlas 單台造價一度高達 20 萬美元以上，這樣的成本讓它更接近實驗室裡的旗艦展示品，而非能大量出貨的產品。Rodriguez 點出的邏輯是，目前市面上的人形機器人多半昂貴、仰賴手工打造、又難以伺候，而每一個獨特零件，都代表一條要管理的供應鏈、一個要設法迴避的故障點，以及一筆墊高售價的成本。當獨特零件減少，組裝更簡單、可能故障的環節更少，通往量產的路也就更清晰。
硬體潛力已超前軟體，競爭重心正從機械轉向 AI
不過，把機器人做出來只是第一關。Rodriguez 強調，機器人的能力是硬體與軟體的組合，而現階段的瓶頸落在軟體這一側。他直言，現有硬體能展現出來的表現，仍受限於團隊懂不懂得控制它，Atlas 實際的潛力遠超過目前已經榨取出來的部分。
Boston Dynamics 把自家的 AI 架構拆成兩層。第一層是實體智慧，負責平衡、敏捷與各種身體技巧，例如跳躍、抓取、快速移動物體，這是該公司長年鑽研足式機器人累積下來的主場優勢；第二層是推理智慧，負責看懂一項任務、把它拆解成步驟，甚至判斷一個物體大概是重是輕。近兩年，該團隊把資源大量押在推理這一側，因為那才是「通用性」的關鍵：當產線流程兩週後就變動，企業不會想再花好幾個月替機器人重新編程與驗證，而是希望它能像新進員工一樣，透過示範與經驗學會，再隨變化即時調整。
這也反映在 Atlas 的學習訓練方式上。據《Fortune》與現代汽車官方說明，Atlas 已不再是被編程，而是被訓練，邏輯更接近大型語言模型。之所以選足球當訓練場，是因為要讓人形機器人動得自然，得同時掌握平衡、時機、協調與適應四種能力，而足球把移動與操控物體結合在一起，正好一次考驗全身控制。現代汽車表示，透過掌握結合移動與操作能力的活動，Atlas 正逐步發展更廣泛的能力，未來可支援多元的工業應用。
訓練分成幾道工序：先以光學動作捕捉記錄職業球員的踢球、傳球等動作並觀看比賽影片，其中不少基本動作來自 Boston Dynamics 資深研究工程師 Roberto Shu 親自穿上動捕服的示範；由於 Atlas 的關節活動範圍、四肢比例與重心都和人不同，動作無法一對一照搬，須經「動作重定向」（retargeting）用演算法改寫成適合機器人身體的版本；最後在雲端 GPU 模擬環境中以強化學習大量演練，數千次模擬平行運算下，24 小時就能累積相當於人類一年反覆試錯的經驗。
有意思的是從模擬跨到實體這一關。據 Boston Dynamics 表示，訓練出的控制策略部署到真實 Atlas 時，幾乎所有足球動作第一次執行就成功，少數出現誤差的情況則回饋進訓練迴圈繼續修正。這台機器人擁有 56 個自由度、最大伸展距離約 2.3 公尺，可舉起約 110 磅重物（50 公斤），並能自主更換電池。
現代汽車的量產肌肉，把機器人奇觀推向規模製造
Atlas 能不能量產，另一個關鍵在它的母公司。如果說世上有誰最懂得大量而穩定地製造，車廠正是其中之一。現代汽車 2021 年自軟銀手中取得 Boston Dynamics 控股權，近期又買下剩餘的兩成股份，等於完全收編這家機器人公司。現代汽車集團旗下還有 Kia 與 Genesis，一年賣出約 700 萬輛車，是全球前三大車廠之一。
其量產計畫也相當具體。現代規劃 2028 年起在美國一年生產多達 3 萬台 Atlas，初期主要供自家使用；這屬於現代為期四年、規模 260 億美元的美國投資，其中包含在喬治亞州 Savannah 附近興建的機器人製造廠。Atlas 目前已在現代廠內測試，第一個切入的任務是汽車製造中的零件排序。
比硬體與產能更容易被忽略的，是機器人能不能聽懂工廠的語言。《Forbes》報導，系統整合往往是導入新技術時最隱形的一筆成本，一台無法與倉儲管理系統溝通的機器人，只能靠人一次次當面下指令。在這一點，Boston Dynamics 握有多數對手沒有的底牌：它的輪式倉儲機器人 Stretch 已經帶著一套車隊管理系統，部署在數百家客戶現場，能統一調度哪台機器人去做哪件事，而不必逐台寫下程式。把這套調度經驗延伸到 Atlas，等於先跑了一段。
至於人形機器人業界常見的「腿還是輪」之爭，Rodriguez 給了一個不太一樣的答案。他指出，一個輪式全向底盤通常用四個輪子、每個輪子配兩顆致動器（一顆驅動、一顆轉向），合計八顆，這數量其實和兩條腿差不多，兩者的機械複雜度沒有想像中懸殊。
他表示，腿的設計能到達更多地方，例如跨越裝卸貨平台與拖車之間的空隙、爬上夾層；腿也讓機身能更纖薄，因為輪式底盤為了在手臂伸出時保持穩定，得在每個方向都做寬，腿式機器人卻能調整站姿、在狹窄處維持苗條身形。在寸土寸金的倉庫裡，這一優勢頗具說服力。至於困擾機器人學界數十年的平衡與行走難題，Rodriguez 認為「已經沒那麼難了」。
從球場上的慶祝動作，到工廠裡的零件排序，Atlas 想證明的是同一件事：它能離開受控的實驗室，在真實而多變的環境中穩定運作。現代已把 2028 年喬治亞州廠的部署訂為下一個節點，而 Rodriguez 對這項技術的定位是：先改變製造業，再在往後十年走進日常生活。至於它究竟能以多快的速度、多低的成本造出成千上萬台，答案要等量產真正展開才會揭曉。
【推薦閱讀】
◆ 【1 萬美元的社交機器人】社交優先、放棄步行，Codey 對美國照護缺口的另類押注
＊本文開放合作夥伴轉載，資料來源：《Reuters》、《Bloomberg》、《Forbes》、《Fortune》、Hyundai Motor，首圖來源：截取自 Hyundai