这个问题在饭桌上问出来，十个做机器人的人会给出十一种答案。
整机厂的结构工程师多半会说是手，因为手是唯一一个"装不进去"的部件；做控制的人多半会说是腿，因为腿摔一次就是几十万的维修单；做减速器和丝杠的零部件工程师往往说腿和臂都不算难，难的是把背隙、寿命和一致性同时按量产价格交出去；而做感知和算法的人会说，前面三个都在收敛，只有手还在发散。
这些答案都不算错。它们之所以互相矛盾，是因为"哪个难"这个问题本身没有定义口径——是把东西做出来难，还是把东西做好难，还是把东西做便宜难，还是把东西用起来难。四个口径下，四个部件的排序完全不同。
这篇文章不做投票，只做拆解。把腿、身、臂、手四个部件，分别放到结构设计、运动控制、制造与成本、感知与数据这四个坐标系里各量一遍，最后再给一个工程上能用的判断。
口径一：结构设计难度。 在给定的空间包络、重量上限和刚度要求下，能不能把电机、减速器、编码器、驱动板、线束、传感器塞进去并且保证功能。核心约束是"空间"和"重量"，这两个是死约束，不能靠砸钱解决。
口径二：运动控制难度。 系统是不是欠驱动、是不是高阶非线性、是不是强耦合、是不是对时延敏感、仿真到实机能不能迁移。核心约束是"数学上有没有闭式解"和"模型误差容忍度"。
口径三：制造与成本难度。 能不能以量产价格、量产良率、量产一致性把图纸变成货。核心约束是"精度-寿命-成本"这个不可能三角。
口径四：感知与数据难度。 传感器做不做得出来、标定和维护成本高不高、以及有没有足够的数据把能力训出来。核心约束是"物理世界的长尾"。
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
把这张表读一遍就能看出规律：腿的难是"控制之难"，手的难是"工程之难"，身和臂的难是"集成之难"。
这三类难的性质完全不同。控制之难是可以靠算法、算力和迭代次数硬啃下来的，这几年进步最快的就是这一块；工程之难则受制于物理定律、材料、加工精度和良率的现实分布，花钱能买时间，但买不到跃迁。
双足行走这件事，在工程上被拆成了三个难度级别。
第一级是走。 至少有一只脚贴地，重心始终落在支撑脚构成的支撑多边形内部。这是经典的零力矩点（ZMP）问题。ZMP 的判据可以写成：
x_zmp = [ Σ mᵢ(ẍᵢ − g)·xᵢ − Σ Iᵢ·ÿᵢ ] / Σ mᵢ(ẍᵢ − g)
要求 x_zmp 落在支撑多边形内，机器人才不会绕支撑边翻倒。这条式子里，惯量项 Iᵢ·ÿᵢ 在高动态工况下会变得不可忽略，工程上常见的简化就是把整机当成质点处理——这在慢速行走时误差可以接受，一旦步频上去，误差就会直接变成摔倒。
第二级是跑。 跑步的定义特征是有双足同时离地的腾空期。支撑时间被压缩到百毫秒量级，落点偏差只能靠腾空期内的姿态调整来补偿。这一级对髋、膝、踝三关节的峰值扭矩输出能力和控制频率同时提出要求。公开资料里，宇树 H1 的移动速度做到 3.3 m/s，腿部关节峰值扭矩 360 N·m，2026 年 4 月其百米峰值速度公开测试达到 10 m/s 量级。速度这个数字背后其实不是电机功率的问题，而是"落地瞬间的能量能不能在下一个腾空期之前被消化掉"的问题。
第三级是跳和舞。 这一级要求的不只是"不倒"，而是"柔顺且省力"。人类脚趾在站立时会被动弯曲去顺应地面，蹬地时形成滚动效应，让脚以滚动方式前进而不是僵硬翻转，从而降低峰值受力、维持接触。带关节的被动脚趾能增大有效接触面积、更均匀地分配载荷。这些细节不影响"能不能走"，但直接决定"走得像不像人、费不费电"。
值得注意的是，行业内测出来的真实差距往往在这条曲线的尾部。某次人形机器人半程马拉松上，20 支队伍与真人同场跑 21 公里，最终多数机器人中途摔倒、需要人搀扶才能完赛。北京人形机器人创新中心的"天工"以 2 小时 40 分 42 秒完成 21.0975 公里，拿下首个冠军——这个成绩本身已经说明，双足行走在受控条件下是成立的，但在长时、扰动、能量受限的真实条件下，还没有跨过工程可用线。
