（本文素材来源于论文arXiv:2404.04249v1）埃隆·马斯克在2021年特斯拉AI日上展示了人形机器人原型，并预言其价值将超越汽车，未来将在特斯拉工厂中大规模应用。这一行为激发了全球公司和投资基金的极大兴趣，他们纷纷投入到这一新兴领域。人形机器人作为高度复杂的机器，集成了机电一体化、控制算法、执行器设计等多个学科，需要在有限的空间内通过机载计算机执行复杂算法。
2017年，中国制定了到2030年成为人工智能领域世界领导者的计划。2023年11月2日，工业和信息化部在其网站上发布了一份九页的指导方针，称中国应该在2025年实现人形机器人的大规模生产，并且到2027年，人形机器人应该成为经济增长的重要新引擎。
当前目标是在2至3年内实现人形机器人在工业环境中与人类工人相媲美的性能，但这一目标的现实性仍存疑。本文旨在通过分析12家公司，讨论技术挑战、运营维护、试点测试等方面，为读者提供关于人形机器人发展现状和未来前景的深入见解。
一、评价机器人公司的标准
在这一部分，在接下来的部分中，我们将介绍那些计划在未来几年内商业化人形机器人的公司。每家公司都制定了自己的战略和市场方法，因此它们强调的技术也各有不同。为了提供全面的视角，我们提出了8个标准，并在下文中对其进行了描述，并为每家公司提供了一个雷达图。
表1 评价机器人公司的标准
二、12家机器人公司的雷达图
图片1突出了我们考虑的不同公司的雷达图。这个分析是基于本文写作时的情况。很可能在六个月或一年内会出现新的公司，或者本文中提到的公司会在人形机器人（软件、机械等方面）方面改进他们的产品。
评价机器人公司的标准的8个分类，中文、英文及简称。机器人背景（Robotics background，R-B）、远程操作（Teleoperation，Teleop）、模块化（Modularity，Mod）、灵巧的手（Dexterous hands，D-H）、任务规划（Task planning，T-P）、人工智能（Artificial intelligence，AI）、行走步态（Walking gait，W-G）以及市场/试点（Market/pilot，M/P）。
图1：12家公司的雷达图。
竞争主要在北美和中国各有5家公司，欧洲有2家公司。总结如下：
北美公司（5家）：Apptronik (Appolo A1)、Sanctuary AI (Phoenix)、Figure (Figure 01)、Agility Robotics (Digit)、Tesla (Optimus)
中国公司（5家）：Agibot (RAISE-A1)、Unitree (H1)、Fourier Intelligence (GR1)、XPeng (XP5)、Kepler Exploration Robotics (Kepler)
欧洲公司（2家）：LimX Dynamics (CL-1)、1X (NEO)
从这些图表中，我们可以勾画出不同的战略：
平台导向：我们注意到Fourier、Unitree和LimX的足迹相当相似，机器人是一个精心设计的人形平台，鼓励研究中心开发应用。Unitree的人形机器人配备了电动马达，但在运动方面表现出色。
模块化、远程操作、人工智能、手或腿：Santuary、Apptronik和1X采取了相同的策略，远程操作在学习过程中起着重要作用，商业化产品的模块化程度较高，并且在人工智能算法和任务规划方面进行了重大投资（然而，在手部开发方面存在明显的技术差异，对于Santuary来说，手部开发是一个技术标志，而对于1X来说，手部开发尚在进行中）。
准备试点：Agility、Figure和Tesla有非常相似的方法。他们拥有强大的团队，人形机器人已经发展到足以开始试点的程度。值得注意的是，对于Agility来说，雷达图的分级范围是从0到1，而对于Figure.ai和Tesla来说，是从0到0.8。在方法上非常务实的Agility Robotics在物流领域的部署非常先进。
很有潜力：值得关注 一些公司像Agibot这样非常年轻（不到一年），但有着非常精心设计的长期愿景和性能出色的双足机器人，与Agility Robotics非常相似。这绝对是一家值得关注的公司。Kepler也是如此，他们在CES 2024展示了他们的人形机器人。
在欧洲的人形机器人领域有许多非常成功的公司，比如 Pal Robotics，他们开发了用于研究实验室的人形机器人，例如TALOS 或 KANGAROO。还必须提到 Enchanted Tools，他们的 Mirokai 机器人采用了球体底盘，上半身是人形的。我没有在表格中考虑它，因为所有其他机器人都有腿。
三、人形机器人的技术挑战
1. 机械/执行器/控制
长期以来，人形机器人在运动学上都相似。旋转关节采用串联配置（见图2（A））。该结构已经得到了深入研究，并且可以推导出逆运动学的封闭形式解，这是其主要优点之一。不幸的是，存在一些缺点，例如旋转执行器通常直接位于关节处，靠近链条起始点的执行器需要承载链条下部的执行器。位置误差会在关节处累积，从而降低准确性。串联结构还具有较高的惯性，因此加速度较低。值得注意的是，Unitree的H1是唯一一个保持这种串联配置的人形机器人。
经验和理论表明，低质量、低惯性的腿部配合高带宽执行器可以实现许多控制简化。这就是我们观察到的这一新一代人形机器人。事实上，一种解决方案是将执行器与轴偏离轴心，靠近连杆的根部，并使用轻质联轴器或传动装置，如皮带 - 见图2（B），负责膝盖的旋转执行器靠近臀部，以减小腿部的惯性。由于大腿和小腿通常提供足够的空间来容纳执行器和联轴器，因此已经开发了几种有效的解决方案，如曲柄杆机构和线性执行器，参见图2（C）。几乎所有使用两个线性执行器来使踝关节围绕Cardan关节进行俯仰和滚动的新型人形机器人。
图2：从经典的串联配置（A）到线性并联机构（B）或串并联机构的组合（C）
这些人形机器人将与环境进行互动，并且它们在行走时需要吸收冲击，所以力反馈控制是必不可少的。
