|
首页 所有 |
李桂松:人形机器人与具身智能报告(六) |
| 日期 2026-10-24 作者 李桂松 编辑 北京云阿云 |
人形机器人与具身智能报告 导读:这是一场关于未来战局与产业主权的正面争夺。商业规模已经筑底,国防需求正在引爆——人形机器人正从试验场冲向列装线。工业经济性拐点迫在眉睫,家庭场景爆发在即,十万亿市场规模迎来巨富风口。报告全文20万字,由北京云阿云智库平台主席兼财政金融院长李桂松原创出品。 报告名称:《人形机器人与具身智能报告》 报告撰写:北京云阿云智库平台主席兼财政金融院长李桂松 课题组长:李桂松院长 课题组成员名单: 李桂松:北京云阿云智库平台主席兼财政金融院长 李国熙:北京云阿云智库平台全球治理研究中心主任 李国琥:北京云阿云智库平台空天学院院长 李嘉仪:北京云阿云智库平台金融院长 报告完成日期:2026年10月20日星期二 业务联系电话:13360021949(李博士) 第六章 技术架构:本体、大脑与小脑 一、本体硬件技术路线 人形机器人的本体硬件,在2026年呈现出一种耐人寻味的格局:零部件端的产能扩张速度远超整机出货的增速。减速器、关节模组、电机三大核心部件的年产能储备已经轻松越过六十万台量级,而全年整机产量预期停留在十万台上下。这一“身体跑在整机前面”的态势,说明本体硬件的供应链成熟度已经不再是人形机器人产业化的首要瓶颈。真正的分化发生在形态选择与规格适配的层面:轮式与双足的分工正在从理论争论变为订单事实,核心部组件的国产化在规模扩张中加速,而军用规格对部组件环境适应性的额外要求,则在同一套供应链上叠加了一层民用产品无需面对的验证维度。 (一)形态分化:轮式与双足并行 1、轮式人形在工业场景的务实优势 高盛在2026年5月对十四家中国机器人公司的密集走访中,观察到一个难以忽略的现象:许多企业正在选择轮式底盘配两到三指夹爪,而非双足配五指灵巧手。星海图管理层明确表示,轮式配夹爪能覆盖约百分之九十的工业应用场景;越疆科技的估计更为精确:工业需求中约百分之五十可以靠机械臂解决,百分之二十到三十靠轮式人形,只有剩下的百分之二十到三十才真正需要双足。千寻智能将五指灵巧手排除在近期路线图之外,理由直接:寿命短、成本高,三指夹爪正在测试中。 这一选择的工程逻辑并不复杂。在标准化工厂车间和仓储场景中,地面平整、路径清晰,对机器人最重要的要求是稳定移动、精准抓取和持续运行。轮式设备不需要将大量算力和控制精度耗费在维持动态平衡上,移动速度更快、能耗更低、结构更稳定,故障时停在原地而非摔倒冲击物料和产线安全。海通证券的研究提供了一个量化参照:同等身高条件下,双足机器人的物料清单成本大约是轮式底盘机器人的十倍左右。对于讲究节拍和良率的工厂,这十倍的初始投入差距和后续的维护复杂度差异,足以决定采购决策。 市场已经在用订单给出回答。智元A2-W、银河通用Galbot S1、智平方AlphaBot2等多款轮式双臂机器人,已先后进入富临精工、宁德时代、惠科股份等工厂上岗。富临精工项目负责人的解释是务实的:轮式机器人续航普遍超过五小时,负载能力可达数十公斤,而双足机器人续航多在两小时左右,负载能力也相对较弱。在产线环境中,续航和负载的差距直接转化为有效作业时间的差距。 然而,轮式的优势有其边界。它适用于“人类改造过的平整环境”,而在台阶、门槛、狭窄通道、老旧厂房、多层车间以及电力、化工、矿山等非结构化场景中,轮式平台的能力急剧衰减。这正是双足形态保留其战略价值的空间所在。 2、双足形态的战场与复杂环境通用性 双足形态在当前商业化节奏中处于相对边缘的位置,但这并不意味着其技术价值被否定。