作者按：“具身智能”概念自2022年左右兴起以来，迅速成为机器人研究领域的前沿方向。它强调机器人系统在物理世界中的感知、决策与操作能力的统一，融合空间智能、强化学习、扩散策略（Diffusion Policy）以及视觉语言动作（Vision-Language-Action, VLA）范式，使机器人能够在复杂环境下完成高维度操作规划。随着这一概念的普及，具身智能研究在顶级学术会议上频频出现创新成果。
PNP机器人展示的具身智能遥操作平台
Franka机器人凭借其独特硬件设计、力控能力以及广泛的科研生态，成为了全球科研机构、工业实验室以及AI公司首选的平台。无论是谷歌DeepMind、META，还是斯坦福大学、伯克利大学，Franka机器人都被用来验证最前沿的研究成果，为具身智能的发展提供了坚实的硬件基础。本文代表PNP机器人将系统梳理Franka机器人在具身智能方向的核心优势、关键科研案例及全球应用生态，分析其成为首选平台的原因。
1. Franka机器人面向具身智能方向的基因
Franka机器人自2016年问世以来，其设计理念就与具身智能研究的核心需求高度契合，体现了在高自由度操作、力控能力以及科研生态方面的独特优势。
(1)7自由度设计为具身智能高维操作提供了关键条件
在2020年前，市面上大多数工业机器人仍是六轴设计，而七轴的引入为逆运动学求解提供了无限解，使机器人能够在执行复杂动作时灵活调整末端姿态。对于当前火热的VLA方向而言，这意味着使用Franka等7轴机器人，可以通过高维度规划末端姿态，机器人内部逆运动学解算，7自由度避免陷入奇异解和复杂修正的困境，从而大幅提升高维度任务规划的效率。七轴设计不仅增强了操作灵活性，也为多机器人协作提供了更多策略空间，使其在科研实验和工业应用中都具有显著优势。
Franka七轴FR3结构链
笔者在学生时代是学机器人方向，根据目前我了解的情况绝大多数VLA模型（如RT-1、RT-2、Pi0.5、Diffusion Policy等）倾向输出末端位姿、位移、速度、力输出或接触意图，而不是直接输出关节角度。这个具体原因我来总结为：
- 末端位姿与人类指令、视觉感知语义更一致
- 维度更低，易于大模型学习
- 机器人逆运动学（IK）或控制器可将其转换为关节角度
- 更容易泛化到不同结构的机器人
稳定性持续保持输出——机器人关注的是末端姿态
一些更底层的控制任务中，模型会直接输出joint position / joint torque / joint velocity多见于：DeepMind动力学一致性实验、某些强化学习RL + VLA混合框架， 但缺点明显：
- 不同机器人无法共享（不可跨平台）
- 学习难度大、可泛化性差
未来通用人工智能的方向应该是端位姿主导，关节角度由底层控制器负责，VLA模型更像“高层策略”，关注的是：“机器人应该做什么动作”，而不是“每个关节如何动”。
从这个角度来讲，未来7轴机器人是具身智能方向的标配。对此感兴趣的读者，可以参考我另外一篇文章《未来七轴机器人会占据主流？深度解析具身智能方向当前六轴机器人和七轴机器人的区别，七轴力控机器人发展会加快吗？》
(2)Franka的多模态力控能力在具身智能研究中发挥了重要作用。
每个关节均配备高精度力传感器，实现0.05N的感知灵敏度。这种能力为机器人提供实时力反馈，使其能够在操作过程中精确感知环境变化，从而支持柔性抓取、微操作、力敏感任务等高难度操作。Franka机器人力控技术的积累来源于德国航空航天中心（DLR）的长期研究，使其在科研和工业场景中都具备可靠性和高精度优势。这种高精度力控结合七轴设计，使Franka机器人在执行复杂操作任务时具备前所未有的稳定性和灵活性。
FR3的每个关节力矩实现主动（initiative）精密力控
(3)Franka在科研和工业界形成了具身智能行业的成熟生态
从2016年面世以来，其面向科研和教育市场，提供1000Hz快速响应的FCI接口，支持高频率控制和数据采集，使研究者能够快速验证新算法和控制策略。基于Franka机器人的论文每年超过1000篇，累计超过10000篇，并且大多数开源。
每年超过上千篇具身论文使用FRANKA
科研人员可以在已有算法基础上进行迭代，而无需从零开始开发控制系统和硬件接口。这种全球性开源生态不仅加速了科研进程，也巩固了Franka机器人在具身智能领域的领先地位。PNP机器人也基于Franka开发了大量实验方案，为科研机构和企业提供了可快速部署的实验平台，进一步增强了Franka在高自由度操作和VLA任务验证中的核心优势。
(4)PNP问题思考：具身智能时代7轴机器人和力控谁更重要？
2. 谷歌DeepMind、丰田研究院、META等全球顶尖AI机构的引领
全球顶尖人工智能机构普遍选择Franka机器人作为具身智能研究平台，这不仅体现了其硬件能力，也显示了其科研生态的成熟性。
(1)谷歌DeepMind-GERMINI平台