四足机器人的发展为设计一代被称为准直接驱动的执行器提供了机会，这些执行器已经被开发出来，可以生成足够大的扭矩，而不牺牲回驱动性和/或机械韧性。这些驱动器通常由扭矩电机（与功率/速度电机相对）和单级行星齿轮传动组成，其传动比小于1:10，因此输出扭矩在某种程度上被放大，并实现了内在的回驱动性，而不损害系统带宽。此外，齿轮减速的低，导致的高效率允许电机扭矩（可通过电流测量实现）直接成为输出扭矩的有效指示。这些准直接驱动执行器的较大版本被用于人形机器人。
新的人形机器人还严重依赖于线性执行器。我无法确定它们是机械线性电机（围绕球螺杆驱动设计，回驱动性存在争议）还是直接驱动线性电机。直接驱动线性电机由两部分组成：滑块和定子。滑块由磁铁制成，而定子包含电机绕组。已经证明这种类型的电机具有很高的回驱动性，适用于人形机器人。
在控制方面，如果强化学习为四足机器人带来了惊人的结果，那么“牛顿式”优化主要应用于人形机器人。此外，多年来，已经开发了一些开源控制工具箱，例如DRAKE、pinocchio或IHMC等。这些工具箱综合了十年动态行走研究的“专业知识”。新研究人员可以利用它们来快速原型化新算法，并在人形机器人上进行测试。
2. 端对端抓取与灵巧手
这是机器人操作的黄金时代！事实上，在过去几年中，研究机器人学中应用于六自由度抓取的人工智能方法的出版物数量显著增长，而这些成就在5年前几乎是不可想象的。这种进步的实现得益于各个相关领域的惊人进展。让我们来看一下。
通用用途的人形机器人意味着该机器人将像人类工人一样工作和操纵相同的物体。因此，具有灵巧多指手是有意义的。设计和开发这种手是一个挑战：机械部分要确保高灵活性，内在和外在传感器以及抓取力控制。然而，随着制造和加工技术的快速发展，新材料和电子、机械正在出现，这可能为多指手设计提供新的结构、执行器和传感器。
像深度神经网络算法这样的仿真软件受益于GPU的进步。游戏引擎渲染器可以模拟摄像头得足够好，不仅可以在模拟中测试感知系统，甚至可以在模拟中训练感知系统，并期望它们在现实世界中工作！在接触模拟的质量和性能方面也取得了惊人的进步。制作多体接触的健壮和性能优越的模拟涉及处理复杂的几何查询和刚性（测量 -）微分方程。这些仿真软件允许快速开发新的算法和/或培训新的策略。
一旦设计好手，你已经完成了一半的工作，然后你需要知道如何识别你想抓取的物体以及如何抓取它。这是一个非常困难的问题，再次，人工智能的最新进展将为我们提供解决方案。在感知到抓取领域，模仿学习被广泛用于训练神经网络如何根据物体的形状和柔软性抓取特定物体。已经探索了不同的技术，例如基于视觉的远程操作或从互联网视频中学习灵巧等。这些技术的好处是成本低廉，但它们缺乏触觉和力/扭矩反馈。一些远程操作设备能够提供这些反馈，但大规模采购可能成本高昂。
另一种看起来非常有前景的方法是扩散策略，它可以通过示范轻松快速地进行行为教学。丰田研究院（TRI）利用了扩散策略，并开发了一种流程，TRI的机器人行为模型通过老师的触觉示范和目标的语言描述进行学习。专有的基于人工智能的扩散策略用于学习所示的技能。这个过程允许一个新的行为从几十次示范中自主部署。扩散模型也是新研究的基础，旨在开发一个策略组合框架域（仿真、真实机器人或视频）和模式（视觉、深度图像、触觉...）。
研究人员还在开发工具，以尽可能简化数据收集。例如，这篇论文介绍了他们称之为通用操纵接口（UMI）的东西-一种数据收集和策略学习框架，它允许将野外的人类示范直接转移到可部署的机器人策略。野外，因为它使用手持夹具结合精心设计的界面，实现了便携、低成本和信息丰富的数据收集。这在一定程度上是一个突破，因为它显著地简化了对给定任务的机器人策略的训练。
总而言之，到目前为止，所有这些人形机器人都在操纵小型轻便的物体，因此它们的下半身是刚性的。然而，如果它们必须操纵庞大的物体，它们将不得不像人类工人一样动用整个身体来避免受伤，同时也避免了执行器被过快破坏。一些研究人员也开始在这个领域工作。
3. 空间推理和任务规划（用于操作）
我们可以先提及最近发布的两个案例：
Agility Robotics在一个视频中展示了可以接收发出口头命令的可能性，能够通过使用专用的LLM规划执行订单的任务序列。虽然环境非常简单，有一组不同高度的塔以及三个箱子，每个箱子上都有不同的颜色和象形图标，像“将红色箱子移动到最低的塔上”之类的命令，都能够执行该命令；
Figure与OpenAI合作发布了一个演示视频，其中机器人可以像人类一样说话。该机器人能够识别放在面前的物品，回答问题，执行所要求的任务（给一个苹果给人）。
其中一种方法是将大型语言模型（LLM）和视觉语言模型（VLM）相结合。预训练在广泛的网络规模数据集上的LLMs已经展示了在文本上的推理能力，利用它们的自然语言能力和常识推理来生成机器人任务。然而，LLMs可以生成计划，但它们无法感知环境。与此同时，VLMs实现了开放词汇的视觉识别，并且能够对图像中的对象-代理交互进行复杂推理。给定一张图片，VLM能够进行空间推理和对象分类。基于这些信息，LLM能够规划对应于特定查询的一系列动作。Palm-E是这种方法的一个例子。请注意，动作序列然后由低级控制器执行。对于老一辈的研究人员来说，这可能会让他们想起SRI为Shakey创建的STRIPS规划器。
一些研究人员认为，将语言与视觉和运动反馈相结合将产生更好的性能。因此，另一种方法是尝试将自然任务描述映射到机器人动作上。一个例子是RT-2，称为视觉语言动作（VLA）模型，它包括在互联网规模的数据集上联合训练模型，其中包括与图像和动作相关的任务。机器人末端执行器的位置、方向和高度被像文本一样进行了标记。请注意，VLA利用了以前LLM+VLM模型的实例化，并对这些模型进行了机器人动作的微调。
在面对外部干扰时具有显著的鲁棒性并且学习速度快——比如说，专家培训50次可能就足够了。另一种方法是寻找通用机器人策略（GRPs），认为这些通用机器人策略有潜力改变机器人学习研究的方式：就像当前自然语言处理中的模型几乎普遍来自预训练的大型语言模型一样，未来的机器人策略可能会从通用机器人策略初始化，并用适量的数据进行微调。这是 TRI 和一个被称为 Octo的开源倡议所采取的路径。然后，它将与LLM结合，规划一系列任务的顺序。
利用LLM使机器人能够规划执行口头命令的（非常）简单任务序列的研究刚刚开始。本节强调了与操作相关的一些有前途的方法，对于机器人变形器的相当完整的概述，读者可以参考。
