具身智能落地：感知能力成为关键突破口

具身智能落地：感知能力成为关键突破口

作者｜向欣

业内普遍认为，2024 年将是人形机器人从研发走向量产的重要转折点。

随着部署规模的扩大，机器人所处的环境也日趋复杂，从原本可控的实验室环境走向更加开放、不可预测的现实世界。

在这种背景下，感知系统的重要性愈发突出。以往，这一层级常被低估，但在实际场景中，感知能力的薄弱往往会引发连锁反应，影响机器人整体的执行效果。

机器人的运行依赖于完整的感知—决策—动作闭环，若感知环节出现问题，后续的判断和操作都将难以准确执行。

近期举办的人形机器人半程马拉松，正是一个典型的开放环境挑战。长时间奔跑、光线变化、复杂地形，导致不少机器人的感知系统出现不稳定现象。

部分参赛机器人在接近终点时误入人群，暴露出感知系统在复杂条件下的局限。

因此，一套稳定且精准的感知系统，已成为机器人在开放环境中可靠运行的前提。

也正因如此，感知层中的核心部件正在迎来新一轮估值提升，成为整个系统落地的关键瓶颈之一。

从技术角度分析，当前机器人感知能力主要涵盖三个层面：

• 环境感知
• 本体状态感知
• 交互与操作感知

环境感知：机器人理解世界的第一步

环境感知是机器人进入现实场景的首要环节，决定了其识别物体、理解空间、判断距离的能力，进而影响导航、避障与抓取等操作。

这一层级的核心硬件通常分为两类：

• 视觉类传感器，如 RGB 相机、双目相机、深度相机和鱼眼相机，主要提供图像、纹理及部分深度数据；
• 空间感知类传感器，如激光雷达，用于获取稳定的空间结构与距离信息。

例如，奥比中光 Gemini 330 系列双目 3D 相机，能够提供高精度三维数据。

然而，图像采集并不等于场景理解。在复杂光照、人流密集及室内外切换等环境下，RGB 相机易出现图像失真、边缘弱化、夜间质量下降等问题。

此外，动态目标的持续运动，也会对识别和定位带来挑战，视觉系统可能出现目标丢失、距离误判等情况。

环境感知层还面临两个主要技术难题：

• 手眼协同要求高，肢体运动可能造成图像畸变和测量误差；
• 数据处理算力和时延压力大，多传感器同时工作会产生大量信息，对算法和硬件提出更高要求。

高精度的实时匹配能力是完成抓取、避障和跟踪的基础，稍有偏差可能带来显著影响。

面对这些挑战，当前行业的发展方向集中于提升深度感知和空间理解能力。

深度感知意味着机器人不仅要识别物体，还要获取其距离、轮廓及空间层级。

空间理解则要求系统对场景结构、障碍分布以及物体与环境的关系进行更全面的判断。

为此，行业涌现出两种技术路径：

• 从二维图像向三维空间认知演进；
• 多传感器融合方案，如视觉与激光雷达结合，提升感知鲁棒性。

多家企业已围绕上述方向展开布局。例如，奥比中光专注于深度视觉，禾赛推出 Kosmo 空间智能设备，速腾聚创则在 Active Camera 上实现深度、色彩与姿态信息的芯片级融合。

这些方案的共同目标是：帮助机器人在开放环境中实现稳定、精准的感知与空间理解。

本体感知：支撑机器人动态平衡的“内在感官”

除了对环境的感知，机器人还需要了解自身状态，例如姿态、速度和受力变化，以维持平衡和精准控制。

这层感知能力依赖于惯性测量单元（IMU）和力传感器等核心器件。

IMU 作为机器人“小脑”与前庭系统，主要负责角速度与线性加速度的测量，支撑姿态估计与动态平衡。

力传感器则包括六维力传感器、足底力传感器等，用于监测关节、腕部或脚部的受力情况。

本体感知层面临的主要挑战包括：

• 对响应速度和稳定性要求极高；
• 量产阶段对传感器一致性提出更高标准；
• 小型化、集成度和成本压力并存。

以特斯拉机器人为例，其双脚所用的两个六维力传感器成本高达 6700 美元，凸显出该领域的成本挑战。

当前，行业重点攻克的方向是传感器的高动态适应性、小型化设计与量产一致性。

在这一领域，主要有两类企业：

• 来自智驾领域的成熟厂商，如导远科技，推出车规级 IMU 模组，具备高精度、低延迟与强环境适应性；
• 专业力传感器厂商，如坤维科技与鑫精诚，主攻小型、高精度的六维力和力矩传感器。

导远科技的 IMU5146 模组已实现 0.05° 姿态精度，1000Hz 输出频率，支持 -40℃ 至 105℃ 宽温运行，具备高可靠性。

坤维的 HRS 系列产品已批量供应多家头部企业，具备高精度与高兼容性。

交互感知：通向精细操作的关键桥梁

机器人若想完成插拔接口、捏取鸡蛋等高精度操作，还离不开触觉感知。

尽管触觉传感器尚未达到环境感知和本体感知的成熟度，但其在下一阶段灵巧操作中的作用将愈发关键。

当前主流的触觉传感器包括电子皮肤、指尖触觉、阵列式压力传感器和视触觉传感器，广泛部署于手部、夹爪和执行器等部位。

该领域面临的主要问题包括：

• 产品与标准体系尚未成熟，不同方案间定义和采集方式差异大，数据复用难度高；
• 传感器易磨损，对寿命和稳定性有高要求；
• 集成难度大，需兼顾灵敏度、精度与紧凑性；
• 算法融合复杂，视觉与触觉信号的协同仍在探索阶段。

此外，触觉传感器尚未实现像视觉系统那样的大规模低成本普及，成本问题仍然是行业面临的现实瓶颈。

帕西尼感知在触觉领域布局全面，不仅推出多维触觉传感器 PX-6AX-GEN3，还建设大规模数据采集工厂，推进触觉数据标准化。

他山科技则聚焦触觉芯片与感知融合，而戴盟机器人则主导建设大规模触觉数据集 Daimon-Infinity。

该数据集包含触觉、视觉、动作轨迹与文本等多模态信息，为触觉感知研究提供坚实基础。

总结：感知能力决定机器人产业化的节奏

从视觉、力觉到触觉，机器人的感知能力正逐步完善，构成其进入真实场景的基础。

环境感知是入口，本体感知是当下的瓶颈，而触觉感知则是未来精细操作的关键。

随着应用场景从实验室走向工厂、仓储和家庭服务，感知系统是否具备稳定性、可复制性与可量产性，将直接影响机器人落地的速度。

可以预见，感知链路的技术突破，将成为整个机器人产业发展的关键推动力。

原文标题：具身智能落地，开始补“感知”这一课