特斯拉Optimus以“AI定义硬件”为核心采用纯视觉感知、复用FSD芯片与汽车级执行器通过端到端神经网络实现拟人化动作展现极强可量产性。对比波士顿动力Spot的高成本感知优先架构宇树科技Go2以电驱QDD关节与强化学习实现低成本高机动性推动四足机器人普及。家庭服务机器人则聚焦安全、交互与3D语义避障融合多模态感知与车队学习成为具身智能落地“最后一公里”的关键路径。三类机器人代表了从工业到消费的不同进化方向。第10章案例详解10.1 人形机器人 (Humanoid)特斯拉 Optimus 架构复盘Tesla Optimus擎天柱不仅仅是一个机器人产品它是马斯克“第一性原理”在具身智能领域的极致体现。与波士顿动力Boston Dynamics追求极致液压动力学不同Optimus 代表了**“AI 定义硬件”**的新流派。其核心设计哲学可以概括为极简感知、极致端到端、车机协同。1. 感知系统纯视觉 (Vision Only) 的孤注一掷在其他机器人还在堆砌激光雷达LiDAR和高精度 GPS 时Optimus 继承了 Tesla 自动驾驶FSD的衣钵选择了纯视觉路线。硬件配置头部3 颗摄像头鱼眼 广角。无 LiDAR马斯克认为人类只靠眼睛就能走路机器人也应该如此。激光雷达昂贵、耗电且且缺乏语义信息。Occupancy Network (占用网络) 的迁移Optimus 直接复用了 FSD 的算法栈。它将摄像头拍摄的 2D 图像实时转换为 3D 体素空间Voxel Space。价值这让 Optimus 具备了极强的通用避障能力。它不需要高精地图就能在一个从未去过的杂乱办公室里识别出哪里是地板哪里是不可跨越的桌子。2. 大脑与神经FSD 芯片与 CAN 总线的复用算力核心 (The Brain)Optimus 的胸腔里塞了一块Tesla FSD 电脑。这块板子原本是装在 Model 3 车里的。SoC:包含两颗自研的 FSD 芯片擅长处理大规模神经网络推理NPU 算力惊人能效比远超通用 GPU。通信架构 (The Nerves)并没有采用昂贵的 EtherCAT而是使用了汽车工业标准的CAN FD和GMSL。无线化在手部和末端Optimus 大量使用了 Wi-Fi 和蓝牙连接调试设备甚至探索了私有的无线传输协议以减少手腕线束。3. 执行器六种电机打天下 (The Big Six)这是 Optimus 硬件设计最精彩的部分。为了量产Tesla 极度追求零部件复用。旋转关节 (Rotary Actuators)3 种型号。用于肩部、手腕、腰部。结构无框力矩电机 谐波减速器 双编码器 力矩传感器。线性关节 (Linear Actuators)3 种型号。用于膝盖、肘部、脚踝。结构无框电机 行星滚柱丝杠 (Planetary Roller Screw)。特点Tesla 没有购买现成的推杆而是自研了倒置式滚柱丝杠将电机包裹在丝杠外面极大地压缩了体积。这种设计让 Optimus 的大腿看起来非常修长没有突出的电机包。4. 控制算法端到端神经网络 (End-to-End Neural Networks)Optimus Gen 2 的发布视频震惊了业界因为它的动作极其流畅、拟人完全不像传统机器人那样机械僵硬。秘密在于端到端学习。VR 遥操作数据采集 (VR Teleoperation)Tesla 雇佣了数十名操作员戴着 VR 眼镜穿着动捕服Motion Capture Suit每天在模拟场景中搬箱子、叠衣服。这些**“人类示教数据”**是训练 Optimus 的金矿。VLA 模型的训练输入摄像头视频流 关节状态。输出下一时刻的关节目标位置。