然而，这些机器人变形器面临着不同的挑战，需要解决这些挑战才能被广泛接受作为可靠的操作任务规划器和通用任务规划器：
长时域、多阶段任务规划需要进行推理，这对LLMs来说是一个挑战。为了缓解这个问题，提示方案 Chain-of-Thoughts 将复杂的问题提炼为中间推理步骤，借助示例，促进有效推理。
处理大规模问题往往会导致问题，如幻觉或未考虑重要细节，使得他们的计划变得无效或错误百出；
在机器人中处理多步骤任务也涉及处理不确定性和环境变化，这可能导致某个时间点任务失败并触发重新规划过程。
现代VLMs的规模可以达到数十亿或数百亿个参数，直接在当前人形机器人上可用的嵌入式GPU上运行这样的模型是不可能的——这个声明将持续多年。为了实现高效的实时推理，当前解决方案是将这些VLMs部署在多TPU云服务上，并通过网络查询该服务。
为确保自动导引车（AGV）和自主移动机器人（AMR）在工作中不会对人员或周围基础设施造成伤害，已经制定了安全标准，例如美国的ANSI/ITSDF B56.5-2019和欧盟的EU EN ISO 3691-4:2020。
这些设备配备了安全传感器，以避免与人员和物体发生接触，并采取了主动和被动的风险缓解措施。主动措施包括碰撞避免系统和压力敏感保护器，而被动措施则包括紧急停止机制和警示灯等。如何保护机器人的手在摔倒时不折断仍然是一个挑战。
如果人形机器人要在工作场所与人类共同工作，则解决这些问题是至关重要的。
三、运营与维护
为什么要谈论运营与维护？人形机器人是非常复杂、易碎的机器，目前尚无可用的关于可能发生的故障和其频率的统计数据。此外，一旦它们部署在仓库中，公司将不得不部署所有必要的人力和基础设施，以确保人形机器人完全运转，并根据与客户签订的合同交付工作。
1. 现场工程师
一旦公司开始向客户提供和部署人形机器人，特别培训的运营和维护人员将参与其中。如果公司采用机器人即服务（RaaS）业务模式并扩展其人形机器人队列，则支持人员也需要做同样的事情。每个客户，无论机器人数量多少，都会遇到机器人出现错误的情况，需要来自RaaS提供商的人员支持。让我们举几个例子：
考虑到灵巧手，如果手是设计成具有电缆驱动的执行器，众所周知，电缆驱动器通常不太耐用，可能更难校准；
电机也很脆弱，过载或在灰尘或污垢等敏感环境中运行可能很快导致其被摧毁；
力/力矩（F/T）传感器问题：在运动中，稳定性评估是通过F/T传感器获得的质心（CoP）的估计来完成的。这意味着传感器必须足够坚固，不仅能够承受机器人的重量，还能在行走过程中承受地面冲击力。目前可用的F/T传感器的缺点是，测量是通过传感器传递的力引起的张力（例如应变片）完成的。这会导致长期变形，需要重新校准以延长传感器的可用性。
2. 与现有系统集成
公司将不得不定制他们的软件或硬件，以满足客户系统的特定要求，例如仓库管理系统（WMS）。这可能涉及到重要的工程、集成和测试成本。
3. 云服务的需求
如果一些公司想要部署通用的人形机器人，它们将不得不依赖于机器人转换器/VLM/VLA。这种模型不能在嵌入式GPU上运行，必须部署在多TPU云服务上。这提出了几个问题：
需要开发专用协议以在机器人和VLM之间交换数据；
保证至少与分配给人形机器人的任务相一致的实时性；
由于欧盟的一般数据保护条例（GDPR）等数据保护法规的保护，可能无法将机器人收集到的数据转移到美国的云中心。公司可能被迫在全球的不同地区部署数据中心，这将导致额外的成本，可能影响其收入。
本文未提及的另一个负担是需要建立安全通信。
将需要可靠的通信渠道：
公司需要与远程数据中心建立连接，以下载新的任务模型到人形机器人或上传数据来训练LLM；
公司需要互联网连接，允许操作员远程操控人形机器人；
公司需要远程监控机器人的状态；
客户需要获取有关其机器人队列性能和状态的信息，这对于客户了解他们的人形机器人的运行方式并识别任何问题至关重要；
通过具有客户服务前端的客户访问。
为客户提供无缝便捷的体验对于成功的部署至关重要，然而，整合各种通信渠道可能会复杂且昂贵，需要大量的IT资源和基础设施成本。随着机器人（和客户）的规模增加，这种成本将会增加。
为什么需要远程监督？因为人形机器人被认为是7*24自主的，但它们可能因为不同的原因而陷入困境。然而，如果公司承诺提供7*24服务，而机器人在工作时间内自主运行的时间只占60%，那么公司需要建立远程监督（果与客户达成一致的话）以履行合同承诺。
如果人形机器人提供高可用性并配备了自诊断解决方案，那么可以大大减轻对主动远程监督的需求。雇佣员工进行远程监视人形机器人与部署解决方案的自主性/稳健性程度相关。人形机器人的稳健性越低，所需的员工就越多。
这个方面必须在项目的早期阶段进行量化，因为由监督引起的成本负担必须包含在相关的财务报价中。远程监督涉及以下内容：
研发团队必须开发和维护监督工具；
专用硬件（服务器）和以太网连接——可能需要冗余设置。如果带宽/响应时间要求符合客户同意的SLA，另一种选择是采用云解决方案；
雇佣和培训一个团队来监督不同的站点。
开放工单的频率提供了有关“现场解决方案”的成熟度的指示；
干预的频率，即帮助陷入不良情况的机器人，提供了有关用例缺陷的指示；
如果团队随着站点数量的增加而显著增长，则意味着仍然需要解决（基本）问题。
修改或调整客户基础设施的时间； 网络依赖性，与其他物理和软件客户系统的集成； 配置和/或训练机器人的时间； 训练员工设置和使用人形机器人的时间； 最终花费在为人形机器人定位和导航创建和编辑3D地图上的时间。
第二步，衡量机器人被工作人员接受的程度也是一个关键因素。
如果人形机器人不直观、不友好友好，工作人员可能会感到沮丧，因为他们花费了大量时间弄明白或试图从公司获取帮助。这个阶段是公司改善人形机器人设置、人形机器人在其环境中的运作以及维护指导的机会。
如果评估结果令人满意，客户确定是否存在收益，以及收益的类型：生产率提高：人形机器人的成本低于员工，并且工作速度和/或工作时间更长；健康和社会收益：人形机器人执行繁重或非常重复且无报酬的任务，从而导致事故减少、病假减少或员工流失减少。 如果客户认为收益显著，则可以开始部署阶段。人形机器人最初很可能在安全环境中运行，以保护员工的安全，确保人形机器人符合所涉行业的安全标准的认证所需的时间。 部署的最后一步是将人形机器人从安全范围中取出，并让它与其他人类员工一起在工厂中工作。这一步非常复杂，因为人形机器人必须能够规划一系列任务，包括导航，同时面对动态且嘈杂的环境，必须注意工作场所标志，保持在通道内，警惕车辆交通（叉车，订单拣选机等）。另一方面，人形机器人必须对周围的工人安全，并符合尚未定义的安全标准-有关更多详情。我认为这一步在不久的将来是无法实现的。
