作者：乔豆 出品：乔豆会社
张江园区调研的时候，你可能会与一位特殊的“同事”擦肩而过——它或许正踉跄前进、或稳健小跑、或悠闲散步。这不再是科幻电影，而是机器人产业日常调试的一幕。
人形机器人正从科幻快速走向现实，是当前科技领域最令人兴奋的前沿之一。
人形机器人：是一种基于人类身体结构设计的智能机器。
旨在适应人类环境并执行人类任务（可以理解成模仿我们人类的样子和能力，和我们的世界进行更好的交互，与人类共同实现更多价值创造）。
图、人形机器人
（资料来源：Tesla optimus）
【核心构成-类比人类】
核心构成：人形机器人可以类比成人类，把核心构成分解为“大脑”（负责决策）、“小脑”（负责控制）、“感官”（负责感知）、“关节与肌肉”（负责执行）四大核心系统。
它们共同形成了一整套与世界的交互路径：①感知、②推理/决策、③控制、④执行
我们可以通过一个简单的例子来理解系统之间是如何协同工作的：
“比如，让机器人从桌上拿起一个苹果”
→
Step1:感知系统先工作，感受环境：
看到了一个在桌上，通过视觉和深度信息计算出它的精确定位和姿态。
Step2:大脑系统开始推理/决策：
任务指令是拿起桌上的，经过感知系统收集到的信息进行规划路径：先用双足走到桌前，机械臂移动到上方，然后控制灵巧手进行抓取。
Step3:小脑系统精细控制
将路径规划分解：比如灵巧手进行抓取，分解成每个手指关节的转动角度、速度和扭矩；并实时接收感知系统的反馈，确保动作平稳精准。
Step4:关节与肌肉系统执行
关节与肌肉系统在小脑系统的指令下精确运动，驱动机械的双足、机械臂、灵巧手、手指等通过直线或旋转的运动，实现拿的目的。
其他:
①整个运动过程中，感知系统会执行再反馈比如，当手部触碰到时，会感知抓握的力度，防止抓得太紧捏坏或抓得太松导致滑落，这个信息会立刻反馈给小脑系统和大脑系统。
②实时调整小脑系统根据力反馈实时手部抓力调整，大脑系统确认抓取成功后，会下达下一个指令。
视频、人形机器人仿人作业过程（拿苹果）
（资料来源：Figure）
【核心构成-机械世界】
刚刚我们看到，机器人在执行“从桌上拿起一个苹果”指令时，需要定位、行走、精准抓取、控制以及反馈等分解环节；
其背后是一套精密软件和硬件在协同工作，这套软件和硬件又分别是什么呢？是如何让机器人分步实现了一项项仿人类的动作？
让我们走进机械世界
机器人的“感官”：多模态感知系统
主要由各类传感器实现：
一、环境感知：①视觉传感器（如深度相机、激光雷达）：捕获光线信息，构建三维环境模型、识别环境及物体。“比如识别和所在位置”。②听觉传感器（麦克风阵列）：捕获声波信息，用于语音交互和声源定位。
二、交互力感知：①力矩传感器（六维力传感器）:精确测量机器人与外界接触时产生的力和扭矩。“比如拿起时抓力的大小”②触觉传感器（电子皮肤）：感知压力、温度等表面接触信息，实现精细操作。三、自身状态感知：
①惯性传感单元（IMU，内耳前庭-平衡感）：测量机器人自身的运动加速度和旋转角速度，感知姿态。“比如实现从当前状态，流畅行走到桌子前去拿”
②编码器（关节处-本体感觉）：将环境中的”位置”和“运动”翻译成机器能懂的“数字语言”，可以理解成【翻译官】。
图、各类传感器集锦
（资料来源：互联网信息整理）
机器人的“大脑”：高级决策与规划
负责高级认知功能，包括环境感知、决策制定和任务规划。
“大脑”的思考功能主要由多模态大模型（类似【智能中枢】）、主控芯片（类似【大脑躯体】）实现，传输功能一般由EtherCAT（类似【神经网络】）实现：
