鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

人形机器人,你看中了哪个?

编程导航
编程导航
2025-11-08 12:30
阅读 224
编程导航
2025-11-08 12:30
阅读 224

11 月 8 日,IT之家今日话题:人形机器人,你看中了哪个?

小鹏 11 月 5 日发布了“会走猫步”的 IRON 人形机器人,一度被质疑是真人伪装,随后官方拍视频自证。人形机器人真的能够以假乱真了吗?目前公开的机器人中,你看中了哪个?欢迎投票(产品介绍见文末)。

另外,猜猜今年春晚哪家会登上全国舞台?

小鹏 IRON

小鹏 IRON 于 11 月 5 日发布,号称“最拟人的人形机器人”,拥有「骨骼-肌肉-皮肤」:仿人脊椎、仿生肌肉、全包覆柔性皮肤、头部 3D 曲面显示、仿生灵动双肩、实现 22 个自由度的灵巧手。

IRON 搭载物理世界大模型,拥有 3 颗图灵 AI 芯片,构建 VLT+VLA+VLM 高阶大小脑能力组合,可实现对话、行走、交互等高阶智能;搭载行业首发应用全固态电池,全球首发机器人室内场景 AEB;2026 年底计划实现规模量产。

宇树 H2

宇树科技 10 月 20 日发布了新一代 Unitree H2 人形机器人,高 180cm,重 70kg,首次配上了拟人仿生脸。

Unitree H2 配备了 31 个关节,具体分布为肩部 6×2(双臂各 6 个)、躯干 3 个、腿部 7×2(双腿各 7 个)。相比宇树科技此前发布的 R1 机型的 26 个关节,关节数量提升 19%,灵活性显著增强。

宇树 G1

宇树 G1 人形机器人于 2024 年 5 月发布,定价 9.9 万元起,官方描述为“人形智能体、AI 化身”。该机器人体重约 35kg、身高约 127cm,拥有 23~43 个关节电机,关节最大扭矩 120N・m;支持模仿 & 强化学习驱动,“在 AI 加速下的机器人技术,每天都在升级进化”。

宇树 R1

宇树科技 7 月 25 日发布了双足人形机器人 Unitree R1,售价 3.99 万元起,重量仅 25 千克,支持开发与定制。

Unitree R1 具有 26 个关节,包含腿部 6 个关节(*2)、手臂 5 个关节(*2)、头部和腰部的各 2 个关节,集成语音和图像多模态大模型。此外,用户还可以自行开发、改制。

智元远征 A2

智元远征 A2 于 2024 年 8 月 18 日发布,为交互服务场景量身定制,身高 169cm,重约 69kg,内置 700Wh 电池,原地掉头宽度 60cm,续航约 2 小时,全身自由度 40+。

A2 采用拟人构型与人因设计,提供多模交互与智能体验,可自主移动与可靠行走,拥有多重保障,支持便捷操作与极简维护,可进行电池快换以及充电两种补能方式。

今年 8 月,智元远征 A2 开启了一场持续 24 小时的“夏日 Citywalk”直播,顶住了超 35℃ 的高温,扛过了夜间弱光,全程不依靠人工遥控,顺利完成了全球首次全尺寸人形机器人在高温环境下完全自主长时间行走的挑战。

智元灵犀 X2

智元灵犀 X2 于今年 3 月 11 日首次亮相,全身共 28 个自由度、体重 33.8 千克,小脑控制器、域控制器、智能电源管理系统、核心关节模组全线自研,能走、能跑,能跳舞,甚至能骑自行车,以及韦伯斯特空翻动作。

根据规划,灵犀 X2 预计将于 2025 年下半年实现规模化出货,到 2026 年底,预计出货量将达到数千台。

特斯拉 Optimus

特斯拉 Optimus 于 2022 年 10 月首次亮相,身高约 173cm,拥有 28 个运动关节,即将更新到第三代,官方此前展示过功夫、捡鸡蛋,以及非常慢地递送爆米花。

特斯拉 11 月 7 日宣布,第三代 Optimus 人形机器人产线 2026 年建成投产,预计每台成本 2 万美元(IT之家注:现汇率约合 14.2 万元人民币)以内。

波士顿动力 Atlas

波士顿动力于 2024 年 4 月宣布液压机器人退役,转投电动机器人领域,新一代 Atlas 因此诞生。新版 Atlas 拥有更长的四肢、更直的背部,以及可以根据需要旋转的头部。机器人身上看不到任何电线,它的“脸部”还内置了环形灯。

未来几年,波士顿动力将与一小部分客户(首家为现代汽车)共同测试新版 Atlas 机器人。

Figure 03

Figure AI 于 10 月 9 日推出新一代通用人形机器人 Figure 03,定位为日常家庭服务,能帮你完成折叠衣服、洗碗、整理房间等复杂家务。

Figure 03 身高为 5 英尺 6 英寸(约 1.68 米),体重 132 磅(约 60 公斤),满电情况下可连续工作最长 5 小时,并通过一个专用平台进行无线充电。