遵循这些步骤非常重要。许多机器人初创公司失败是因为他们在许多客户现场部署机器人之前没有完全测试他们的机器人。显然，机器人的工作不如预期，环境约束条件未曾预料到，机械故障。因此，需要派遣人员到现场，对机器人进行机械维修和/或更换零件。如果这种情况在多个现场反复发生，维护成本很快就会变得难以控制，并且会让初创公司陷入危险的财务状况，还不包括初创公司品牌形象的恶化。
当一家公司希望迅速开拓市场时，一种策略是将其产品调整到环境和目标使用情况所施加的限制下，这有时意味着需要对机器人的设计做出选择。例如，如果机器人必须处理具有特定形状和尺寸的箱子，而这些箱子是独一无二且已知的，那么与其设计一个理论上可以接受任何物体的通用手，但成功的概率无法控制，还不如设计一个适用于该使用情况的夹爪，其至少能够在95%的时间内工作。这一点引出了机器人的可靠性问题。
人形机器人在距离亚马逊员工的安全范围内运行；
人形机器人在一个没有障碍物的空间内运行。环境被结构化，以便机器人能够完成任务而无需偶发情况；
任务可能是基于事件的，箱子被推入一个倾斜的移动货架，传感器可能会检测到箱子的存在，触发Digit机器人移动到货架前面，抓取箱子并将其运送到传送带上。
机器人在距离亚马逊员工的安全范围内运行；
任务比亚马逊试点略微复杂，因为有一个自动移动机器人（AMR）运载着装满产品的箱子。一旦AMR到达目的地，可能会通过后台发送一条消息给Digit。在这种情况下，Digit将会把重箱子从AMR运送到传送带上。对于敏捷机器人来说，观察两只手臂和肩膀的执行器在长时间运行时的表现以及动态步态能力来补偿额外重量将是很有趣的。
图3：Digit协助亚马逊员工进行重复任务 - 来源：亚马逊。
图4：Digit正在将装满产品的箱子从移动机器人上移动到传送带上。来源：敏捷机器人技术。
这些任务相当简单，依赖一套稳健且经过验证的算法，例如：Digit的步行步态已经开发、改进并测试了十年，感知可能通过一个深度神经网络来实现，用于识别和定位箱子，3D环境可能已经被SLAM算法扫描和创建，有效的定位算法可用于定位机器人，使用专用夹具抓取已在进行试点之前进行了密集测试。
2.2 Enchanted Tools
Enchanted Tools是一家法国初创公司，专注于医院、养老院和医疗诊所等应用领域，推出了Mirokai机器人，这是一个安装在单个球形轮上的人形上半身。这个合作机器人采用了一种有趣的方法，其动画面部围绕着一个紧凑的后置投影系统构建。它将直接与人们互动，并可以使用一对手臂携带小型货物，约3公斤。
Enchanted Tools提供了一个实用的解决方案来抓取物体。该机器人只能抓取具有特定形状的手柄。如图5所示，这些手柄连接在各种物体上，例如托盘或手推车，这些物体将在机器人设计的应用中使用。该机器人已经经过训练，只能识别和抓取这些手柄。
Enchanted Tools还开发了“标识”概念。这是一种通过蓝牙与机器人通信的连接对象。标识也可以被机器人定位，并可以编程为标记为诸如花瓶、托盘编号xxx、卧室-xxx或厨房等地点的对象。
图5：Enchanted Tools。
这些标识可以以以下方式使用：
一个标识被放置在一个带有标签 room-xxx 的房间里，人们可以要求机器人将托盘移动到 room-xxx。机器人定位带有标签 room-xxx 的标识，并规划到标识位置的路径；
一个标识可以固定在带有标签 tray-yyy 的手柄上，而这个手柄被固定在一个托盘上。人们可以要求机器人拿起 tray-yyy 并将其带到 room-yyy。
这款机器人正在巴黎的医院进行测试，以帮助医院工作人员搬运物品。借助这个设备，机器人的部署速度更快，而且更有效率。
2.3 结论
在这里，我的观点是，当一个机器人供应商想要销售其机器人，并将其引入工业环境并符合生产力约束时，它必须依赖成熟的技术，这些技术可能不是最先进的，但这些技术已经经过了彻底测试，因此您可以信任它们。机器人供应商必须通过试点证明其机器人至少在95%的工作时间内能够完成任务，这对于如此复杂的机械来说非常困难。这并不妨碍公司及其研发团队开发新的算法或探索例如生成式人工智能的可能应用，并保持未来将其纳入路线图中的可能性。
五、结论
在短短一年的时间里，大量专注于人形机器人的公司出现在国际舞台上。这是一个前所未有的情况，因为这些机器人是复杂的，需要从机械到人工智能等各个领域的专业知识，而这些公司的目标是在2025年之前商业化这些机器人！我们正在目睹高科技行业的战略性动作。例如，OpenAI正在押注人形机器人作为中期利润的来源。OpenAI正在与Figure合作，为Figure 01配备高级基于视觉的情境分析能力、任务规划和语言智能，并且还是Figure的竞争对手1X的股东。英伟达最近宣布了Project GR00T（Generalist Robot 00 Technology），这是一个通用的人形机器人基础模型，充当机器人的大脑，使它们能够学习解决各种任务的技能。
在这篇文章中，我们研究了12家公司。我们还审查了这些机器带来的技术挑战，以及它们在部署后的运营和支持方面，并详细介绍了当前的试点，这些试点告诉我们有关这些人形机器人和公司战略成熟度的信息。
有些公司希望以快速的速度征服市场份额，这就是为什么他们的人形机器人依赖已经被证明可靠性的技术，其可靠性目前正在通过试点测试。
其他公司选择依赖于尚处于研究阶段的创新技术，如生成式人工智能。这些技术从理论上讲可以应对物流以外的市场，如医疗保健、家庭服务和/或陪伴，但它们尚未证明其可靠性或稳健性。此外，这些技术需要复杂的基础设施才能运行。它们将更昂贵地实施和维护。这是对未来的一种赌注，从定义上讲是有风险的。
如果我们拿自动驾驶汽车做类比，许多公司承诺在2025年或2026年推出通用目的的人形机器人，但很可能与自动驾驶汽车一样，这些承诺不会兑现，我们将不得不等待5年或10年，才能看到这种类型的机器人真正投入运营。