越疆将双足称为“最终的最高泛化形态”,星海图也不排除未来做双足,只是“在2026年这个时间节点上,行业的脚正踩在轮子上”。这一表述的潜台词是:双足不是方向错误,而是时机未到。 双足不可替代的场景具有一个共同特征:环境是为人体的运动方式设计的,而非为轮式平台改造过的。建筑内部的楼梯、灾后废墟的不规则表面、舰船舱室的窄小通道、老旧工业设施中未经改造的台阶和门槛——这些场景中,轮式平台的通过能力趋近于零,而双足形态在原理上具备覆盖人类可通行地形的潜力。军事场景对地形通过性的要求,恰好落在这条能力谱系的远端。战场环境不会为机器人的便利而进行改造,废墟、壕沟、坍塌建筑和破损道路恰恰是作战的常态条件。 2026年跑酷研究提供的数据表明,双足在受控障碍环境中的动态通过能力已经接近实用门槛:宇树G1实现了峰值速度三点四一米每秒、翻越一点二五米高墙的能力,仅靠机载深度相机感知,仿真训练后零样本部署到实体机器人。但“受控障碍”与“战场地形”之间的差距仍然显著:规则几何体的摩擦系数和承载能力已知,而战场废墟的钢筋、碎混凝土和家具碎片构成的三维结构,承载能力不确定,可能存在尖锐边缘和隐藏空洞。双足形态的战略价值在于它保留了向这一能力扩展的物理基础,而非它已经具备了战场部署的成熟度。 形态分化的产业含义是明确的:轮式承担当前商业化落地的主力,双足保留未来能力扩展的接口。两条路线共享同一套关节模组、传感器和计算平台,差异发生在底盘和下肢构型层面。这种“平台共享、形态分化”的策略,使得企业在不放弃双足长期布局的同时,可以用轮式产品在工业场景中积累现金流和运行数据。 (二)核心部组件自主化与军民两用 1、关节模组与减速器的国产化进展 关节模组与减速器是人形机器人本体成本占比最高的环节,其国产化进程在2026年呈现出产能扩张与价格下行的双重特征。 减速器领域,绿的谐波是国内谐波减速器的龙头企业,2025年底产能约七十九万台,在建项目投产后将新增一百万台产能。来福谐波2025年底年产能约三十二万台,扩产后计划达到八十万台。南鹏人形机器人用精密减速器项目于2026年10月在常州竣工,达产后形成年产三十万台精密行星减速器及高精密谐波减速器的能力,总经理助理的表述是“当前公司在手订单已排到年底”。三凯机电完成数亿元B轮融资,资金用于深化人形机器人关节减速器及驱动一体化技术研发和扩大产能,其产品已进入北京人形机器人创新中心等多家头部企业核心供应链。技术路线上,谐波减速器目前是人形机器人旋转关节的主流选择,特斯拉Optimus、智元A1/A2及优必选沃克均已采用谐波方案。 关节模组领域的产能扩张同样激进。季华驱界的机器人关节模组年产十万台产线于2026年10月投产,设计节拍九十秒每套,目标一次性合格率百分之九十六以上。雷赛智能披露的数据显示,无框力矩电机全年在手订单超过一百万台,月产能十五万台,正在向年产三百万台迈进;谐波、行星、一体轮三类关节模组在手订单超六万台。美的旗下威灵机器人的产能数据为:产线自动化率超百分之八十,一年交付二十万台减速机、六万台关节模组、二十一万台伺服电机。常州祥明智能自主研发的国产首款无框电机一体化磁环,打破了零部件长期依赖进口的局面。 价格下行的幅度支撑了整机成本的压缩。宇树科技的人形机器人单价从2023年的五十九万余元降至2025年的十六点七六万元,核心零部件国产化率提升至百分之七十五以上。谐波减速器价格下跌近百分之九十,关节电机从进口时期的五至六万元降至五百至六百元区间。