谷歌DeepMind为例，其GERMINI平台基于Franka机器人结合大语言模型（LLM）和视觉语言动作范式，搭建了覆盖多模态感知、策略规划和动作执行的综合研究体系。
GERMINI ROBOTICS平台
在该平台上，DeepMind探索了高维任务规划、多任务迁移及多模态操作策略，为复杂环境下的智能操作提供实验验证。
基于Germini的双臂 FRANKA机器人操作
(2)谷歌DeepMind-ROBOBALLET发表于《Science Robotics》
DeepMind还开展了多机器人任务协作研究，例如ROBOBALLET项目，探索了多台机器人之间的动作同步、物理空间交互和策略优化，成果发表于《Science Robotics》。Franka机器人的高自由度设计和精密力控使其能够承载复杂多机器人实验，同时保证实验结果的可重复性。
2025年9月《Science Robotics》封面文章ROBOBALLET
(3)丰田研究院、哥伦比亚大学Diffusion policy策略
丰田研究院、哥伦比亚大学等则基于Franka机器人开展扩散策略研究，通过生成高维动作序列，实现对复杂操作任务的策略优化。其研究成果成为后续多篇扩散策略论文的基础，并推动了相关算法在工业和科研中的落地。
丰田研究院改进型扩散策略
(4)META视触觉传感以及VR遥操作
META也在其实验中广泛采用Franka机器人，提出视触觉感知等先进方案，验证VLA范式和高自由度操作策略，为跨公司、跨实验室的科研合作提供了共同基础。基于META VR的研究，用于Franka机器人数据采集和操作训练，也极大方便了科研工作者对于机器人的操作。
基于META VR的研究
PNP机器人团队曾在ROS中国区大会和中国具身智能大会上展示相关成果，说明Franka机器人在国内外科研社区均有重要影响力。这些全球顶尖机构的选择，体现了Franka机器人在硬件灵活性、力控精度和生态完善性上的优势，使其成为具身智能研究的首选平台。
PNP机器人在ROS大会分享协作机器人到具身智能萌芽
(5)PNP问题思考：你认为将来先进的具身智能成果是来自于人工智能大厂还是高校的实验室？
根据公开资料谷歌DeepMind团队大约有5,000人，主要是工程师和博士研究员，国内哪个大厂具有类似规模？另外根据目前现状，你认为将来先进的具身智能成果是来自于人工智能大厂还是高校的实验室？
3.成熟生态下数据采集与人工智能工厂的首选
在工业和科研结合的场景中，人工智能数据工厂对机器人平台的选择尤为严格。Franka机器人凭借其生态优势、部署便利性和高性能验证能力，成为首选方案。首先，Franka生态系统完善，涵盖控制接口、开源算法库以及大量科研成果，为数据工厂快速建立智能采集系统提供基础支撑。其高自由度设计和精密力控保证了操作任务的稳定性和安全性，即使在长时间、高频次操作中仍能保持可靠性能。
(1)德国慕尼黑工业大学（TUM）AI工厂
以德国慕尼黑工业大学（TUM）AI工厂为例，超过100台Franka机器人广泛用于工业数据采集、智能装配和高维操作任务验证。其7轴设计和精密传感器，使研究团队能够在抓取、组装和复杂操作任务中进行高效实验，成为欧洲最大的人工智能机器人训练中心。
位于欧洲慕尼黑的AI FACTORY
(2)北京人形机器人创新中心ROBOMIND数据集
同时，北京人形机器人创新中心搭建了大量基于Franka、天工等机器人平台，用于验证高复杂度的智能操作算法。PNP机器人团队也协助提供机器人开发和底层通信等支持，使实验和工业场景能够快速部署。
北京人形机器人创新中心发布的RoboMIND开源数据集
RoboMIND开源数据集机器人本体分布
(3)谷歌DeepMind牵头开源数据集OpenX-Embodiment
谷歌DeepMind 牵头推出的开源数据集OpenX-Embodiment是面向具身智能和机器人学习的重要资源，旨在为研究者提供大规模、高质量的多模态操作数据，加速算法开发和真实世界迁移。在该数据集中，Franka 机器人贡献了主要部分的数据，涵盖高自由度操作、力控交互和复杂任务序列。
谷歌 DeepMind牵头的OpenX-Embodiment 开源数据集FRANKA最多
(4)PI公司开源的PI0.5模型
此外，PI公司开源的PI0.5模型充分利用Franka机器人进行快速验证，展示了Franka在算法迭代和策略测试中的高效率。Franka机器人标准化接口和成熟的软件开发工具包（SDK）使其在研究实验室和工业环境中都能快速上手，并保持长期稳定运行。这种可重复性和部署便利性，使Franka机器人成为数据采集和人工智能工厂首选平台，加速了算法从实验室到工业应用的转化过程。
(5)PNP问题思考：一种本体的数据采集之后，跨平台迁移是否容易？
在大量数据采集完成后，为什么像Franka这样的机器人平台更容易实现算法的真实世界迁移？这种“可迁移性”究竟由哪些关键特性决定：是高一致性的硬件表现、标准化接口，还是其生态系统对研究范式的塑造？
4.具身智能方向领先的学术机构的科研引领