接下来的几年将是非常令人兴奋的，已经有一些试点正在进行，我们正在看到一些人形机器人在安全范围内的仓库中工作。一些试点将取得成功，并引发这些人形机器人的大规模生产。这将在不久的将来导致更灵活、可靠和高效的人形机器人。
附件：12家机器人公司的简要介绍
1. Apptronik的Appolo A1，美国
机器人背景（1）：Apptronik的创始人曾在德克萨斯大学奥斯汀分校实验室工作时，积极参与了制造Valkyrie，NASA的第一个双足机器人，最初是为2013年的DARPA机器人挑战赛而设计的。事实上，Apptronik是在2016年创建的，旨在商业化NASA的工作。自那以后，该公司已经建造了13个机器人。
遥操作（1）：Apptronik为其上半身人形机器人Astra开发了一种虚拟现实遥操作方法。Apptronik的短期至中期方法可能是混合自治，首先由人类监督几个，最终有很多Apollo可以在必要时进行直接遥操作指导。
模块化（1）：Apollo在躯干部位是模块化的。因此，如果您想要把它放在轮子上，您可以把上半身放在轮子上。它在末端执行器上也是模块化的，头部也是如此，可以根据需要放置不同的传感器负载。
灵巧的手（0.6）：Apptronik发布了一个视频，显示Appolo A1正在操纵一个箱子。
任务规划（0.2）：这个话题已经被讨论过，但我没有看到Apptronik是如何解决这些问题的。
人工智能（0.4）：很难说，因为Apptronik没有提到抓取是否通过深度学习实现。
行走步态（0.6）：Apptronik发布了一个视频，我们可以猜测Appolo A1的行走速度大约是每秒2/3米。
市场（0.5）：Apollo humanoid的早期版本旨在处理物流和制造行业的任务（托盘装载，搬运货物，拾取物品 - 可能与AMR互动）。在与John Koetsier的一次讨论中，Apptronik的CEO Jeff Cardenas提到了试点项目，我们可以期待在2024年看到一些公关活动。
| 身高：173厘米 | 步行速度：1米/秒 |
| 负载：25公斤 | 自由度：41（手6DoF） |
| 重量：73公斤 | 感知：深度摄像头 |
| 运行时间：4小时，可更换电池 | 目标价格：5万美元 |
机器人技术背景（0.5）：Sanctuary AI成立于2018年，创始人包括Geordie Rose、Suzanne Gildert和Olivia Norton。他们都曾在Kindred AI担任高级职位，这是一家专门从事AI驱动的操纵机器人的公司，于2020年被Ocado收购。创始人在金融、管理和强化学习方面经验丰富。
遥操作（1）：Sanctuary AI认为，如果机器人无法自主执行任务，可以考虑远程操作，即直接操控（或遥控）机器人。在完成工作的同时，操控者可以帮助进一步训练机器人（模仿学习）。实际上，高质量的远程操作用于收集关于复杂或高价值任务的大量数据（见下面的市场要点），这些数据将用于培养一个认知架构。
模块化（1）：目前，Phoenix要么是静态和有线连接的，意味着它不会移动，要么是在四轮底盘上，当需要有限的无线连接移动时。双足机器人并不是他们的首要任务。
灵巧的手（1）：根据其CEO的说法，"Sanctuary AI在某种程度上是一种手送交机制"。由于Phoenix希望设计一个真正通用的人形机器人，灵巧的类人手是必不可少的。这就是为什么Sanctuary AI正在积极研究视觉伺服、抓取过程的实时模拟以及视觉和触觉数据之间的映射。
任务规划（0.2）：Sanctuary AI希望实现的是"你对机器人说话，发出一个命令，机器人必须解释你的意思。然后在其所在的世界环境中，为你执行该命令"。为此，Sanctuary AI声称控制系统（称为Carbon）"使Phoenix能够像人一样思考和行动来完成任务"。
人工智能（0.6）：根据我的阅读，我可以假设Sanctuary AI旨在开发端到端的感知-抓取深度网络，无论是通过强化学习还是其他方法。
步态（0）：如上所述，双足机器人并不是他们的首要任务，尽管他们计划对此进行研究。
市场/试点（0.5）：由于Phoenix具有独特的手灵巧性，Sanstuary AI将更多地关注价值较高的任务，即那些非常困难或昂贵的任务。这就是为什么Phoenix正在密切关注飞行进出工作。通过与加拿大轮胎公司（CTC）的合作，Phoenix已经签署了试点项目。
| 身高：170厘米 | 步行速度：最大1.5米/秒 |
| 负载：最大25公斤 | 手部自由度：20个DoF |
| 重量：70公斤 | 感知：深度摄像头 |
| 运行时间：5小时 | 目标价格：未披露 |
3. Figure的Figure 01，美国
机器人背景（0.5）：Figure的首席技术官是Jerry Pratt，他是Gill Pratt（DARPA机器人挑战背后的人）的前博士生，他的论文是关于Flamingo的。Jerry Pratt在佛罗里达人类与机器智能研究所（IHMC）工作了20年，在那里他领导的团队在DARPA机器人挑战决赛中获得了第二名。他曾经与DRC Atlas、NASA的Valkyrie以及最近的Nadia一起工作。Jerry Pratt对Figure来说是一个重要的资产，因为他非常了解如何使人形机器人行走。他不仅花了整个职业生涯来开发人形机器人的算法、执行器和硬件，而且他经验丰富，并深入了解动态行走。
遥操作（0.5）：Figure依赖不同的技术来训练他们的人形机器人。通过对机器人进行远程操作并指导它们如何拾取箱子、盒子或桌子上的物体是其中之一。
模块化（0）：Figure计划销售一款完整的人形机器人。
灵巧的手（0.6）：从这段视频中可以看出，Figure具有灵巧的6自由度手部能力。
任务规划（0.7）：Figure正在与OpenAI合作，在这段视频中展示Figure 01能够理解口头命令并规划任务。
人工智能（0.6）：尽管动态行走可能是通过“牛顿”控制和优化算法实现的，但Figure依靠一个人工智能团队，该团队正在使用端到端神经网络运行人形机器人，执行高度复杂和灵巧的任务（“端到端”意味着从感知到抓取）。整体战略是教会机器人如何执行任务，随着机器人队伍的增长，培训数据集也会增加。在工厂中一组机器人学会的任务和/或技能会转移到队伍中的其他成员。
