1. 开源人形机器人到了一个什么节点这次 OpenLoong 社区线下分享会我是在开场前半小时到的现场已经坐了大半。来的基本都是同行有做关节模组的硬件工程师有搞强化学习的算法同学也有几个高校机器人社团的学生甚至还有一位做减速器供应链的销售老哥——这阵容本身就说明问题人形机器人已经从实验室的高冷玩具变成了一条正在加速成型的产业链而开源恰好是这条产业链里最近讨论度最高的一环。OpenLoong 是上海人形机器人创新中心发起的开源社区主打的是把青龙人形机器人的整机设计、软件栈、训练数据全部开放出来采用MIT协议。这类整机级开源在之前几乎是不敢想的事。过去我们看到的更多是某个算法仓库、某个仿真环境开源但整机图纸、BOM表、控制代码、数据集一起放出来等于把一家头部机构的家底搬到了GitHub上。这场分享会讲的就是这些东西背后的技术逻辑、产业链变化以及一个很实际的问题普通人或者中小团队能不能借着开源生态用更低的成本入场做人形机器人。这篇文章我不打算逐页复述PPT而是把现场聊得最透、也是干货密度最高的几个方向整理出来人形机器人的核心技术到底卡在哪、产业链的利润和瓶颈分布在哪个环节、开源是怎么把硬成本打下来的、以及如果你想自己做一台够用的人形机器人现实的路线图应该怎么画。内容会偏硬件和系统工程一些但算法同学也能从中看到仿真、数据这些环节是怎么跟硬件咬合的。2. 人形机器人的核心技术栈到底在卷什么2.1 从整机架构看人形机器人其实是个三端协同系统分享会上有位工程师打了一个比方我觉得挺贴切人形机器人本质上是一台长了手脚的自动驾驶汽车。这个类比的意思是它的系统架构大致也可以分成感知端、决策端、执行端三层。感知端靠的是摄像头、激光雷达、IMU这些传感器负责搞清楚我在哪、周围有什么决策端是大脑负责我下一步该干嘛现在的主流方案里这一层大量使用强化学习、模仿学习这类AI模型执行端则是一整套关节执行器、减速机构、驱动器负责把大脑的指令变成真实的机械运动——而这一层恰恰是人形机器人跟自动驾驶差异最大、也最难做的地方。自动驾驶的执行端是四个轮子和转向系统控制模型成熟、供应链标准化人形机器人有几十个关节每个关节都是一个微型机电系统要同时做到高力矩密度、高精度、低延迟整套系统的耦合复杂度完全不是一个量级。现场有位做控制的同学提了一个很实在的问题为什么明明算法这么强了人形机器人走路的视频看起来还是有点僵硬答案是问题往往不在算法而在执行端。算法要求的力矩、响应速度硬件给不到位又或者硬件到位了但延迟超了最终的表现就会像喝醉酒一样。2.2 关节执行器人形机器人的心脏也是成本大头拆开一个人形机器人最值钱、最核心的零部件就是关节执行器。业内通常说的一体化关节是把无框力矩电机、谐波减速器/行星减速器、编码器、驱动器、力矩传感器集成到一个紧凑的模块里。这个模块决定了机器人能跳多高、能搬多重的东西、动作能不能做到丝滑直接决定了整机性能的上限。青龙这类开源整机腿部走的是旋转关节线性执行器混合路线。髋关节、膝关节这种需求力矩大的位置用旋转执行器搭配大减速比的谐波减速器而踝关节或者需要直线推力的位置则会考虑行星滚柱丝杠这类线性方案。这个取舍背后是工程上的妥协谐波减速器体积小、精度高、但刚度有限适合做旋转运动滚柱丝杠刚度大、能承受大轴向力适合做直线运动但成本和重量都不便宜。分享会上有一张BOM成本拆解图印象很深关节执行器相关的成本电机减速器驱动器占了整机硬件成本的50%以上。也就是说人形机器人降不降价很大程度就看关节能不能做便宜。这也是开源最有价值的地方之一——把关节的接口、参数、选型逻辑全部公开之后大家不用再从零做技术验证可以快速比对不同供应商的电机和减速器直接找国产替代。2.3 实时控制与软件栈从ROS 2到全身运动控制硬件之外软件栈是另一个核心战场。人形机器人的软件体系一般分三层操作系统层目前主流是基于ROS 2做二次开发。