腿部设计的核心矛盾可以用一句工程语言概括：要在大行程里输出大扭矩，还要背得动自己。
旋转执行器的输出扭矩关系是：
τ_out = τ_motor · i · η
其中 i 是减速比，η 是传动效率。看起来"提高减速比就能提高扭矩"，但功率守恒要求 P = τ·ω 不变，减速比一上去，输出转速就掉下来，腿的摆速就上不去。这就是腿关节设计的核心约束：减速比被"摆腿速度"反向锁死。
于是工程上出现两条路线：
路线 A：旋转执行器 + 高减速比（谐波/行星）。 优点是产业链成熟、成本可控、控制模型简单。缺点是承载能力有上限，热量集中在关节里。
路线 B：直线执行器 + 行星滚柱丝杠。 用丝杠把电机的高转速小扭矩转换成低速度大推力，同时把电机放到更靠近身体近端的位置，减少腿部摆动的惯量负担。公开的技术资料显示，行星滚柱丝杠采用螺纹滚柱的线接触，相比滚珠丝杠的点接触接触面积更大、载荷分布更均匀，按赫兹接触理论估算，承载能力可达滚珠丝杠的 3 到 6 倍，极端工况下可达 10 倍。线接触的接触半宽与最大应力近似为：
b ∝ √( F / (L·ρ) ) σ_max ∝ √( F·E* / (L·ρ) )
其中 F 是法向载荷，L 是接触线长度，ρ 是综合曲率半径，E* 是综合弹性模量。这两条式子解释了"为什么线接触能扛"：载荷被摊到一条线上，而不是压在一个点上。
代价也很实在：行星滚柱丝杠的标称传动效率约 70%，低于行星减速机的 90% 以上；反向式结构的螺母螺纹精密磨削难度极大，需要借助连杆机构实现关节转动，设计复杂度相比直接齿轮传动直线上升。有企业把行星滚柱丝杠的制造拆成 120 道精密工序，才能把螺纹螺距精度控制在 3 微米以内——这个数字很能说明问题：腿的难度里，有很大一块其实不在腿上，在零部件车间里。
控制算法几乎都可以在仿真里调通，问题在于调通之后。
地面摩擦系数、地面起伏、足底接触刚度、关节摩擦与背隙、电机温升导致的扭矩衰减——这些参数在仿真里都是常数，在现实中都是分布。仿真里步态优美，实机上走三步打滑一次，是这一行的常态。更麻烦的是损耗件：脚踝枢轴、连杆铰点、足底胶垫，这些位置在长期冲击载荷下最先失效，而它们的寿命几乎没有理论解，只能靠试验台一小时一小时地跑。
所以从工程角度看，腿部是"显性难度高、隐性难度更高"的部件：显性难度是人人都看得见的摔倒，隐性难度是没人拍到视频的寿命和一致性。
躯干在很多讨论里被当成一个"盒子"，但它是全身力流的交汇点：上肢的反作用力、下肢的驱动力、电池和计算单元的自重，全部经由躯干传递。
腰关节的自由度数量至今没有共识。以量产的宇树 G1 为例，其官方规格表中腰部自由度写的是 1 个，同时提供可加选 2 个腰部自由度的版本；而一些全尺寸工业机型把腰部做成 3 个自由度，用来在搬运重物时做姿态微调。自由度越少，整机刚性和走线越简单，但上肢作业时会缺少代偿能力；自由度越多，躯干内的走线和散热空间会被迅速蚕食。
这里有一个容易被忽略的计数问题：同一台机器，不同资料给出的自由度数可以相差一半以上。 宇树 H1 在不同公开资料中的自由度记录有 19、27 等不同口径，差异来自是否把腰部、腕部、手部计入，是否把并联机构的被动自由度计入。讨论"谁的自由度多"之前，先统一计数口径，否则比较没有意义。
躯干的刚度问题本质上是一个模态问题。整机的第一阶弯曲模态频率近似为：
f_n = (1/2π) · √( k_eq / J_eq )
k_eq 是等效刚度，J_eq 是等效惯量。躯干刚度不足，f_n 就会掉到与步频、与手臂摆动的激励频率同一个量级，结果是共振——在示波器上表现为关节电流的周期性尖峰，在实机上表现为"走路发飘"。所以躯干的结构设计目标不是"越硬越好"，而是把模态频率推到激励频段之外，同时不把重量堆上去。
