具身智能新词更新快：VLA、世界模型、数据飞轮、行星滚柱丝杠……天天有新词，定义常被混用。本手册整理人形机器人与具身智能 50 个词条，分形态、运动控制、具身智能、关键部件、量产与场景五组，帮你看懂发布会与融资稿、判断厂商路线、找准岗位。本地人形产业动态在词条中标注，背景可先读北滘人形机器人产业观察：从 demo 到产能。

一、形态与整机

人形机器人（Humanoid Robot）

外形与人相似的机器人，通常具备双足行走、双臂操作与头部感知模块。工信部《人形机器人创新发展指导意见》将其定位为有望继计算机、智能手机、新能源汽车之后的颠覆性产品（通知原文见国家科技管理信息系统）。通用性是其核心卖点，落地则从具体场景切入。

全尺寸人形（Full-size Humanoid）

接近成年人身高的直立人形整机，常见身高 1.6—1.8 米、全身自由度 30—60 个，用腿走、用手干活，面向工业搬运、巡检与展示接待等场景。造价与关节性能要求高，是各厂商旗舰机型的主战场，北滘开普勒等企业有相应产品线。

轮式人形（Wheeled Humanoid）

下半身用轮式底盘替代双腿、上半身保留双臂的人形形态，放弃足行走换取稳定、低成本与长续航，目前落地进度反而领先于全尺寸双足方案。适合结构化场所的引导、盘点、抓取；选型先看目标场景有没有「必须用腿」的理由。

半人形（Semi-humanoid）

只保留对任务有用的拟人部分——常见「轮式底盘 + 双臂 + 灵巧手」，或带腿但简化自由度。逻辑是：任务环境为人设计（楼梯、门把、工具），所以形态拟人；不为人设计的部分（平稳底盘）就交给轮子。性价比导向的主流路线。

轮足复合（Wheeled-Legged Robot）

轮子与腿装在同一机体上：平地滚轮高效滑行、台阶与障碍时用腿跨越，兼顾速度与越障。控制难度介于轮式与足式之间，对执行器带宽与算法要求高，是巡检、电力、园区物流方向受关注的形态。

双足行走（Bipedal Locomotion）

两条腿交替支撑与迈步的行走方式，动态不稳定，需持续计算落脚点与身体姿态。评价指标包括行走速度、上下台阶、抗推扰与摔倒恢复能力。看演示视频时要区分「固定路径表演」与「未知地形自主通过」两类能力。

四足机器人（Quadruped Robot）

四条腿的点足式机器人，比双足稳定、负载能力更强，已规模化用于电力巡检、安防、消防侦察等场景，常被称作「机器狗」。它不是人形，但共享足式运动控制与具身智能技术栈，是人形厂商常见的技术与商业练兵场。

灵巧手（Dexterous Hand）

模拟人手的末端执行装置，可完成抓、捏、拧等精细操作，自由度从 6 个到 20 个以上不等，驱动方式有电机腱绳、连杆、直接驱动等。灵巧手是人形「通用作业」的关键瓶颈之一：成本、寿命、触觉与控制算法四个难点叠加。

全身自由度（Whole-body DOF）

人形全身可独立运动关节数的总和：双腿、双臂、腰部、颈部与双手自由度相加。自由度越多动作越拟人，但成本、重量、控制复杂度同步上升。对比机型参数时，注意自由度口径是否含手部，各家宣传并不统一。

二、运动控制

ZMP（Zero Moment Point / 零力矩点）

足式机器人的经典平衡概念：地面反力的合力作用点，当该点落在支撑多边形内时身体不倾翻。早期双足行走控制大多围绕 ZMP 展开，如今在动态步态中逐渐被更先进的方法补充，但仍是理解「机器人为什么不摔」的起点。

MPC（Model Predictive Control / 模型预测控制）

每个控制周期向前预测未来一段时间的状态、再优化出当前最优控制量的方法，能在约束下（脚不能滑、力矩有限）快速给出平衡动作，是当前足式机器人「小脑」的主流方案之一。计算实时性要求高，通常部署在高频控制器上。