ROS 2的分布式通信、节点管理在机器人领域已经是事实标准OpenLoong的软件栈也是跑在ROS 2上的。运动控制层包括状态估计、全身运动控制WBC、模型预测控制MPC、步态规划等。这一层解决的是怎么动才稳。WBC会把任务拆解成质心控制、角动量控制等子问题用二次规划实时求解每个关节的力矩指令。决策与学习层主要是强化学习/模仿学习训练出来的策略网络输入感知信息输出关节角度或者力矩目标。现在很多团队选择直接在GPU仿真环境比如MuJoCo、Isaac Lab里训练策略再迁移到真机。这里有一个很关键的工程问题仿真里训练得好好的策略一到真机就翻车。这就是Sim2Real仿真到现实迁移问题。OpenLoong在分享中提到他们的数据管线里面除了仿真数据还有大量遥操作采集的真实数据——人穿上动捕服或者用主手控制机器人录下来真机的运动轨迹再用这些轨迹做行为克隆。混合数据训练出来的策略迁移成功率会高很多。3. 产业链全景谁在赚钱谁被卡脖子开源改变了什么3.1 人形机器人的BOM账本零部件成本怎么分布分享会现场给了一组参考数据一台通用人形机器人整机的硬件成本在量产规模下大约在10万到50万元人民币小批量、非量产阶段成本可能要翻倍甚至更高。钱主要花在下面这些地方零部件类别典型产品成本占比估算国产化程度关节执行器电机减速器驱动器无框力矩电机、谐波减速器、伺服驱动器50%-60%中高端谐波仍依赖进口国产替代加速结构件铝合金/碳纤维骨架、外壳10%-15%高传感器IMU、六维力传感器、关节编码器、摄像头10%-15%中六维力传感器单价较高计算平台Jetson Orin / 工控机 / AI加速卡8%-10%中电池与电源管理高倍率锂电池组、DC-DC模块3%-5%高其他线束、接插件、PCBA等—5%-8%高关节执行器占比过半这就解释了为什么所有做人形机器人的厂家都在死磕自研关节。一旦关节成本能降50%整机BOM就能降25%以上这个账太好算了。3.2 核心零部件的隐形壁垒减速器与力矩电机说几个现场聊得比较多、也是新人容易忽略的点。第一个是无框力矩电机。这类电机没有外壳和轴承直接集成到关节结构里优点是力矩密度高、结构紧凑。难点在于设计和生产工艺尤其齿槽转矩、温升控制和一致性批量生产国产电机的性能已经追上来不少但高端市场还是国际厂商主导。第二个是减速器。人形机器人最常用的是谐波减速器单级减速比大、体积小、精度高但柔性轮的设计和材料处理技术门槛极高曾经长期是国外厂商的天下。这几年国产谐波减速器进步明显绿的谐波这些厂商已经在机器人行业大量出货。但注意人形机器人在高动态场景下对减速器的冲击负载要求很高谐波减速器本身的柔性会导致刚度不足所以部分团队开始考虑行星减速器甚至准直驱方案。第三个是六维力传感器。它用来测量脚底和地面的接触力是行走稳定性的关键。难点在于需要把六个方向的力和力矩解耦且对温漂和过载要求极高目前一颗工业级六维力传感器价格上万普通人形机器人整机上要用4到6颗双脚各一颗双手各一颗部分方案在腰部和头部还有。这块是典型的量小价高零件也是开源之后大家希望用国产替代把价格打下来的重点对象。3.3 开源如何重塑产业链位置传统搞机器人硬件最怕的是什么是信息不对称。你费劲找供应商报出来的参数看不懂水很深。开源之后整机图纸和BOM是公开的供应商和型号也都是公开的等于把供应链的信息壁垒直接推平了。分享会上有个例子特别有意思。青龙开源后不少团队直接拿着BOM表去找国产电机厂问价电机厂也乐于接单因为这就是现成的订单——不用磨破嘴皮子做技术验证整机图纸都给你了按图做就行。这就是开源对产业链的降维打击它的价值不只是把设计文档发到网上下载而是把整条供应链的信任成本大幅拉低。再加上社区生态相当于把原本每家机构各自烧钱的重复研发变成了全行业共享的底座。以前一个初创团队要花几百上千万、两三年时间才能攒出一台能走路的人形机器人现在基于开源整机做二次开发半年到一年就能进入迭代状态。对中小团队来说这是真正的入场券。