特斯拉Optimus如何做到更低铜损？又有哪些设计值得我们借鉴？

2023世界机器人大会落下帷幕，“具身智能”概念让人形机器人再次火爆起来，中国的人形机器人市场被划分为学院派以及市场派，虽各自都有人形机器人产品，但不同机构与企业之间的技术差异悬殊。部分机器人已经可以实现走、跑、跳、摔、滚、爬。而也有一部分产品仅仅是摆在橱窗里静静展示。

中国人形机器人研究起步并不算晚，早在20多年前部分高校的机构就已入局人形机器人领域的研究，从市场成长来讲，中国人形机器人属于稳扎稳打风格，成长虽然不算迅速，但每家研究机构都拥有一定的技术实力。

值得一提的是，自从特斯拉Optimus公布以来，国内人形机器人企业普遍以特斯拉Optimus作为参照对象进行对标。到底特斯拉Optimus在哪些领域值得我们借鉴，让我们一起进行解读。

▍研发周期六个月完成 特斯拉Optimus是如何做到的？

特斯拉宣布进军人形机器人领域的时间并不长，从特斯拉官方给到的数据来看，第一代Optimus原型研发周期只用了6个月，这个速度确实有点快得不像话。

首先从电机层面来看，要驱动人形机器人运动，单靠电机的扭矩输出是不够的，需要搭配减速器，而减速器的原理是省力，费距离杠杆能量守恒需要用转速来换。

尤其对机器人来说，减速器尤为重要，我们可以从特斯拉腿部的透视图看到，Optimus人形机器人采用了谐波减速器，定制化的电机，而电机的扭矩力度是力矩的根本来源，当一个电机扭矩密度高时，不仅意味着电机在极限情况下的爆发力更强，也意味着同样扭矩所消耗的铜损更低，也因此特斯拉人形机器人以输出扭矩为主导的工况下，拥有更高效率、更长续航以及更低发热量。

▍手部具备柔性功能 锁死装置可有效降低铜损

人形机器人的手通常是最难做的，这里面有非常复杂的仿生学设计，世界机器人大会，如果你关注宇树科技的H1人形机器人的话，你会发现这个机器人的手部模块还没完善，目前国内很多企业都在尽力解决高爆发力高功率电机层面的运动问题，但对于手部的研究却相对滞后，从整个市场来看，机器人仿生手也有不少企业专门进行研究。

而特斯拉Optimus设计的机械手，采用11个自由度设计，像极了人类自然状态下的手部结构，如果你仔细看过特斯拉AI Day视频的话，你会很容易发现，它的手指运动幅度并不大，但它的控制感却非常精准细致。三个月前，特斯拉公布Optimus人形机器人最新影像显示，Optimus的手部已经可以轻松地抓取圆形、易碎以及软质不规则物品，并能精准操控放下的动作。

Optimus手部采用防滑材料设计，每根手指对应一个执行器，由齿轮驱动一根金属线，通过收缩金属线来控制手指的弯曲，这样做的好处是可以实现更精确地控制。并且执行器还集成了感应器以及锁定装置，而感应器则用来感应力度。

不知道大家注意到没有，Optimus的手部拥有锁死装置，也就是意味着如果光靠电驱来控制手部抓握，当手部拾起物品时，电机依然处于高负载状态，会产生大量铜损，产生大量热能同时消耗电量。而通过锁死装置，可以有效的减少电能的损耗，同时在整体抓握安全性方面有很好的表现。

此外，特斯拉Optimus手部关节并非固定，而是能够做更加柔性的动作，这得益于手腕处的两根执行器控制，使得手腕不仅可以转动，还能做水平动作。这是很多国内机器人厂商做不到的。不吹不黑，我们看看小米铁大的手部设计，呃，一个自由度。

同理，Optimus的腿部也有两根执行器控制，类似于我们人类的腓骨长肌及跟腱部分，可以让脚实现脚踝为中心的顺时针或逆时针的调整。从而更好地掌握身体平衡性。而国内大部分人形机器人采用的是通过身体偏移来保持平衡。再看特斯拉Optimus的走路姿势，是不是左右摆动幅度相对较小？

从目前公布的数据来看，特斯拉Optimus整身拥有28个自由度，采用更加灵活的负载设计与6种类型的执行器，用来模拟人类的关节以及肌腱状态，虽然目前来看，它并不能实现如波士顿动力一样的运动性能，且动作迟缓，但它确实是最像人类的人形机器人产品。

▍结语与未来：

目前中国人形机器人产品依旧处于实验室阶段，真正能够走出实验室针对商业化场景进行定制化开发的产品目前少之又少。此外国内人形机器人成本优势并不明显，已商业化的宇树H1人形机器人预估价格65万人民币，而北理工、浙江大学等人形机器人产品，根据搭载模块不同，终端售价更是超过百万。这个价格不管是从行业端还是消费端都难以切入。多的不说，如果特斯拉Optimus真能把价格打到15万以内（目前噱头偏大），对于国内人形机器人厂商来讲，无疑是致命的。

此外，中国人形机器人依然停留在追求高爆发、高密度伺服电机领域，追求人形机器人运动能力以及平稳性。但特斯拉已经着手研发物品识别与搬运、易碎物品抓取等运动控制领域，加速进入到应用层面。未来以终端应用场景为适配的机器人将更有商业化潜力。

下一篇，笔者将继续为大家解读特斯拉Optimus机器人在控制逻辑与底层算法方面的优化，希望大家持续关注。