强化学习（Reinforcement Learning, RL）

让机器人在大量试错中按奖励函数自学策略的训练范式，足式行走已从模型方法转向以 RL 为主：先在仿真中训练百万步，再迁移到真机。优点是对复杂地形适应性强，缺点是训练依赖算力与仿真质量，行为可解释性弱。

Sim-to-Real（仿真到现实迁移）

在物理仿真环境里训练技能、再部署到真实机器人的流程。核心难题是仿真与现实的差异（摩擦、延迟、执行器特性）会导致真机表现劣化；解决思路包括更精细的系统辨识与下文的域随机化。仿真器质量因此成为行业竞争点。

域随机化（Domain Randomization）

训练时刻意随机改变仿真中的摩擦、质量、光照等参数，让策略学会适应各种「现实版本」，从而在真机上更稳。类似思路也用于视觉：随机改变渲染纹理，让模型不再依赖仿真外观。是 Sim-to-Real 的标配手段。

全身运动控制（Whole-Body Control, WBC）

把全身几十个关节当作一个整体来协调的方法：行走、摆臂、蹲起、手部操作同时满足各自的任务约束。全身控制让「边走边搬东西」成为可能，是全尺寸人形区别于「能走的双臂分体」的关键技术层。

步态规划（Gait Planning）

决定腿怎么迈的过程：落脚点选哪、支撑相与摆动相如何切换、迈步频率与步幅多大。地形越复杂，步态规划越依赖感知（脚点选择需要地图）；静态步稳但慢，动态步快但难，各家的取舍构成不同的「走相」。

动态平衡与摔倒恢复（Balance & Fall Recovery）

在受推、踩到石子等扰动下维持并恢复姿态的能力，包括踏步调整、撑地保护与自主起身。演示时「踹一脚不倒」考察的就是这一层；对商用落地而言，摔倒恢复频率直接关系到现场可用性与单机维护成本。

三、具身智能

具身智能（Embodied AI）

让智能体拥有物理身体、通过与环境的感知与交互来学习并完成任务的技术路线，被视为从「会聊天的 AI」走向「会干活的 AI」的路径。政策层面，顺德已设立具身智能发展局并推出「100 计划」推动场景落地，详见本站报道。

VLA 模型（Vision-Language-Action）

接收图像与语言指令、直接输出机器人动作的多模态模型，被广泛视为人形机器人「大脑」的主流架构方向。它能把「把桌上那杯水拿给我」这类自然语言直接翻译为操作，泛化能力优于传统视觉方案，但对数据量与算力要求很高。

VLM（Vision-Language Model）

视觉语言模型，能同时理解图像与文本、回答「看到了什么」的多模态基础模型。在机器人系统中常承担感知与理解层：识别物体、理解场景、拆解任务，再把结果交给动作模块或 VLA 端到端完成。

世界模型（World Model）

让模型在内部「预演」物理世界：预测「我这样做，环境会怎么变」，从而支持规划与想象训练。对人形机器人的意义在于少用真机试错——在学到的世界模型里推演，比在现实里摔便宜得多，是当前研究与投资的热点。

端到端（End-to-End）

从传感器输入直接输出动作、不经过人工拆解模块的技术路线，与「感知—规划—控制」分层架构相对。优点是全局优化、能学到人类难以显式编程的技巧；代价是黑箱、难验证，安全认证与工业现场责任划分因此成为新课题。

基础模型（Foundation Model）

在海量数据上预训练、可迁移到多种下游任务的大模型。机器人领域的期待是出现「机器人界的基础模型」：一个模型跨多种本体、多种任务通用，各厂商在其上微调。数据规模与跨本体兼容是能否成立的关键。

模仿学习（Imitation Learning）

从人类示教数据中学习任务策略的方法——人怎么做，机器人学怎么做。相比强化学习试错成本高，模仿学习上手快，是操作类任务（抓放、折叠、插线）的主力训练方式；瓶颈在示教数据的成本与覆盖度。

