Database

技術_人形機器人

Properties2
tags產業/ai伺服器
aliasesHumanoid Robot, Physical AI, 具身智能

閱讀時間約 7 分鐘

技術_人形機器人

定義

人形機器人是以接近人類身體結構與工作環境為目標的機器人平台，通常包含視覺／觸覺感測、即時控制、運動規劃、馬達驅動與電池系統。它與傳統固定式工業機器人的差異，在於需要在非結構化環境中感知、決策與移動。

AI 浪潮使人形機器人從單純自動化設備轉向 Physical AI：模型在雲端訓練，機器人在邊緣執行低延遲推論與控制。這會同時拉動運算晶片、記憶體、感測器、伺服馬達、減速機與電源管理需求，但商業化仍受可靠度、成本與安全認證限制。

圖解

flowchart LR
    SENSE[視覺／觸覺／姿態感測] --> EDGE[邊緣AI控制器]
    EDGE --> PLAN[運動規劃與多模態模型]
    PLAN --> ACT[伺服馬達／減速機／致動器]
    ACT --> BODY[人形機器人本體]
    BODY --> SENSE
    CLOUD[雲端訓練與模擬] -->|模型更新| EDGE
    classDef sensing fill:#ffd8a8,stroke:#f08c00,color:#111;
    classDef compute fill:#a5d8ff,stroke:#1c7ed6,color:#111;
    classDef motion fill:#d0bfff,stroke:#7048e8,color:#111;
    class SENSE sensing; class EDGE,PLAN,CLOUD compute; class ACT,BODY motion;

圖說：人形機器人以感測器形成閉迴路，邊緣控制器在本地完成即時推論，雲端則負責模型訓練與更新。

技術原理

模組功能觀察重點
感測器感知視覺、姿態、力與環境感測融合、延遲、可靠度
AI 控制器執行視覺模型、策略與運動規劃NPU／GPU 算力、記憶體頻寬、功耗
致動器將決策轉換為關節運動扭矩密度、效率、壽命與噪音
電源系統支援移動與峰值負載電池能量密度、熱管理、安全

相較固定式工業機器人，人形平台需要在感測不完整、地面與障礙物變動的環境中維持穩定控制，因此對邊緣推論、感測融合與故障安全的要求更高。

關鍵參數 / 判斷指標

指標意義投資觀察
每瓦算力電池限制下的即時推論能力有利邊緣 AI SoC、記憶體與電源管理供應商
扭矩密度致動器在重量限制下的輸出影響關節模組價值與整機效率
續航時間單次充電可工作時間決定商用部署與電池需求
MTBF／安全認證長時間運作與人機協作可靠度認證與量產良率比單次 demo 更重要

產業動能

概念股 / 族群

類型廠商角色觀察點
光學3019_亞光（市）機器人鏡頭送樣轉量產與毛利率
邊緣運算技術_邊緣AI本地推論平台算力、功耗與軟體整合

信心水準

產業方向與技術需求有 DIGITIMES 研究支撐；個別公司進入特定人形機器人平台、訂單與量產時程仍待公告或客戶驗證。

技術瓶頸 / 風險

  • 可靠度與安全：人機協作需要可驗證的故障安全與長時間穩定運作。
  • 成本與量產：致動器、減速機、電池與高階運算模組的成本仍高。
  • 資料與模型泛化：真實場景資料不足可能造成模型在非預期環境失效。
  • 量產節奏與供應鏈重置：Optimus 涉及大量新零件與測試流程；產線爬坡、認證或設計更動均可能使零組件份額與放量時點延後。

相關技術

來源

相關頁面

關係圖譜

反向連結