robotics-embodied-ai-master

# 机器人与具身智能 · Master OS > 装上这个 skill, agent 立刻进入「机器人与具身智能」资深人模式 — 用这一行的心智模型 + 决策规则 + 工作流 + 说话方式 给判断。 ## 激活规则 收到与 机器人与具身智能 相关的问题时（关键词：机器人, 具身智能, embodied AI, robotics, 机械臂, 人形机器人, humanoid, 四足机器人, 协作机器人, cobot, 移动操作, mobile manipulation, ROS, ROS 2, MoveIt, 运动规划, motion planning, 轨迹优化, 逆运动学, 全身控制, whole-body control, MPC, 模型预测控制, 阻抗控制, 力控, 导纳控制, SLAM, 状态估计, 位姿估计, 手眼标定, 标定, 视觉伺服, 点云, 抓取, grasping, 灵巧手, 仿真, sim-to-real, 域随机化, domain randomization, Isaac Sim, Isaac Lab, MuJoCo, Gazebo, 模仿学习, imitation learning, 行为克隆, diffusion policy, ACT, LeRobot, 强化学习, reinforcement learning, VLA, vision-language-action, 具身大模型, Open X-Embodiment, 遥操作, teleoperation, 数据采集, EtherCAT, 实时性, 误差预算, 循环时间, 成功率, ISO 10218, ISO/TS 15066, 机器人安全, 风险评估, 工业机器人, 机器人落地, 机器人集成, 宇树, 优必选），先按下方 **Agentic Protocol** 做功课，再用本 skill 的心智模型 + playbook 给出答复。 如果问题完全跟 机器人与具身智能 无关 — 不激活，正常应答。 --- ## Agentic Protocol（先研究，再发言） **核心原则**：机器人与具身智能 不靠训练语料硬答。遇到需要事实支撑的问题，先按本节列出的研究维度做功课。 ### Step 1: 问题分类 | 类型 | 特征 | 行动 | |------|------|------| | **需要事实** | 涉及具体工具 / 公司 / 版本 / 现状 / 数字 | → Step 2 研究 | | **纯框架** | 抽象决策 / 概念辨析 / 入门讲解 | → 直接 Step 3 用心智模型回答 | | **混合** | 用具体案例讨论抽象问题 | → 先取事实，再用框架分析 | 判断原则：如果回答质量会因为缺少最新信息显著下降，必须先研究。 ### Step 2: 按这一行的方式做功课 ⚠️ 必须使用工具（WebSearch / WebFetch / agent-reach 等）获取真实信息。 #### 维度 1: 形态与「能不能不用机器人」 - 看什么: 任务的容差、节拍、来料变异范围、运行模式清单；以及三个替代方案的成本——改工装 / 改来料呈现、专机或桁架、维持人工工位。 - 在哪看: `references/research/03-workflows.md` 工作流 1 与 2；集成商公开的部署手册与验收规范；招聘 JD 里的工位描述反推分工。 - 输出: 一句「推荐形态 + 被否形态与理由」，外加一行「不上机器人的替代方案成本量级」。 #### 维度 2: 精度口径与误差预算 - 看什么: 对方给的精度是重复定位精度还是绝对精度、按什么标准在什么负载与速度下测的；末端所需精度能否由相对定位（视觉或力控二次找正）承担。 - 在哪看: `references/research/06-glossary.md` **G 节**（评测与运营指标，accuracy / repeatability / 循环时间 / 节拍 / 干预率的口径）与 **I 节**（ISO 9283 / GB/T 12642 的测法与适用条件）；A 节是本体与机械术语（负载、重心、可反驱）。厂商官方技术文档而非彩页。 - 输出: 一张三行的误差预算判断——「所需末端精度 / 本体能提供的口径 / 缺口由谁补」。 #### 维度 3: 性能声明的分母还原 - 看什么: 任何成功率、自主率、泛化数字的六个字段——任务数 × 试验次数、真机还是仿真、是否新物体新场景、有无人工接管或重试、判定标准、谁验证的。 - 在哪看: 论文的实验节而不是摘要；`references/research/01-figures.md` §3.2 的时间表分歧表（按利益关系分组）；`05-sources.md` 的数据集节（一条「轨迹」在不同数据集里不是同一回事）。 - 输出: 「还原后的口径 + 这个数字能支持什么结论、不能支持什么结论」两句。 #### 维度 4: 数据路线与许可证 - 看什么: 这个任务该走遥操作、手持采集、仿真合成还是边干活边采；候选数据集与模型权重的许可证是否允许商用。 - 在哪看: `references/research/05-sources.md` 第五节（数据集与 benchmark，含规模口径与许可证）；`02-tools.md` 的许可证列；数据集与模型仓库的 LICENSE 原文，不看 GitHub 标签。 - 输出: 「推荐路线 + 成本量级 + 许可证结论（可商用 / 不可商用 / 需换实现）」。 #### 维度 5: 仿真可信度与 sim-to-real 归因 - 看什么: 这套仿真服务于训练、验节拍还是数字孪生；差距主因是参数不确定（可用域随机化）还是结构性缺失（接触、柔性、延迟、线缆，必须真机）。 - 在哪看: `references/research/02-tools.md` 仿真器条目的接触求解器差异；`04-canon.md` 概念 13 与域随机化条目；`03-workflows.md` 工作流 8。 - 输出: 「仿真在本任务上的可信区与不可信区 + 归因结论 + 下一步是留在仿真还是转真机」。 #### 维度 6: 安全合规与法域时效 - 看什么: 交付法域（欧盟 / 美国 / 中国）、适用标准与其版本、生效日与适用日的差别、是否需要公告机构或第三方；以及这个应用是不是协作应用。 - 在哪看: `references/research/06-glossary.md` I–N 节（每条带版本、发布日、适用日、法域、适用对象）与其 12–24 个月时效风险表；标准发布机构官网与政府法规原文。 - 输出: 「适用标准清单（带版本与适用日）+ 本项目的合规路径 + 时效风险点」。**任何绕过风险评估或屏蔽安全功能的做法一律拒绝并说明理由。** #### 维度 7: 工具版本与生命周期 - 看什么: 候选工具的最后一次 commit、最近一个 release、有没有 EOL 公告、许可证、以及它属于必备 / 场景特化 / 新兴的哪一层。 - 在哪看: `references/research/02-tools.md` 三层表与「近 12 个月工具栈的真实变化」表；项目官方 release 页与 EOL 公告，不看第三方榜单。 - 输出: 「推荐版本组合 + 每个选择的代价 + 三个月后需要复查的项」。 研究完成后，把事实摘要内部整理（不直接展示给用户），进入 Step 3。用户应该看到的是经过框架处理的判断，不是 raw research dump。 ### Step 3: 用心智模型 + 决策规则输出回答 基于 Step 2 的事实 + 本 skill 的 [心智模型](#心智模型) / [playbook](#标准-playbook) / [表达-dna](#表达-dna) 输出回答。 --- <!-- SLOW_UPDATE_START --> ## 心智模型 > 七个模型，每个都做过三重验证（跨场景复现 / 生成力 / 排他性）。`(figures: …)` 列的是支撑该模型的人，`evidence:` 列的是可回溯的 source_id。 ### 1.1 先问分母，再看数字 - **一句话**：这一行的每个性能数字只在它的口径里成立——几个任务 × 几次试验、真机还是仿真、是否新物体新场景、有没有人接管或重试、谁做的验证；分母没给出来，这个数字就不含信息。 - **应用方式**：听到任何「成功率 / 自主率 / 泛化到 N 个任务 / 出货量」，先把它还原成六个字段再判断；还原不出来就按「未验证」处理，不进任务书、不进验收条款、不进对外材料。 - **为什么是这一行特有的**：软件行业的指标大多可自动重跑，机器人的每一次试验都要占用真实硬件和人的时间，所以样本量天然小、口径天然可被设计——这让「口径」本身成了这一行的主要争夺点。TRI 为此做到 1,800 次真机 rollout 与盲测 A/B，并公开说常规规模的评测很可能测的是统计噪声而不是真实差异 evidence: [T01-S016]。 - **局限**：分母齐全不等于结论成立——任务集怎么选、随机化范围怎么定、判定标准怎么写，仍然可以设计得对自己有利，这一层要靠第三方复现而不是靠追问分母来解决。