Figure在这段视频中声称，他们的人形机器人学习准备咖啡需要观看视频10小时。Figure遵循的学习策略似乎是观看视频。这是一个做得很好的营销视频。我们必须予以认可。至少我们观察到的是手臂、手和手指的动作是多么流畅。
行走步态（0.6）：Figure.ai发布了一段视频，我们可以猜测Figure的行走速度约为2/3 m/s。
市场/试点（0.5）：Figure宣布与宝马达成商业协议，为该汽车制造商提供南卡罗来纳州制造厂的人形工人。这对于公司来说是一个好消息，我迫不及待地想看看Figure 01将被分配什么样的任务以及它将如何执行。
| 身高：168厘米 | 步行速度：1.2米/秒 |
| 负载：20公斤 | 自由度：41（手部6自由度） |
| 重量：60公斤 | 感知：未公开 |
| 运行时间：5小时 | 目标价格：未公开 |
4. Agibot的RAISE-A1，中国
机器人技术背景（0.5）：Agibot的创始人彭志辉于2020年11月通过华为的“天才”招聘计划加入华为，担任人工智能算法工程师。2022年，他离开华为创办了Agibot。在2023年的Agibot人型机器人RAISE-A1发布会上，彭志辉详细介绍了A1以及未来几年的愿景。从图片中可以看出，A1与Digit非常相似。Agibot并未在中国以外的地区推广A1。
远程操作（0）：在Agibot的介绍中没有提到远程操作。
模块化（1）：Agibot提出了ARSEA1上半身的静态和带轮子的版本。
灵巧的手（0.6）：视频展示了RAISE-A1操作物体的情况，尽管动作不够流畅。
任务规划（0.6）：Agibot设计了一个依赖大型语言模型（LLM）的人工智能架构。他们正在研究一个名为“WorkGPT”的LLM，这是一个具有语义理解、逻辑推理、图像识别和代码生成强大功能的大规模预训练语言和图像模型。目标是建立一个端到端的自然语言接口，以向机器人下达命令，该接口能够转化为一系列任务。
他们将机器人的认知系统分为四个部分：“云部署超级大脑”（WorkGPT，集中管理机器人舰队收集的所有知识，并能够解决新问题）- 大脑（轻量级视觉语言模型或VML）- 小脑（命令级或运动控制，如MPC WBC）和脑干（伺服级）。
人工智能（0.3）：如上所述，RAISE-A1将配备一个轻量级的VML，所以至少可以说这个机器人将能够识别和分类物体。但我无法确定是否有一个从感知到抓取的端到端深度网络。
步行步态（1）：在2023年的Agibot人型机器人RAISE-A1发布会上，Agibot展示了双足平台设计和测试的不同阶段，以及工程师们如何挑战步行步态的稳健性。
市场/试点（0.2）：目标市场是工业制造。但Agibot旨在开发一个生态系统，为开发人员培育新的应用。
| 身高：175厘米 | 步行速度：2米/秒 |
| 负载：20公斤 | 自由度：49（手部12自由度+5被动自由度） |
| 重量：53公斤 | 感知：深度（RGBD）摄像头 |
| 运行时间：未公开 | 目标价格：人民币20万 |
机器人技术背景（0.5）：特斯拉以其电动汽车和FSD（全自动驾驶）应用而闻名，也称为自动驾驶应用，使其汽车部分自主（在汽车制造商的行话中为L2+）。特斯拉是第一家推出双足机器人的公司，名为Optimus，于2022年特斯拉AI日揭幕。一年后，Optimus gen2在特斯拉2023年AI日上推出。马斯克表示，该机器人将能够操作工具，以及在工厂和其他环境中搬运和操纵物体。特斯拉在不知不觉中引发了一场竞赛，许多公司都加入其中。
远程操作（0）：特斯拉使用动作捕捉来展示关键帧，然后通过其优化程序进行抓取和平衡。
模块化（0）：Optimus已经开发为全功能的人形机器人。
灵巧的手（0.6）：特斯拉发布了一段宣传视频，展示了Optimus Gen2的灵巧。
任务规划（0）：在这个阶段尚未提到这个话题。
人工智能（0.6）特斯拉将其精力集中在状态估计、控制、定位和路径规划上。然而，从视频中我们可以看到，Optimus配备了深度神经网络，实现了物体识别、分类和分割。埃隆·马斯克在Twitter上发布了一段视频，展示了特斯拉的Optimus展示了折叠衣物的能力。然而，埃隆·马斯克在随后的一条推文中补充道：“重要提示：Optimus目前还不能自主执行此操作，但肯定将能够在任意环境中完全自主执行此操作（不需要一个只有一件衬衫的固定桌子上的箱子）。
步态鲁棒性（0.6）：显示Optimus Gen2行走的视频。动作流畅，但特斯拉从未展示行走步态在干扰方面的鲁棒性。
市场（0.5）：由于特斯拉正在制造汽车，Optimus将能够操作工具，并在工厂和其他场所搬运和操纵物体。然而，特斯拉在竞争对手面前具有显著优势：它拥有工厂并建立了测试Optimus gen2的试点，这并不是问题。
| 身高：173厘米 | 步行速度：最高5米/秒 |
| 负载：20公斤 | 自由度：50（手11自由度） |
| 重量：63公斤 | 感知：摄像头、超声波传感器（与特斯拉汽车相同的套件） |
| 电池：2.3千瓦时，52伏特电池组 | 目标价格：20,000美元 |
6. Unitree的H1，中国
机器人学背景（1）：Unitree是四足机器人设计、开发和制造的世界领先者。Unitree设计自己的执行器、运动和感知算法。他们积累了大量的经验，使他们能够毫不费力地从四足机器人转变为双足机器人，而不需要太多的努力。
远程操作（0）：H1目前尚未进行远程操作。
模块化（0）：H1已经被开发为全身的双足机器人。
灵巧的手（0）：H1目前还未配备手部。
任务规划（0）：这不是Unitree工程师在这个阶段讨论的话题。
人工智能（0.2）：Unitree工程师专注于使用深度摄像头和3D激光雷达的数据进行感知和导航。然而，我们很可能可以打赌，为四足机器人开发的物体识别和分类算法已经被移植到了H1上。
步行姿势的稳健性（1）：展示H1双足机器人在非结构化环境中行走的视频令人印象深刻。尽管工程师们推动它，但机器人仍然动态稳定并继续行走。这显然是列表中最稳健的机器人。H1配备了非常强大的电动执行器，在髋部提供高达360N·m的扭矩 - 凭借这样的执行器，H1可能能够以最高5m/s的速度行走/奔跑。