根据官方发布的演示视频,Figure 03 能够熟练地执行多种家务劳动,包括浇灌植物、端送食物、折叠衣物和整理房间等。公司创始人兼 CEO Brett Adcock 在社交媒体上强调,演示视频中的所有动作均由机器人自主完成,没有任何远程人工操控。

Protoclone V1

波兰公司 Clone Robotics 于今年 2 月发布了世界首个可双足行走的肌肉骨骼机器人 Protoclone V1。

这是一款无面部、解剖学上高度精准的合成人形机器人,拥有超过 200 个自由度、超过 1000 根肌纤维及 500 个传感器。其设计旨在模仿人类的骨骼和肌肉结构,实现更自然和灵活的运动。

该机器人还将传统电机替换为专有的液压 / 气动系统,旨在模拟人类肌肉功能,通过集成传感器的监控实现类似人类的动作。

Clone Robotics 已表示计划在 2025 年推出“Alpha”(Clone α)版,只有 279 台限量版。

小米 CyberOne(铁大)

小米首个全尺寸人形仿生机器人 CyberOne 于 2022 年 8 月正式亮相,身高 177cm,体重 52kg,艺名为“铁大”。

“铁大”采用了多种技术,能感知 45 种人类语义情绪,分辨 85 种环境语义;搭载小米自研全身控制算法,可协调运动 21 个关节;配备了 Mi Sense 视觉空间系统,可三维重建真实世界;全身 5 种关节驱动,峰值扭矩 300Nm。

优必选 Walker S2

优必选于 7 月 23 日推出面向智能制造场景的全尺寸工业人形机器人 Walker S2,宣称是“全球首个实现自主换电的人形机器人”。

Walker S2 身高 1.76 米,宣称可完美复现拟人步态行走与精细操作能力,集成第四代工业级灵巧手与仿生手臂,其灵巧手采用类人尺寸设计,可实现亚毫米级的精细操作,且耐久性经测试超过 8 万次;仿生手臂采用全中空结构与集成走线设计,支持自主换电等高难度动作。

同时,Walker S2 也实现了国内首个头部采用纯 RGB 双目视觉方案,“类人眼”双目立体视觉感知能力提升人形机器人对工厂环境的适应性;52 自由度的仿生躯体配合第四代灵巧手,可在 0-1.8 米全空间范围内完成 15 公斤负载搬运及 ±162° 腰部灵活转动。

松延动力 Bumi 小布米

松延动力 Bumi 小布米于 10 月 22 日发布,是“全球首款万元以内高性能人形机器人”,定价 9998 元,身高约 94cm,体重约 12kg,自由度 Dof ≥ 21。

小布米能走、能跑、能跳舞,小巧尺寸也可以让人轻松抱起;还支持图形化编程,让孩子通过拖拽模块完成动作编排;还有语音交互能力,可实现多项孩子陪玩功能。

云深处 DR02

云深处科技 10 月 9 日发布全球首款行业级全天候人形机器人“DR02”,支持整机 IP66 防水防尘,可满足全天候户外作业场景需求;支持 1.5m/s 行走速度和 4m/s 极限速度,可行走在 25cm 高度楼梯和 20° 角度斜坡上。

图片

该款机器人还适配 -20℃~55℃ 高低温工作环境;拥有 275TOPS AI 算力;配备激光雷达 + 深度相机 + 广角相机,可实现多传感器融合。

图片

傅利叶 GR-3

傅利叶首款搭载全感交互系统的“Carebot”陪伴人形机器人 GR-3 于 9 月 8 日发布,一改传统的金属感硬件设计框架,采用莫兰迪暖调配色、超跑级内饰包覆材料和安全环保的“固特棉 GFOAM”软包内里。

GR3设计理念.jpg

GR-3 身高 165cm,体重 71kg,全身配备 55 个自由度,搭载了傅利叶全新自研的全感交互系统,集成听觉、视觉、触觉三大模块;同时,基于注意力管理机制,统一调度各交互模组,动态判定感知优先级,GR-3 可实现语音输出、肢体语言和情绪表达的协同反馈。

GR3拟人姿态.jpg

北京“天工”机器人

北京人形机器人创新中心于 2024 年 4 月发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”,身高 163cm,轻量化体重达 43kg。2024 年 8 月,该机器人升级到 1.2 MAX 版本,身高 173cm,体重 60kg,相比以前尺寸大了一圈,还在具身智能大模型的加持下,掌握了语音交互抓取能力。

“天工”机器人于今年 4 月发布 2.0 版本,实现了国内首个针对复杂地形的自适应行走,同时搭载自研双电池快速换电系统,突破带电设备电池热插拔换电,实现首个工业级机器人永续作业能力。

图片

今年 4 月,“天工 Ultra”以 2 时 40 分 42 秒的成绩冲线,夺得全球首个人形机器人半程马拉松赛事桂冠,实测平均时速可达 10km/h,最高奔跑速度已提升至 12km/h。

原文链接: 人形机器人,你看中了哪个?
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230