今年以來，以具身機器人為代表的機器人賽道異?；鸨皺C器人馬拉松”、“機器人運動會”等活動的舉辦，也推高了民眾關注的熱度。中國企業(yè)表現(xiàn)出領先的創(chuàng)新能力得到廣泛認可，圍繞人形機器人的本地生態(tài)系統(tǒng)也在加速構建。當前，人形機器人正在實現(xiàn)從原型走向量產(chǎn)的關鍵階段，今年也被視為人形機器人的規(guī)模量產(chǎn)元年。

國家統(tǒng)計局數(shù)據(jù)顯示，2025年上半年，工業(yè)機器人累計產(chǎn)量達到36.93萬套，同比增長30.4%。來自第三方機構IDC的最新預測，到2029年全球機器人市場規(guī)模將超過4000億美元。其中，中國市場占據(jù)近半份額，且以近15%的復合增長率位居全球前列。

在工業(yè)領域，如果說過去10年，過去10年，數(shù)字工廠對生產(chǎn)自動化和數(shù)字驅動決策起到了很大的推動作用，那么機器對環(huán)境的感知、理解和靈巧操作，將代表著工業(yè)智能的未來。

“我們要讓機器具備感知、連接、控制和解譯的能力，讓工廠成為一個有思想、有觸感和有行動力的智能系統(tǒng)。AI、機器人和自動化的深度融合，正在開啟人機協(xié)作的新紀元?！痹谌涨癆DI舉辦的“激活邊緣智能 共繪具身未來”人形機器人媒體溝通會上，ADI公司院士兼技術副總裁陳寶興博士在接受集微網(wǎng)等媒體采訪時表示。

推動產(chǎn)業(yè)變革的具身機器人

AI經(jīng)歷了70年的發(fā)展，從1950年的圖靈測試，到1956年正式提出人工智能學科，從2012年深度學習取得突破性進展，到2022年生成式AI爆發(fā)。

從今年起，具身機器人將在未來幾年成為現(xiàn)實，推動產(chǎn)業(yè)變革。在過去，AI、自動化和機器人都各有其賽道，但現(xiàn)在這些領域正在融匯成一個超級生態(tài)。

陳寶興博士指出了三方面驅動機器人發(fā)展因素：

一是AI加速，AI算法推動了機器學習和適應的能力，能在復雜環(huán)境下自主優(yōu)化動作。

二是由于市場需求，對靈活制造的需求更大，工廠需要柔性生產(chǎn)，機器人更需要能夠快速地切換任務。

三是人口減少與勞動力短缺，制造業(yè)面臨用工荒。未來更加需要人機協(xié)作，機器人與人類并肩協(xié)作，共同完成復雜任務。

人形機器人需要的核心能力包括感知、連接、控制和解譯，相當于人的眼睛、神經(jīng)網(wǎng)絡、肌肉與大腦，而這些工業(yè)智能領域的核心能力也正是ADI的優(yōu)勢所在。

據(jù)陳寶興介紹，ADI能夠提供針對人形機器人的從核心技術到系統(tǒng)解決方案的全套產(chǎn)品。其中包括測量景深的ToF攝像頭模組；針對關節(jié)數(shù)據(jù)傳輸?shù)腉MSL、以太網(wǎng)等高速連接技術；ISO-USB等穩(wěn)健的外部連接可以保證讓維護、調(diào)試、充電更加安全；此外，ADI還有高效的電源與電池管理方案、用于實現(xiàn)類人靈巧操作的IMU、以及實現(xiàn)先進抓握與觸覺感知的觸覺傳感器；在電機控制方面，有磁性編碼及控制器、位置傳感器等。

如何讓機器人擁有一雙靈巧手？

靈巧手將是人形機器人智能的下一個突破口。特斯拉的CEO埃隆·馬斯克就在近期的采訪中表示，特斯拉最新一代的機器人Optimus Gen3最具挑戰(zhàn)的部分就是靈巧手。

