共计 1028 个字符，预计需要花费 3 分钟才能阅读完成。
随着具身智能技术从实验室加速迈向产业化,人形机器人作为其核心载体 , 正面临一个关键的技术进化节点——如何让机器人的“小脑”(即控制架构) 变得更像人类, 实现真正的类人运动与柔性交互。近日, 一场围绕“小脑进化——力控与运控的融合之路”的深度对话, 揭示了这一领域的技术路线之争与未来融合方向。
📌 两条技术路线: 力控与运控的本质差异
在具身智能的“小脑”进化路径上,力控与运控代表了两种截然不同的技术思路。简单来说, 力控派以力觉反馈为核心, 旨在模拟人类指尖的精细感知与柔顺交互, 追求“像人一样精准用力”; 而运控派则以轨迹规划与全身协同为核心, 模拟人类肢体的联动与平衡控制, 目标是“像人一样灵活移动”。
行业专家指出,这种分化本质上源于工业机器人对末端任务的不同要求。赛博格机器人联合创始人张怀东解释道:“有些任务对力的精度要求极高, 比如按按钮需要精确控制按压力度; 而另一些任务则对位置精度有严苛标准, 例如激光切割需要毫米级的定位精度。不同的应用场景自然催生了两种控制模式。”
🔍 融合之路: 场景驱动下的技术演进
尽管力控与运控各有侧重,但行业共识是: 两者的差异化融合才是具身智能加速落地的关键。当前, 基于技术成熟度与成本考量, 规模化应用仍面临挑战, 但已有企业开始探索融合路径。
非夕科技副总裁陈仙勇透露,公司已初步实现规模落地, 机器人出货量去年起超过千台, 并以翻倍速度推广。他认为, 影响商业落地的核心因素在于: 让更多人看到价值, 并共同将新形态推广至千行百业。
赛博格机器人则采取“通用底座 + 专用适配”的策略。张怀东表示:“先用通用技术保证下限, 再用场景化定制拉高上限, 通过每个场景的深度定制实现单点盈利, 最终累积成规模化盈利。”
💡 技术难点与突破方向
值得注意的是,大模型等 AI 技术的进步为“小脑”进化带来了新思路。张怀东举例说, 在抓取任务中, 传统纯位置控制可能导致抓力不足, 物体滑落; 而引入触觉传感器信号后, 模型可自主学习该用多大力气, 提升抓取效率。
📊 行业观察: 落地应用与未来挑战
🚀 总结: 小脑进化决定具身智能未来
力控与运控的融合,不仅是技术路线的整合, 更是具身智能从实验室走向真实场景的关键一步。随着 AI 技术的不断进步和行业应用的深入探索,“小脑”进化将推动机器人实现更类人的运动与交互能力。这一进程将深刻影响工业自动化、特种作业乃至日常服务等多个领域, 为智能机器人的大规模落地奠定坚实基础。