这一成本曲线的军事含义在于:当一台用于后勤保障或设施巡检的改型机器人平台成本降至数万元区间时,军方在同等预算下可以部署更多数量用于训练和试验,为后续的规模化采购积累数据和经验。 2、灵巧手与触觉感知的产业化起步 灵巧手与触觉感知在2026年经历了从“技术演示”向“规模交付”的转折,其产业化节奏比整机更为迅猛。 触觉传感器的规模化交付是这一转折的核心标志。2026年8月,福莱新材向灵心巧手累计交付超三万套触觉传感器,搭载于Linker Hand O6工业级灵巧手。双方于2026年2月达成战略合作,灵心巧手将向福莱新材采购十万套触觉传感器,订单兑现已超三成。中科硅纪在2026世界机器人大会上与福莱新材签下二十万套触觉传感器订单,其灵巧手产品线覆盖连杆、绳驱、直驱、刚柔耦合四条技术路线,M6款售价六千余元主打量产性价比,G7工业款最高负载五十公斤用于物流分拣。 触觉感知的技术要求本身也在升级。福莱新材首席科学家陈书厅的观察是:2025年触觉行业主流只检测垂直压力,2026年客户普遍要求三维力感知——不仅要感知“压多大力”,还要感知“往哪个方向滑”,单根手指触觉点位从十到二十个升级至大几十个甚至上百个。这一升级的驱动力来自操作任务复杂度的提升:精密装配中的连接器插拔需要区分“到位”与“过力”,灵巧手在抓取易碎或易滑物体时需要实时感知接触状态并调整力控策略。 技术路线上,视触觉与多维触觉并行发展。戴盟机器人将视触觉产品起售价下探至一千二百九十九元,帕西尼的多维触觉传感器部分基础型号售价已到一百九十九元。低价化使得触觉传感器可以在更多位置部署,也扩大了数据采集的规模。VTLA(视觉-触觉-语言-动作模型)正在成为部分企业的差异化方向,戴盟的核心策略是做触觉小模型作为插件层接入其他VLA框架,帕西尼计划发布以触觉为主导的VTLA模型。这一方向的技术判断是:在物理交互质量要求高的场景中,仅靠视觉不够,触觉提供了视觉无法获取的接触状态信息。 灵巧手的成本与寿命仍然是制约其大规模进入工业场景的因素。千寻智能将五指灵巧手排除在近期路线图之外的理由——寿命短、成本高——在当前阶段具有普遍性。三指夹爪在多数工业抓取任务中已经足够,而五指灵巧手的价值需要在更复杂的操作任务中才能体现。这一判断与触觉传感器的规模化交付并不矛盾:触觉传感器在三指夹爪上同样有部署价值,其规模增长反映的是“感知能力”而非“手指数目”的需求上升。 3、军用规格对部组件环境适应性的额外要求 民用部组件的国产化与成本下降为军事应用提供了经济基础,但军用规格对同一批部组件提出的环境适应性要求,构成了一道民用产品无需跨越的验证门槛。 温度范围的差距最为直观。云深处DR02的工作温度范围为零下二十摄氏度至五十五摄氏度,这在民用行业级产品中已属宽温设计。而军用装备的典型环境试验要求覆盖零下四十摄氏度至正七十摄氏度。宇树G1在零下四十七点四摄氏度的新疆阿勒泰完成雪地行走测试的案例说明极端低温下运行是可能的,但需要为计算单元加装热夹克、对关节和致动器进行塑料覆盖和薄膜保护、电池组做专门绝缘处理。这些措施在民用产品中属于定制化改装,在军用规格中则是出厂前的标准配置。 防护等级的要求同样存在量级差异。云深处DR02达到IP66防护等级,可在户外淋雨、潮湿、粉尘环境中工作。军用装备的典型要求是IP67——完全防尘且可短时浸水。IP66到IP67的一级之差,在工程上意味着密封设计需要承受更严苛的测试条件,接插件、线缆出口和关节缝隙的防护方案需要重新验证。更困难的是防护与散热的矛盾:完全密封的关节模组散热效率低于开放式设计,而人形机器人的关节驱动器在持续作业中的发热量不容忽视。