陳寶興博士介紹，實現(xiàn)類人靈巧有五大技術因素：

一是低延遲，相當于類比人類的“脊髓反射”，人類能在20到50毫秒之內(nèi)完成本能動作，而機器人要實現(xiàn)本能級反應，控制環(huán)路的總延遲必須控制在10到20毫秒之內(nèi)甚至更低。

二是精密的電機控制，如同人類的手指可以精確地控制力度和角度，機器人需要高分辨率的位置與力反饋。

三是觸覺傳感，機器人的手指要像人類一樣感知壓力、滑移和材質的變化。

四是高速互聯(lián)，類比人的神經(jīng)網(wǎng)絡，機器人需要高速的、低抖動的數(shù)據(jù)通路。

五是需要高寬帶的數(shù)據(jù)共享?？紤]到工業(yè)現(xiàn)場的海量數(shù)據(jù)，機器人需要在本地和云端之間高效地同步狀態(tài)，學習經(jīng)驗，最新的AI算法也支持“邊云協(xié)同”，讓機器人能夠實時上傳操作數(shù)據(jù)，遠程云端可以根據(jù)數(shù)據(jù)對機器人的動作進行即時優(yōu)化。

“因此，類人靈巧不是單點突破，而是低延遲、精密控制、觸覺感知、高速互聯(lián)的全系統(tǒng)協(xié)同。”陳寶興博士指出。

以其中比較關鍵的環(huán)節(jié)——低延遲的控制環(huán)路為例，最終目標是能夠實現(xiàn)機器人反應速度逼近人類本能。比如人類的手指觸碰到冷熱物體會本能收回，整個過程只需要20到50毫秒，實際上這個過程不需要通過大腦，而是人類的脊髓反射。

機器人要實現(xiàn)類似的反應，必須在感知、處理、通信、驅動四個環(huán)節(jié)能做到極致的低延遲。首先是感知延時，快速響應磁觸覺陣列可做到1ms響應。其次是處理，邊緣AI芯片要進行實時推理和控制。第三是高速通信，比如GMSL、以太網(wǎng)等需要達到毫秒級的傳遞速度。最后從驅動上來講，要能夠進行高響應的電機驅動。只有把每個環(huán)節(jié)低延遲做到極致，機器人才真正地具有“類人靈巧”，成為工業(yè)現(xiàn)場的伙伴。

高性能傳感器：從復雜手術到穿針引線

在一些工業(yè)、醫(yī)療場景，機械手（手術、工具抓取擺放，或穿針引線等操作），機器人需要執(zhí)行極其精密的復雜操作，這需要其在操控的精度和靈敏度上要逼近甚至超過人類。

從角度檢測精度來講，現(xiàn)在的機器人可以做到±0.1–0.5度，將來機器人如果實現(xiàn)對標人類，指關節(jié)角度感知精度需要達到大約±0.02–0.05度。如果從觸覺的靈敏度來看，機器人要能夠識別1克的壓力變化或者是1毫米的位移，這樣才能實現(xiàn)精確的抓取和柔順操作。從運動控制精度上來講，現(xiàn)在機器人一般可以做到±1–2毫米，如果接近人類水平，大約要達到0.01毫米。從閉環(huán)控制上來說，如果各個關節(jié)進行復雜動作同步，關節(jié)延遲要達到1毫秒，而現(xiàn)在一般能做到5到10毫秒。

“所以，機器人要做到逼近人類的精度和靈敏度還有一段距離要走?！标悓毰d博士指出。

觸覺傳感器作為靈巧手的關鍵組成部分，在提升機器人的操作精度和靈敏度方面發(fā)揮著關鍵作用。目前市場上的產(chǎn)品包括壓阻式、電容式和光學檢測等方式，但上述產(chǎn)品容易受到水分、灰塵等環(huán)境影響，使得可靠性大打折扣。而ADI的磁耦合觸覺傳感器則具有較好的魯棒性和穩(wěn)定性。ADI的觸覺傳感器的力檢測靈敏度可以達到1克，分辨率可以達到12個比特，同時實現(xiàn)很小的空間分辨率——低于1mm。

