1. 课程导入
人形机器人（Humanoid Robot）是机器人技术皇冠上的明珠，其研发涉及机械设计、控制理论、人工智能、传感器融合、高性能计算与能源管理等多学科深度交叉。作为《人形机器人系统架构与设计》课程的第一章，本节旨在为学习者建立宏观视野：我们不仅回顾从早期液压驱动到当下端到端学习驱动的技术跃迁，更要剖析全球产业格局与标杆产品的设计哲学。理解“从哪里来、现在何处、将往哪去”，是进行系统架构设计的前提。本章将沿着“历史演进—产业坐标—产品解剖—学习路径”四条主线展开，帮助你在进入具体硬件与算法细节之前，先构建起一张完整的认知地图。
上图勾勒了本课程的核心认知框架：时间轴上的技术代际跃迁、产业现状的三极格局、典型产品的差异化定位，以及贯穿全书的四层系统架构。下面我们将逐一展开论述。
1.1 发展历程：从实验室奇观到工程化落地
人形机器人的发展并非线性进步，而是经历了多次“技术泡沫—理性回归—突破重燃”的循环。理解这段历史，有助于我们识别哪些是真正的技术拐点，哪些只是暂时的营销热点。
1.1.1 萌芽期（1970s-1990s）：静态行走与液压霸权
早期人形机器人以日本早稻田大学的WABOT系列和本田的E系列为代表。这些机器人采用位置控制模式，依赖预先规划的关节角度轨迹实现双足行走，步态僵硬且无法抵抗外界扰动。液压驱动系统虽然能提供极高的功率密度（峰值扭矩可达电机方案的3-5倍），但存在能效低（系统效率通常低于30%）、漏油风险、维护成本高昂等致命缺陷。这一时期的机器人更多是“展示品”，而非“产品”。
1.1.2 过渡期（2000s-2015）：电机驱动与动态控制理论成熟
随着无框力矩电机、谐波减速器和高性能伺服驱动器的进步，电机驱动方案逐渐取代液压。本田ASIMO（2000年）是这一时期的标杆，它首次实现了ZMP（零力矩点）稳定控制，能在不平整地面行走。但ASIMO的关节响应带宽仅约5Hz，无法应对突发外力。真正的转折点是2013年波士顿动力Atlas的亮相——它引入了模型预测控制（MPC）和全身动力学控制（WBC），将双足机器人的动态性能提升了一个数量级。
1.1.3 爆发期（2020-至今）：端到端学习与具身智能
2022年特斯拉Optimus的发布标志着产业拐点：人形机器人从“技术演示”转向“商业产品”。核心驱动力有三：
- 算力平民化：车载级Orin芯片（254 TOPS）和边缘GPU使人形机器人能够运行实时神经网络。
- 数据飞轮：特斯拉利用其自动驾驶车队积累的视觉-控制数据，迁移至Optimus的感知模型。
- 端到端策略：Figure 02与合作，直接使用视觉语言模型（VLM）生成关节动作，跳过了传统“感知-规划-控制”的模块化流水线。
1.2 产业现状：三极格局与供应链博弈
截至2025年，全球人形机器人产业呈现中美双核、欧洲跟进的格局。理解产业地图，有助于我们判断技术路线选择的商业合理性。
| 维度 | 中国 | 美国 | 欧洲/日本 |
|---|---|---|---|
| 代表企业 | 优必选、宇树、智元、小米 | 特斯拉、Figure、波士顿动力 | 本田、丰田、Agility Robotics |
| 技术路线 | 电机驱动为主，强调成本控制 | 液压/电机并行，AI算法领先 | 高精度伺服，注重安全交互 |
| 核心优势 | 供应链完整、迭代速度快 | AI软件生态、数据积累 | 精密制造、可靠性设计 |
| 主要瓶颈 | 高端传感器依赖进口 | 制造成本高、量产困难 | 创新速度较慢 |
从供应链角度看，人形机器人的核心零部件成本占比约为：关节执行器（含电机+减速器+编码器）占45%，传感器（力/触觉/视觉）占20%，计算平台占15%，结构件占10%，其他占10%。其中，行星滚柱丝杠（用于线性关节）和六维力传感器是当前国产化率最低的环节，也是系统架构师需要重点关注的“卡脖子”风险点。
1.3 典型产品深度解剖：Atlas与Optimus的设计哲学对比
我们选取两款最具代表性的产品进行对比分析，它们分别代表了“性能极致”与“成本极致”两种截然不同的架构取向。
1.3.1 波士顿动力Atlas（电动版，2024）
2024年4月，波士顿动力宣布退役液压Atlas，转而开发全电动版本。这一决策本身就是对技术路线的重大背书。电动Atlas的关键参数：
- 自由度：全身28个自由度，其中手部12个
- 峰值扭矩：关节峰值扭矩达150Nm（髋关节）
- 控制频率：全身控制1kHz，MPC重规划100Hz
- 感知配置：2个3D激光雷达+6个RGB相机，无IMU冗余
其架构核心是“模型预测控制+全身动力学”的级联结构。MPC在100Hz频率上求解简化刚体动力学的最优控制问题，生成质心轨迹和足端力；WBC在1kHz频率上将这些力映射到各关节扭矩指令，同时满足接触约束和关节极限约束。这种架构的优点是鲁棒性极强，即使单腿受扰也能在0.5秒内恢复平衡。
1.3.2 特斯拉Optimus Gen-2（2023）
Optimus的设计哲学截然不同：“为量产而设计”。其关键决策包括：
- 执行器：采用“电机+行星滚柱丝杠”的线性执行器，替代旋转关节+谐波减速器，成本降低40%
- 传感器：手部采用触觉传感器阵列（每个指尖16个感知单元），但全身仅6个摄像头，无激光雷达
- 计算平台：单颗FSD芯片（216 TOPS），运行占用内存小于2GB的轻量级神经网络
- 电池：2.3kWh、52V电池包，位于躯干中央，支持热插拔换电
1.4 课程学习路径与知识体系
本课程共30章，按照“底层硬件→中层算法→上层智能→系统集成”的逻辑递进。建议学习者按照以下路径构建知识体系：
- 第一阶段（第2-8章）：机械与驱动基础。学习关节执行器选型（电机/减速器/丝杠）、结构刚度分析、热管理设计。这是人形机器人的“骨骼与肌肉”。
- 第二阶段（第9-15章）：感知与计算。深入IMU/视觉/力传感器融合、实时通信总线（EtherCAT/TSN）、异构计算平台（CPU+GPU+FPGA）设计。这是“感官与神经”。
- 第三阶段（第16-24章）：控制与AI。覆盖全身动力学控制、MPC、强化学习训练框架、VLA模型部署。这是“小脑与大脑”。
- 第四阶段（第25-30章）：系统集成与工程化。包括系统调试方法论、安全冗余设计、可靠性测试、量产工艺。这是“从原型到产品”的最后一公里。