在紧凑的机身空间内同时满足防护和散热要求,是军用改型必须解决而民用产品可以回避的工程问题。 电磁兼容性的要求则涉及整机架构层面。军用装备需满足静电放电、射频电磁场辐射、工频磁场等抗扰度要求,而人形机器人的通信链路(遥控指令、状态回传)在强电磁干扰环境中的可靠性,直接决定了遥控模式是否可用。民用产品通常依赖Wi-Fi或蜂窝网络,在军用电磁对抗环境中极易被干扰或阻断。将专用抗干扰链路作为首要子系统而非事后补充,是军用改型在通信架构上的必然选择。 这些额外要求并不意味着军用部组件需要一条完全独立的供应链。更现实的路径是“同一技术平台、分级规格配置”:民用基础型号面向商业客户,加固型号面向军用或特种作业客户,两者共享核心设计和工艺,差异发生在材料选型、密封方案、元器件筛选等级和验证标准上。这一策略的可行性取决于民用供应商是否愿意承担军用规格验证的额外成本,以及军方是否接受以商业平台为基础、经过定向加固而非全新研制的采购模式。从当前关节电机领域出现的军民协同实践来看——芯片企业、军工电机厂和军民融合平台三方共建联合实验室,攻克芯片与电机的系统耦合匹配——这一路径正在从概念走向操作层面。本体硬件的军民二分,最终不会表现为两条平行的供应链,而会表现为同一供应链上按规格分层的产品谱系。 二、具身智能软件栈 具身智能软件栈的架构争论,在2026年进入了一个比“参数规模竞赛”更为根本的阶段。2026世界人工智能大会上,展台风向从“谁的机器人走得稳、跳得高”转向了“机器人的大脑到底应该长什么样”。视觉语言动作模型自2023年以来被普遍视为具身智能大脑的标准配置,但这一默认答案在2026年遭到了系统性的挑战。争论的核心不在于要不要大模型,而在于大模型在软件栈中占据什么位置、以什么方式与运动控制层耦合。对于军事应用而言,这一架构争论的意义超出了学术趣味:遥控模式与自主模式的配比、通信中断时的降级策略、操作员意图与机器执行的映射方式,都直接取决于软件栈的架构选择。 (一)大模型驱动的任务规划层 1、视觉语言动作模型的架构收敛 视觉语言动作模型的架构演进,在2025至2026年间呈现出一种从“单体端到端”向“分层双系统”收敛的趋势。IEEE的一篇综述论文系统梳理了现有VLA方法的四大类别:经典Transformer架构、基于扩散模型的方法、利用预训练大语言模型或视觉语言模型的自回归预测方法,以及将大语言模型与专用动作专家整合的分层混合架构。该综述指出的核心趋势是:从单体端到端系统向分层双系统设计的迁移正在成为主流。 这一收敛在产业实践中表现得更为直观。图 AI的自研模型Helix采用双系统架构:慢速系统负责场景理解,以200赫兹高频运行的快速系统负责动作执行。英伟达2025年3月发布的人形机器人基础模型GR00T N1直接模仿人类快思考与慢思考的认知分工。北京人形机器人创新中心发布的“慧思开物”平台,以具身大脑加具身小脑的架构实现一套软件驱动多种构型的机器人。智源研究院的RoboOS、智元的GO-1、智平方的GOVLA也属于分层思路的变体。逐际动力创始人张巍的表述概括了这一转向的逻辑:“模型只是技能,系统才是真大脑”,其COSA系统把认知、技能和运控拆成三层,VLA只占其中一层。 分层架构的合理性,在工程层面有明确的支撑。单体端到端模型将感知、理解、规划和动作生成压缩在同一个网络内,其优势是信息通路最短,但代价是任何环节的微小误差都会沿着单一链路级联放大。自变量机器人创始人王潜从工程角度反对分层的理由恰恰指向另一个方向:分层链路里一个微小错误会被级联放大,层数越多放大越快。这一争论的实质不是“分层好还是端到端好”,而是在当前技术条件下,哪一类架构的失效模式更可管理。