人形机器人
具有类人形态的机器人，通常配备双足行走、双臂操作及感知系统，能够在人类环境中执行复杂任务，是当前机器人技术的前沿方向之一
核心事实
时间轴 (近 90 天)
人形机器人的价值最终取决于能否在真实环境中持续工作，仓储、制造、物流等场景的落地深度决定收入的可持续性。
人形机器人公司因研发投入大、硬件试产成本高、交付周期长，现金消耗往往较快。
模型选择人形机器人而非配送机器人的频率远低于人类。
Gemma模型对人形机器人的夜晚效应大约是人类的3倍。
在机器人类型上，配送机器人比人形机器人更受欢迎。
从模型给出的理由来看，配送机器人被视为物理障碍，而人形机器人则可能被视为威胁或保护来源。
人格化MLLMs仅能捕捉部分人类判断，尤其是在涉及人形机器人时。
研究团队生成了18张首尔街道图像，这些图像在时间段（白天/夜晚）、道路等级和机器人条件（无机器人、配送机器人、人形机器人）上有所不同。
Reddit上一位开发者分享其人形机器人腿部执行器控制模块因驱动力不足被替换。
开发者下一步的目标是找出行走所需的动作序列。
还有 40 条时间轴事件
全部知识事实 (20)
人形机器人的动作空间庞大且高度耦合，腿部、手臂、手指必须协同运动并维持平衡，使得关节级动作学习异常困难。
75%已验证在机器人竞赛中，工作人员手持的手柄并非直接操控机器人的每个动作，而是用于切换预设任务模式和引导行进路线，动作执行由机器人自主完成
75%已验证Sim-to-Real（仿真到现实迁移）已成为人形机器人运动控制的行业主流路线，研究者在物理仿真器中利用GPU并行运行数千个仿真实例训练强化学习智能体
75%已验证多家科技公司已经在人形机器人领域投入巨资，展示了行走、抓取等基础能力的演示
65%已验证人形机器人的商业化路径中，成本、安全性以及人形形态是否为最优解仍是悬而未决的问题
65%已验证人形机器人竞技赛事通常涵盖行走、平衡、避障、抓取乃至更复杂的协作任务
65%已验证2023-2025年间全球人形机器人赛道吸引了超过百亿美元的投资
65%已验证高速运动中的实时感知-决策-执行闭环仍是人形机器人从实验室到真实世界落地的最大瓶颈之一
65%已验证人形机器人的硬件成本普遍在数十万元级别，是具身智能商业化落地的成本挑战之一
65%已验证阻抗控制适合力矩可控的机器人（如直驱关节机器人），导纳控制适合位置可控但刚性较高的工业机器人
65%待验证Whole-Body Dynamics Optimization treats the robot as a multi-rigid-body system, simultaneously optimizing all joint torques to maintain balance
85%待验证当前人形机器人主要应用于仓储物流等相对标准化的场景
75%待验证MIT Technology Review 与非营利研究基金会 Aventine 合作发表了一篇分析，指出机器人领域的AI突破短期内不会真正改变普通人的日常生活
60%待验证扭矩密度是评估人形机器人关节执行器性能的核心指标，主流方案包括准直驱电机和谐波减速器方案
60%待验证人形机器人关节执行器主流方案包括准直驱电机和谐波减速器方案，前者低减速比高力控透明度，后者传动比高但反向驱动性较差
60%待验证一台典型的全尺寸人形机器人拥有30至50个自由度
60%待验证人形机器人的价值最终取决于能否在真实环境中持续工作，仓储、制造、物流等场景的落地深度决定收入的可持续性。
50%待验证人形机器人公司因研发投入大、硬件试产成本高、交付周期长，现金消耗往往较快。
50%待验证在机器人类型上，配送机器人比人形机器人更受欢迎。
50%待验证从模型给出的理由来看，配送机器人被视为物理障碍，而人形机器人则可能被视为威胁或保护来源。
50%