黑盒策略中间没有显式的“检测物体-规划路径-逆运动学解算”过程而是一个巨大的 Transformer 网络直接输出了动作。优势机器人自动学会了人类的一些微动作比如拿杯子前先调整一下手腕角度这是传统编程很难写出来的。5. 灵巧手从线驱动到连杆Gen 1 (Bumblebee)采用了类似 Shadow Hand 的线驱动方案。虽然灵活但不可靠线容易断。Gen 2 (Optimus)全面转向连杆驱动。11 个自由度DoF通过欠驱动机制实现更复杂的抓握。指尖集成了高灵敏度的触觉传感器可能是磁触觉或压阻阵列能盲操二指捏鸡蛋。这种设计牺牲了一点点灵活性换来了工业级的耐用性符合 Tesla “进工厂打螺丝”的目标。小结Tesla Optimus 是**“车机协同”**的产物。它借用了汽车的眼睛摄像头、大脑FSD芯片和电池技术4680电芯。它借用了 AI 的灵魂端到端神经网络。它用极简的硬件6种电机去承载极繁的软件。这种架构虽然在初期可能不如波士顿动力那样运动能力爆表不会后空翻但它的可量产性 (Manufacturability)和可进化性 (Scalability)是无与伦比的。它是第一个真正按照“消费电子产品”逻辑设计的人形机器人。10.2 机器狗 (Quadruped)波士顿动力 vs. 宇树科技四足机器人机器狗是目前落地最成熟的具身智能形态。它们拥有比轮式机器人更强的越野能力又比人形机器人更稳定、更节能。我们将通过对比行业鼻祖波士顿动力 (Boston Dynamics) Spot和销量冠军宇树科技 (Unitree) Go2/B2来揭示两种架构哲学的碰撞。1. 架构哲学感知优先 vs. 运动优先波士顿动力 Spot为了“全知全能”而生定位工业巡检、军用侦察。售价高昂~$70k。感知架构 (Perception-Heavy)Spot 身上布满了昂贵的传感器环视立体相机、工业级激光雷达选配、高精度 RTK-GPS。它追求的是完美的地图构建。在走每一步之前Spot 几乎都知道脚下 1cm 处有没有小石子。它的每一步都是经过深思熟虑的规划。通信极其依赖高带宽 Wi-Fi/5G 进行 3D 点云回传供人类操作员远程决策。宇树科技 Go2为了“极致运动”而生定位消费娱乐、科研教育。售价亲民~$1.5k。运动架构 (Locomotion-Heavy)感知相对“粗糙”单线激光雷达4D LiDAR L1 广角鱼眼。核心在于强悍的本体反射。它可能看不清脚下的小石子但它的RL (强化学习)运动控制器非常鲁棒踩到了石子打滑也能瞬间找回平衡。它不靠“看清”靠“身法好”。2. 关节执行器液压的余晖 vs. 电驱的胜利Spot 的进化早期的 BigDog 采用液压驱动噪音巨大但力大无穷。Spot 全面转向了电驱使用了定制的高性能无刷电机 行星减速器。这代表了四足机器人从实验室走向商业化的必经之路静音、清洁、易维护。宇树的创新QDD (准直驱动)宇树的关节模组是其核心护城河。采用大扭矩扁平电机 低减速比行星减速器 (1:6)。爆发力这种设计让电机几乎直连大腿爆发力极强能完成空翻、高速奔跑等动作。柔顺性具有天然的“后驱透明度”脚底触地的冲击力能直接反馈给电机电流环无需昂贵的力矩传感器就能实现力控。3. 软件栈闭源黑盒 vs. 开源生态Spot封闭的工业品提供高层 API (SDK)用户告诉它“去 A 点”它自己规划怎么迈腿。底层步态控制WBC/MPC是完全黑盒的用户无法修改。这保证了稳定性但限制了二次开发。宇树开放的科研平台拥抱ROS 2和Sim2Real生态。宇树开放了底层的电机控制接口甚至提供了基于 Isaac Gym 的强化学习训练代码Unitree RL Gym。这使得全球的高校都在用宇树狗做算法验证极大地加速了 RL 在四足领域的落地。4. 