①多模态大模型：
01 LLM（大语言模型）+VFM（视觉基础模型）→02VLM（视觉-语言模型）→03VLA（视觉-语言-动作模型）→04多模态大模型
图、大模型发展阶段
（资料来源：甲子光年）
②主控芯片：
实现模型涉及的复杂计算和功能。
利用硅的半导体特性，制造出亿万颗能用电压精确控制的微型开关（晶体管），通过精确控制无数的“开”和“关”，排列组合，最终实现了各种计算功能。
③EtherCAT（实时工业以太网）：
是一种高性能的实时工业以太网协议，专为工业自动化控制设计，是连接“大小脑”的神经网络。只有主站（master）即“大脑”能够发出指令，从站即“各个身体部位”接收指令。
（比如“大脑”发出指令，会在整个人形机器人的“身体”里飞速传输：数据包经过每个需要执行动作的环节（比如手、双足等）时不停顿，各环节只快速处理属于自己的指令，并立刻传给下家，让所有环节微秒级同步。）
视频、EtherCAT的执行过程
（资料来源：YouTuberealpars）
经过上面的感知系统和“大脑”的信息加工处理后，机器人“看”到的世界大概是下面这个样子的：
视频、人形机器人的“大脑”识别
（资料来源：YouTube）
机器人的“小脑”：精密运动控制
控制器是机器人的小脑核心，负责接收规划指令并转化为具体的运动命令，再通过驱动器、功率器件完成将数字指令转化为物理动作的最终执行环节。
①微控制器（MCU）/DSP等微处理器：
接收来自“大脑”的高级指令和各类传感器的反馈数据，运行复杂的控制算法，计算出电机需要达到的具体目标。
②栅极驱动器：
接受小脑信号，其核心作用是提供瞬时的大电流，放大指令。
③功率器件：
对驱动器提供的大电流进行通断的“阀门”，实现电机的驱动。
主流选择可分为MOSFET（硅基）\GaNFET（氮化镓）。
图、“小脑”系统的核心构成
（资料来源：互联网信息整理）
机器人的“关节与肌肉”：动力执行系统
机器人的“关节与肌肉”负责将控制信号转化为物理运动，是机器人执行动作的基础。
①电机：
即动力源 (肌肉），主流电机包括伺服电机 、无框力矩电机、空心杯电机，核心工作原理是将电能转化为机械能。如同肌肉收缩舒张，为运动提供最根本的动力。
②传动机构 (减速器&丝杠)：
类似于关节和肌腱
01 减速器：
降低电机转速、放大输出扭矩。如同人体的关节。
主流减速器有谐波减速器、RV减速器、行星减速器
02 丝杠：
将旋转运动转换为直线运动。如同人体的肌腱，将电机的转动变成手臂的伸缩、腿部的迈步等直线动作。主流的丝杠有行星滚柱丝杠（高端人形机器人如Optimus线性关节的首选）、滚珠丝杠、梯形丝杠
图、动力执行系统的核心构成
（资料来源：互联网信息整理）
【小结】
通过前文的梳理，我们以两种视角解构了人形机器人的核心构成：
第一部分，以人体为喻，机器人各部件比作“大脑”（负责决策）、“小脑”（负责控制）、“感官”（负责感知）、“关节与肌肉”（负责执行），举例解读了其如何模仿人类实现灵活作业。第二部分，我们回归机械本质，拆解其技术底层：基于传感器的“感官系统”（视觉、触觉）、承载算法的“芯片与大模型”（大脑）、精准的“编码器与伺服系统”（小脑的运动控制）、以及执行动作的“电机、丝杠、减速器”（肌肉与关节）。
图、人形机器人核心构成及成本图谱（以Tesla Optimus 2为例）
（资料来源：特斯拉、摩根士丹利、深圳中电港）