Franka机器人以其高精度、7自由度机械臂和易编程特性，被斯坦福、伯克利、卡内基梅隆、清华、北大等顶尖学术机构广泛采用。它支持从感知、控制到人机交互的全链路研究，推动具身智能算法在实际操作中的验证与优化，加速了智能机器人在复杂环境下自主决策与精细操作的前沿发展
(1)斯坦福大学空间智能
斯坦福大学李飞飞团队在空间智能研究中使用Franka机器人进行实验，通过精确控制和多模态传感，实现机器人在复杂环境下的空间理解和操作策略优化。
斯坦福大学空间智能
(2)斯坦福大学长序列操作实验PTPBEST PAPER @RSS2025
斯坦福大学Marcel Torne,Chelsea Finn等，利用Franka机器人开展长序列操作实验（PTP, Pick-Then-Place），通过高自由度和精密力控验证复杂任务的可行性，为具身智能任务规划提供实证基础。论文在RSSConference on Robot Learning2025RSS获得最佳论文.(Best Paper Award at the Robot Representations Workshop atRSS）
斯坦福大学长序列操作实验PTP
(3)卡内基梅隆大学（CMU）提出的Neural MP-Best Student Paper@IROS2025
在2025年IROS大会上，卡内基梅隆大学（CMU）提出的Neural MP通用神经规划器基于Franka机器人进行实验，实现了跨环境和跨任务的高效规划。该论文获得IROS 2025 Best Student Paper Award Winner。
卡内基梅隆大学（CMU）提出的Neural MP
(4)加州大学伯克利DSRLBest Paper@CORL 2025
CORL 2025最佳论文DSRL来自加州伯克利大学，验证深度强化学习策略在复杂操作任务中的泛化能力，也依赖Franka平台。
加州大学伯克利DSRL
(5)麻省理工学院FABRICABest Paper@CORL 2025
CORL 2025最佳论文来自麻省理工学院FABRICA项目使用Franka机器人进行装配任务研究，展示其在精密操作和协作场景中的优势。
麻省理工学院FABRICA
这些学术实践表明，Franka机器人不仅为复杂操作任务提供稳定硬件支持，也促进了全球学术界在具身智能领域的协同研究。研究者能够在共享硬件平台和开源算法的基础上快速迭代实验成果，加速科学发现和技术落地。
(6)PNP问题思考：具身智能策略训练虑成本vs时间？
具身智能科研成果更新频率越来越快的情况下，你会为考虑成本而牺牲时间做大量底层重复的开发吗？还是沿用成熟生态在此基础上更新迭代？
5. 全球顶尖人工智能与机器人实验室的主流平台
不仅在个别科研机构，全球多个有影响力的人工智能和机器人实验室也将Franka机器人作为具身研究的主要平台。
(1)加拿大多伦多大学机器人研究所
例如，加拿大多伦多大学机器人研究所是该国最大的机器人研究机构，其广泛采用Franka机器人开展高自由度操作、力感知控制和VLA实验。Franka的稳定性和可重复性，使多组研究团队能够在同一平台上协作实验，提高科研效率。
多伦多大学机器人研究所
(2)慕尼黑工业大学和AI FACTORY
在欧洲，慕尼黑工业大学和AI FACTORY也将Franka作为核心实验平台，进行高精度操作、机器人协作和力控研究，支持复杂任务的快速迭代与验证。
慕尼黑工大AI FACTORY
(3)卡内基梅隆大学机器人研究所
美国卡内基梅隆大学机器人研究所长期使用Franka机器人进行跨任务规划、通用神经规划器和多机器人协作研究，其高自由度和灵敏力控提供了可靠实验基础。这种系统化和长期化应用，使Franka机器人在全球顶级实验室形成标准化具身智能研究平台。
(4)PNP问题思考：工具具身方向vs学术研究的异同？
在各大知名机器人研究机构中，对于机器人的选择和现实工业界的需求一样吗，有什么不同？
▍结束语
Franka机器人在具身智能领域发挥着引领作用，其优势体现在硬件设计、力控精度、科研生态及全球应用等多个方面。七轴结构、多模态力控和高频接口为复杂操作提供基础，高度开放的科研生态使研究者能够快速验证和迭代算法成果。全球顶尖科研机构和工业实验室的广泛采用，使Franka机器人成为具身智能研究的标准平台。PNP机器人作为Franka机器人负责方，持续推动其在数据采集、操作策略验证和应用场景搭建中的落地，为具身智能的发展提供了可靠支撑。Franka机器人通过提供高自由度、高精度、可重复的实验环境，使研究者能够站在前人成果的基础上进行创新，显著缩短了科研周期，成为具身智能研究不可或缺的平台。
作者简介：
包文涛，PNP机器人，创始人/CEO，毕业于哈尔滨工业大学机器人技术与系统全国重点实验室，机器人方向；2006-2015年间，在传统工业机器人巨头ABB工作于美国、加拿大等北美地区，高级管理职位；2015-2020年，在全球协作机器人先驱Universal Robots（优傲机器人）任职，中国区负责人之一，从0到1推广了“协作机器人”概念。2021年至今-创始人，集智联机器人/PNP机器人，面向具身智能机器人方向，聚焦即插即用（“PLUG&PLAY”）机器人技术和应用。PNP机器人负责Franka机器人技术支持、市场、渠道等,提供具身智能机器人解决方案。