特色技术解析宇树的 4D LiDAR L1在 Go2 上宇树展示了一种极其巧妙的降本增效设计。全向超广角传统的 3D 激光雷达很贵且垂直视场角FoV很小看不见脚底下。宇树自研的 L1 雷达拥有360° × 90°的半球形视场能同时看清天花板和脚边。感知死角最小化对于机器狗来说最近的 0.5 米是最危险的盲区。L1 雷达的极近盲区设计低至 0.05m让它能贴着墙根走或者钻过极矮的洞穴。5. 电池与续航策略Spot (换电策略)电池包设计为手提箱式插拔。在电网巡检中没电了直接换一块继续干活。追求高可用性。宇树 (侧跟随充电)开发了基于UWB/红外的自动回充桩。当电量低时狗会自动趴在充电桩上。ISS (Intelligent Side Follow)利用 UWB 无线定位技术实现极其精准的“侧向跟随”。人跑步狗在侧面陪跑不挡路也不跟丢。小结波士顿动力 Spot是四足机器人的“奔驰 S 级”精密、昂贵、稳定用最好的传感器做最稳的事。宇树科技 Go2是四足机器人的“大疆无人机”轻量、敏捷、便宜用 AI 算法RL弥补硬件的不足用 QDD 关节释放运动的天性。这两条路线没有优劣之分只有场景之别。前者走向了高危作业现场后者走进了千家万户。10.3 家庭服务机器人移动底盘 机械臂 语音交互如果说人形机器人是通用的终极梦想四足机器人是户外的越野专家那么移动操作机器人 (Mobile Manipulator)则是当下家庭服务场景的最优解。它的形态通常是“一个带轮子的底盘 一个可升降的躯干 一到两个机械臂 一个这就屏幕/头部”。代表产品包括Google Everyday Robot、Hello Robot Stretch以及各类养老护理机器人。其核心设计哲学是安全性第一、交互性至上、避障能力溢出。1. 架构特点为了狭窄与混乱而生家庭环境远比工厂恶劣。地面散落着玩具地毯边缘会卷起桌椅随时会被挪动还有不可预测的小孩和宠物。移动底盘 (The Base)紧凑与全向差速轮 vs 全向轮必须选用全向轮 (Mecanum)或差速旋转机构。理由家庭走廊狭窄。机器人必须具备“零半径原地转向”甚至“横向平移”的能力才能在餐桌和橱柜之间的缝隙里穿梭。悬挂系统必须有以应对地毯、门槛条的微小落差2cm防止咖啡洒出来。机械臂 (The Arm)安全柔顺构型通常采用串联 7 轴冗余自由度或升降柱 SCARA结构。轻量化臂展不需要太长覆盖桌面即可负载不需要太大1-2kg拿得动水杯就行。碰撞检测必须具备ASIL-D 级的碰撞急停。一旦碰到人力矩传感器检测到阻力机械臂立刻切换为“重力补偿模式”变得软绵绵的。2. 重交互 (Heavy Interaction)多模态的情感连接家庭机器人不仅是工具更是家庭成员。交互体验决定了它是否会被退货。语音交互 (VUI)远场 语义硬件环形麦克风阵列A2B/星闪总线。即使电视开着也能利用波束成形听清主人的指令。VLA 加持不再是死板的“打开窗帘”。它能听懂“我觉得有点闷”隐含意图开窗或开风扇。视觉交互视线与手势视线追踪 (Gaze Tracking)当你盯着机器人看时它会自动转头与你对视表示“我在听”。手势指引“去把那个手指向角落垃圾袋扔了”。机器人利用 RGB-D 相机结合手势识别锁定目标物体。主动交互 (Proactive)结合Wi-Fi CSI 感知或毫米波雷达如果检测到老人在沙发上睡着了呼吸平稳机器人会自动调暗灯光调小音量。3. 强避障 (Robust Obstacle Avoidance)从 2D 到 3D扫地机器人的“撞了再转”在服务机器人上是不可接受的手里的热汤会泼。3D 语义避障传感器标配ToF 深度相机或结构光如 iPhone FaceID 同款技术。