1. 零：人形机器人基本概念
1.1 人形机器人的远期目标是通用性
根据国际机器人联合会（IFR）的分类，机器人可分为工业机器人和服务机器人。工业机器人根据机械结构的不同，可以分为线性机器人、SCARA 机器人、并联机器人、多关节机器人、圆柱机器人等类型，广泛应用于搬运/上下料、焊接、喷涂、加工和装配等领域。服务机器人是除工业自动化应用外，能为人类或设备完成有用任务的机器人，主要包括个人/家用服务机器人和专用服务机器人。个人/家用服务机器人是指用于非营利性任务的，一般由非专业人士使用的服务机器人，包括家政服务、教育娱乐、养老助残等类型的机器人。专用服务机器人是用于营利性任务的，一般由培训合格的操作员操作的服务机器人，包括专用清洁机器人、医用机器人、物流机器人、建筑破拆机器人、水下机器人、救援安保机器人、动力人体外骨骼机器人等 12 种类型的机器人。
人形机器人通过仿生形态，提升应用深度和广度，最终实现和人类共同社会化分工。人形机器人的通用性体现在，由于当前社会环境的建立以人类适应为出发点，人形机器人通过以类似人类的能力不需要改造环境就能应对复杂的人类环境，使用场景更广，能作为简单、重复、危险的劳动力替代，也能适应非标服务场景的同时满足情感需求和交互。工业机器人从功能出发，使用场景相对固定，强调运动控制的精度和稳定性；服务机器人需要环境感知和自主决策，使用场景相对非标化，且家庭场景的使用者通常非专业化。
现代人形机器人起步于上世纪 60 年代后期，根据产品迭代路线，其发展历程可以分为三个阶段。第一阶段是以日本早稻田大学的人形机器人 WABOT-1 为代表的早期发展阶段，这一阶段的人形机器人实现了从下半身站立，到下半身行走，组装上半身，最后全身协同、缓慢静态行走的技术突破；第二阶段是以日本本田的人形机器人 ASIMO 为代表的系统高度集成阶段，这一阶段的人形机器人不仅实现了连续动态行走，还可以通过感知外部环境及时调整步幅、行走速度、绕过障碍物；第三阶段是以波士顿动力的人形机器人 ATLAS 为代表的高动态运动发展阶段，这一阶段的人形机器人运动性能更强，能完成多种高难度运动动作，展示了人形机器人的平衡能力与敏捷性。
1.2 催化频出：Optimus 迭代超预期，国内厂商纷纷入局
特斯拉于 2021 年 AI day 发布 tesla bot concept，2023 年 12 月发布了 Optimus gen-2，大幅超出市场预期。Gen-2 显示了“Tesla”ID，搭载了自研的执行器和传感器，颈部由 2 自由度驱动，体重减轻 10 公斤、行走速度提升 30%，脚部采用了力/扭矩传感器 、铰链化的脚趾部分、脚掌连接的部分更接近人类的足部几何角度，手部 11 自由度、而且所有手指都有触觉感应，用手指捡起鸡蛋后可完好无损的放下，平衡和全身控制算法继续提升、可以在平衡自身的同时进行深蹲，执行器的电子布线高度集成化。Gen-2 的发布表明Optimus 研发相对顺利，技术性能正在逐步完善中，其中灵巧手、平衡性能表现亮眼。和概念机相比，Optimus体重仍需降低约 7kg，小型化、轻量化仍是其迭代的方向，涉及到一体化电驱、结构设计优化、减重材料的运用等方面。
人形机器人国内玩家增加，发布新机 10 余款。2022 年，小米的人形机器人 CyberOne 亮相，身高 177cm，体重 52kg，全身 21 自由度，能实现各自由度 0.5ms 级别的实时相应，单手垂直抓握 1.5kg 重物，同时搭载Mi Sense 视觉空间系统，拥有 85 种环境语义识别、6 类 45 种人类语义情绪识别。2023 年以来，不完全统计，有 10 余款人形机器人发布，其中除了机器人厂商如追觅、傅利叶、达闼、宇数、开普勒、乐聚、理工华汇、中科电机器人公司，还包括汽车厂商小鹏，以及偏互联网的企业如小米、科大讯飞、智元。