分层架构的优势在于,当快速系统(动作执行)出现异常时,慢速系统(场景理解)的语义判断可以为异常检测和降级处理提供独立的参照;而端到端模型的失效往往是全局性的,难以在系统内部定位和隔离。 对于军事应用而言,分层架构的这一特性具有直接的实用价值。军事场景要求系统在通信中断或传感器退化时能够进入可预测的降级模式。分层架构使得“大脑”和“小脑”可以在不同程度上独立运行:当通信链路中断时,上层任务规划降级为预设规则,而底层运动控制仍然维持基本的安全行为(停止、避障、返回预设点)。单体端到端模型缺乏这种结构性的降级接口,其失效模式更难以被外部监控和干预。 它石智航的AWE 3.0代表了反对分层的另一端。其联合创始人丁文超的批评是:VLA处理的只是像素、颜色、轮廓这类视网膜级信息,而对时间、空间、力和环境交互的物理直觉,VLA给不了;分层的大小脑是两个不相干的东西凑在一起。这一批评指向的是分层架构的一个真实风险:如果“大脑”和“小脑”的训练目标和表征空间不匹配,二者的耦合可能产生系统性的不一致——大脑规划的动作在小脑的执行能力之外,或者小脑的反馈无法被大脑正确理解。这一风险的缓解,依赖于两个系统之间接口的标准化和联合训练的深度,而非架构选择本身。 架构收敛的当前状态可以概括为:分层双系统已成为规模最大的阵营,但端到端统一模型仍然保有有力的技术论证和商业支持者。收敛尚未完成,分歧的核心在于对“物理直觉”这一能力的来源判断:它是可以通过分层架构中的专用模块(力控、触觉、动力学预测)逐步累积的,还是必须由一个统一模型从数据中端到端地习得。这一分歧的解决,将决定军事应用中“人在回路”的控制接口如何设计——是嵌入分层架构的监督层,还是作为端到端模型的外部约束。 2、世界模型与仿真训练的军民共用基础设施 世界模型在2026年的军事智能化议程中占据了一个独特的位置:它同时是具身智能软件栈的核心组件,也是国防训练基础设施的关键环节。韩国国防发展局委托NC AI与现代Rotem联合开发的“物理AI集成模拟器与模块化机器人系统”项目,为这一双重定位提供了具体的案例。在该项目中,NC AI负责开发世界模型,其功能是让机器人在虚拟环境中模拟真实世界的物理规律、地形行为和环境变化,并将这些场景转化为训练数据,以缩小仿真到现实的差距。NC AI声称其世界基础模型技术仅需约百分之二十五的图形处理器资源即可达到与全球先进模型相当的性能,其架构特点是从潜在空间信息直接推导机器人动作,而非先生成大规模视频输出再推理。 这一项目的军事含义值得细读。韩国国防发展局选择将世界模型作为“下一代机器人基础模型”的核心技术,而非将其视为辅助性的仿真工具。这意味着世界模型在军事规划中的定位,已经从“训练场的加速器”上升为“战场行为的预演引擎”。其功能不仅是生成训练数据,还包括在虚拟环境中预演不同战术条件下的机器人行为,为作战规划和装备选型提供依据。现代Rotem在同一框架下获得的另一项任务——开发数字孪生模拟器以在部署前测试和评估自主系统——进一步强化了这一判断:军事机器人系统的验证正在从“实装测试”向“虚拟预验证加实装确认”的模式迁移。 中国在这一方向上的布局,可以从训练场基础设施的建设中观察。全国已建成启用的具身智能训练场超过七十家,在建或规划四十余家。这些训练场的核心产出是真实场景数据,而世界模型的作用在于对这些数据进行扩增和泛化。飞捷科思团队的SwingBot研究提供了一个技术层面的参照:其采用的递归状态空间世界模型,利用仿真环境中可获取的特权状态完成训练,强化机器人本体感知能力,最终在真实高自由度人形机器人硬件上实现了连续全身臂行运动,单次实机成功率达到百分之九十二点八六。