2025-12-20 每日机器人新闻
Source: Dev.to
执行摘要
- Humanoid platforms 正在从实验室原型转向公开表演和商业部署。
- Unitree’s G1, LimX’s TRON 2, 和 Pickle Robot Company’s unloading bots 展示了三大互补趋势：
- Entertainment‑driven validation of dexterous, torque‑limited robots.
- Affordable data‑collection hardware that democratizes training datasets for manipulation.
- Scalable, cost‑effective logistics solutions that promise multi‑billion‑dollar savings.
这些发展标志着一个关键转折点：机器人正变得dexterous, mobile, and cost‑efficient，为2026年的爆炸性增长奠定了基础。
人形机器人在世界舞台
Unitree G1 – 音乐会首秀
“人形机器人与人类歌手同台表演很快将成为常态。” – Tuo Liu
- 活动: 王力宏的 Best Place Tour（成都，东安湖体育公园多功能体育馆）
- 观众: ~18 000 名观众
- 机器人: Unitree G1（≈ 1320 mm 高，35 kg）
- 关键动作: Webster 翻转、同步舞蹈编排、完美配合 Open Fire 的开场节拍
设计亮点
| 特性 | 规格 | 好处 |
|---|---|---|
| 站立高度 | ~1320 mm | 紧凑，适配舞台空间限制 |
| 折叠高度 | 690 mm | 便于运输与存储 |
| 重量 | 35 kg | 低惯性 → 更平稳的翻转 |
| 执行器外露 | 可见 | 展示硬件透明性 |
| 价格（研究平台） | ≈ $16 k | 大学和创业公司可负担 |
意义 – G1 的低重心降低了关节扭矩，使其在电池受限的平台上能够完成高能动作。公开演示验证了 动态平衡 和 全身控制，提升了投资者信心和消费者熟悉度。
其他人形机器人展示
| 公司 | 型号 | 亮点 | 引言 |
|---|---|---|---|
| DEEP Robotics | DR02 | “Motion at Will, Power in Balance” – 流畅的动态姿态 | — |
| Apptronik | Apollo | 打包成节日礼物的 “圣诞老人的助手” – 团队合作与欢乐 | “即使是圣诞老人今年也需要一只帮手……” |
这些活动共同表明 娱乐级灵巧度 可以转化为 服务级操作（例如，仓库拣选、家庭助理）。
LimX Dynamics – 经济实惠的数据采集类人机器人
TRON 2 概览
- 价格： $6 800（≈ 10 × 比大多数研究级类人机器人便宜）
- 用途： 加速 人类行为数据采集，用于灵巧操作模型。
关键机械规格
| 规格 | 数值 | 备注 |
|---|---|---|
| 有效载荷（每臂，最大伸展） | 5 kg（标称 3 kg） | 实现稳健抓取 |
| 携带能力（平地） | 30 kg（楼梯上 20 kg） | 支持物流任务 |
| 双足速度 | up to 3 m/s | 快速移动以获取多样化数据 |
| 轮式速度 | up to 5 m/s | 混合机动适用于不同地形 |
| 坡度能力 | 15–30° | 适应不平坦环境 |
| 机载计算（教育版） | AI accelerator + ROS | 即插即用开发套件 |
数据生成价值
- 传感器： 多摄像头装置、关节编码器、力/扭矩传感器。
- 输出： 同步视频、关节状态、接触力、失效模式（滑动、抓取失败）。
- 使用场景： 训练 视觉‑语言‑动作 模型，“尝试‑失败‑调整”循环，仿真到真实的迁移。
“高质量、多样化的数据是通用类人机器人的瓶颈；TRON 2 的经济性将数据采集从精英实验室转移到全球团队。” – LimX Dynamics
预期影响
- 数据集规模： 有望使公开可用的操作数据增加 10 ×。
- 训练成本： 大幅降低，类似于廉价相机普及后计算机视觉数据集的民主化。
- 性能提升： 基准测试显示，在包含失效数据的情况下，拥挤场景中的抓取成功率提升 20–50 %。
物流自动化 – UPS 与 Pickle Robot Company
部署详情
| 项目 | 详情 |
|---|---|