具身智能和FRANKA机器人咨询
18018175378（微信同号）
FRANKA机器人咨询
参考资料：
(1)RoboMIND: Benchmark on Multi-embodiment Intelligence Normative Data for Robot Manipulation Beijing Innovation Center of Humanoid Robotics, State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University,Beijing Academy of Artificial Intelligence. arXiv:2412.13877v3.27 May 2025
(2)Cheng Chi, Siyuan Feng, Yilun Du, Zhenjia Xu, Eric Cousineau, Benjamin Burchfiel, and Shuran Song.Diffusion policy: Visuomotor policy learning via action diffusion.RSS, 2023.
(3)Songming Liu, Lingxuan Wu, Bangguo Li, Hengkai Tan, Huayu Chen, Zhengyi Wang, Ke Xu, Hang Su, and Jun Zhu.RDT-1b: a diffusion foundation model for bimanual manipulation.In The Thirteenth International Conference on Learning Representations, 2025.
(4)Sami Haddadin; Sven Parusel; Lars Johannsmeier; Saskia Golz; Simon Gabl; Florian Walch. The Franka Emika Robot: A Reference Platform for Robotics Research and Education. IEEE Robotics & Automation Magazine PP(99):2-14.December 2024
(5)Octo Model Team, Dibya Ghosh, Homer Walke, Karl Pertsch, Kevin Black, Oier Mees, Sudeep Dasari, Joey Hejna, Tobias Kreiman, Charles Xu, et al.Octo: An open-source generalist robot policy.In Proceedings of Robotics: Science and Systems, 2024.
(6)Murtaza Dalal Jiahui Yang Russell Mendonca Youssef Khaky Ruslan Salakhutdinov Deepak Pathak . Neural MP: A Generalist Neural Motion Planner IROS 2025 Best Student Paper Award Winner. arXiv:2409.05864v1 [cs.RO] 09 Sep 2024
(7)Andrew Wagenmaker.Steering Your Diffusion Policy with Latent Space Reinforcement Learning. arXiv:2506.15799v2 [cs.RO] 25 Jun 2025
(8)Yunsheng Tian, Joshua Jacob et. Fabrica: Dual-Arm Assembly of General Multi-Part Objects via Integrated Planning and Learning.arXiv:2506.05168. 5 Jun 2025
(9)K. Black, N. Brown, D. Driess, A. Esmail, M. Equi, C. Finn, N. Fusai, L. Groom, K. Hausman,B. Ichter, et al. π0: A vision-language-action flow model for general robot control. arXivpreprint arXiv:2410.24164, 2024.