4. 低成本路线图自己动手做一台人形机器人要花多少钱4.1 做之前先想清楚你要哪一种人形机器人现场有一个年轻创客举手问我想自己做一台人形机器人预算3万够不够全场笑了一下但台上的工程师回答得很认真先看你想要什么样的。我把他的回答整理一下人形机器人按需求和成本可以分成三档学习入门档上半身人形 下半身轮式底座或者只有上半身 视觉移动底座。重点做双臂操作、抓取、遥操作不做双足行走。硬件复杂度低不需要昂贵的腿部执行器和六维力传感器。预算1万到5万。科研验证档全尺寸双足人形能走、能站、能做一些基础操作。硬件成本高仅关节执行器就需要十几到几十个预算在10万到30万级别。这个档位最适合拿开源整机图纸改。工业应用档面向实际场景巡检、搬运、商用服务对可靠性、续航、负载有硬指标。整机成本50万往上通常不是个人玩家考虑的范畴。3万预算能做什么可以做一个不错的上半身人形轮式底座方案专注机械臂控制和抓取算法或者做一个缩小版的双足人形用舵机代替昂贵的一体化关节。想做全尺寸高性能双足3万远远不够。4.2 硬件选型和降本技巧哪里能省哪里千万别省如果目标是搭一台能跑的科研双足人形怎么把成本压下来现场的工程师们给出了几条很实操的路线第一关节方案选准直驱或半准直驱。传统一体化关节贵主要贵在谐波减速器和大扭矩无框电机上。准直驱方案用低减速比比如5:1到10:1的行星减速器高力矩密度电机省掉了谐波减速器的高成本靠算法端的力控比如基于电流估计力矩来弥补精度不足。MIT的Cheetah系列走的就是这条路人形机器人领域也有团队在做。代价是控制算法更难写但对有算法能力的团队来说这是一个用技术换钱的好路子。第二结构件能用CNC就不开模能用3D打印就不上碳纤维。铝合金7075 CNC是目前性价比最高的选择如果只是验证运动学和算法甚至可以用3D打印PLA/尼龙做外壳和部分连接件。开模费动不动十几万个人玩家千万避开这个坑。第三传感器降级配。六维力传感器贵可以先用关节电流估算力矩激光雷达贵可以先只用深度相机比如Intel RealSense或者国产的Orbbec做感知IMU和编码器不能省但可以选择国产替代型号很多国产IMU的稳定性已经很不错。第四能借仿真省真机成本就让仿真多干活。用OpenLoong开源的模型和数据集先在MuJoCo或Isaac Lab里验证绝大多数算法最后才上真机测试。真机测试一次的成本是多少一个一米六的人形机器人摔一跤轻则几千块的维修费重则关节报废不能拿真机当调试平台反复折腾。4.3 一个参考低配版双足人形机器人的成本清单综合现场聊到的方案和我自己了解到的一些价格行情列一个粗略的低配科研双足人形机器人的成本清单给大家一个数量级概念项目数量方案估算成本髋部/膝部大关节4半准直驱执行器国产无框电机行星减速器4万-6万踝部/肩部关节6舵机或中功率无框电机方案1.5万-2.5万结构件腿部/躯干/手臂1套7075铝合金CNC1万-2万IMU关节编码器1套国产IMU磁编码器3000-5000感知模块1套深度相机国产RGB摄像头1500-3000主控计算平台1台Jetson Orin NX / 国产AI开发板5000-8000电池与电源1套高倍率18650组DC-DC2000-3000其他线束/接插件/结构胶/工具——3000-5000算下来大概是8万到12万。这个方案没有用六维力传感器、没有用谐波减速器、没有用碳纤维属于够跑但不够漂亮的配置。如果你有渠道拿到折扣、或者部分零件能自己加工还能再压一些。这里也提醒一句不要只算硬件钱。调试过程中损坏的备件、工具、各种转接线、3D打印耗材这些隐形开销很容易被忽略。新手第一次攒机建议在预算上额外预留20%到30%的维修备用金不然坏一个关节就傻眼了。5. 