作者 | 金旺

欄目 | 機器人新紀元

2022年，人形機器人進入到了一個產業爆發期。

在此之前，人形機器人是一個相當小眾的市場，之所以小眾，原因有很多，既有動力學控制、模型控制帶來的整機運動表現不夠理想，硬件供應鏈不夠成熟的原因，也有市場關注度不夠高的原因。

不過，自2016年就已經投身于人形機器人行業中的任曉雨認為，“這些都不是問題關鍵所在，真正的關鍵問題是，當時大家沒有看到人形機器人明確的未來發展潛力。”

換句話說，那些現在未能解決的問題，大家希望看到它在未來有得到解決的可能。

然而，以往基于傳統運動控制理論構建起的人形機器人，即便解決了所有已知問題，依然難以實現規模化應用。

技術潛力，成了彼時潛藏在人形機器人產業中最大的前行阻礙，這樣的情形一直持續到強化學習的出現。

2022年，當時在做人形機器人算法研發的任曉雨第一次完成了強化學習在人形機器人上的驗證后，他興奮地意識到：

屬于人形機器人的那道曙光終于透過迷霧投射了下來，一個AI可以直接操控人形機器人的時代即將來臨。

這也成了任曉雨后來創辦動易科技的起點。

01 硬件機會，還有一次

人工智能技術的爆發，讓人形機器人從業者們看到了曙光。

畢業于清華大學機械工程與自動化專業的任曉雨，自畢業后就投身于人形機器人這一“小眾”賽道，他以走路這件事為我們分析了強化學習應用前后，人形機器人技術路徑的改變：

以往要讓人形機器人走路，要從運動控制模型建立開始，先要建立復雜的優化控制器，然后對優化控制器進行諸多條件假設和線性化，最終再進行現實推理。

由此構建起的人形機器人能夠很好地進行步態控制，也有著很好的魯棒性，但存在一個顯著問題是：一旦機器人運動超出閾值，整個系統就會崩潰。

強化學習的引入，讓人形機器人沒有了明確的閾值概念，假如你對著現在的人形機器人踹一腳，即便它摔倒了，系統也不會崩潰，而是基于當前狀態有一定的性能衰減。

這讓人形機器人第一次擁有了泛化性，擁有了解決任何問題的可能。

于是，在2022年這個拐點出現之后，人形機器人很快進入到了一個產業爆發期，僅僅是在2023年，人形機器人領域融資就有23起，總金額超過54億元，與此同時，國內各地人形機器人創新中心也相繼成立。

相較而言，成立于2024年9月的動易科技，入場時間并不算早，但任曉雨認為，“這是一個比較好的時機。”

至于為什么說這是一個“比較好的時機”，任曉雨從市場發展和技術節點兩方面給出了解釋：

“從市場發展來看，2022年之前，無論是大眾，還是投資人，對于人形機器人還沒有明確的概念，即便是到了2023年，讓大家理解人形機器人，依然不是一件容易的事，但到了2024年，大家對于人形機器人開始有了基本的認知，這個時候去創業會更容易；

不過，更重要的原因是，到2024年，大家對人形機器人領域的技術方案都已經做過了測試，但我們發現，人形機器人在硬件上還有一次‘大更新’的機會。”

就人形機器人核心零部件——減速器而言，諧波方案、行星方案、滾珠絲杠方案等在2024年已經成為主流方案，不過，這些方案又各有自己未能解決的問題，這才有了擺線方案的興起。

任曉雨以行星方案與擺線方案進行對比稱，“如果讓關節達到20的減速比來實現大扭矩，擺線方案只需要一級減速、主要零件只有三個，行星方案則需要兩級行星，經過力學校核后，這樣的減速器無論是在體積、還是重量上，都不會很小，這就導致了行星方案的減速器扭矩密度很難提升。”

正是因為看到了擺線方案擁有更高的扭矩密度、更好的嚙合度，動易科技成立之初，就基于擺線方案開始打造一體化關節模組。

到2025年4月，動易科技PhyArc系列準直驅一體化擺線關節模組正式發布時，其中主打高性能的PhyArc 150模組峰值扭矩已經達到590N·m，超越了一級方程式賽車發動機扭矩。

實際上，由于設計理念不同，相較于傳統追求長時效穩定輸出能力的人形機器人，動易科技更追求關節模組在額定狀況下穩定輸出，在峰值追求高爆發，由此也就要求驅動器擁有更強的短時高過載能力。