算法实时构建Occupancy Grid Map (占用栅格地图)。语义理解遇到拖鞋视为障碍物绕行。遇到窗帘视为“软障碍”可以轻轻推开通过。遇到宠物粪便不仅绕行还要标记并在地图上画红圈VLA 模型的常识推理。跌落检测 (Cliff Detection)对于复式家庭楼梯口是致命的。除了底部的红外传感器还需要头部相机预判前方的地形落差。4. 抓取策略针对生活用品的特化家庭里的物体千奇百怪软的抹布、滑的盘子、透明的玻璃杯。末端执行器通常不使用昂贵的五指灵巧手而是二指平行夹爪 吸盘的组合。吸盘抓取光洁的盘子、手机、玻璃杯最稳。夹爪抓取毛绒玩具、衣物。视觉伺服 (Visual Servoing)在手腕处安装Eye-in-Hand摄像头。在抓取全过程中摄像头一直盯着物体实时微调机械臂的位置补偿底盘的晃动误差。5. 案例Google Everyday Robot (RT-1/RT-2 的载体)任务在办公室厨房里收拾垃圾、擦桌子、摆椅子。亮点Fleet Learning (车队学习)白天100 台机器人在不同楼层干活收集失败案例比如没抓稳滑落了。晚上数据上传云端训练更新的 VLA 模型。第二天所有机器人同时学会了昨天某一台机器人领悟的技巧。移动操作 (Mobile Manipulation)它的底盘和手臂是联动的。为了够到桌子深处的瓶子它会一边向前开底盘一边伸长手臂这种全身协调依赖于强大的WBC (全身控制)算法。小结家庭服务机器人是具身智能技术的集大成者。它不需要像波士顿动力那样翻跟头但它需要极高的情商交互。它不需要像工业臂那样 0.01mm 的精度但它需要极高的容错率柔顺抓取。它不需要像自动驾驶车那样跑 120km/h但它需要在乱七八糟的环境里像泥鳅一样灵活全向避障。这是 AI 从“云端”真正降临到“人间”的最后一步。 
长河君 · 2026/10/31 6:41:12 · 阅读 1.2k 具身智能系统概论——案例详解
特斯拉Optimus以“AI定义硬件”为核心采用纯视觉感知、复用FSD芯片与汽车级执行器通过端到端神经网络实现拟人化动作展现极强可量产性。对比波士顿动力Spot的高成本感知优先架构宇树科技Go2以电驱QDD关节与强化学习实现低成本高机动性推动四足机器人普及。家庭服务机器人则聚焦安全、交互与3D语义避障融合多模态感知与车队学习成为具身智能落地“最后一公里”的关键路径。三类机器人代表了从工业到消费的不同进化方向。第10章案例详解10.1 人形机器人 (Humanoid)特斯拉 Optimus 架构复盘Tesla Optimus擎天柱不仅仅是一个机器人产品它是马斯克“第一性原理”在具身智能领域的极致体现。与波士顿动力Boston Dynamics追求极致液压动力学不同Optimus 代表了**“AI 定义硬件”**的新流派。其核心设计哲学可以概括为极简感知、极致端到端、车机协同。1. 感知系统纯视觉 (Vision Only) 的孤注一掷在其他机器人还在堆砌激光雷达LiDAR和高精度 GPS 时Optimus 继承了 Tesla 自动驾驶FSD的衣钵选择了纯视觉路线。硬件配置头部3 颗摄像头鱼眼 广角。无 LiDAR马斯克认为人类只靠眼睛就能走路机器人也应该如此。激光雷达昂贵、耗电且且缺乏语义信息。Occupancy Network (占用网络) 的迁移Optimus 直接复用了 FSD 的算法栈。它将摄像头拍摄的 2D 图像实时转换为 3D 体素空间Voxel Space。价值这让 Optimus 具备了极强的通用避障能力。它不需要高精地图就能在一个从未去过的杂乱办公室里识别出哪里是地板哪里是不可跨越的桌子。2. 大脑与神经FSD 芯片与 CAN 总线的复用算力核心 (The Brain)Optimus 的胸腔里塞了一块Tesla FSD 电脑。