陳寶興博士指出，加速人形機器人的創(chuàng)新和落地，最重要的是AI要與物理智能緊密、深度融合?！癆I和物理智能”的關系比成“大腦跟人體”的關系，比如AI是機器人的“大腦”，負責學習、推理、決策。物理智能是“身體”，負責感知、運動、與環(huán)境互動。只有兩者深度融合，機器才能像人一樣靈活、聰明、可靠。

物理智能的核心是高性能傳感器，ADI的機器人團隊正致力于將傳感器和執(zhí)行器模型集成進 NVIDIA的Isaac Sim平臺，如此可以模擬真實世界的物理反饋，訓練可直接部署的控制策略，從而實現(xiàn)Sim2Real，從仿真到現(xiàn)實的突破路徑。

“因為工業(yè)應用的場景非常復雜，可訓練的數(shù)據(jù)非常少，但隨著高仿真的出現(xiàn)，我們就可以用其產(chǎn)生數(shù)據(jù)。如果想實現(xiàn)仿真的準確性，就需要準確的模型，這就是ADI正在發(fā)力的領域?！标悓毰d博士指出。

規(guī)模落地需過幾道坎？

此次媒體溝通會上的圓桌環(huán)節(jié)，陳寶興博士還同國家地方共建具身智能機器人創(chuàng)新中心具身天工事業(yè)部負責人劉益彰、北京因時機器人科技CMO房海南、松延動力人形機器人電控系統(tǒng)負責人吳雅劍就人形機器人量產(chǎn)商業(yè)化等問題進行了觀點分享。

陳寶興博士認為，現(xiàn)在的具身智能、物理智能的成熟度還比較有限，需要與AI和算法進行更多融合，從而提升AI對物理環(huán)境的認知，以便于在未來復雜的工業(yè)場景下能夠自我感知、適應和運行。而復雜場景的數(shù)據(jù)訓練較為困難，業(yè)內(nèi)也存在一些相關方法的討論，ADI的主張是建立一個非常準確的物理模型，通過數(shù)字孿生仿真平臺進行訓練，從而在機器人進入現(xiàn)場之前就可以對動作和場景進行一些優(yōu)化。

劉益彰指出，今年是人形機器人量產(chǎn)元年，各家機器人廠商都在積極摸索階段，這需要一個過程，后續(xù)需要把機器人整體的可靠性、穩(wěn)定性進一步提升。

房海南認為，人形機器人的需求一直存在，而且當前外界的期待高于發(fā)展速度。對于人形機器人的落地應從簡單場景開始由易而難，比較利于行業(yè)良性向上發(fā)展。

吳雅劍表示，技術上而言，工業(yè)機器人自由度越來越高，再加上復雜的環(huán)境，以及很多場景加入AI，所以具身AI現(xiàn)在也成為一個大規(guī)模量產(chǎn)的挑戰(zhàn)。同時，核心零部件、動力的成本也是影響規(guī)模量產(chǎn)的關鍵因素。

與會嘉賓比較一致的判斷是，短期內(nèi)，人形機器人將率先在相對簡單的工業(yè)、物流等場景規(guī)模落地，實際上，目前已經(jīng)有落地于物流、分揀、高危場景，無人超市等已經(jīng)。未來3-5年內(nèi)，將會進入部分康養(yǎng)、服務和家庭場景。

“長期來看，我認為終極目標是實現(xiàn)人機交互。機器人可以陪伴人類，人類的全部場景都可以預測，可以幫助人類規(guī)劃和完成任務，不需要人類指導。它能夠想人在想什么，幫助人完成任務，甚至可以幫助人完成自身無法完成的任務。”陳寶興博士指出。