市场（0.2）：H1被Unitree视为一个研究平台，至少目前是这样。因此，市场是研究实验室和/或希望开发应用程序的公司。与Agibot和傅里叶智能一样，他们将依靠实验室网络和初创企业网络来开发工业应用。
| 身高：180厘米 | 步行速度：最高3.4米/秒，最高可达5米/秒 |
| 负载：20公斤 | 自由度：18（无手） |
| 重量：47千克 | 感知：深度摄像头（D435i）和3D激光雷达（LIVOX MID360） |
| 电池：850瓦时 | 目标价格：9万美元 |
机器人学背景（1）：Fourier Intelligence自2015年开始开发外骨骼和康复机器人。其RehabHub平台提供一系列整合的物理治疗设备，用于治疗各种问题，从手腕力量游戏到手部和手指握力训练，再到用于训练人们行走、坐立、站立、平衡和爬楼梯的下肢外骨骼。他们的工程师研究了人类的行走步态，并熟悉构建至少从脚趾到臀部的人型机器人所必需的执行器和控制算法。
遥操作（0）：Fourier Intelligence不打算研究GR1的遥操作可能性。
模块化（0）：GR1是一个完整的人型机器人——没有计划只销售上半身。
灵巧手（0.5）：Fourier Intelligence发布了视频，其中我们可以看到GR1配有手（11个自由度）或简单的夹持器。
任务规划（0）：Fourier Intelligence没有提到他们正在研究这个课题。
人工智能（0.2）：Fourier Intelligence的工程师似乎专注于动态步态，并开发了关于导航、感知和抓取的非常基本的能力。Fourier Intelligence的策略是生产可能是数百个GR-1并将它们运送到全球的研发实验室，当地的研究人员将开发算法使其更加强大。
步态稳健性（1）：Fourier Intelligence发布了视频，展示了机器人对工程师的推挤和踢打表现出的令人印象深刻的稳健性。请注意，臀部的电动机是最大的，可以产生高达300牛顿·米的扭矩。
市场（0.2）：Fourier表示预计将销售GR-1用于研究和教育、礼宾和导览、娱乐和展览、工业生产和物流、医疗保健和康复、安全检查、家庭服务和陪伴等应用。
| 身高：165厘米 | 步行速度：最高5米/秒 |
| 负载：20公斤 | 自由度：40（手11个自由度） |
| 重量：55千克 | 感知：头部和躯干中的深度摄像头 |
| 运行时间：未公开 | 目标价格：未公开 |
8. 1X的NEO，欧洲（挪威）
机器人学背景（0.5）：挪威公司于2023年4月完成了一轮2,350万美元的融资，OpenAI是这轮融资的主要领投方。考虑到过去一年中OpenAI在生成式人工智能崛起中所扮演的角色，这一基础技术几乎肯定将在塑造机器人未来方面发挥巨大作用。OpenAI决定投资于1X，并可能与该公司密切合作。另一方面，1X正在积极开发EVE，这是一个安装在轮子上的上半身（躯干、两只手和一个头）。
遥操作（1）：1X依靠一个（遥控）操作团队来训练机器学习模型，使EVE能够表现出特定的行为。通过遥控员接管陷入困境的人形机器人也被考虑在内。
模块化（1）：1X提出了EVE，这是一个安装在轮子上的可动上半身。尽管1X展示了NEO的艺术照片，但EVE和NEO之间可能会存在协同作用。人工智能能力可以从一个机器人转移到另一个机器人。
灵巧的手（0.2）：1X宣传了一段视频，其中EVE使用夹具将物品打包到箱子中。
任务规划（0.3）：由于1X得到了OpenAI的支持，该公司肯定在研究这一热门话题。然而，到目前为止还没有发布任何视频和/或新闻报道。
人工智能（0.6）：1X最近发布的说明显示，EVE机器人使用基于扩散模型的算法训练的端到端感知-抓取神经网络处理各种任务。
步行韧性（0）：1X正在销售EVE，但没有NEO的行动视频。
市场/试点（0）：1X仍在致力于其人形机器人，因此现在提及任何试点为时尚早。然而，1X希望解决工业任务（物流、制造）、支持行动不便的个人或帮助机器人学界探索心理学和人工智能等领域。
| 身高：165厘米 | 步行速度：3米/秒 |
| 负载：20公斤 | 自由度：未披露 |
| 重量：30千克 | 感知：未披露 |
| 运行时间：2到4小时（取决于负载） | 目标价格：未披露 |
9. Agility Robotics的Digit，美国
机器人背景（1）：Digit是经过长期研究的结果，始于由俄勒冈州立大学（OSU）动态机器人实验室主任Jonathan Husrt指导开发的ATRIAS。随后是由OSU的分支机构Agility Robotics设计的Cassie，该公司的首席机器人官员是Jonathan Husrt。
远程操作（0）：Agility Robotics没有提到是否使用远程操作模式。
模块化（0）：Digit作为完整的双足机器人出售。
灵巧的手（0.2）：Digit的手被设计用于完成一件事：移动塑料箱（控制仓库货物流动的塑料箱）。它们并不特别像人类，也不显得花哨，但它们正是Digit需要完成任务的工具。
任务规划（0.7）：在最近的一段视频中，Agility Robotics展示了通过使用专用的大型语言模型向Digit发出口头命令，并且Digit能够规划一系列任务来执行这些命令。尽管环境非常简单，包括一系列不同高度的塔以及三个不同颜色和象形图案的箱子，例如“将红色箱子移动到最低的塔上”，Digit仍然能够执行命令。对于老一辈的研究者来说，这可能会让他们想起SRI为Shakey创建的STRIPS规划器。利用大型语言模型使机器人能够规划一系列任务以执行口头命令的研究刚刚开始，这个演示向我们展示了这是可能的。
人工智能（0.4）：Agility Robotics依靠人工智能进行感知。然而，我无法确定抓取算法是基于C++还是深度神经网络。
步态稳健性（1）：Digit是至少经过十年研究的动态步行步态的结果。
市场/试点（1）：Agility Robotics的目标是以物流为基础的任务。这些任务，如将塑料箱从A点移动到B点，应该自动化，因为公司很难找到人来完成它们。Agility Robotics在市场方面非常务实，正在进行两个试点项目，我们将在第6节中详细介绍。