走线是另一个隐性成本。几十个关节背后是电机三相线、编码器线、抱闸线、力矩传感器线、以及视觉和触觉的差分信号线，全部要在躯干的狭小截面内做弯折寿命大于百万次的布线。这也是为什么拆解报告中常常提到，走线集成和热管理是与轻量化并列的三大结构课题。
躯干是整机的热汇。功率器件产生的损耗可以用效率直接估算：
P_loss = (1 − η) · P_in ΔT = P_loss / (h·A)
人形机器人的内部空间极度受限而功率密度极高，电机与芯片产生的废热如果排不出去，会引发磁钢退磁或热失控。工程上有两条典型思路：其一，把热量导到结构件上做大面积被动散热——有拆解报告显示，宇树 G1 采用了铜质均热片与结构一体化设计，通过高导热铜带把关节模组的热量传导到机身金属结构件上，靠增大散热表面积实现被动散热；其二，走向主动液冷，把热管理从结构问题的附属品升级为独立子系统。
从工程师的经验看，热是最"没有戏剧性"的难度：它不出现在宣传视频里，却决定了机器人能不能连续工作八小时。所有"充电一小时、连续工作八小时"的续航指标，最终都是热指标。
工业机械臂普遍做到 6 个自由度（3 个定位 + 3 个定向），刚好满足一般位姿可达。人形机器人的手臂普遍做到 7 个自由度，多出来的那一个不是浪费，而是冗余：它让机械臂在保持末端位姿不变的前提下，调整肘部高度、绕开障碍、以及改善关节受力分布。
冗余是要付代价的。自由度计数可以用 Grübler 公式做基本核算：
M = 6(n − 1) − Σ(6 − fᵢ)
n 是构件数，fᵢ 是第 i 个运动副的自由度数。式子里每增加一个主动关节，就增加一个待解的状态量；而冗余机械臂的逆运动学是欠定方程组，解不唯一，需要在无穷多解里按"避奇异、避关节限位、省能量"的准则挑一个。这就是为什么 7 自由度手臂的控制代码往往比 6 自由度长得多，也让规划层的计算量显著上升。
行业里流传的一句话是"主流人形机器人手臂负载普遍停留在 3 到 5 公斤区间"。这个区间不是设计者保守，而是动力学决定的：
τ = J(θ)·θ̈ + C(θ, θ̇) + G(θ)
末端负载每增加 1 kg，作用在各关节上的重力矩项 G(θ) 会按臂长比例放大，同时整条手臂的转动惯量 J(θ) 也随之增加，进而抬高所需的加速度力矩。而手臂每增加一点结构刚度，重量就上去；重量上去，关节扭矩需求又上去；关节扭矩上去，电机和减速器又变大变重——这是一个正反馈。手臂设计本质上是在解一个收敛性问题，不是在做减法。
傅利叶 GR-2 是一个可以拿来对照的公开样本：身高 175 cm、体重 63 kg、全身 53 个自由度、单臂负载 3 kg。全尺寸人形机器人做到 3 kg 单臂负载，说明这个指标不是"还没做好"，而是当前技术条件下的合理平衡点。
另一方面，行业也在用混合路线突破这个边界。开普勒 K2 大黄蜂在全尺寸 175 cm / 78 kg 的机体上，用"旋转执行器 + 行星滚柱丝杠"的混合方案做到单臂承重 15 kg、双臂协同 30 kg，其手臂上布置 3 个行星滚柱丝杠执行器（大臂 1 个负责肘关节、小臂 2 个负责腕关节）。这个案例说明，手臂负载能力的突破不来自"更强的电机"，而来自传动构型的改变——丝杠把力流从"关节内旋转"改成了"沿臂长方向的直线推拉"，力的传递路径变了，结构效率也就变了。
腿和臂看起来都"是关节加杆件"，但工程约束几乎相反：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这个差异决定了：腿的工程重点是"抗造"，臂的工程重点是"精准且轻"。同样的减速器和丝杠，装在腿上和装在臂上，选型逻辑完全不同。
人手是一个极其精密的末端执行器。不同文献对手的自由度计数不完全一致：较常见的记法是 24 个左右（拇指 5 个、四指各 4 个、手掌 3 个），也有把腕部计入后得到 20 至 27 之间的各种口径。这个计数差异本身就说明了问题——手是一个"没有标准答案"的部件。