2. 问题一：AI&人形机器人，大模型是人形机器人的核心助推力
2.1 人形机器人产业链梳理及结构拆分
人形机器人产业链可以分为上中下游三大部分。上游是原材料&零部件生产，核心零部件不仅成本占比最高，而且技术难度最大，软件和硬件环节均具备较高的壁垒；以 Optimus 为例，其软件算法自研，硬件则是我国产业链可以充分切入的环节。中游是本体制造，其技术难度跟随上游零部件，本体制造商会对核心部件做出设计并指定供应商。下游为场景应用，特斯拉机器人制造后或将率先应用于汽车装配工序，优必选机器人此前也发布了在汽车工厂的工作视频等，其他应用场景有望逐步展开。
人形机器人主要由三大系统组成，分别是传感系统、控制系统、执行系统。
一、传感系统对应“五官”，包含内部传感器和外部传感器。内部传感器主要用来检测机器人本身的状态，为机器人的运动控制提供必要的本体状态信息，如各关节的位置、速度、加速度等，并将所测得的信息作为反馈信号送至传感器，形成闭环控制，主要有位置传感器、速度传感器等。外部传感器则用来感知机器人所处的工作环境或工作状况信息，使机器人的动作适应外界情况的变化，达到更高层次的自动化，提高机器人的工作精度，常见有视觉传感器、触觉传感器等。
二、控制系统对应“大脑”和“小脑”，是机器人的指挥中枢。“大脑”负责环境感知、行为控制、人机交互，通过深度学习和 AI 技术，实现自主学习和智能决策。“小脑”则负责运动控制包括运动规划、姿态控制、动态平衡等，通过实时感知机器人的状态和环境信息，小脑可以调整机器人的动作，使其能够稳定地行走、跑步、跳跃等。控制系统负责处理作业指令信息、内外环境信息，并依据预定的本体模型、环境模型和控制程序做出决策，产生相应的控制信号，通过驱动器驱动执行机构的各个关节按所需的顺序、确定的轨迹运动，完成特定的作业。
三、执行系统对应“肢体”，负责执行控制系统制定的操作。“机器肢”指仿人机械臂、灵巧手、腿足等，“机器体”指骨骼、本体结构等。执行系统的工作流程如下图所示，涉及到伺服系统和执行机构：伺服系统是能根据指令信号精确地控制执行部件的运动速度与位置的驱动系统，一般伺服系统由核心零部件电机、驱动器和传感器/编码器组成；传动机构是把动力从机器的一部分传递到另一部分，实现改变动力机输出转矩或者改变其运动方式（旋转运功和直线运动的转换），机械传动分为两类，一是靠机件间的摩擦力传递动力与摩擦传动，二是靠主动件与从动件啮合或借助中间件啮合传递动力或运动的啮合传动，典型机构有减速器、丝杠、蜗轮蜗杆传动杆等。
2.2 大模型为场景泛化提供可能，AI 是我们长期面临的难题之一
人形机器人量产，硬件本体是前置条件，更重要的是“AI 大脑”，可以说是我们长期面临的最困难的问题之一。《智能机器人智能化等级评价规范》对机器人智能化水平做了分级，其中通用智能化等级的分级则主要基于机器人综合能力的评级，从感知、执行、决策和认知四个方面，对机器人的智能等级进行评价，该评级不对机器人智能化单项要素进行评价，只对机器人智能化综合能力进行评级。机器人综合通用智能化等级从低到高主要分为 L1 级～L5 级：a)L1 级（基础型）：具备感知功能及部分执行功能；b) L2 级（半交互型）：具备感知功能和执行功能；c) L3 级（交互型）：具备感知功能、执行功能和部分决策功能；d) L4 级（自主型）：具备感知功能、执行功能和决策功能；e) L5 级（自适应型）：具备感知功能、执行功能、决策功能和认知功能。可见，通用机器人的认知和决策功能是智能化的最高标准，其实现也难于感知和执行功能。