这一案例的逻辑是:世界模型在仿真中学习的是“物理规律如何作用于机器人本体”的抽象表征,而非特定任务的轨迹。这种表征一旦习得,可以在真实硬件上以较高的成功率迁移。 军民共用的可能性与边界,在世界模型这一环节上体现得最为清晰。民用场景中,世界模型的价值在于用合成数据降低真实数据采集的成本,其精度要求以“够用”为限。军事场景中,世界模型的精度要求更高:仿真的物理保真度不仅影响训练效果,还影响作战规划的可信度。一个在仿真中表现良好的战术方案,如果在真实战场中因为仿真未捕捉到的物理效应而失效,其后果不是效率损失而是人员伤亡。这意味着军事世界模型的验证标准远高于民用标准,而这一差距无法通过共享同一套模型架构来弥合。军民共用的合理范围,可能集中在基础物理引擎的保真度提升和通用场景的合成数据生成层面,而涉及特定军事地形、对抗条件和装备特性的世界模型,需要独立的开发和验证。 (二)运动控制层的工程化突破 1、全身遥操作与技能学习 全身遥操作在2026年从一个“演示技术”演变为运动控制层的核心训练范式。其逻辑转变在于:遥操作不再仅仅是远程控制的手段,而是成为技能学习的数据来源和模型验证的接口。 英伟达索尼克模型的架构设计体现了这一转变。该模型基于超过一亿帧人体动作数据训练,学习的是丰富的运动模式而非单一任务。其关键特性是:同一套控制器可以直接接收VR遥操作、视频动作输入以及视觉语言动作模型等不同上层控制信号,无需针对不同输入方式重新训练。这一设计的工程含义是:遥操作数据与自主策略数据在表征空间中是统一的。操作员通过VR设备驱动的全身动作,与VLA模型生成的动作指令,进入同一个运动控制器的输入空间。这使得遥操作采集的数据可以直接用于自主策略的训练,而自主策略的输出也可以通过遥操作接口进行人工修正和验证。 伯克利与斯坦福联合发表的超越模拟框架,从另一个角度推进了同一逻辑。其两阶段方案的第一阶段,用统一的强化学习运动跟踪流水线学习大量高敏捷人类动作,实机完成侧手翻、旋踢和连续特技;第二阶段训练潜在状态-动作扩散模型,在Unitree G1真机上完成航点导航、摇杆遥操作、关键帧动作补全和障碍物规避。该框架的核心创新在于训练阶段完全任务无关:第一阶段产出的是可复用的技能教师策略,任务逻辑在测试时通过引导梯度引入。这意味着同一套底层运动能力可以服务于遥操作、自主导航和VLA指令执行等多种上层模式,而不需要为每种模式重新训练运动控制器。 这一架构对军事远程操控模式的意义是直接的。当前军用人形机器人的遥控模式面临一个结构性困境:操作员的动作映射精度受限于通信延迟和力反馈带宽,而精细操作(如排爆中的剪线、装备维护中的连接器插拔)对映射精度的要求极高。索尼克和超越模拟所代表的“统一运动基座加多模态上层输入”架构,提供了一条缓解路径:底层运动控制器已经内化了大量人类动作的先验,操作员的遥操作指令不需要精确指定每个关节的角度,而是以更高层次的意图(“向前伸手”“抓取这个物体”)输入,由运动控制器在技能库中选择和组合合适的动作基元。操作员的角色从“逐关节操控”转变为“意图引导和异常干预”,认知负荷显著降低。 这一转变的代价是控制权的部分让渡。操作员不再对每一个动作细节拥有直接控制,运动控制器在技能库中的选择可能偏离操作员的预期。在排爆等高风险任务中,这种偏离的容忍度极低。因此,遥操作架构的设计需要在“降低认知负荷”和“保持精细控制”之间找到平衡点。一个可能的方案是分层遥操作:常规移动和粗操作由运动控制器自主完成,精细操作和异常处置切换到直接关节映射模式。