别人都在卷视觉,这家具身公司偏要卷“手感”

news2026/3/27 21:14:20
衡宇 发自 凹非寺量子位 | 公众号 QbitAI“对具身智能来说力觉比视觉更重要。”听起来这句话好像有那么点非主流。放眼当下大多数具身智能的叙事视觉几乎是机器人认知世界的第一扇窗。但源自斯坦福机器人和人工智能实验室的通用机器人独角兽非夕科技却十年如一日地坚持另一条路径按照真实操作行为的重要性排序力觉能力优先于视觉。联合创始人兼CEO王世全的解释很直白“人类在做大多数操作时并不会一直盯着目标只用‘瞟一眼’剩下的动作主要依赖手感完成核心在于实时控制施加的力度以及与物体的接触关系。”朋友们咱天天把具身智能挂在嘴边但别光顾着智能忽视了“具身”啊。本质上具身智能的难点在于如何“在真实世界完成操作”而力觉正是实现机器人具身交互的核心能力。过去十年非夕将大量精力倾注于自研机械臂本体尤其专注于提升力控能力尝试让它具备接近人类手臂的“操作感”。从最初的Rizon系列7轴机械臂到Moonlight系列力控并联机器人非夕的自适应机器人已经深入汽车、消费电子、一般工业、食品加工、实验室、医疗理疗、商用服务等各大领域源源不断形成富有创新、独特差异化的行业级应用解决方案。虽然“非主流”但市场数据或许能说明这种技术路线的市场认可度6家全球top10科技公司在使用非夕的机械臂开展具身智能研发Generalist AI、Rhoda AI等超10家具身独角兽都是非夕的客户数十家全球前500强企业已在制造环节等实际场景采用非夕自适应机器人应用方案。现在为了进一步突破机器人在复杂狭窄空间、高柔性人机协同、双臂操作等场景下的作业边界非夕推出了两条新的战略产品线。一条是Enlight初昕系列全感知自适应机械臂另一条是基于它打造的MICO双臂一体化仿人智能机器人平台。一只更轻、更灵巧、感知力更强的手作为本次发布的重头戏Enlight初昕系列机械臂代表了非夕在自适应机器人本体研发和工程化上的最新高度。它在延续前代产品Rizon拂晓系列自适应特性的基础上实现了更轻量化的结构与更灵活的形态。对于具身智能而言轻量化意味着更低的惯性、更高的安全性以及更强的部署灵活性。从设计逻辑来看Enlight的核心竞争力依旧在于其全方位、高水准的力控性能以及紧凑的轻量化设计。其中“全身感知”是它最引人注目的特点。与行业内常见的外部贴装电子皮肤方案不同Enlight机械臂的每个关节都内嵌多维力传感器形成覆盖整条机械臂的全域感知网络。非夕科技副总裁高云帆告诉量子位这种内置式设计不仅避免了外部传感器易磨损、感知精度受环境影响的问题更实现了对接触力度及方向、受力分布及细微形变的实时精准捕捉。且整臂分布有25万个触摸点位最多支持同时7点接触感应触控力感知精度达0.5N位置感知分辨精度达2mm。“无论是在手臂上绘制图案还是在狭小空间作业时触碰周边环境Enlight都能瞬间感知并自主调整操作姿态与力度。”类似人类皮肤的感知能力让Enlight在非结构化环境中具备了更强的自主决策基础这种特质使其在狭小且不确定性高的空间中表现优异比如电子产线、实验室、食品工厂、变电站、商用服务——此类对灵巧度要求极高的To B业务场景一直是传统工业机器人和协作机械臂的老大难问题。轻量化仿人设计是Enlight的另一大突破。同样是七轴机械臂非夕研发及工程团队突破了Rizon系列的最小设计极限将更多传感器、传动机电系统及安全硬件压缩至更小的关节与手臂空间。在保证结构刚度的同时Enlight的自重极大减轻但负载能力反而提升至5公斤的实用水平自重负载比相较于Rizon系列提升了67%。此外Enlight的第一、三、五、七轴关节运动范围达到720度并通过特殊系统设计下的纯软件方案实现多圈编码器记圈。相比传统机械或电池方案这样的设计让Enlight在维护成本和系统可靠性上都更具优势。