扩散策略（Diffusion Policy）

把扩散模型（生成图像的技术）用于生成机器人动作序列的方法，能表达多模态的动作分布——同一任务有多种合理做法时不会「平均」出一个怪动作。近两年操作学习方向被广泛采用的代表性技术路线之一。

数据采集（Data Collection）

为训练具身模型收集「感知—动作」配对数据的过程，来源包括真机遥操作、动捕房、仿真合成与互联网视频。业内普遍认为数据量与质量是具身智能当前最稀缺的资源，各家的采集产能与数据标准正在成为核心资产。

遥操作（Teleoperation）

人远程实时操控机器人完成任务，既是人形的直接应用形态（危险环境作业），也是当前数据采集的主力手段：操作员戴着设备演示任务，机器人录下全身与手部数据。采集效率与单条数据成本是各家比拼的隐性指标。

动作捕捉（Motion Capture）

记录人体运动轨迹的技术，用于把人类动作映射为机器人参考轨迹或训练数据。动捕房与遥操作常结合使用：人穿动捕服操作，系统同时获得全身精细运动数据。精度、穿戴负担与数据清洗自动化程度决定采集产能。

具身数据集（Embodied Dataset）

跨本体、跨任务整理的机器人训练数据集合，国际上已有 Open X-Embodiment 等多机构联合项目，国内厂商与平台也在开放自有数据。数据集的多样性决定模型泛化上限，但真实生产级任务数据仍以企业自采为主。

四、关键部件

行星滚柱丝杠（Planetary Roller Screw）

用螺纹滚柱代替滚珠传力的直线传动部件，把旋转运动转成直线运动，承载能力与寿命高于同尺寸滚珠丝杠，是人形机器人直线关节（腿部、臂部）的核心执行部件。加工精度门槛高，国产供给正在快速起量，天太等顺德零部件企业有布局动作。

空心杯电机（Coreless Motor）

无铁芯结构的微型直流电机，转子轻、响应快、效率高，是灵巧手手指与微型关节的主流动力源。单只功率小但对一致性与寿命要求苛刻，一只灵巧手往往要用十几只；其成本占灵巧手 BOM 的比重可观。

无框力矩电机（Frameless Torque Motor）

不带机壳、轴承与输出轴的「裸定子+裸转子」电机，由整机厂直接嵌入关节结构，最大化扭矩密度并缩短传动链，是人形旋转关节的主流方案。对散热设计与装配精度要求高，常与谐波或行星减速器组成关节执行器。

六维力传感器（6-Axis Force/Torque Sensor）

同时测量三个方向的力与三个方向的力矩的传感器，装在手腕或脚踝，让人形机器人在装配、精密操作与足底受力感知中有「手感」。价格长期偏高，国产化正在拉低成本；标定质量与温漂是评价重点。

执行器（Actuator / 关节执行器）

人形关节的完整动力单元：电机、减速器（或直驱）、编码器、驱动器与结构件的集成，分旋转式（关节转动）与直线式（丝杠推拉）两大类。执行器决定整机的扭矩密度与抗冲击能力，其自制率被资本市场视为厂商核心竞争力的指标。

腱绳传动（Tendon Drive）

用绳索把电机动力远距离传递到手指或关节的传动方式，仿照人手肌腱，能把电机从狭小空间挪到手背或前臂，让灵巧手更细更轻。代价是绳索摩擦、蠕变与断绳风险，寿命工程化是量产前必须迈过的坎。

电子皮肤（E-skin / 触觉皮肤）

覆盖在机体或手指表面的阵列式触觉传感器，感知接触位置、压力分布乃至滑动，让机器人「摸得着」才敢用力。技术路线有压阻、电容、视触觉等，规模化难点在于耐用性与大面积布线的可靠性。

微型减速器（Miniature Reducer）

灵巧手与小型关节用的精密减速部件，以微型谐波为主，要求背隙小、寿命长、体积以毫米计。人形放量后，微型减速器从「小众配套」变成规模化竞争品类，国内多家谐波厂已切入，顺德本地谐波供应链亦值得关注。