(10)Carolina Higuera, Akash Sharma,Chaithanya Krishna Bodduluri,Sparsh: Self-supervised touch representations for vision-based tactile sensing.arXiv:2410.24090v1 [cs.RO] 31 Oct 2024
(11)William Yang and Michael Posa.Dynamic On-Palm Manipulation via ControlledSliding. Robotics: Science and Systems. Delft, Netherlands, July 15-July 19, 2024
(12)Kevin Black, Noah Brown, Danny Driess, Adnan Esmail, Michael Equi, Chelsea Finn, NiccoloFusai, Lachy Groom, Karol Hausman, Brian Ichter, et al. pi0: A vision-language-action flowmodel for general robot control. arXiv preprint arXiv:2410.24164, 2024.
(13)Johan Bjorck, Fernando Castaneda, Nikita Cherniadev, Xingye Da, Runyu Ding, Linxi Fan, Yu Fang, Dieter Fox, Fengyuan Hu, Spencer Huang, et al. Gr00t n1: An open foundation modelfor generalist humanoid robots. arXiv preprint arXiv:2503.14734, 2025.
(14)Steven Morad, Ryan Kortvelesy, Matteo Bettini, Stephan Liwicki, and Amanda Prorok. POPGym:Benchmarking partially observable reinforcement learning. In The Eleventh International Conference on Learning Representations, 2023. URLhttps://openreview.net/forum?id=chDrutUTs0K.
(15)Soroush Nasiriany, Sean Kirmani, Tianli Ding, Laura Smith, Yuke Zhu, Danny Driess, Dorsa Sadigh, and Ted Xiao.Rt-affordance: Affordances are versatile intermediate representations for robot manipulation, 2024a.URLhttps://arxiv.org/abs/2411.02704.
(16)Feng Siyuan, Burchfiel Ben, Albina Toffee, and Tedrake Russ. 2023. TRI’s Robots Learn New Manipulation Skills in an Afternoon. Here’s How.Accessed: May 20, 2024.
(17)Physical Intelligence (π)https://www.physicalintelligence.company/
(18)Open X-Embodiment: Robotic Learning Datasets and RT-X Models,Open X-Embodiment Collaboration, arXiv:2310.08864v9 [cs.RO] 14 May 2025,robotics-transformer-x.github.io
(19)Meta. 2024. Meta XR Interaction SDK OVR Samples. Accessed: May 26, 2024.
(20)Alexander Khazatskyetc.,Droid: A large-scale in-the-wild robot manipulation dataset.In Proceedings of Robotics: Science and Systems, 2024.
(21)Visualizing Hand Force with Wearable Muscle Sensing for Enhanced Mixed.Reality Remote Collaboration. IEEE Transactions on Visualization and Computer Graphics 2023.
(22)Yiming Liu, Raz Leib, and David W Franklin. 2023. Follow the force: Haptic communication enhances coordination in physical Human-Robot.interaction when humans are followers. IEEE Robotics and Automation Letters 2023.
(23)New Solutions for the Industry of the Future.Digital Twins and Cybersecurity Strategies for the Modern World of Workhttps://www.research-in-bavaria.de/industry-of-the-future/
(24)Germany’s Hub for Robotics and AI Excellence https://robotics-institute-germany.de/
(25)Jiahao Chen, D. Antony Chacon, Muhammad Bilal, Qiushi Zhou, Wafa JohalAuthors Info & Claims.Mr.LfD: A Mixed Reality Interface for Robot Learning from Demonstration.OzCHI '24: Proceedings of the 36th Australasian Conference on Human-Computer Interaction. 29 September 2025
(26)University of Toronto’s hub for multidisciplinary robotics research and innovationhttps://robotics.utoronto.ca/
(27)The Robotics Institute at Carnegie Mellon Universityhttps://www.ri.cmu.edu/
(28)Franka Robotics GmbH.Franka robotics, 2025.URL https://franka.de/.
(29)PNP Robotics CO.Ltd. PNP ROBOTS, 2025.URL,https://www.pnprobotics.com