核心性能方面Enlight关节控制频率可达10kHz整臂控制频率达到2kHz整机力控精度0.1N最大TCP力范围400N。这种高速响应能力让打磨、装配等工艺的操作更丝滑精准。同时它配备了M8接口与弹簧针Pogo pin接口可灵活连接夹爪、传感器、工具头等末端执行器支持抓取、装配、打磨等各类任务的快速切换天然适配工业、医疗、商用服务等多领域的场景需求。在多样化的末端工具中与Enlight搭配上的新Grav增强型夹爪采用了非夕自研的仿生壁虎材料。这种基于干性吸附原理的仿生材料灵感源自壁虎脚趾。不同于传统的吸盘或刚性夹爪它能做到“粘且不黏”既能稳稳吸附住像塑料水瓶、不规则零件这类形状奇特、表面光滑甚至极其柔软的物体又不会像胶带那样留下任何残胶。配合“刚柔双模式”切换机器人既能抓取沉重的工业零件也能轻柔处理易碎、易变形的物体补齐了物理交互的最后一块拼图。从应用场景来看Enlight确实尤其擅长狭小空间作业。其轻量化设计与高灵活性相结合再加上全域力感知能力的加持能够轻松规避空间约束完成传统机器人难以触及的任务。与前代产品相比Enlight更聚焦于灵巧敏捷型场景而Rizon系列则深耕工业稳健型应用两者互补构建起覆盖不同需求的产品矩阵。在安全性上Enlight延续了非夕一贯强调的“本质安全”设计思路并在这一代产品中进一步强化。非夕的“本质安全”和通俗意义上对机械臂安全工作的理解——机械臂发生碰撞或接收到急停信号就停止动作——还不一样。进一步来说只要机械臂感知到外界哪怕极其细微的非预期阻力或者机器人系统的异常工作状态它就能以毫秒级的速度做出反应主动实现物理层面的安全保障从被动停止升级至主动防护。主要能力还是源于非夕自研的覆盖条件反射和小脑层基于独立安全硬件机制的冗余双保障系统。为了给这种人类物理直觉般的能力提供权威背书Enlight在设计上严苛遵循了IEC 61508、ISO 10218-1:2025等最新也是最高要求的国际安全标准。左右手不熟看看具身原生双臂在Enlight的基础上非夕又进一步打造了MICO双臂机器人平台并明确强调其“双臂原生”属性。这里的“原生”指它在设计之初就围绕双臂协同作业展开研发从底层技术到硬件配置都为双臂协同量身打造。这是它与传统双臂机器人最本质的区别。为什么是双臂本质上是为了贴合真实的作业需求解决单臂作业的场景局限和传统双臂操作的挑战。诚然单机械臂已能落地众多场景但实际操作中往往需要搭配大量周边工装夹具完成辅助定位、工件翻转等动作需要额外的设备投入产线灵活性和设备复用率也受限。双臂作业系统能大幅减少这类非标辅助设备的需求让设备复用率提升90%以上大幅降低了产线改造成本与设备投入成本。同时双臂也更贴合人类的操作逻辑适配更多需要双手配合的复杂场景。从硬件构成来看MICO以两台Enlight机械臂为核心但并不是简单粗暴地把两台Enlight拼接在一起。这就不得不提到它的核心支撑——MICO搭载的Orion控制器。传统的双臂控制方案中操控两台机械臂往往需要两套相互独立的控制系统同步性差整体控制逻辑也很复杂给开发和调试提出了高要求。针对这个问题非夕团队自研了专为多臂协同的Orion控制器。它支持一拖二配置能通过单个控制箱同时驱动两台Enlight机械臂还能兼容不同规格的手臂组合从根源上解决了传统方案的同步性难题。而且机器人控制模块自重仅3.5kg是业内最小尺寸的全功能控制箱。配合非夕首创的图形化双臂编程界面开发者无需进行复杂的点位对齐与轨迹校准就能轻松实现双臂协同动作规划。也正因如此MICO的双臂协同价值在实际应用中能得到充分发挥。高云帆介绍道MICO在各类复杂场景中展现出远超单臂的作业能力在复杂装配场景中MICO的双臂可分工协作分别承担抓取与辅助定位任务通过精准的力控协同完成柔性贴合安装、带线束插入等精细操作在打磨抛光场景中双臂可协同夹持工件或工具进行两者间丝滑的相对运动和力度控制从而实现更高效率、更均匀的表面处理让作业效果和效率都得到显著提升。