具身机器人开始干活前，先学会少给人添麻烦

作者：Vincent

编辑：吕鑫燚

出品：具身研习社

今年的世界机器人大会上，巡检、运输、应急救援、移动拍摄等落地场景在各家展品介绍中被频繁提及。机器人不再只是在展台上展示一组动作，而是开始被放进一项项具体工作中接受检验。

但从展示一项任务的完成度，到真正进入客户的工作流程，中间还有一段容易被忽略的距离。展台上的路线、设备和程序可以提前准备，真实现场却不断发生变化。作业环境不同，需要搭载的工具不同，人员原有的操作习惯也不同。如果每增加一项任务，都要重新调整机器人、接入设备并组织工程师调试，再强的硬件能力也很难被现场反复使用。

本末动力此次带到WRC的D1和TITA机器人，恰好可以放在这个问题下理解。D1通过不同运动单元的构型组合应对场景变化，TITA为既有外部设备提供接入条件，“通用小脑”则负责协调变化后的运动控制。几种产品能力指向的不是让机器人独自包办更多工作，而是把现场反复出现的结构调整、设备连接和底层控制，逐渐沉淀为可以复用的产品能力。

毕竟，客户需要的是一台能够进入现有流程、持续完成任务的工具，而不是一套每次使用都要重新搭建的技术系统。机器人从“能完成一次”走向“能够反复使用”，中间补上的正是产品化与部署能力。技术性能和工程易用性从来不是一回事，降低人机协同的门槛，首先得把部署这件事做轻。

真正的人机协同，首先得让机器人少给人添麻烦。

机器人产品要落地，存在一层容易被性能参数遮住的矛盾。机器人变得更强，并不意味着身处任务现场的使用者变得更轻松。

在研发阶段，工程师通过调整构型、控制参数和传感器配置，让机器人适应不同任务，本来是产品迭代的正常步调，但当这种研发逻辑被原封不动地带到交付端，问题也随之转移给了场景方。更换一种载荷，需要重新调整重心和控制参数；接入一套检测设备，需要打通供电、通信和数据协议；从平整地面进入台阶、碎石或斜坡，原有的构型和运动策略又未必适用。一旦任务或者环境发生变化，集成商和工程师就要再次进场处理，给长期部署带来现实阻碍。

机器人由此形成了一种尴尬的产品状态，带着完成任务的能力进场，场景方却很难顺畅、直接调用。机器人会越障，不等于它可以自动接入巡检流程；机器人可以搭载相机，也不等于摄影师能够像使用其他摄影设备一样直接操作。能力停留在机器内部，使用者仍要通过一轮集成、调试和学习，才能把它转化成生产力。

而部署的压力，最终会落到具体的人身上。现场工作人员没有必要、也很难花时间去理解机器人的模型、协议和算法。如果一台机器人只有在专业工程师陪同下才能稳定工作，它距离真正进入日常工作流就还有一段距离。产品设计需要尽可能把这些底层复杂性留在机器内部，减少一线人员为了使用设备额外承担的学习和调试成本。

对场景方而言，这还关系到培训成本与现场经验能否长期保留在一线岗位上。在一部分人员更替较为频繁的工业岗位中，许多工人上手后几个月内又转去其他工业场景，场景方承担的不仅是前期培训的沉没成本风险，还包括交接期间的效率下降，以及设备无法稳定使用的风险。机器人只有把任务配置和操作流程做得足够标准、稳定，尽可能降低学习成本，才能让新员工快速接手，也让人员更替不至于演变成又一次培训和部署。

因此，稳定部署其实包含两层含义：一层是机器人本身能够在现场持续运行，另一层是围绕它形成的任务配置、操作方法和异常处理方式能够在人与人之间顺畅迁移。前者考验硬件、算法和系统可靠性，后者则要求产品把原本依赖工程师和熟练使用者的经验，尽可能沉淀成标准、简洁、可重复的操作流程。

由此，机器人落地中的一组错位正式浮现出来。场景方购买的是能够完成任务的设备，实际承担的却是一整套技术系统的部署、培训和维护成本。“机器人会不会干”解决的是能力上限，“现场能不能用”考验的则是另一个层面的产品与工程能力。

降低这层门槛，不能只靠培训更多的人，而要从机器人的设计开始，把构型调整、设备适配和控制复杂性留在产品内部。

要实现稳定部署，不能只依赖于培训、售后等后端链条的完善。而是从产品本身出发，为不同场景预留空间。本末动力将自己的技术路径概括为“联合模块化硬件架构+通用小脑”。前者处理机器怎样拆分、组合和接入不同设备，后者处理结构发生变化以后，机器人怎样继续保持统一控制。模块化并不只发生在整机拼接上，还延伸到零部件和配件。热插拔电池用于减少换电造成的停机，标准机电接口和顶部安装导轨用于接入不同设备，可替换的轮毂与腿型则对应不同地面和运动需要。

