前言：本文写于去年7月，是我个人对人形机器人技术发展的一些总结。如今再来看，当时的认识还不够深，另一方面，技术发展的确日新月异。
如今在我看来，宇树、松延、思元、优必选等这些公司今后几乎不可能成为龙头。因为他们所谓的智能还是基于传统规则、算法设定好来实现的，这条路线无法走向通用。
谁会是未来通用巨身机器人的龙头呢？我想特斯拉肯定是全球第一，波士顿动力跟宇树的问题是一样的。而中国的哪家机器人会成为我们的龙头呢？我心中已有答案。
去年底开始，人形机器人一下子火起来，相关股票被一顿爆炒，有的一个月不到就翻了2、3倍，甚至10倍。
宇树机器人还参加春晚，扭起了秧歌。刚过完年，总书记时隔5年再次召开民营企业家座谈会，宇树科技的王兴兴受邀参加，他本人也时常接受多家媒体的采访，大谈对行业的看法，这让人形机器人的话题热度一直未减。
在我看来，人形机器人今后一定会像私家车一样走进千家万户、成为家庭的助手，但至少3~5年内还做不到。不过，像机器狗、机械臂、各类变形金刚等非人形机器人在特定行业已经在规模化应用了。
人形机器人的功能，我们可以归纳为3大模块：移动、导航、操作。
不管是宇树科技的机器人，还是天工Ultra、松延动力的N2，抑或美国波士顿动力的机器人，当前主要解决了“移动”的功能，行走、奔跑、跳跃、侧翻、前后空翻等等。
具备了这些“移动”的功能，不代表人形机器人就能像人一样去活动。在户外或一个固定的区域，基于现有的地图导航和室内导航技术，人形机器人可以从一个地点活动到另一个地点。
但是在实际生活场景中，不同大楼的楼梯间或电梯间在哪？某栋楼的01户或C室在哪？如果没有提前的数据采集或输入，人形机器人是没法知道的。因此，现在的地图导航和室内导航技术还不能完全支撑人形机器人具有人类天然的“导航”能力。
“导航”的能力不能在上面说的“最后几米”处突破，人形机器人就不能去做灵活的任务，离人类差距就还很远。当下，一些人形机器人公司在线下建立数据采集团队，采集城市的这些数据，但这个数据量太大了，靠这种方式是采集不完的。
也有机器人公司选用其他路径，他们更注重采集数据的多样性，而不是重复采集类似的数据。基于多样性的“最后几米”数据，去做自学习算法，当人形机器人走到一个陌生的环境时，能像人类一样根据经验去自我寻找到达目的地的最后路线。
要实现这一点，就像现在的无人驾驶要达到L4级别一样，还有很长的路要走。
人形机器人的另外一个功能“操作”也还有不少难点需要突破。
首先是人形机器人要具备像人类一样灵巧的手，现在有不少公司都推出“灵巧手”产品，有北京因时、灵心巧手、上海傲意、浙江灵巧智能等，国外有特斯拉、Clone Robotics、Shadow Robot、LinkerBot等也在做这方面的工作。
Shadow灵巧手（英国）配备了20个直流电机和24个关节，拥有超过100个传感器，运行频率达1KHz，精度领先，广泛用于AI测试和机器人研发。
Clone Hand（美国）采用液压驱动，拥有27个自由度，通过肌肉骨骼技术模拟人类手臂结构，骨骼部分采用碳纤维材质，可支持复杂动作如握拳、手腕转动等。
LinkerBot是中国团队研发的灵巧手品牌，拥有42个自由度（每根手指独立9自由度），配备360度旋转功能及多传感器系统，适用于精细操作场景。
看上面的介绍，再仔细看下我们手掌上的各个关节，就能大概了解，灵巧手是多么复杂的一个产品。几十个关节的协调，每个关节的弯曲弧度、旋转角度都要精准控制，这对微电机驱动（类似人体的各个肌肉）的精密度提出了很高的要求。
要做出像人类手一样灵巧的人形机器人手，还有很多技术需要攻坚克难。
除此之外，要实现像人类的“操作”能力，光有“灵巧手”还不够，还需要给人形机器人配上类人的大脑、眼睛、耳朵、鼻子等，只有这些功能都具备了，人形机器人才能像人类一样先感知外部环境的信息，经过大脑分析加工后，再驱动“灵巧手”去完成一连串的“操作”。
TTS：语言合成引擎，将文字按设定的音色合成语言，通过喇叭说出去。这就像人的嘴巴。
ASR：语音识别引擎，将语音识别为文字，再交由机器通过NLP（语义理解引擎）识别其意图。这就像人的耳朵。
传感器：如摄像头、毫米波雷达、激光雷达等。这就像人的眼睛。
大模型：如GhatGPT、DeepSeek、阿里的通义千问、华为的盘古、腾讯的混云等。这就像人的大脑。
这些技术已经越来越成熟了，我们常用的语音输入法、智能电动车的传感器、豆包/DeepSeek的智能对答等等都早已深入我们的日常生活。这些技术不会成为人形机器人今后走进千家万户的障碍，只会促进这一天的到来。
而“操作”功能除了要有灵巧手和上述技术的支持外，还需要操作流程或步骤的智能化输出和编排，这也是今年“智能体”火起来的原因。大模型要走进日常生活中的应用，必须依赖“智能体”的智能化流程编排。
去年初manus的刷屏寄予了全社会对AI如何应用的热切关注。其实“智能体”这个翻译太low，原英文叫“AI Agent”，本意是AI的应用，需要代理人去干活嘛。
因此，“最后几米”的导航能力和“AI Agent”能力的发展进程，将决定人形机器人何时走进千家万户。
热门跟贴