现场问答与踩坑手册那些PPT上不会写的东西5.1 现场问得最多的问题Top 3分享会的问答环节信息量很大现场来自各个背景的参与者提的问题都比较尖锐这里挑三个我印象最深、也最典型的第一个问题是一位高校研究生问的开源代码大家都一样那我们自己做的东西还有什么竞争力台上的回应我觉得挺有启发开源解决的是从0到1也就是底盘、基础控制、基础训练管线。但你用这个底盘去做什么场景、什么垂直应用是最难被开源的——这就像安卓是开源的但每家手机厂商的影像调校、系统优化完全不一样。机器人领域更是如此同样的硬件有人能调出顺滑的步态有人调出来就抖如筛糠这就是本事。第二个问题来自一位做硬件测试的工程师OpenLoong的硬件到底能不能直接复制出来用答案是可以但要提醒几个现实问题第一开源的图纸也需要适配BOM里的零部件参数在不同批次、不同厂家之间都有差异电源设计、线束布局、散热方案这些细节中的细节还是要自己调第二开源版本发布时用的零部件和当前市面上能买到的批次可能不一致要做替代选型第三装配工艺极其关键同样一张图纸不同人手装出来的机器性能可能差20%。硬件开源不等于硬件无脑复现。第三个问题很实际作为个人开发者怎么加入这个生态能做什么社区现在的需求点其实很多文档翻译和整理、硬件测试报告、仿真环境的优化、数据集标注工具、甚至给开源机器人写ROS 2驱动包等都是可以切入的点。对新人来说从文档贡献和测试反馈入手是最友好的路径。5.2 三条最容易被忽视的工程经验听完一整场分享会结合自己做机器人项目踩过的坑我特别想把下面三条经验写下来因为这几条恰好是各种开源仓库的README里不会写、但实际影响极大的东西。第一条关于力矩电机和减速器的匹配。很多人选电机只看峰值扭矩忽略了热功耗和持续扭矩。机器人运行时关节大部分时间不是在峰值输出而是在中低负载下持续工作。如果只按峰值扭矩选电机长时间运行之后电机过热扭矩掉链子机器人就会在关键时刻突然腿软。选型时一定要看持续扭矩曲线和热时间常数宁可峰值扭矩富余也不要让持续扭矩卡在临界线上。第二条关于线束管理。人形机器人的关节是旋转的线束跟着关节扭来扭去如果线束固定不好几百次动作之后就会断线或者绝缘层磨破导致短路。我在项目里吃过这个亏最后排查了半天发现是腿部一根编码器线在关节运动时反复弯折磨断了。解决方法也不复杂走线留出足够的弯曲半径、用螺旋管或编织网保护、在关节两端做可靠的应力释放。有人说线束是机器人的血管这句话真没夸张。第三条关于调试时的安全措施。人形机器人失控时是非常危险的一台几十公斤的机器人如果突然跌倒或者踢腿能砸坏设备也能伤人。调试图里跑起来之前务必加装安全绳或者支架保护调参的时候先在仿真里做极限测试再上真机小步慢跑。你们可能会觉得这是废话但现场分享的工程师提到他们早期调试时摔断过两个髋关节就是因为少做了一次安全绳检查。这个学费能省就省。6. 我的个人体会开源人形机器人值得谁关注这场分享会结束之后我在回家的地铁上想了一路最后想清楚了一件事开源人形机器人这个赛道最值得关注的人其实是那些有场景、缺底盘的团队。如果你是想做陪伴机器人、养老助残、商业导览、教育实训这类应用的公司你不需要从零造一台人形机器人而是需要一个稳定、可定制、价格合理的硬件平台。开源生态恰好提供了这种可能——你不一定要用OpenLoong的整机方案但可以参考它的架构选型、BOM和供应链思路然后做自己的差异化定制。这比完全闭门造车的效率高出一个数量级。对个人开发者或者学生来说开源项目的意义更直接这是目前少有的、可以合法地拿到一整套完整人形机器人设计资料去学习的途径。你可以从解析图纸开始理解一个关节为什么这么设计一个减速器为什么选这个型号在GitHub上提PR、报issue也是给自己积累履历。很多年前个人开发者要上手Linux内核靠的是开源社区AI算法的同学靠的是开源论文代码今天人形机器人硬件的同学终于也有了同样的入口。最后分享一个现场工程师提到的观点我很认同开源不是为了所有人做出一模一样的机器人而是让每个团队不需要重复发明轮子把精力花在自己真正想做的那件事上。这样整个行业的进度条才会真的往前走得更快。