正是大语言模型技术的飞速发展，使得机器人能够自主感知环境、理解任务、动作编排等自主完成一套动作成为可能。基于超大规模的数据预训练的语言和图像大模型，具备强大的语义理解、逻辑推理、图像识别、代码生成能力，智元认为语言和图像大模型对于机器人领域的最大价值在于两点：首先是嵌入在大模型中，庞大的先验知识库和强大的通识理解能力，大模型的出现能够让机器人更好地把原有的能力泛化到更通用的场景中；然后是大模型具有的复杂语义多级推理能力，即所谓的“思维链”。以上两点，对于智能机器人的“认知”和“决策”功能的实现至关重要。
智元机器人创始人在公司产品发布会上分享了人形机器人 EI-Brain 框架。“大脑”提供AI 辅助的抽象思维能力，如逻辑推理、思考能力，完成机器人任务级和技能级的调度，如果端侧部署的模型泛化能力不够，还可再配合云端超脑，在线解锁更复杂的任务调度能力；“小脑”负责产生运动控制指令生成，比如设置上身姿态、控制指关节运动、控制头部姿势等，涉及运动学、动力学；另外“脑干”这一层级主要是解决底层的运动控制能力问题，比如所有电机、电流环、速度环、位置环的控制。
3. 问题二：Optimus 核心零部件拆分，国内供应链主要发力点
3.1 特斯拉 Optimus 主要结构拆分
Optimus 结构拆分如下：（1）控制系统：完全自动驾驶 FSD ，Dojo D1 超级计算芯片。（2）传感系统：视觉感知采用 Autopilot 摄像头，手腕、脚踝六维力/力矩传感器，手部电子皮肤，内部编码器等。（3）执行系统：躯干 28 个执行器，旋转和线性执行器各 14 个；旋转执行器结构为无框力矩电机+谐波减速器+扭矩传感器+双编码器，采用交叉滚子轴承；线性执行器结构为无框力矩电机+反向行星滚柱丝杠+力传感器，采用 4 点接触轴承和滚柱轴承；手部共 12 个执行器，结构为空心杯电机+蜗轮蜗杆+绳驱，其中大拇指 2 个执行器、其他手指各 1 个。
传感器技术是机器人控制、交互的前提，是机器人感知环境和完成任务的基础。各种传感器相当于工业机器人的手、眼、耳和鼻，有助于识别自身的运动状态和环境状况。在这些信息的帮助下，控制器可以发出相应的指令，使机器人完成所需的动作。人形机器人和工业机器人使用的传感器种类大致接近，包括触觉传感器、扭矩（力矩）传感器、惯性传感器、视觉传感器、编码器等。
力觉传感器是感知并度量力的传感器, 六维力传/力矩传感器信息最全、技术壁垒最高。
最常见的是一维、三维和六维力传感器，二维和五维的力觉传感器较少。六维力/力矩传感器，指的是在指定的直角坐标系内，能同时测量沿三个坐标轴方向的力和绕三个坐标轴方向的力矩。
六维力/力矩传感器是维度最高的力觉传感器，它能给出最为全面的力觉信息, 对于机器人产业链和其它智能装配来说非常重要，同时技术难度和使用难度都比较大。根据优必选的人形机器人参数，其采用了 4 个六维力/力矩传感器，分别应用在人形机器人的手腕、脚踝处，此外鑫精诚还研发了在灵巧手应用的微型六维力传感器。六维力传/力矩传感器技术壁垒高，ATI 为全球龙头，国内企业中坤维科技、宇立仪器、鑫精诚、蓝点触控均有一定的技术积淀。GGII预测到 2030 年，全球人形机器人领域力传感器市场规模将达 328 亿元，其中人形机器人领域六维力传感器市场规模将达 138 亿元。
电子皮肤是一种先进的柔性触觉传感器。电子皮肤高度模拟生物皮肤，轻薄柔软、可拉伸、甚至可自我修复，并对温度、湿度、硬度、粘度的感知能力，应用在医疗、机器人、可穿戴领域。Optimus gen-2 手部或集成了柔性触觉传感器，更全面地感知物体和环境，在演示视频中，机器人展现出了出色的控制能力，可以轻松地操作拿起鸡蛋。