这块板子原本是装在 Model 3 车里的。SoC:包含两颗自研的 FSD 芯片擅长处理大规模神经网络推理NPU 算力惊人能效比远超通用 GPU。通信架构 (The Nerves)并没有采用昂贵的 EtherCAT而是使用了汽车工业标准的CAN FD和GMSL。无线化在手部和末端Optimus 大量使用了 Wi-Fi 和蓝牙连接调试设备甚至探索了私有的无线传输协议以减少手腕线束。3. 执行器六种电机打天下 (The Big Six)这是 Optimus 硬件设计最精彩的部分。为了量产Tesla 极度追求零部件复用。旋转关节 (Rotary Actuators)3 种型号。用于肩部、手腕、腰部。结构无框力矩电机 谐波减速器 双编码器 力矩传感器。线性关节 (Linear Actuators)3 种型号。用于膝盖、肘部、脚踝。结构无框电机 行星滚柱丝杠 (Planetary Roller Screw)。特点Tesla 没有购买现成的推杆而是自研了倒置式滚柱丝杠将电机包裹在丝杠外面极大地压缩了体积。这种设计让 Optimus 的大腿看起来非常修长没有突出的电机包。4. 控制算法端到端神经网络 (End-to-End Neural Networks)Optimus Gen 2 的发布视频震惊了业界因为它的动作极其流畅、拟人完全不像传统机器人那样机械僵硬。秘密在于端到端学习。VR 遥操作数据采集 (VR Teleoperation)Tesla 雇佣了数十名操作员戴着 VR 眼镜穿着动捕服Motion Capture Suit每天在模拟场景中搬箱子、叠衣服。这些**“人类示教数据”**是训练 Optimus 的金矿。VLA 模型的训练输入摄像头视频流 关节状态。输出下一时刻的关节目标位置。黑盒策略中间没有显式的“检测物体-规划路径-逆运动学解算”过程而是一个巨大的 Transformer 网络直接输出了动作。优势机器人自动学会了人类的一些微动作比如拿杯子前先调整一下手腕角度这是传统编程很难写出来的。5. 灵巧手从线驱动到连杆Gen 1 (Bumblebee)采用了类似 Shadow Hand 的线驱动方案。虽然灵活但不可靠线容易断。Gen 2 (Optimus)全面转向连杆驱动。11 个自由度DoF通过欠驱动机制实现更复杂的抓握。指尖集成了高灵敏度的触觉传感器可能是磁触觉或压阻阵列能盲操二指捏鸡蛋。这种设计牺牲了一点点灵活性换来了工业级的耐用性符合 Tesla “进工厂打螺丝”的目标。小结Tesla Optimus 是**“车机协同”**的产物。它借用了汽车的眼睛摄像头、大脑FSD芯片和电池技术4680电芯。它借用了 AI 的灵魂端到端神经网络。它用极简的硬件6种电机去承载极繁的软件。这种架构虽然在初期可能不如波士顿动力那样运动能力爆表不会后空翻但它的可量产性 (Manufacturability)和可进化性 (Scalability)是无与伦比的。它是第一个真正按照“消费电子产品”逻辑设计的人形机器人。10.2 机器狗 (Quadruped)波士顿动力 vs. 宇树科技四足机器人机器狗是目前落地最成熟的具身智能形态。它们拥有比轮式机器人更强的越野能力又比人形机器人更稳定、更节能。我们将通过对比行业鼻祖波士顿动力 (Boston Dynamics) Spot和销量冠军宇树科技 (Unitree) Go2/B2来揭示两种架构哲学的碰撞。1. 架构哲学感知优先 vs. 运动优先波士顿动力 Spot为了“全知全能”而生定位工业巡检、军用侦察。售价高昂~$70k。