“其實這個技術(shù)很復(fù)雜，有人操作一點都不奇怪，因為你要給它輸入命令啊，但是操作的程度是怎樣的，這個才是重點。這個干預(yù)程度是有非常多的可能性，比如我給機器人的命令我先一股腦兒地全都輸入進去，然后讓它自己去行動，然后另外一種情況是現(xiàn)場給命令，這個也是人為操控的，但重要的是，機器人自主的部分有多少。這個其實是一個循序漸進的過程，最差的情況是，機器人每走一步我都操控一下，然后我一直看著它走到哪兒去了，然后地面的坡度、不平整度，在我這兒都有數(shù)據(jù)，然后我去一步一步地操控它，這是最初級的情況。不過，從視頻來看，是沒辦法看出它是屬于哪個階段的，因為完全自主與完全非自主其中的差距是可以很小的。”

　　IEEE記者顯然也對這個問題很關(guān)注，他們及時采訪了波士頓動力的創(chuàng)始人Marc Raibert，對方的回復(fù)是，在室外，工作人員會使用無線電控制機器人的轉(zhuǎn)向，而對于環(huán)境的感應(yīng)以及運動平衡控制，則是機器人自己自主完成的。

　　朱曉蕊表示，最重要的是人為干預(yù)的程度，如果只是較少地干預(yù)，那說明機器人的平衡能力還是很驚人的。如果你看了上屆DARPA機器人挑戰(zhàn)賽，你就能感受到其中的差距了。波士頓動力是DARPA機器人挑戰(zhàn)賽的贊助方，它會向參賽團隊提供Altas機器人本體，由他們進行算法設(shè)計。上屆的DARPA機器人挑戰(zhàn)賽 的決賽中，共有大概6個團隊使用了Altas機器人本體，不過表現(xiàn)卻是一般，在比賽中多次摔倒。“當(dāng)然，你也別太認(rèn)真，視頻往往只會展示最好的部分，或許 Altas在室外走了很多次，唯獨那次成功了也說不定，然后把這段剪輯出來。”

　　波士頓動力贊助DARPA機器人挑戰(zhàn)賽，是有回報的，它的要求是這些拿錢的團隊在這些比賽中所使用的算法等技術(shù)將被其收入囊中，之后再將其整合進自己的機器人中。例如，這次Altas就似乎借鑒了去年的參賽機器人RoboSimian的手部設(shè)計。RoboSimian模仿了猴子的設(shè)計，身體也像猴子一樣具備很高的靈活性。機器人在摔倒后想要爬起來，手部的支撐是很關(guān)鍵的力量，從視頻中Altas在摔倒后爬起的表現(xiàn)，似乎新設(shè)計讓其輕松不少。