延续非夕一贯的模块化设计思路MICO推出了MICO Armor、MICO Core、MICO Plus、MICO Ultra等多个标准化版本。开发者能根据不同的场景需求灵活选配两个自由度且具备力控能力的腰部、视觉头部模块或移动底盘形成具备更高自由度的移动执行系统。一套平台能适配多种场景。此外MICO还通过底层技术优化攻克了传统双臂机器人的力控耦合痛点。两台7自由度的双臂协同作业涉及14个自由度的复杂控制。如果依旧用传统方案很容易出现影响作业精度的力控干扰问题技术门槛也很高非常不友好……为解决这一难题MICO依托非夕全栈自研的层级式控制架构将双臂视为一个整体进行轨迹规划与力控调节来确保双臂协同操作的流畅性与精准性。现在是不是更清楚为什么MICO敢给自己打“具身原生”的tag了doge脸。不过对非夕而言“模块化设计”不只体现在MICO上。具身时代需要一个通用智能机器人基座平台这种在MICO上露出锋芒的模块化哲学实则贯穿了非夕的产品生态。硬件层面不管是Enlight机械臂的标准化接口设计还是MICO系列的模块化组合方案非夕都构建了一套可灵活配置的硬件体系。客户既可以选择单一机械臂作为操作单元也可以搭配移动底盘、腰部模块等形成完整系统甚至能根据需求定制末端工具。这种解耦的意义巨大使其能适配从工业精密装配到商用服务、从实验室自动化到家庭养老的各类场景。软件层面非夕将复杂的力控能力与操作逻辑抽象为 “模块化的元操作Primitives”封装成标准化的功能块。开发者不再需要去钻研底层的力学反馈逻辑只需要通过RDK开发工具包或Elements图形化操作系统就能像搭积木一样调用这些模块组合出复杂的机器人行为。传统路径中算法团队往往需要同时处理感知、控制与执行三个层面的问题任何一环不稳定都会影响整体效果。而一旦有了模块化基座底层复杂性就能被封装在系统内部上层开发者只需要关注任务逻辑与策略设计。从行业角度看这种解耦正在成为趋势。一方面竞争正在从单点能力转向系统能力。单纯的视觉模型或控制算法已经不足以形成优势真正的壁垒在于整套系统的稳定性、可扩展性与能力上限。另一方面物理世界的复杂性远高于数字空间。接触、摩擦、形变等因素很难通过简单建模完全描述将这些规律固化在底层平台中可以显著降低应用开发成本提升具身智能开发和训练效率。在这一逻辑下非夕明晰了自己的生态定位通用机器人基座平台。王世全表示这个基座包含三个核心层次。底层是具备高感知、强执行、高安全特性的本体系统以Rizon、Enlight为核心中间层是标准化的技能接口、开发接口与模块化的软件工具链包括RDK、Elements、Primitives等上层是面向不同场景与生态合作伙伴的标准系统和应用解决方案。这种解耦既提升了开发效率更推动了行业分工的优化让机器人本体厂商、AI算法公司、场景应用商各自聚焦又协同创新。从战略上看这是一种“以不变应万变”的思路。在技术路径不断变化的情况下模型、算法甚至应用形态都可能快速迭代但对物理世界的操作能力始终是刚需。非夕押注的正是这个不变量。王世全说通用机器人的终局在于感知、控制与决策的深度耦合而这种耦合需要扎进物理世界最深处才能真正实现。只要底层能力足够稳定并不断突破边界上层创新就可以持续发生——这一逻辑早已在云计算时代的基础设施发展中得到验证。进入具身智能时代非夕正在用自己的方式为具身智能的大规模落地铺平道路。当底层的物理操作能力成为行业通用基础设施具身智能的技术发展和商业化落地便有了坚实支撑。可以想见一个庞大的具身生态会在非夕搭建的通用机器人基座平台上蓬勃发展。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2444867.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…