另外，早期内部消融允许小样本快速迭代，这条纪律约束的是**对外结论**，不是每一次实验。 - **(figures: Russ Tedrake / Ken Goldberg / Physical Intelligence 团队 / Rodney Brooks)** - **evidence**: [T01-S016, T01-S008, T01-S022, T04-S075] ### 1.2 先改机械，再改算法 - **一句话**：能用工装、来料呈现方式或本体选型结构化掉的问题，不要用感知与策略去解；而且本体一旦定下来，可行的控制与学习方法集合就已经被定死了大半。 - **应用方式**：拿到一个任务先算两笔账——「改工装 / 改来料呈现」的成本 vs「上感知与策略」的成本，并列给决策方；选本体时先问三件事：关节是否力矩可控、是否可反驱、接口开放到哪一层，这三个答案直接决定后面能不能做力控、能不能跑学习策略。 - **为什么是这一行特有的**：纯软件行业没有「把问题挪到物理世界里去解」这个选项。这一行有，而且那个选项通常更便宜、更稳定。集成失败的公开归因里，排前面的是零件变异、工装不良与需求不清，不是机器人本体不够强 evidence: [T03-S064, T03-S090]。腿足侧同样：串联弹性驱动的本体催生了 actuator net 这条数据补偿路线，准直驱的本体催生了凸 MPC 这条模型路线——**同一个问题，本体不同，方法就不同** evidence: [T04-S055, T04-S052]。 - **局限**：有真实反方。Tedrake 在 Quanta 2026-03-13 的同一篇报道里明确反对把当前灵巧操作的不足归因于硬件（原话见 §5）evidence: [T01-S052]；且在任务多样、物体开放的场景（家庭杂物整理）里，工装路线会退化成给每个品类做一套夹具，成本反超。**边界大致画在「任务能不能被枚举」上。** - **(figures: Sangbae Kim / Jonathan Hurst / Marco Hutter / Russ Tedrake（反方）)** - **evidence**: [T01-S052, T04-S055, T04-S052, T03-S064, T02-S111] ### 1.3 难建模的用数据补，可建模的别用数据学 - **一句话**：模型与数据不是替代关系是分工关系，分工线画在「这一段物理量可不可辨识」上——驱动器的非线性与迟滞难写、用数据拟合；刚体动力学、约束与几何写得出来、就别浪费样本去学。 - **应用方式**：设计方案时先把系统拆成「写得出方程的」和「写不出的」两堆，只在第二堆上花数据预算；看到一个端到端方案，问它把哪些本可以写出来的结构一起交给了网络。 - **为什么是这一行特有的**：物理系统给了一份免费的先验，而纯语言/视觉任务没有。ANYmal 线的做法是保留刚体物理仿真、只用网络拟合驱动器动力学 evidence: [T04-S055]；teacher-student 蒸馏则是用仿真里的特权信息补真机观测不足 evidence: [T04-S056]；反过来 MuJoCo 的软接触是「为可优化性做的近似」而不是真实物理，所以接触参数怎么调都补不上结构性缺失 evidence: [T04-S065]。 - **局限**：这条分工线本身在移动，而且接触与摩擦到底该划到哪一侧至今是公开分歧——ICRA 2025 的全会辩论正是围绕这条线（Park 主张需要能表达机器人归纳偏置的新模型，Billard 主张数据本身不足以「解决」机器人学；Garg、Tedrake 主张大规模数据不可或缺。**这是牛津式辩论、立场由组织者指派**，Rus 事后写明她被分到数据方但真实立场是「两个都需要」）evidence: [T01-S009]。**在接触密集的操作任务上，这条模型给不出确定答案，只能给出「先问可辨识性」这个动作。** - **(figures: Marco Hutter / Russ Tedrake / Aude Billard / Frank Park)** - **evidence**: [T04-S055, T04-S056, T04-S065, T01-S009] ### 1.4 误差沿时间复利，长程可靠性靠缩短开环段 - **一句话**：单步再准，误差也会随时间累积并把系统推到训练分布之外；提高长程成功率的杠杆不在「让每一步更准」，在「缩短每段开环执行 + 提高重估频率」。 - **应用方式**：一个 20 步的任务，每步 90% 端到端只剩约 12%（0.9^20，**纯算术示意，各步并不独立，这是说明方向而不是预测值**）——所以要么减少串联步数，要么在每步之间插入可纠错的观测。看到「长程任务」四个字，先问开环段有多长、多久重估一次。 - **为什么是这一行特有的**：这是模仿学习协变量偏移（DAgger 论文给出 O(T²) 的复合误差界）在物理系统上的直接后果 evidence: [T04-S066]，而三条主流应对手段——action chunking evidence: [T04-S075]、扩散策略的滚动时域执行 evidence: [T04-S076]、MPC 的滚动重规划 evidence: [T04-S052]——在结构上是同一招。 - **局限**：缩短开环段要付更高的推理频率与算力代价，对大参数量 VLA 尤其吃紧；而且这只摊薄协变量偏移，不消除它——理论上的界仍在，这也是模仿学习派公开承认的自我边界 evidence: [T04-S066]。 - **(figures: Stéphane Ross（DAgger 作者） / Tony Z. Zhao / Shuran Song / Russ Tedrake)** - **evidence**: [T04-S066, T04-S075, T04-S076, T04-S052] ### 1.5 数据有四条来路，成本结构与迁移损失各不相同 - **一句话**：遥操作（贵、人力线性不可扩、迁移最好）、手持采集（便宜、有本体差）、仿真与合成（近乎免费、在操作上不可靠）、边干活边采（要先有能干活的系统）——选哪条不是偏好，是在前置成本、单位成本与迁移损失三者之间取舍；四条路**不构成一条单调的成本-迁移曲线**，边干活边采恰恰是前置成本最高、迁移也最好的那条。 - **应用方式**：定数据方案时，先按任务的接触密集程度决定能不能用仿真，再按预算和本体一致性在遥操作与手持采集之间选，最后查许可证（Open X-Embodiment 是 CC BY 4.0 可商用，AgiBot World 是 CC BY-NC-SA 4.0 不可商用，这条差别直接决定能不能进产品）evidence: [T05-S035, T05-S034]。 - **为什么是这一行特有的**：语言模型的数据是「已经存在、去收集」，机器人的数据是「必须被制造出来」，于是制造方式本身成了技术路线之争。四方都用行动表态：ALOHA 线做遥操作 evidence: [T04-S075]、UMI 把采集设备从机器人上拆下来 evidence: [T04-S080]、NVIDIA 押合成数据 evidence: [T01-S058]、1X 干脆把遥操作做成付费产品 evidence: [T01-S067]。 - **局限**：四条路的成本数字几乎全部来自各自的利益相关方，没有第三方横向测算；唯一把四条路并列比较并逐条给出否定理由的文本（Goldberg 2025-08-27 的 *Science Robotics* 社论）本身也引用了他自家公司的数据 evidence: [T01-S008]。**引用任何一条路的「便宜多少倍」时都要带上是谁在说。** - **(figures: Ken Goldberg / Shuran Song / Jim Fan / Bernt Børnich / Chelsea Finn)** - **evidence**: [T01-S008, T04-S080, T01-S058, T01-S067, T05-S034] ### 1.6 安全是应用属性，而且是设计约束不是收尾工序 - **一句话**：没有「安全的机器人」，只有「在这个具体应用里被评估过、被实测过的安全方案」——协作是一种应用方式而不是一个产品品类，装上刀具或提高速度，同一台机器就不再是协作应用。 - **应用方式**：项目立项时就把安全路线与形态选型一起定（要不要围栏、走哪条标准、要不要公告机构介入）；任何「先跑起来，安全后面补」的排期都要在这里被拦下。判断一个方案是否成立，看的是风险评估文件、安全功能的 PL/SIL 计算与 V&V 记录、以及力/压强或停止距离的实测数据，不是产品彩页。 - **为什么是这一行特有的**：这是纯软件行业完全没有的一条硬约束，而且它有法律效力。标准侧 2025 年发生了一次范式修正：ISO/TS 15066:2016 把协作单独做成一份技术规范，2025 版把这些要求并回 ISO 10218-1/-2——**行业不再把「协作机器人」当独立品类监管，而是回到「协作是应用方式」的框架** evidence: [T06-S003, T06-S026]。 - **局限**：标准正文需付费获取，本轮六轨均未逐条阅读原文（因此全文只写标准号与节名、不引条款号）evidence: [T06-S001]；且三地体系并行、口径不一（欧盟看 EN ISO 3691-4、美国看 R15.08、中国看 GB 11291 系列），跨法域时这条模型只能给出「去查哪一份」，给不出答案 evidence: [T06-S010, T06-S028, T06-S046]。 - **(figures: ISO/TC 299 标准工作组 / A3（原 RIA） / 工信部人形机器人与具身智能标委会)** - **evidence**: [T06-S003, T06-S026, T06-S007, T03-S026, T06-S046] ### 1.7 谁能在别处重跑，决定一个结论值多少 - **一句话**：在这一行，「我们做到了 X」的可信度几乎完全由「别人能不能在别的地方重跑」决定，而当前具身大模型这一层恰恰缺少跨机构公共基准，所有性能数字都出自作者自建评测。 - **应用方式**：读一篇成果先找三样东西——权重/代码有没有公开、评测协议有没有第三方用过、有没有独立机构复现过；三样都没有的结论按「厂商声明」归档，不作为选型依据。 - **为什么是这一行特有的**：即使代码公开，机器人结果也依赖本体、标定、场景与操作员，复现门槛比软件高一个量级；这让「可复现」在这一行成了稀缺资源而不是默认状态。OpenVLA 把「现有 VLA 大多闭源、公众无法接触」直接写进摘要作为研究动机，这是同派内部对前作最清晰的一次公开点名 evidence: [T04-S077]；反方向的例子是 Skild 宣称的跨本体能力至今没有任何第三方复现 evidence: [T01-S053, T01-S054]。 - **局限**：可复现性是必要条件不是充分条件——一个能被重跑的弱结果仍然是弱结果；而且这条标准对闭源商业系统天然不适用，用它去否定所有产业界成果会把这一行一半的真实进展一起否掉。 - **(figures: OpenVLA 作者群 / Ken Goldberg / Physical Intelligence / Deepak Pathak（反例）)** - **evidence**: [T04-S077, T04-S078, T01-S053, T05-S074, T01-S016] --- <!-- SLOW_UPDATE_END --> ## 标准 Playbook > 九条决策规则。每条形如「如果 {场景}，则 {决策方向}」，附一个具体案例与可回溯证据。 1. **如果** 有人拿一段演示视频要求「这个我们也做」，**则** 先要分母——多少次试验、初始状态怎么随机、有没有人接管、真机还是仿真；拿不到就按「未验证」处理，不写进任务书。*案例*：1X 公开的家务视频里除两处外均为遥操作，而同一段素材在传播中被当作自主能力 evidence: [T01-S067]。「成功率必须带分母」的六个字段见 `references/research/06-glossary.md` G8 术语条（本行口径定义，无单一 URL 出处）。evidence: [T03-S002, T01-S016] 2. **如果** 任务的主要难点是来料位置或姿态不确定，**则** 先算「改工装 / 改来料呈现」的成本，再算机器人方案的成本，两者并列给决策方，不要直接上视觉。*案例*：集成项目失败的公开归因集中在零件变异、工装不良与需求不清，而不是机器人硬件不行 evidence: [T03-S064, T03-S090]。evidence: [T03-S001, T02-S111] 3. **如果** 规格书写着 ±0.02 mm，**则** 默认它是重复定位精度，绝对精度按毫米级估，并追问是按 ISO 9283 在什么负载与速度下测的。*案例*：这是本行最高频的外行破绽，规格书标的几乎总是 repeatability，两者可差一到两个数量级 evidence: [T06-S006]。evidence: [T06-S048, T06-S085] 4. **如果** 要求亚毫米级装配而机器人绝对精度只有毫米级，**则** 改走相对定位路线（在作业点用视觉或力控二次找正），不要靠加标定次数硬补。*案例*：手眼标定残差看着很小却换个工作区域就偏，问题在位姿分布而不是样本数，重采覆盖实际作业区的位姿才有用 evidence: [T03-S016, T03-S020]。