| 身高：175厘米 | 步行速度：1.5米/秒 |
| 负载：15公斤 | 自由度：22 |
| 重量：65千克 | 感知：（RGBD）深度摄像头和3D激光雷达 |
| 运行时间：未透露 | 目标价格：未披露 |
机器人背景（0.2）：XPeng紧随特斯拉的脚步。XPeng成立于2014年，专注于电动汽车的开发。像特斯拉一样，它开发了X-NGP先进驾驶辅助系统，并且每年都会举办XPeng科技日，在这一天，CEO何小鹏会宣布即将推出的产品。在2023年的XPeng科技日上，PX5人形机器人原型首次公开亮相。
远程操作（0）：XPeng没有提到是否使用远程操作。
模块化（0）：XPeng只销售一款行走的人形机器人。
灵巧的手（1）：这段视频展示了具有11个自由度的灵巧机器人手，可以执行像提起箱子、抓取笔和向杯子中倒水等任务。机器人手有11个自由度，其中两个手指重量仅为430克，但能够抓取高达1公斤的负载。机械臂具有7个自由度，定位精度为0.05毫米，最大负载为3公斤，重量为5公斤。
任务规划（0）：XPeng没有提到他们是否在研究任务规划。
人工智能（0.4）：XPeng Robotics依靠人工智能进行感知。然而，我无法确定抓取算法是基于C++还是深度神经网络。
步态稳健性（1）：这段视频展示了PX5人形机器人，它可以承受冲击并保持稳定，即使被踢也是如此。通过自主开发的高性能关节，机器人实现了高稳定性的行走能力，可以在室内和室外行走和越过障碍物超过2小时。
市场/试点（0）：据何小鹏称，XPeng计划在明年的科技日活动中将其PX5机器人引入工厂和商店，并利用它们进行工厂巡逻和店内产品销售等任务。
| 身高：150厘米 | 步行速度：1-2米/秒 |
| 负载：未知 | 自由度：51（手11自由度） |
| 重量：未披露 | 感知：深度摄像头 |
| 运行时间：2小时 | 目标价格：未披露 |
机器人背景（0.2）尽管Kepler在CES 2024上展示了，但关于公司本身的信息很少。然而，在这段来自TheAIGRID的视频中，可以看到Kepler在行走和操纵一些物体。
远程操作（0）Kepler Exploration Robotics没有提到远程操作作为训练人形机器人的工具，也没有提到在机器人受阻时接管的可能性。
模块化（0）Kepler作为一款完整的人形机器人进行销售。
灵巧的手（1）Kepler Exploration Robotics设计了一个具有12个自由度的手。这段视频显示了Kepler在操纵一些物体。
任务规划（0.2）Kepler Exploration Robotics已经为人形机器人配备了一个基于云的多模态大型模型，同时在机器人本身部署了一个更小的、针对行业的模型，以提供更快的响应时间。这意味着工程师可能正在研究任务规划，但尚未进行演示。
人工智能（0.4）Kepler Exploration Robotics正在开发自己的人工智能堆栈，名为NEBULA，使机器人能够实时与周围环境进行交互。该人形机器人配备了一个处理器，为NEBULA系统提供了100 TOPS的计算性能，包括视觉识别、视觉SLAM（同时定位和地图绘制）、多模态交互和手眼协调。
步态稳健性（0.6）这段视频展示了Kepler及其平衡能力，但该公司没有透露展示Kepler动态行走能力的视频。
市场/试点（0.2）根据公司网站，仓储、智能检查、自动化生产线、户外任务和高风险操作是目标市场。不同版本（K1、S1和D1）的Kepler将被建造来解决这些不同的市场需求。Kepler Exploration Robotics提供了一个开放的开发平台，邀请开发人员和集成商创建利用机器人先进功能的创新解决方案。
| 身高：175厘米 | 步行速度：1-2米/秒 |
| 负载：未知 | 自由度：40（手12个自由度） |
| 重量：85千克 | 感知：传感器套件红外双目3D摄像头 |
| 运行时间：未透露 | 目标价格：约30,000美元 |
12. LimX Dynamics的CL-1，欧洲（法国）
机器人背景（0.5）：LimX Dynamics成立于2022年，总部位于深圳。他们已经推出了四足机器人X1和轮式四足机器人W1。CL-1人形机器人于2023年12月首次亮相[16]。类似于Unitree（参见表6），CL-1的开发依赖于为四足机器人研发的算法和执行器。该公司由一群机器人科学家创立，已在天使轮和Pre-A轮融资中筹集了2亿元人民币（约合2750万美元）。公司聘请了前文远知行（WeRide）首席运营官张力，同时任命香港大学终身副教授潘嘉博士为首席科学家[33]。
远程操作（0.5）：根据视频，LimX Dynamics使用远程操作来训练他们的人形机器人。
模块化（0）：CL-1为一款行走的人形机器人，不提供模块化功能。
灵巧手（0）：CL-1尚未配备手部。
任务规划（0）：LimX Dynamics未提及是否在研究任务规划。
人工智能（0.4）：LimX Dynamics依靠人工智能进行感知和物体分类，目前人形机器人尚未配备手部。
步态稳健性（0.6）：视频展示了CL-1人形机器人能够在不同类型的地面上行走，甚至能爬楼梯。视频展示了团队在双足机器人（无上半身）方面的动态稳健步态开发能力，并通过强化学习实现。
市场/试点（0）：LimX Dynamics的人形机器人将逐步应用于B2B和B2C领域，重点场景包括危险环境、高端服务、汽车制造和家庭服务[16]。目前该人形机器人仍在开发中。
| 身高：未透露 | 步行速度：1-2米/秒 |
| 负载：未透露 | 自由度：18（无手） |
| 重量：未透露 | 感知：深度摄像头 |
| 运行时间：未透露 | 目标价格：未透露 |
Humanoid Robots at work: where are we? Fabrice R. Noreils
声明：本文素材来源于http://arxiv.org/abs/2404.04249v1，致敬原作者。侵权可后台联系删除。
篇幅所限，以上仅摘录部分内容。
并搜索编号“A116”获取详细资料。
另在知识星球有一篇非公开资料，
《应急救援场景中人形机器人技术（编号S022）》