特斯拉 Optimus 的灵巧手是行业公认的风向标，其迭代路径也很能说明趋势：早期版本为 6 个电机、11 个自由度；后续版本提升到 11 个自由度并加入触觉传感器与更精确的力控；到第三代，公开资料普遍引用的是约 22 个自由度、其中 17 个为主动自由度，每个主动自由度对应一个执行器，构成"电机 + 行星齿轮箱 + 微型丝杠 + 腱绳"的传动链。
为什么要把电机放到手臂里，再用腱绳拉？这是一个非常典型的机电一体化决策：主动自由度数量的增长和手掌体积是硬冲突的。 一般来说一个主动自由度对应一个电机，一只人手的掌部空间要容纳十几个电机，物理上不可行；即使强行塞进去，散热、走线、单指更换维修也全部失控。把电机前移到前臂、用腱绳把力传到手指，是空间、惯量、热三个约束同时作用下的解。
代价是：腱绳带来强耦合，单根腱绳往往同时影响多个关节；腱绳本身的蠕变、迟滞、以及"单根绳承受 1200 N 拉力"这种量级的可靠性要求，都会转化成标定和补偿的工作量。
灵巧手的难点，行业内的共识是高空间集成。
在一个巴掌大的包络里，要放下：微型电机、微型行星齿轮箱、微型丝杠、腱绳与导向轮、编码器、触觉传感器阵列、驱动板，还要穿过线束。每个零件都要同时满足高功率密度、高精度、高可靠性、长寿命和低成本五项要求。这是一个"没有余量的设计"：任何一处尺寸超差，都会通过装配误差累积到指尖轨迹上。
有一个数字可以量化这种集成度：某款 11 自由度灵巧手，单手套件包含 891 个零件。891 个零件意味着接近一千个尺寸公差、接近一千个装配动作、以及接近一千个潜在失效点。这是灵巧手与腿部最本质的区别——腿的零件数在几十量级，手的零件数在千量级。
灵巧手的传动路线至今没有收敛，主流可以分为三派：
腱绳驱动。 电机后置，靠腱绳把力传到手指。优点是可以把手指做细、惯量低、缓冲能力好；缺点是耦合强、标定复杂、腱绳寿命和蠕变难以控制、装配工艺难。
连杆驱动。 用连杆机构直接实现指节运动。优点是可预测、刚性好、精度高、易标定；缺点是自由度受限、手指包络大、近似运动学误差需要补偿。
直驱/半直驱。 电机靠近关节布置。优点是结构简单、控制直接；缺点是手指变粗变重，且自由度数量受限。
现实中的产品往往是混合的。有厂商把 42 个自由度的研究型产品做成"腱绳 + 连杆"方案，也有厂商的 11 自由度产品在手部保留高强度绳驱设计、单指配置 25 个高分辨力控触点。这种"路线不收敛"的状态，本身就是难度高的表现：一个技术上已经解决的部件，路线会收敛；路线不收敛，说明每一派都还没能同时满足所有约束。
如果只靠视觉，精细操作中的力控能力会存在短板。这一点在工程上很好理解：视觉给出的是接触前的状态，接触之后的滑移、软硬、摩擦、形变，只能由触觉给出。人手能抓起一根细软毛发，靠的不是视觉分辨率，而是指尖触觉。
触觉传感器在工程上要越过三道关：
第一道是"能测"。 需要同时获取分布力、合力、力矩等多维信息——公开资料中已有产品能同时输出超过 15 种类人触觉信息。
第二道是"测得准且不漂"。 触觉传感器被反复按压数百万次后，零点漂移、迟滞、蠕变会直接破坏力控模型的稳定性。这也是为什么基于磁场变化的方案被反复提及：它具备无迟滞、抗老化、无蠕变的特性，能输出六维力与力矩信息，适用于需要精密力控的装配与打磨场景。与之相对，压阻式和电容式方案在灵敏度与成本上有优势，却要在漂移补偿上花更多工程代价。
第三道是"用得上"。 传感器数据只有进入闭环才有价值，这就要求触觉信号的处理延迟足够低、与视觉与力控的融合足够稳。多模态感知融合的难点不在于单个模态的精度，而在于不同模态的固有差异——视觉是毫秒级、触觉是微秒级；视觉是全局的，触觉是局部的。
灵巧手的成本占比在各种测算中差异极大，差异本身值得警惕。