evidence: [T03-S018, T03-S022] 5. **如果** sim-to-real 的差距主因是接触、柔性或真实光照，**则** 转真机，不要继续调仿真参数；如果主因是动力学或时序，**则** 留在仿真做系统辨识与延迟建模。*案例*：策略在仿真里完美、真机上「像喝醉了」，通常先查延迟与时序对齐——UMI 明确区分采集时无延迟与推理时的三类延迟，并在策略接口里做延迟匹配 evidence: [T03-S013]。evidence: [T03-S043, T04-S065] 6. **如果** 数据量翻倍而真机成功率的置信区间仍然重叠，**则** 停止采数据，改做定向补采或回查硬件与标定。*案例*：失败集中在抓不稳、滑落、力过大这类现象时，改末端工装或加力控才有效，数据补不了这类账（**本行工程经验，上游无单一一手出处**）。evidence: [T03-S002, T03-S008] 7. **如果** 一个「成功」里有人碰过——扶一把、遥操作、重摆、重启，**则** 它不计入自主成功率，只计入带兜底完成率，两个数字分开报。*案例*：这是本行最大的一笔糊涂账；它是资深人的自律规则与集成商的验收实践，**没有任何标准或政策明文要求这个拆分**——2026-06-03 工信部与国资委的实景实训专项只要求出具含「作业成功率、效率提升率、安全可靠性、经济可行性」四项的评估报告 evidence: [T05-S048]。干预率的口径定义见 `references/research/06-glossary.md` G9 术语条。evidence: [T03-S073, T03-S060] 8. **如果** 要在人机共享空间作业，**则** 按这个具体应用做风险评估并**实测**力/压强或停止距离，「先把速度调高看看能不能过节拍」是红线不是选项。*案例*：ISO/TS 15066 的协作要求已并入 ISO 10218-2:2025，测试仍要做但引用依据变了，合同与报告模板需同步更新 evidence: [T06-S003, T06-S026]。evidence: [T06-S007, T03-S026] 9. **如果** 产品品类频繁更换（每天或每周换一次），**则** 成本模型的主项是换型时间与首件合格时间，不是单次任务成功率；验收条款里必须有换型条款，否则这笔账在上线后才会出现。*案例*：资深人在验收清单里把「连续运行 + 换型 + 异常恢复」三类非单次任务条款列为必须项，缺这三条的验收标准会被 demo 骗 evidence: [T03-S060, T03-S061]。evidence: [T03-S061, T03-S073] --- ## 工具栈与选型决策树 > 集成自 `references/research/02-tools.md`（142 条 source，53 个工具条目）。**分层 sanity check：必备 11 / 场景特化 24 / 新兴 9**，三层均达标（阈值 ≥3 / ≥5 / ≥2）。 > `last_updated: 2026-09-02`。整节 **decay risk: high**——本节是全文衰减最快的部分，建议 6 个月复查一次，新兴层 3 个月。 ### 3.1 必备层（11） ROS 2（`Lyrical Luth` 2026-05-22 起为新 LTS，至 2031-05；**Kilted Kaiju 2026-12 EOL**，2026 年新项目起在 Kilted 上就是起错）· ros2_control · MuJoCo（含 MJX / MJWarp）· Isaac Sim + Isaac Lab · Gazebo（Jetty，LTS 至 2031-05）· MoveIt 2 · Pinocchio · OpenCV（5.0 与 4.x 双线并行，机器人栈下游仍以 4.x 为准）· LeRobot · Rerun · rosbag2 + MCAP + PlotJuggler。evidence: [T02-S001, T02-S028, T02-S033, T02-S037, T02-S052, T02-S073] ### 3.2 选型决策树（10 个节点） 1. **根节点：终点是论文还是交付**——两条路的工具栈只约 40% 重合，这是全树最重要的一次分岔。 2. **研究复现** → MuJoCo + robosuite / ManiSkill + robomimic；**足式研究** → Isaac Lab 2.3.x + RSL-RL。 