| 机器人 | Pickle Robot Company的卡车卸货单元（移动吸附式机械手） |
| 数量 | 在 60+ 美国站点 部署约 400 台 |
| 合同价值 | 1.2亿美元（是 UPS 90亿美元 自动化路线图的一部分） |
运营流程
- 机器人驶入拖车。
- 视觉系统识别平面纸箱（每个约 50 磅）。
- 吸附夹将纸箱提升到传送带上。
- 周期时间：每辆卡车约 2 小时（比手动卸货快约 30%）。
经济前景
| 指标 | 估计 |
|---|---|
| 回收期 | 约 18 个月（通过产能提升） |
| 目标节省 | 30亿美元以上（截至 2028 年，因降低人工成本和加快拖车周转） |
| 基础设施影响 | 无需大规模仓库改造；机器人可在现有码头环境中运行。 |
更广泛的行业趋势
| 趋势 | 描述 | 代表性示例 |
|---|---|---|
| Entertainment‑driven validation | 公开表演证明动态能力。 | Unitree G1 演唱会，DEEP Robotics DR02 展示 |
| Affordable data‑collection hardware | 低成本人形机器人生成海量、多样化数据集。 | LimX TRON 2 |
| Scalable logistics automation | 在成千上万的场所部署以降低人工成本。 | UPS‑Pickle Robot 合作 |
| Hybrid mobility | 结合腿式和轮式移动，实现多功能性。 | TRON 2 的双足与轮式模式 |
| Torque‑limited, battery‑constrained design | 强调高效驱动，以实现真实环境的续航。 | G1 的扭矩受限基准 |
这些力量汇聚在一起，将机器人从 研究实验室 推向 日常实用——从舞台表演到仓库车间，乃至更广阔的领域。
2026 展望
- 有腿的移动方式 将继续改进，但 轮式替代方案 将因成本敏感的应用而获得更大市场份额。
- 以数据为中心的方法（大规模、故障丰富的数据集）将成为操作突破的主要驱动力。
- 物流和电子商务的自动化预算 将持续上升，数十亿美元的合同将成为常态。
“机器人正从实验室原型转向真实世界的实用性，灵巧性、机动性和成本效益位居前列。” – 行业分析师
参考文献
- Unitree Robotics – G1 规格（官方数据表）。
- Futurism – “Robotic Dancers Take the Stage”（文章，2025）。
- LimX Dynamics – TRON 2 产品手册（2025）。
- Pickle Robot Company – UPS 部署新闻稿（2025）。
- Tuo Liu – 关于类人机器人性能趋势的访谈（各类媒体）。
由机器人趋势部编写 – 2025 年 12 月
概览
Pickle — 窄任务专用装载机 — 已证明“cuum 确认抓取，且无碰撞运动能够在狭窄通道中导航，表现出比疲劳的人类更高的一致性”。该产品将在 2026 年底 推出，凭借 Pickle 新任 CFO 的加入，标志着业务规模的扩大。
机器人行业转型
- Performance: 在高容量物流中，通用机器人难以应对的情况下，成功率为 80‑90 %。
- ROI: 在非结构化卸货任务中，吸附 + 移动的组合已证明投资回报。
- Broader Impact:
- 验证了基于吸附的移动装载机在电子商务履约中的可行性。
- UPS 的车队（每年数百万个拖车）提供了海量数据用于迭代改进，加速了对感知密集型灵巧操作的提升。
- NODE Robotics 软件（如 CEO Stefan Dörr‑Laukien 所述）实现了模块化自主；硬件无关的堆栈防止了从试点到生产的失败。
辩论：轮式与足式运动
“行走很困难。它会消耗电池。对于需要 5 小时充电才能走 30 分钟的机器人来说，没有实用价值。电动轮子才是未来。” — Andrew Kiguel, RealbotixCorp
RealbotixCorp
- 运营主张：10 小时自主运行时间（或插电时实现 24/7）。
- AI 集成：
- 内置人格模块（例如 Ms_Xbot）。
- 可通过数字孪生界面进行定制。
- 第三方支持：兼容外部 AI 服务，如 Gemini，可在移动端和机器人平台上使用。
行业趋势
- 大多数竞争对手 采用轮式，同时在细分应用中保留足式选项。
- 与双足“炫技”相比，轮式在 能效 和 机械复杂度 上更具优势。
反驳观点（Unitree、DEEP Robotics）
- 紧凑的足式设计 能降低电池负荷，并在不平坦地形中保持机动性。