一类测算给出的是：在人形机器人运动系统中，灵巧手（约 32%）> 丝杠（18%）> 微型电机（18%）> 减速器（12%）> 力传感器（7%）≈ 无框电机（7%）。另一类测算给出的数字是整机硬件成本约为售价的七成，其中几大核心零部件合计超过七成。还有测算针对单只手拆到零部件级：单只灵巧手成本约 11650 元，其中驱动系统（驱动器、空心杯电机）约占 67%、传动系统（蜗轮蜗杆、行星齿轮箱）约占 12%，其余为感知与其他。
这些数字互相矛盾的原因并不神秘——口径不同：有的是按 BOM 采购价，有的是按量产摊销成本；有的是单只手，有的是双手；有的含腕部力传感器，有的不含；有的按当前小批量试制价格，有的按年产十万只的目标价。引用这类数字时如果不说明口径，基本等于没有引用。
但有三个结论是跨口径稳定的：
第一，手是整机里单价最高的单一部件之一。 一只手的成本接近甚至超过一条手臂，这在直觉上很反常识，但如果接受"891 个零件"这个事实，就很自然了。
第二，成本集中在驱动。 空心杯电机在灵巧手成本中的占比被反复测到四成以上。这解释了为什么"把电机做小做便宜"是灵巧手降本的主线。
第三，降本的路径不是减配，而是减少零件数和装配工序。 从"千件级"走向"百件级"，才是灵巧手从几十万走到几万元的唯一通路。
如果让整个行业投票选一个"最大的瓶颈"，数据大概率会胜出。
人类动作数据的采集与标注极其复杂且成本高昂，对准确性要求极高。更关键的是，与智能驾驶相比，人形机器人能积累的数据量小了几个数量级：智能驾驶背后是每年近两千万辆的年销量在跑数据，即便如此仍未完全成熟；而人形机器人的感知更复杂、执行更复杂，所需数据体量预计还会更大。
仿真能不能救场？部分能。随着物理引擎越来越逼真，人形机器人绝大部分的基础步态训练确实可以在虚拟世界里完成，成本也已经降下来。但涉及材质摩擦、形变、滑移、装配阻滞的长尾场景，仿真仍然很难完美模拟——而这些场景恰恰就是灵巧手的主战场。
所以有一个看起来奇怪但很真实的现象：人形机器人整机的运动能力进步飞快，从转手绢到跳舞打拳样样精通，动作流畅度已经超过大多数人；但这些炫酷动作几乎全部集中在身体关节上，很少用到手。这不是因为手不重要，恰恰相反——这说明手部动作的实现难度远大于身体关节。 一台只装了夹爪的人形机器人，不管身体多灵活，相对轮式机器人和工业机械臂的优势都极其有限。
把前面四节的内容压缩成可比较的维度。以下评分为工程经验上的相对排序（1 为最易，5 为最难），用于说明结构而非绝对量：
|
|
|
|
|
|
|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
读这张表会得到一个可能反直觉的结论：腿和手在"难"这件事上其实是并列的，只是难在不同的坐标轴上。
腿的难度集中在载荷、冲击和寿命这三个物理量上，而这三个量是有明确工程路径的——加粗、换材、改进热处理、反复试验。手 的难度集中在空间集成、传动链和数据上，这三条路径里，"数据"这一条至今没有清晰解法。
一个部件的难度，很大程度上取决于它被考核的指标。而考核指标正在发生一次整体迁移。
在减速器层面，谐波齿轮减速器这一侧的规则已经更新：《机器人用谐波齿轮减速器》由 GB/T 30819-2014 更新为 GB/T 30819-2024，2024 年 9 月 29 日发布、2025 年 4 月 1 日实施。同期还有 GB/T 36491-2018《机器人用摆线针轮行星齿轮传动装置通用技术条件》覆盖另一条传动路线。标准更新意味着背隙、传动精度、寿命、效率这些指标的测试方法和判定阈值都在被重新校准——对零部件厂商来说，这是难度，也是门槛。
在整机安全层面，ISO 10218-1:2025 与 ISO 10218-2:2025 已经发布，分别覆盖机器人本体的安全设计和工业机器人应用与机器人单元的集成；国内对应的是 GB 11291.1-2023。新版标准把网络安全威胁评估也纳入要求。这意味着"能跑能跳"之后，还要过"安全功能、速度监控、安全制动、工作范围限制"这一整套门槛。