这一模式切换的触发条件(操作员主动切换,或系统检测到任务复杂度超过阈值时建议切换)本身就是一个需要精心设计的交互环节。 2、军用远程操控模式对自主性不足的补偿 军用远程操控模式在当前技术阶段的战略价值,不在于它是一种“好”的控制方式,而在于它是唯一一种在自主能力不足的条件下仍然能够产生实用价值的控制方式。中国兵器工业集团伏羲机器人的“身外化身”遥操作系统体现了这一逻辑:操作人员远端操控、机器人现场作业,暂时绕开全自主系统面临的技术限制。 这一“绕开”策略的合理性,需要放在自主性不足的具体维度中理解。当前人形机器人在军事场景中的自主性短板,集中在三个方面:在非结构化环境中的感知可靠性不足,在通信受限条件下的决策能力不足,以及在涉及致命武力的任务中的法律授权不足。远程操控模式对这三个短板的补偿方式各不相同。 对感知可靠性的补偿,依赖于操作员的视觉判断替代机器人的自动识别。操作员通过第一人称视角观察现场,其场景理解能力远优于当前的视觉系统。但这一替代的代价是操作员的注意力成为瓶颈:长时间遥控作业导致的疲劳会降低判断质量,而通信链路的带宽限制了操作员能够获取的视觉信息量。索尼克架构所支持的“意图级输入”可以在一定程度上缓解这一问题:操作员不需要持续注视每一帧画面来操控每一个关节,而是以更高的抽象层级发出指令,由底层控制器处理细节执行。 对决策能力的补偿,依赖于将决策责任保留在人类一侧。在通信中断时,机器人进入预设的安全模式(停止、避障、返回),而非尝试自主决策。这一策略的代价是任务的中断,但其收益是行为的可预测性。对于军事应用而言,一个可预测地停止的机器人,比一个不可预测地继续行动的机器人更可接受。 对法律授权不足的补偿,是远程操控模式在直接交战场景中不可替代的根本原因。开火决策的法律责任必须由人类承担,而远程操控在物理上将人类操作员置于决策回路之中。这一安排的代价是响应延迟,但在当前国际人道法框架下,这一代价是必须承担的。 远程操控模式的局限同样需要正视。通信链路是单点故障,在电磁对抗环境中极为脆弱。操作员的认知负荷在复杂任务中可能超出承受能力。动作重映射的延迟在精细操作中可能成为瓶颈。更重要的是,远程操控本质上仍然是“人在回路”,没有实现人员数量的节省——只是将人员从危险位置转移到了安全位置。从军事经济学的角度,这意味着远程操控模式的价值主要体现在人员安全保障上,而非兵力节约上。 自主性与远程操控之间的谱系,构成了人形机器人军事应用的技术路线选择空间。全自主方案在技术和伦理上均不成熟,全遥控方案在通信可靠性上存在脆弱性,介于二者之间的“监督式自主”——机器人在人类监督下执行预设任务,遇到异常时请求人工干预——可能是近期最现实的折中方案。这一模式在哨戒巡逻和设施维护场景中尤为适用:机器人按照预设路线或流程自主执行,在检测到异常时向操作员告警并传输现场信息,由操作员决定是否介入以及如何处置。软件栈的架构选择——分层双系统还是端到端统一模型——将决定这一监督式自主的实现方式:分层架构将监督接口嵌入慢速系统与快速系统之间的耦合层,端到端模型则需要将人类监督作为外部约束施加于策略输出。两种路径的工程可行性和验证难度不同,其选择将直接影响军事人形机器人从“遥控工具”向“监督式自主系统”过渡的速度。 |
|||
![]() |
|||
|
|
|
云阿云智库●区域经济研究院 |
|
北京市平谷区中关村科技园区平谷园1区-21594(集群注册) |
|
| 13360021949 (李博士) | |
liguisong2006@163.com |
|