動易科技在過去一年，就減速器、驅動器、編碼器、力矩電機等人形機器人關鍵零部件進行了全自研，并基于此在今年年初立項構建了一整套全新的人形機器人本體。

動易科技在2025年年初先后立項了兩款人形機器人本體的研發，分別是聚焦生產力應用場景的大人形PHYBOT M1和聚焦服務場景的小人形PHYBOT C1。

不過，對于完成了一體化擺線關節模組研發、構建起了人形機器人本體的動易科技來說，能否基于這一套全新硬件再次跑通強化學習算法，就成了決定動易科技技術邏輯能否閉環的關鍵。

02 造一臺AI原生人形機器人

2025年4月的一天，當動易科技研發團隊將自研的強化學習算法加載到人形機器人M1上時，在M1走起來的那一刻，任曉雨就知道，“擺線關節+強化學習”這條路算是走通了。

也是在這一刻，任曉雨更篤定了這條技術路線。

回憶起當時的情景，任曉雨告訴我們，“這次對于強化學習算法的驗證和2022年的那一次還不太一樣，由于采用了一套區別于市面上主流應用方案的全新硬件方案，減速器、執行器、力矩電機都是由團隊自研，當時最大的挑戰是，面對全新的傳動方式，自研的執行器性能能否跟得上。”

后來再回看時，任曉雨依然認為，這是動易科技一個關鍵的時間節點，強化學習在這套全新硬件上的成功跑通，也讓團隊后續工作變得有意義。

當然，這樣的成功也并非偶然，說起來，這與動易科技團隊技術研發理念有著很大的關系。

在創業之初，任曉雨看到了人形機器人領域的兩個潛在機會，一個來自強化學習帶來的機器人泛化性的可能，另一個來自于擺線方案潛力未被完全挖掘、卻有成為主流方案的機會。

與此同時，任曉雨還發現，“在動易科技成立之前，我們還沒有看到哪款人形機器人完全適配AI。”

如何打造一款原生適配AI的人形機器人，也成了任曉雨的目標。

所以，在人形機器人研發流程中，動易科技團隊并不是從硬件開始，而是先通過強化學習進行仿真和驗證，然后由AI告訴團隊，AI需要怎樣的關節模組、需要怎樣的驅動器。

這樣的人形機器人研發路徑，任曉雨稱之為Robot for AI，這也成了動易科技研發AI原生人形機器人的模式。

動易科技在人形機器人研發上第二個不同點，體現在他們對模型的理解上。

任曉雨告訴我們，“現在很多機器人團隊是將上肢和下肢的研發分開的，然而，是否要先研發人形機器人下肢步態，然后再研發上肢手眼協調能力，還需要打一個問號。”

以在會議室拉出椅子、坐在椅子上這個長程任務來看，其中既涉及步態控制，也涉及手眼協調。

基于這樣的理解，動易科技將運動控制過程中下肢動作和上肢動作的運動控制統一到了一個模型中，包括行走、站立、坐下等各類動作的運動控制，這些動作在動易科技的人形機器人上，都是由一個通用運動控制模型來實現。

實際上，任曉雨將AI原生人形機器人的構建流程劃分為四個階段：

第一階段，構建整個人形機器人硬件基本面，從核心零部件開始，打造通用人形機器人本體；

第二階段，構建通用運動控制模型（小腦），基于通用人形機器人本體，研發通用運動控制模型；

第三階段，構建特定場景的智能決策模型（大腦），將通用運動控制模型與特定場景結合，研發智能化的場景應用；

第四階段，構建真正的通用人形機器人。

任曉雨告訴我們，現在的動易科技正處于第二階段。

據他預估，今年年底，動易科技團隊就會完成通用運動控制模型的研發，明年會將重心轉向大腦決策模型，屆時他們也將會引入大模型領域的合作方。

不過，在此之前，動易科技也需要將商業化提上日程。

03 商業上的步步為營

2025年，是人形機器人的量產之年。

這一年人形機器人領域大額訂單不斷涌現，也有越來越多人形機器人開始進入車企、工廠，乃至商業市場進行POC驗證，身在大潮中的動易科技似乎并不著急。

任曉雨告訴我們，“現在確實有不少人形機器人已經開始進入工廠做POC，但很多并不是由AI驅動，強化學習驅動的人形機器人依然處于技術成長期，進入工廠還為時尚早。”

任曉雨也特別強調，“并不是強化學習技術不行，而是大家對技術發展速度期望過高，現在需要的其實是時間。”