在评价指标层面，变化更直接。2026 年上半年，中国人形机器人出货量已超 4 万台、全球占比提升到九成以上，规模化部署开始倒逼考核口径的改变。产业界把行业划分为两个阶段：1.0 阶段是"能动、能演示、炫酷"，2.0 阶段是"能用、好用、持久用"。进入 2.0 之后，考核指标不再是"动作能不能做出来"，而是任务成功率、连续运行时长、人工接管频次、维修成本、投资回报周期。
在标准体系层面，2026 年发布的《人形机器人与具身智能标准体系（2026 版）》是我国首个覆盖全产业链、全生命周期的标准顶层设计；2026 年 6 月工信部印发的行业标准制修订计划中，《人形机器人与具身智能 末端执行器接口技术规范 第 1 部分：灵巧手》被列入——灵巧手单独成标准，这本身就是一个信号。
还有一条容易被忽略的行业建议：先算账，再选型。 把工序痛点、人工成本、作业频率、环境变化、允许错误率和投资回收期逐项算清楚，再决定需要几根手指、多少自由度、采用什么驱动方式，避免过度设计。这条建议之所以重要，是因为它把"手越像人越好"这个默认前提给取消了：很多场景里，一个两指夹爪加一个专用工装的综合成本，远低于一只 22 自由度的灵巧手。
回到最初的问题。
从"能不能做出来"看，腿最难。 双足行走的动力学是欠驱动、高阶、强耦合的，而且在长时、扰动、能量受限的真实工况下还没有跨过工程可用线。这是唯一一个"失败会直接摧毁整机"的部件。
从"能不能做好"看，手最难。 它的难度是复合的：空间的、传动的、感知的、数据的、成本的，五个方向的约束同时收紧，而且任何一条约束收紧到极限，都没有一个"砸钱就能解决"的答案。
从"能不能做便宜"看，手和腿最难。 手难在零件数量和装配工序，腿难在丝杠与减速器的精度-寿命-成本三角。
从"会不会一直难下去"看，腿的难度在快速下降，手的难度下降得慢得多。 原因很简单：腿的难点是控制，控制的进步靠算力和算法迭代，供给是充裕的；手的难点是接触物理和数据，接触的长尾需要真实世界一帧一帧地采，供给是稀缺的。
所以更准确的表述也许是：
腿的难，是"还没完全解决"的难；身的难，是"还没被重视"的难；臂的难，是"已经被接受"的难；手的难，是"还没有确定解法"的难。
这四种难的性质不一样，被解决的顺序也就不一样。
第一条：不要用自由度数量讨论难度。 自由度是设计选择的结果，不是难度的度量。同一台机器，不同资料的自由度记录可以相差一半；同一只手，11 自由度和 22 自由度的成本可以相差三倍。比较之前先统一口径。
第二条：不要在成本数字上偷懒。 "灵巧手占整机成本 32%" 这种说法，必须先问清是 BOM 采购价还是量产摊销价、是单只还是双手、是试制还是量产。口径不清的数字，对选型没有任何参考价值。
第三条：把寿命验证提前。 手部腱绳的蠕变、指尖触觉的漂移、脚踝枢轴的磨损、丝杠的润滑衰减——这些指标的失效机制全都是时间相关的，只能在早期就设计进试验大纲。等到量产才发现产品"用三个月就变样"，代价是整条产线的重做。
第四条：接受"没有一款灵巧手通吃所有场景"这件事。 如果每开拓一类新场景都要重新采集数据、训练模型、调试硬件，应用成本很难降下来。可行的方向是把成熟的操作技能沉淀成可复用的库，让"手"的能力像软件一样被调用和迭代，而不是每换一个场景就重做一只新手。
腿让人形机器人站到了地上，身让它有了完成姿态的支点，臂让它够得着世界，手让它真正开始做事。四者之中哪一个更难，取决于衡量的是哪一件事。但有一点可以肯定：当前限制人形机器人从"演示"走向"作业"的那一环，在手上。
邮箱：15236061639@163.com
QQ：60298351
微信：a18137798589
这个问题在饭桌上问出来，十个做机器人的人会给出十一种答案。整机厂的结构工程师多半会说是手，因为手是唯
机器人想学会干活，得靠喂数据。以前靠人写代码，很多手感全丢了。现在得把动作、力度全录下来当轨迹。遥操
打开机器人行业的研报、发布会，所有人讨论的焦点永远集中在硬件核心零部件：减速器、伺服电机、控制器。