人形电源（Battery / 能源系统）

人形机器人的电池与电源管理：机身空间限制电池容量，行走与算力又是耗电大户，续航普遍以小时计。改进方向包括高能量密度电芯、快换电池与整机功耗优化；看演示时留意「续航几小时」的口径是待机还是负载。

扭矩密度（Torque Density）

单位重量（或体积）能输出的扭矩，是人形执行器选型对比的核心指标。关节空间固定，扭矩密度高一分，机器人的负载、速度与动态表现就宽裕一分。比较厂商参数时注意峰值与连续扭矩口径差异，避免拿峰值对比连续。

五、量产与场景

场景训练（Scenario Training）

把机器人放到目标场景中反复练习任务、积累数据并迭代模型的过程，与「实验室演示」相对。一座真实的工厂或仓库就是训练场——这也是地方政府以场景换产业（如顺德「100 计划」开放百类场景）的逻辑：谁先拿到场景，谁先拿到数据。

数据飞轮（Data Flywheel）

「机器人干活—产生数据—模型变强—接到更多活—产生更多数据」的正循环。判断一家具身企业是否健康的视角之一，就是看它的飞轮转没转起来：真机部署量、数据回收管道与模型迭代速度是否互相咬合。

先导应用（Pilot Deployment）

小批量、可交付真实价值的早期落地项目，如厂内搬运、3C 装配辅助、展会接待。先导的意义不在单台毛利，而在验证可靠性、拿到工况数据与打磨交付流程；观察厂商时，重点看先导客户是否复购与扩量。

量产爬坡（Production Ramp-up）

从手工小批量转向规模化制造的过程：供应链良率、工装治具、测试线与质量体系逐步成熟，成本沿学习曲线下降。人形行业目前正处于爬坡起点，年交付量从百台向千台迈进的口径差异，解读新闻时务必留意。

BOM 成本（Bill of Materials）

整机物料清单成本，人形机器人目前多在数十万元量级，其中执行器（含减速器、电机、编码器）与灵巧手占比最高。BOM 下降路径一半靠规模采购，一半靠部件国产化与结构简化——这也是佛山、顺德的零部件企业被人形厂商密集拜访的原因。

技能库与动作原语（Skill Library / Motion Primitives）

把「抓起」「插入」「翻转」等基础动作封装成可复用的模块，任务由原语组合完成。与端到端路线并存：原语可靠可解释，端到端泛化强，工程上常见混合架构——上层大模型调度，下层原语执行。

多机协同（Multi-Robot Coordination）

多台人形/AMR 在同一现场分工与避让的调度问题，涉及任务分配、共享地图与交通规则。单体智能再强，没有协同调度就无法承接整厂规模订单；这也是人形厂商与传统 AGV 调度、MES 供应商合作的原因。

RaaS（Robot as a Service / 机器人即服务）

按月租用或按量付费的机器人服务模式，把高首付变成运营支出，降低客户试用门槛，同时让厂商保留设备以持续回收数据。适合商业模式尚在验证期的早期市场；评估 RaaS 报价时注意运维、保险与数据归属条款。

能力评测（Benchmark / Evaluation）

用标准化任务集衡量机器人能力的方法：搬箱速度、抓取成功率、续航、连续无故障时长等。行业目前缺乏公认的统一评测体系，各家演示口径不一，采购方宜自建任务清单实测，把「演示性能」与「交付承诺」分开验收。

人形机器人安全标准（Humanoid Safety Standards）

针对人形的专用安全规范仍在建设中，现阶段多借用工业机器人（ISO 10218 体系）与协作机器人安全要求过渡。标准化进度影响进厂许可与保险定价，值得跟踪全国标委会与国际标准的动态；争议以现行国标/行业标准为准。

本土量产动态（Local Production Watch）

据公开报道，开普勒机器人已签约落户北滘推进人形量产；天太机器人获得万台级人形机器人订单并转向核心零部件配套；华沿机器人已在港股上市。本地动态持续更新，见本站人形机器人主题与北滘观察系列报道。

使用说明