本末动力D1机器人把这种思路推到了本体层面，其依托具身关节模组，配合“通用小脑”协同算法，可以在双轮足、四轮足等多种构型之间快速组合，单台、两台或三台单元也可以根据不同任务形成不同配置。

这项设计的意义并不只在于机器人能够展示多少种形态。对于部署而言，更重要的是当任务变得更复杂时，企业仍然能够复用原有运动单元，而不是重新开发或采购一台结构完全不同的机器人。模块化试图解决的，正是从真实需求出发，尽量减少任务变化后产品硬件失效和工程改造的概率，为更多样的空间和更复杂的场景应用打开更多的落地可能。

身体可以改变之后，控制必须跟上。本末所称的“通用小脑”，是在同一套软件框架下适配不同机器人构型的协同算法，负责运动控制和多单元协调。两台D1拼接后，使用者面对的应当仍是一台完整机器人，而不是两套需要分别操纵的底盘，否则，新增的每个模块都会把新的控制负担交还给人，模块越多，部署反而越复杂。

本末动力TITA机器人解决的是另一层问题，到了现场以后，机器人怎样快速、简便接入执行任务的具体工具。TITA开放式结构并非简单在机身上留出安装位置，而是设置了用于快速安装外部配件的TITA Bridge，提供电机级和感知级API，并支持ROS 2开发，日常使用的相机、导航、图传、视觉传感器等等设备由此可以接入同一运动平台。快拆轮毂和热插拔电池的设计，则能够减轻维护成本、提升连续运行能力。

由此看，D1和TITA代表的是同一种部署思路的两面。D1让机器人的身体能够随地形和负载变化，TITA让安装在身体上的工具能够随任务变化，通用小脑和开放接口则尽量保证变化之后仍然可控。过去一次次揉进定制整机里的工作，被拆成运动单元、任务设备和控制系统之间可以重新组合的关系。

这也给机器人产品的“通用性”提供了另一种解释。通用未必是出厂时已经拥有所有配置、学会所有工作，在产业落地的早期阶段，它可能先表现为一种复用能力：从拍摄换到巡检，可以继续使用既有运动平台；从平整道路进入复杂地形，也尽量通过改变构型解决，而不是整套设备重新来过。模块化真正减少的，不是所有定制工作，而是每次交付中那些本可以被重复利用、却又不得不重新做一遍的部分。

模块化、开放接口和统一控制的价值，最终要在具体工作场景中体现出来。

以移动拍摄为例，摄影工作已经形成了由相机、镜头、稳定器、图传设备和摄影师共同组成的完整流程。机器人无需学习如何取代摄影师，也不必重新制造一套摄影设备或工作流。TITA通过接口接入摄影器材、导航和图传模块后，承担的是携带设备移动、按照路线到达机位以及配合完成跟拍等任务，摄影师仍然负责构图、机位和画面判断。在整个环节中，人类没有被迫离开工作岗位，而是让机器人承担了摄影师频繁移动和多机位部署等需求，审美判断与现场决策的最终决定权仍在人类本身。

巡检场景也是如此。按照本末的方案设计，D1机器人搭载用于远程或自动现场探测的检测和导航设备，解决的是如何到达点位、跨越障碍并把数据带回来的问题，工程人员则仍要判断读数是否异常、风险如何处置。D1能够改变构型，突破窄路、台阶或更高载荷等复杂任务需求，但完全不会因此而将人类踢出岗位环节之外。

遥控和自主控制在这里承担着不同角色。前者把人从必须亲临现场，转变为远程操作者；后者继续接过路线执行、平衡和避障，让人不必控制机器人的逐个关节。两者共同降低的，是专业人员使用机器所需理解的技术层级。

更进一步说，真正“以人为中心”的人机协同，就应当是让技术围绕人的工作组织方式展开，机器人进入一个行业以后，人的专业语言不应被机器人的工程语言取代。部署足够简单，人才能继续从自身专业性和经验积累出发进行分析、判断和处理，而运动、设备运载以及危险环境中的本体工作，交给机器人才更合适。

当“以人为本”的重要性，开始超过机器人一次跳跃的高度、一次演示的速度，机器人产业才能真正从能力竞赛走向产品竞赛、部署竞赛。而本末动力的技术路径与工程思路，已经提出了一个比“机器人还能做什么”更接近商业落地的问题，人机协同，到底应该怎样实现。

结语

机器人走向规模化，不可能依靠工程师陪着每一台机器进入每一个现场。真正能够被复制的产品，需要把更多结构调整、设备适配和控制经验封装在机器内部，让一次交付积累下来的能力能够被下一次任务继续调用。

谁能把复杂技术变成更容易组合、操作和维护的产品，谁才更有可能让机器人从一项项目制交付，变成普通工作者可以反复使用的工具。