- 在 平坦仓库环境 中，轮式提供 更低的重心、更好的稳定性，以及在需要灵活操作的任务中更低的能耗。
含义
| 方面 | 潜在结果 |
|---|---|
| 混合设计（轮子 + 机械臂） | 与全足式机器人相比，可降低成本 30–50 %。 |
| Realbotix AI‑物理双重性 | 对 伴侣市场 具有强大吸引力。 |
| 行业评论（如 Chris Paxton） | 突出显示向 全自动化 以及在自动卡车中冗余的人类监督的推动。 |
硬件基础
- FANUC America：全球超过 1 百万 台伺服电机，以可靠性、易于安装、低维护和高效率而著称——对在车队中扩展机器人关节至关重要。
Vision‑Language Models (VLMs) & Tool Generation
- Ilir Aliu 强调了 VLMgineer，这是一个框架，使 Vision‑Language Models 能够在 without demonstrations 的情况下自主发明工具和动作。
- Performance: 在 RoboToolBench 上通过 VLM‑guided evolution，性能比人类高出 +64.7 %。
- Concept: 紧密共设计形‑功能（类似于 “Eureka for physics”）。
- Impact: 开启了无需先验的自动化硬件设计，革新了新任务的灵巧性。
预测性运动学：前向动力学模型
-
RSS 2025最佳系统论文 入围者提出了 感知前向动力学模型，通过融合感知和本体感受数据，能够预测腿式机器人 最长5秒 之后的状态。
- 在 仿真 + 真实世界数据的组合 上进行训练。
- 实现 零样本粗糙地形导航——无需额外调参，提高安全性和成功率。
-
与 Paxton 工作的关联
- “Trace Anything” 框架预测操作和视频任务的点轨迹，相较于传统的以动作为中心的流水线，简化了标注工作。
Foundation Motion Models
-
Chris Paxton 强调了 NovaFlow 和 Amplify 等模型，这些模型可以从视频中预测运动。
- Ego‑centric 数据有帮助，但在低基线时很快出现平台期；hand‑pose estimation 仍是关键瓶颈。
-
Aliu 的 “Vibe Coding” 用于机器人，利用 Gemini 3 / Nano Banana Pro 控制模拟手臂，根据高层意图堆叠立方体，绕过传统代码，实现 prompt‑iteration 工作流。
趋同趋势：模拟优先的灵巧性
| 趋势 | 描述 | 含义 |
|---|---|---|
| Predictive Models | 通过前瞻（前向动力学、视频生成运动）实现主动控制。 | 更安全、更高效的导航与操作。 |
| Tool‑Generation VLMs | 在无需示范的情况下自动设计末端执行器。 | 快速适应新任务。 |
| Vibe Simulations | 基于提示的机器人行为原型制作。 | 加快迭代，降低工程开销。 |
| Hardware Scaling | 低成本、可靠的伺服电机与模块化堆叠。 | 降低总体拥有成本，便于舰队部署。 |
这些方向共同推动了类似 Figure AI’s F.03 的类人平台，其机载摄像头为持续学习提供了真实世界的数据回路。
远见展望
-
Elon Musk 设想机器人实现 “为所有人提供可持续的丰裕”。
- 应用包括定制住宅、基于隧道的电动汽车、电动飞机，甚至由 AI 驱动的卫星工厂和质量驱动器供能的 巨型月球基地。
-
这个未来主义叙事呼应了 Iain Banks 的 Culture 系列。
-
Brett Adcock 自筹的 $100 M Hark Lab（得到 Figure $39 B 估值 的支持）正致力于“以人为本的 AI”，其思考方式是主动的。
来自现场的实用建议
- Ilir Aliu – 强调“枯燥的工作”：自给自足的入职培训、可用的文档以及预测性维护。这些能让你相比竞争对手拥有 90 % 的优势。
- NODE Robotics – 他们的舰队软件解决方案与 Pollen Robotics 的 Lukas Ziegler 合作，被誉为运营工具的最佳实践。
- Paxton – 注意：自我数据（ego data）的质量比单纯的数量更重要。
结论
所有这些线索——经过验证的性能、廉价可扩展的硬件、数据丰富的部署、前瞻性研究以及宏大愿景——都指向 2026 年成为机器人技术的拐点。高效、适应性强的机器将驱动丰裕时代的到来，把今天的实验原型转变为日常的工作马。