人形机器人半马：进步与失控并存，短板暴露促进行业迭代

北京亦庄机器人半马现意外在北京亦庄南海子公园的终点线前“天工Ultra”曾是去年北京亦庄人形机器人半程马拉松的王者以2小时40分42秒的成绩夺冠。但在今年的比赛中它触线后未停下径直冲入路边绿化带工程师上前“急救”并将其抬离赛道观众戏称“机器人也被胜利冲昏了头脑”。没人知道它是被人群遮挡视线、误判终点为障碍还是导航在最后一刻失准。这一幕恰恰照见了机器人行业进步与失控只在一瞬间的现实。一年之变机器人发展超乎想象一年前人形机器人需被拖着完成比赛身后跟着扛着电脑的工程师需频繁介入纠正方向更像是人机协同接力。一年后赛场规则改变陪跑员取消人工干预严格限制场内外换电影响成绩计算有40%的机器人实现了自主导航最快完赛时间直接缩短近两个小时最短完赛时间为50分26秒。复杂赛道对机器人多维考验这条全长21.0975公里的赛道串联了十余种地形对人类跑者都不轻松对机器人更是挑战每一个转弯、每一段坡度变化都是对感知、决策与控制系统的同步拷问。在这条赛道上对人形机器人的考验被拆解为运动控制、能源管理、感知决策、热管理与机械结构等多个维度。错题集失败暴露机器人短板机器人在成功之余也交出了“错题集”有的因高温暂停降温有的突然迷路有的步伐不稳即便去年的冠军“天工Ultra”也出现意外。但一定程度上失败比成功更有意义每个失衡、误判、中断都暴露了机器人在实验室环境里被掩盖的短板能让行业看清边界、找到方向。耐人寻味赛场上的差异现象赛场上机器人存在诸多差异如有的穿鞋有的裸足有的步伐大开大合有的高频小步前进有的外形如婴儿有的如成年人同样的弯道有的机器人流畅通过有的却需减速甚至停顿。围绕这些现象邀请了快思慢想研究院院长田丰和零零后科技创始人兼CEO张振尧进行拆解。追赶博尔特速度、步幅差异受何制约田丰认为步幅最直接的决定因素是关节电机的扭矩但还跟控制算法密切相关。在控制能力不够成熟时很多系统会选择更保守的小步策略因为小步调整空间大稳定性更高且系统响应延迟大会导致重心来不及修正而失去平衡。至于步频本质上取决于电机的响应速度和驱动能力也和电力系统密切相关供电能力不足或电机性能不够很难支撑高步频运行。完赛时间缩短得益于电动车产业链迁移田丰表示今年人形机器人完赛时间大幅缩短得益于电动车产业链往机器人领域迁移关节电机、电池性能提升国产化率提高。另外厂商在算法上的投入加大有的机器人厂商一半的研发费用投在运控和逻辑思考部分带来很大价值。电池问题为何不扩大电池包张振尧指出按照目前电化学发展一块电池很难驱动全尺寸人形机器人跑完“半马”增大电池包会使整机重量、体积上升电机需输出更大扭矩消耗更多电能陷入循环。所以堆电池容量是下下策最好把电池重量控制在整机重量的10 - 15%依靠多次换电完成比赛。今年有的队伍做到了不断电换电是很好的技术路线。未来突破点可能在“动能回收”类似新能源车下坡回收动能。OOTD有说法机器人为何穿鞋或不穿张振尧称机器人穿不穿鞋体现在工程学上有地面接触模型、摩擦系数和冲击吸收三个指标。跑鞋可吸收冲击力保护关节和电机提高静摩擦避免微小位移和算法误差。但穿鞋也会带来算法扰动和增加腿部能耗的问题不过利大于弊。防水难题对人形机器人难吗张振尧认为机器人防水非常困难人形机器人集成大量传感器和设备设计之初未考虑防水电源接口、连接件和走线裸露做防水太复杂且会使整机成本至少上升五倍不符合商业化落地需求。高矮胖瘦人形机器人最优体型存在吗张振尧表示不同应用场景下人形机器人有各自适合的体型。体型较小的机器人重量轻、重心低、稳定性好、功耗小但单步跨度有限对复杂地形适应能力差适合室内环境或算法验证。全尺寸人形机器人可更好利用动力学与人类空间适配但摔倒风险高对电机性能和控制算法要求高适合工业制造、物流搬运等场景。未来形态会出现非标准人形结构吗张振尧认为单纯从“跑得更快、更久”目标看完全复刻人类双足直立形态未必是最优解自然界中鸵鸟等动物的结构可提供思路。但从长期看进入家庭、医院或通用服务场景人形机器人仍需在“类人”“仿生”方向上收敛目前流行的体型是综合多方面因素的相对均衡结果。全自主导航挑战与解决方案何在张振尧指出自主导航包括感知和决策两方面。感知层面马拉松赛道与实验室环境差别大存在光照、路面等复杂情况数据噪声和计算延迟是最大问题奔跑冲击力会损害关节和干扰感知系统且算力有限会导致系统“抢”算力的情况。今年在高精度全局定位系统修正和多系统耦合上有提升使用视觉和IMU里程计、高精度RTK定位技术解决累计误差问题。从遥控到自主导航关键在于决策能力目前可实时生成环境模型、规划路径还引入了大模型能力但仍无法实现百分之百无人干预的全程运行。跑马拉松的意义为何要让机器人跑田丰认为马拉松是一个命题作文把实验室标准环境变成真实复杂世界考验机器人的泛化能力是全产业链能力的体现。它能暴露短板促进厂商自研核心零部件产生能力溢出。未来比赛形式会演化能让问题更早暴露失败产生的“负样本”数据对系统迭代和能力提升有价值。速度之问让人形机器人跑得更快重要吗田丰表示跑得快的关键指标是峰值速度实际运行速度大概在峰值的75%到80%较理想。跑得快的价值在于体现能力上限不同场景对速度需求不同如工厂和搜救场景。这有点像奥林匹克不断挑战机器人的专项能力极限未来可能超过人的生理边界。那么人形机器人在未来的发展中还会面临哪些挑战和突破呢