感知架构 (Perception-Heavy)Spot 身上布满了昂贵的传感器环视立体相机、工业级激光雷达选配、高精度 RTK-GPS。它追求的是完美的地图构建。在走每一步之前Spot 几乎都知道脚下 1cm 处有没有小石子。它的每一步都是经过深思熟虑的规划。通信极其依赖高带宽 Wi-Fi/5G 进行 3D 点云回传供人类操作员远程决策。宇树科技 Go2为了“极致运动”而生定位消费娱乐、科研教育。售价亲民~$1.5k。运动架构 (Locomotion-Heavy)感知相对“粗糙”单线激光雷达4D LiDAR L1 广角鱼眼。核心在于强悍的本体反射。它可能看不清脚下的小石子但它的RL (强化学习)运动控制器非常鲁棒踩到了石子打滑也能瞬间找回平衡。它不靠“看清”靠“身法好”。2. 关节执行器液压的余晖 vs. 电驱的胜利Spot 的进化早期的 BigDog 采用液压驱动噪音巨大但力大无穷。Spot 全面转向了电驱使用了定制的高性能无刷电机 行星减速器。这代表了四足机器人从实验室走向商业化的必经之路静音、清洁、易维护。宇树的创新QDD (准直驱动)宇树的关节模组是其核心护城河。采用大扭矩扁平电机 低减速比行星减速器 (1:6)。爆发力这种设计让电机几乎直连大腿爆发力极强能完成空翻、高速奔跑等动作。柔顺性具有天然的“后驱透明度”脚底触地的冲击力能直接反馈给电机电流环无需昂贵的力矩传感器就能实现力控。3. 软件栈闭源黑盒 vs. 开源生态Spot封闭的工业品提供高层 API (SDK)用户告诉它“去 A 点”它自己规划怎么迈腿。底层步态控制WBC/MPC是完全黑盒的用户无法修改。这保证了稳定性但限制了二次开发。宇树开放的科研平台拥抱ROS 2和Sim2Real生态。宇树开放了底层的电机控制接口甚至提供了基于 Isaac Gym 的强化学习训练代码Unitree RL Gym。这使得全球的高校都在用宇树狗做算法验证极大地加速了 RL 在四足领域的落地。4. 特色技术解析宇树的 4D LiDAR L1在 Go2 上宇树展示了一种极其巧妙的降本增效设计。全向超广角传统的 3D 激光雷达很贵且垂直视场角FoV很小看不见脚底下。宇树自研的 L1 雷达拥有360° × 90°的半球形视场能同时看清天花板和脚边。感知死角最小化对于机器狗来说最近的 0.5 米是最危险的盲区。L1 雷达的极近盲区设计低至 0.05m让它能贴着墙根走或者钻过极矮的洞穴。5. 电池与续航策略Spot (换电策略)电池包设计为手提箱式插拔。在电网巡检中没电了直接换一块继续干活。追求高可用性。宇树 (侧跟随充电)开发了基于UWB/红外的自动回充桩。当电量低时狗会自动趴在充电桩上。ISS (Intelligent Side Follow)利用 UWB 无线定位技术实现极其精准的“侧向跟随”。人跑步狗在侧面陪跑不挡路也不跟丢。小结波士顿动力 Spot是四足机器人的“奔驰 S 级”精密、昂贵、稳定用最好的传感器做最稳的事。宇树科技 Go2是四足机器人的“大疆无人机”轻量、敏捷、便宜用 AI 算法RL弥补硬件的不足用 QDD 关节释放运动的天性。这两条路线没有优劣之分只有场景之别。前者走向了高危作业现场后者走进了千家万户。10.3 家庭服务机器人移动底盘 机械臂 语音交互如果说人形机器人是通用的终极梦想四足机器人是户外的越野专家那么移动操作机器人 (Mobile Manipulator)则是当下家庭服务场景的最优解。它的形态通常是“一个带轮子的底盘 一个可升降的躯干 一到两个机械臂 一个这就屏幕/头部”。代表产品包括Google Everyday Robot、Hello Robot Stretch以及各类养老护理机器人。其核心设计哲学是安全性第一、交互性至上、避障能力溢出。1. 