MEMS 惯性传感器是将物体运动的加速度、位置和姿态转换为电信号的器件，包括MEMS 加速度计、MEMS 陀螺仪、磁力计和惯性测量单元（IMU）。据 Yole，全球 MEMS惯性传感器市场规模从 2018 年 28.31 亿美元、31.21 亿颗增长至 2021 年 35.09 亿美元、39.39亿颗，预计 2027 年增长至 49.43 亿美元、60.60 亿颗；其中，IMU 是主要的 MEMS 惯性传感器产品，2021 年，IMU、加速度计、陀螺仪、磁力计的占比分别是 52.15%、34.74%、10.66%、2.45%。目前，人形机器人解决方案仍在持续迭代中，关于 IMU 的使用数量和位置尚无定论，根据论文“Multi-IMU Proprioceptive State Estimator for Humanoid Robots”，在人形机器人放入5 个 IMU 可以显著改进运动学模型，所获轨迹估计更为准确，并且可以构建相对地面实况几乎没有失真的高程图；目前，优必选人形机器人采用了 1 个高精度惯性传感器。
3D 视觉感知技术具备更广泛的应用空间，可以采集并输出“人体、物体和空间”的三维矢量信息。2D 图像仅能够提供固定平面内的形状及纹理信息，无法提供 AI 算法实现精准识别、追踪等功能所需的空间形貌、位姿等信息；3D 视觉感知技术则充分弥补了 2D 成像技术的缺陷，在同步提供 2D 图像的同时，还能够为 AI 算法及算力提供视场内物体的深度、形貌、位姿等 3D 信息，3D 视觉感知技术将成为促使人工智能更广泛应用的关键共性技术。据GGII 发布的《2023 机器视觉产业发展蓝皮书》，在中国服务机器人 3D 视觉传感器领域，奥比中光市占率 71.09%，位列行业第一；公司可提供单目结构光、双目结构光、iToF、LiDAR 在内的完整视觉感知产品方案，合作机器人企业超过 100 家，Jabil（捷普）、优必选等头部机器人企业均是合作客户。
3.3 执行系统
3.3.1 电机：动力核心，体积小、扭矩密度高
电机作为“执行机构”，主要是应用在精确的转速、位置控制上，人形机器人的关节越多，其柔性和精度就越高，所要求使用的控制电机数量就越多。波士顿动力 Atlas 采用液压驱动，液压驱动虽然输出力大，但成本高、维护性差，商业化较难，因此目前人形机器人方案多数为电机驱动。Optimus 执行器中典型的应用有无框力矩电机、空心杯电机等。
无框力矩电机：不同于普通伺服电机，它没有机壳（也称为“框架”），只有转子和定子 2个部件。由于没有机壳，它方便集成到有限空间或受限环境中，在具备普通伺服电机精准控制、快速响应的同时，提高了扭矩密度。非常适合集成在人形机器人的关节执行器中，“力矩”则是表明它以产生旋转力矩为主要目标，因此它能够被用于人形机器人躯干中的旋转关节，例如肩部、腕部、髋部、腰部。
空心杯电机：采用无铁芯转子，彻底消除了由于铁芯形成涡流而造成的涡流损耗，使得电动机运转性能优化，并具备控制和拖动特性。省去铁芯的空间，可以做到更小的尺寸和更高的效率，因此十分适合用于驱动人形机器人的手指。
编码器通常内置在伺服电机末端。编码器的分辨率决定了伺服电机旋转的角位移，所以编码器分辨率越高，控制精度也越高。国内厂商汇川、禾川的编码器在过载能力等指标基本达到外资水平，但在产品使用稳定性及耐用性方面依然与外资厂商存在差距。
3.3.2 减速器：刹车装置，谐波国产化率较高
减速器是安装在连接伺服电机和执行机构之间的刹车。减速器一方面可以保证精度，另一方面当负载较大，伺服电机功率有限导致输出扭矩较小时，减速器可以提高扭矩。与通用减速器相比，人形机器人的关节减速器要求具有传动链短、体积小、功率大、质量轻和易于控制等特点。
精密减速器主要包括 RV 减速器和谐波减速器。谐波减速器结构简单紧凑，适合于小型化、低、中载荷的应用。相比于谐波减速器，RV 减速器具有更高的疲劳强度、刚度和回差精度，适合中、重载荷的应用。Optimus 的方案中，目前旋转关节采用的是谐波减速器方案。