不過，這并不代表動易科技沒有推動產品商業化。

就在前不久，動易科技經過升級后的PhyArc系列擺線關節模組正式對外發售，而這背后，也藏著動易科技的商業邏輯。

關于動易科技在商業化上的思考，任曉雨根據技術研發進程，同樣是按照四個階段自下而上來推動：

第一階段，零部件的商業化，當前的動易科技已經在做通用本體和通用運動控制模型的研發，自研的核心零部件技術已經成熟，這時會先將關節模組這樣的核心零部件進行量產和商業化交付；

第二階段，人形機器人本體的商業化，當動易科技進入到大腦研發階段時，通用人形機器人本體也會進行量產，進入到商業化階段；

第三階段，大小腦的商業化，當動易科技進入到結合應用場景的技術開發階段時，大小腦中的部分軟件也會進行商業化；

第四階段，最后則是通用人形機器人的商業化。

就目前來看，動易科技擺線方案的關節模組商業化，無論是對動易科技自身，還是整個產業而言，都有著獨特的意義。

對于機器人產業而言，任曉雨指出，“行業里已經很久沒有出現新方案來給到從業者拿去測試了，我們這套一體化擺線關節模組的出現，為行業提供了一個新的選擇，這不僅是給人形機器人行業一個新的選擇，也為包括外骨骼、機械臂在內的整個機器人行業帶來了一個新的可能。”

對于動易科技而言，除去能讓團隊在現階段實現產品商業化外，也可以讓更多人看到這套硬件方案的優勢，提升這套方案在行業內的影響力。

當這套方案在行業中的影響力越來越高時，整個供應鏈效率和方案成本也將會迎來質變，動易科技的技術路線也將會成為一條主流技術路線。

任曉雨告訴我們，“大家之所以不敢輕易大改硬件方案，是因為人形機器人硬件研發周期較長，選錯了方向再回頭，往往會浪費掉6-12個月的時間。”

現在的動易科技，完成了強化學習+擺線方案這條技術路線上最關鍵的一步，驗證了這條路線的可行性，接下來將會進入高速發展階段。

不過，現在仍然有一個難題擺在任曉雨面前——如何證明這套方案的先進性？

04 通用人形機器人，明年出現

2025年9月19日，動易科技小人形產品PHYBOT C1正式對外發布。

PHYBOT C1身高1.28m，體重28kg，全身擁有超過25個自由度、內置高效強化學習算法、配備可拆卸電池、單臂負載達到5kg，更獨特的是，這款人形機器人頭部內置影像模塊，可以通過投影功能結合語音等交互模式更好地與人交流。

PHYBOT C1為什么會有這樣的功能設計？

任曉雨告訴我們，“主要原因是PHYBOT C1被定位到了服務場景，需要經常與人打交道，所以我們希望它可以擁有更豐富的交互方式。”

我們到訪動易科技北京總部時，動易科技的工程師為我們現場演示了PHYBOT C1站立、走路、招手等動作。

正是因為內置了區別于傳統機器人控制的高效強化學習算法，當通過遙控器為C1發送停止指令時，C1會立刻收回邁出的那一步、就地站穩，而不再需要完成節拍內動作才能停止。

任曉雨還特別為我們指出，“就現在主流的電驅+旋轉關節的傳動模式來看，我們這套方案是對人形機器人整個行業的一個重大補充，在我們這套方案補充進來之后，電機驅動的機器人方案就齊全了，人形機器人硬件結構上短期內將不會再有顛覆性的變化。”

就動易科技自身而言，在完成一體化關節模組、人形機器人整機研發過程中，整個團隊也在不斷擴編和產品研發中逐漸成形并得到歷練。

任曉雨告訴我們，“在C1發布時，我們的團隊已經通過算法補償和交互上的標定解決了sim2real的gap難題，并將這樣的技術成果集成到了人形機器人產品中。”

在完成了通用運動控制算法和通用人形機器人整機研發后，接下來，動易科技團隊會陸續放出更多基于這套方案的人形機器人的實際運行效果。

值得一提的是，任曉雨多次向我們強調人形機器人的通用性，也一直在強調，動易科技打造的運動控制模型、人形機器人都具有通用性，只有在進入特定商業場景時，動易科技會通過“通用硬件+專用場景模型”的方式，推動人形機器人率先在一些商業場景落地。

而這樣基于特定商業場景打造的通用人形機器人，任曉雨預計，明年就會出現。