架构特点为了狭窄与混乱而生家庭环境远比工厂恶劣。地面散落着玩具地毯边缘会卷起桌椅随时会被挪动还有不可预测的小孩和宠物。移动底盘 (The Base)紧凑与全向差速轮 vs 全向轮必须选用全向轮 (Mecanum)或差速旋转机构。理由家庭走廊狭窄。机器人必须具备“零半径原地转向”甚至“横向平移”的能力才能在餐桌和橱柜之间的缝隙里穿梭。悬挂系统必须有以应对地毯、门槛条的微小落差2cm防止咖啡洒出来。机械臂 (The Arm)安全柔顺构型通常采用串联 7 轴冗余自由度或升降柱 SCARA结构。轻量化臂展不需要太长覆盖桌面即可负载不需要太大1-2kg拿得动水杯就行。碰撞检测必须具备ASIL-D 级的碰撞急停。一旦碰到人力矩传感器检测到阻力机械臂立刻切换为“重力补偿模式”变得软绵绵的。2. 重交互 (Heavy Interaction)多模态的情感连接家庭机器人不仅是工具更是家庭成员。交互体验决定了它是否会被退货。语音交互 (VUI)远场 语义硬件环形麦克风阵列A2B/星闪总线。即使电视开着也能利用波束成形听清主人的指令。VLA 加持不再是死板的“打开窗帘”。它能听懂“我觉得有点闷”隐含意图开窗或开风扇。视觉交互视线与手势视线追踪 (Gaze Tracking)当你盯着机器人看时它会自动转头与你对视表示“我在听”。手势指引“去把那个手指向角落垃圾袋扔了”。机器人利用 RGB-D 相机结合手势识别锁定目标物体。主动交互 (Proactive)结合Wi-Fi CSI 感知或毫米波雷达如果检测到老人在沙发上睡着了呼吸平稳机器人会自动调暗灯光调小音量。3. 强避障 (Robust Obstacle Avoidance)从 2D 到 3D扫地机器人的“撞了再转”在服务机器人上是不可接受的手里的热汤会泼。3D 语义避障传感器标配ToF 深度相机或结构光如 iPhone FaceID 同款技术。算法实时构建Occupancy Grid Map (占用栅格地图)。语义理解遇到拖鞋视为障碍物绕行。遇到窗帘视为“软障碍”可以轻轻推开通过。遇到宠物粪便不仅绕行还要标记并在地图上画红圈VLA 模型的常识推理。跌落检测 (Cliff Detection)对于复式家庭楼梯口是致命的。除了底部的红外传感器还需要头部相机预判前方的地形落差。4. 抓取策略针对生活用品的特化家庭里的物体千奇百怪软的抹布、滑的盘子、透明的玻璃杯。末端执行器通常不使用昂贵的五指灵巧手而是二指平行夹爪 吸盘的组合。吸盘抓取光洁的盘子、手机、玻璃杯最稳。夹爪抓取毛绒玩具、衣物。视觉伺服 (Visual Servoing)在手腕处安装Eye-in-Hand摄像头。在抓取全过程中摄像头一直盯着物体实时微调机械臂的位置补偿底盘的晃动误差。5. 案例Google Everyday Robot (RT-1/RT-2 的载体)任务在办公室厨房里收拾垃圾、擦桌子、摆椅子。亮点Fleet Learning (车队学习)白天100 台机器人在不同楼层干活收集失败案例比如没抓稳滑落了。晚上数据上传云端训练更新的 VLA 模型。第二天所有机器人同时学会了昨天某一台机器人领悟的技巧。移动操作 (Mobile Manipulation)它的底盘和手臂是联动的。为了够到桌子深处的瓶子它会一边向前开底盘一边伸长手臂这种全身协调依赖于强大的WBC (全身控制)算法。小结家庭服务机器人是具身智能技术的集大成者。它不需要像波士顿动力那样翻跟头但它需要极高的情商交互。它不需要像工业臂那样 0.01mm 的精度但它需要极高的容错率柔顺抓取。它不需要像自动驾驶车那样跑 120km/h但它需要在乱七八糟的环境里像泥鳅一样灵活全向避障。这是 AI 从“云端”真正降临到“人间”的最后一步。