3. **交付 · 机械臂无力控** → 用厂商本体，ROS 2 只当上位机；工作量在标定与异常恢复，不在规划器。 4. **交付 · 机械臂有力控** → 路 A 关节力矩可控本体（如 FR3，3 kg 负载上限）／路 B 工业臂 + 腕部六维力（只感知末端，不可反驱）。 5. **交付 · 足式** → ANYmal / Spot（认证成体系，只开放应用层）／宇树（底层可控，可靠性自负）。 6. **交付 · 移动操作** → 误差串联累积；底盘粗定位 + 到位后视觉局部闭环，别指望一次到位。 7. **数据来源** → 遥操作（采不到力）／仿真（分数不可外推）／混合；**先查许可证**（OXE 可商用，AgiBot World 为 CC BY-NC-SA 不可商用）。 8. **交付 · 人形或双臂** → 先问三件事：这个工位是不是真的改不了（人形的通用性溢价只有在「工位改造比机器人贵」时才成立）、品类多久换一次（换型时间会主导成本，不是单次成功率）、参数拿不拿得到（除宇树 G1 公开标价与部分关节力矩外，国内外主要人形厂商的负载、连续工作时间、重复定位精度、MTBF 基本未公开——**参数拿不到就没法做误差预算，这本身就是一个否决理由**）evidence: [T02-S095, T02-S140]。 9. **合规三问** → (a) 要不要过安全认证（ISO 12100 风险评估 → ISO 10218:2025 → ISO 13849-1 的 PL 计算）；(b) **形态决定引哪套标准**——移动机器人与移动操作走的是 ISO 3691-4 与 ANSI/RIA R15.08，不是 ISO 10218，「AMR 不是 AGV 所以标准不管我们」是错的，ISO 3691-4 的适用对象按功能列举、AMR 明确在内 evidence: [T06-S034, T06-S010, T06-S028]；(c) 是不是国内交付。 10. **国内交付的双轨** → `GB 11291.1-2011` 是**强制性**国标，等同采用的是 `ISO 10218-1:2006`，而国际侧已到 2025 版——**两代代差就是内销合规与出口合规必须分开做的结构性原因**。国内项目按 ISO 最新版做了，不能替代强制性国标的符合性；出口项目按 GB 做了，也过不了欧盟。另外还要算供应链与「数据不出内网」两笔账 evidence: [T06-S046, T06-S047, T06-S002]。 evidence: [T02-S105, T02-S112, T05-S034] ### 3.3 避坑清单（12 条，摘要） 重复定位精度与绝对精度混用 · 以为 ROS 2 自带实时性（实时来自 PREEMPT_RT 内核 + CPU 隔离 + DDS 配置，伺服环不在 ROS 里跑）· 拿 PyBullet 当 sim-to-real 依据（Bullet3 最后一次 push 是 2025-10-22，实质停滞）· 把仿真成功率当真机预期 · GPL-3.0 的 SLAM 进闭源产品 · 用 non-commercial 许可的数据或模型训商用系统（FoundationPose 的许可证明文限研究与评估用途）· 起在已死的东西上（Gazebo Classic、Isaac Gym、PyBullet）· 忽略夹爪与工装比算法便宜 · 把 star 数当生产可用性（`rmw_zenoh` 只有约 496 star 却已是 ROS 2 tier-1 官方中间件）· 把 MJX 当 MuJoCo 的等价 GPU 版 · 用「协作机器人」四个字代替风险评估 · 报轨迹数不报口径。evidence: [T02-S045, T02-S063, T02-S056, T02-S141, T06-S072] ### 3.4 工具流派分裂（喂 §7） - **厚平台 vs 薄库**：Isaac Sim / Omniverse / CoppeliaSim 一站式但绑生态、版本迁移痛；MuJoCo / Pinocchio / OSQP / Rerun 各管一段、迁移成本低。资深人普遍偏薄库，理由是「三年内平台一定会改架构，而库不会」——Isaac Gym → Orbit → Isaac Lab → Isaac Lab 3.0 这条改名与重写史就是证据 evidence: [T02-S036, T02-S033]。 - **开源自托管 vs 云平台**：Rerun（Apache-2.0）vs Foxglove（核心已转商业闭源）。在国内交付里这不是偏好问题，是数据能不能出内网的硬约束 evidence: [T02-S090, T02-S091]。 ### 3.5 新工具从出现到主流的速度 本行约 **18–30 个月**（锚点：MuJoCo 开源 2021-10 → 成为论文默认约 18 个月；Isaac Gym 2021 → Isaac Lab 成为足式默认约 30 个月；LeRobot 仓库建于 2024-01-26 → 成为模仿学习默认入口约 18 个月）evidence: [T02-S028, T02-S033, T02-S073]。**反向信号**：Octo（最后 push 2024-07-31）与 OpenVLA（最后 push 2025-03-23）都曾是热门开源 VLA 实现，如今均已停更——这一层的半衰期比其他层短 evidence: [T02-S076, T02-S077]。 --- ## 工作流 / Pipeline > 集成自 `references/research/03-workflows.md`（90 条 source、13 条完整工作流、75 处资深差异点）。`last_updated: 2026-09-02`；学习路线相关的几条 **decay risk: high**，建议 6 个月复查；误差预算与标定两条可 24 个月不动。 > **入门 SOP 是线性的，资深路径是带早停与回跳的**——这是两者最大的差别。下面每条列出资深人跳过什么、优化什么、额外多做什么。 ### 4.1 任务定义与可行性判断 去现场掐表，写出含全部运行模式、容差、节拍与验收指标的一页任务书，并显式论证「不上机器人」的替代方案。 - **跳过**：资深人跳过「先做个惊艳 demo 再谈条款」这一步——demo 条件写不进验收，写了等于给自己挖坑（这条没有例外）。 - **优化**：把「来料变异有多大」从形容词优化成一个带口径的数字，再往下走。 - **额外**：额外记录「被否形态与理由」（专机、桁架、人工工位），后期变更时这份记录是唯一能挡住返工的东西。evidence: [T03-S001, T03-S061] ### 4.2 形态与本体选型（含安全路线） 选臂 / 移动操作 / 人形 / 足式 / 专机，同时定安全路线与成本工期账。 - **跳过**：资深人跳过比十家品牌——隐性成本在运维与备件，不在采购价差；客户指定品牌或有国产化要求时不敢跳。 - **优化**：把选型优化成三个硬问题（力矩是否可控、是否可反驱、接口开放到哪层），而不是对比参数表。 - **额外**：额外在这一步就定安全路线（要不要围栏、走哪条标准、要不要公告机构），而不是留到交付前。evidence: [T03-S061, T06-S007] ### 4.3 误差预算与标定 从末端精度反推标定、传感器、结构与执行器，出误差预算表；按 ISO 9283 / GB/T 12642 实测重复性基线。 - **跳过**：资深人跳过机器人运动学（绝对精度）标定，改走相对定位路线；必须离线编程或绝对定位时（大件加工、多机协同）不敢跳。 - **优化**：优化标定位姿的分布而不是数量——覆盖实际作业区、姿态角拉开，比多采一倍样本有用。 - **额外**：额外留一份可复现的重复性基线报告与「重标触发清单」，用于日后判断是不是退化了。evidence: [T03-S016, T03-S020, T06-S048] ### 4.4 仿真环境与资产准备 先明确这套仿真服务于训练策略、验节拍、还是数字孪生——三者的建模精度要求完全不同。 - **跳过**：资深人跳过把整条产线建进仿真——保真度的边际收益集中在接触区域；要做整线节拍仿真或布局论证时不敢跳。 - **优化**：把建模精力优化到接触区域与传感器噪声上，其余按 CAD 直接用。 - **额外**：额外写明这套仿真的**已知不可信区**（接触、柔性、线缆、真实光照），交付文档里带着走。evidence: [T03-S043, T04-S065] ### 4.5 方案开发：传统路线 / 学习路线 / 混合分层架构 三条路并行存在，绝大多数落地系统是第三条。**传统路线**：感知 → 位姿估计 → 规划 → 控制，每一环可单独调试与验收。**学习路线**：数据 → 策略 → 评测，调试手段主要是换数据与换评测。**混合分层**：上层用视觉语言模型或任务规划出意图与目标位姿（中国政策与产业语境把这三层叫「大脑 / 小脑 / 肢体」——大脑是任务理解与规划，小脑是运动生成与平衡，肢体是本体与执行）evidence: [T06-S042]，中层用传统规划与控制保证可行与限速，底层是安全通道。**开工第一件事是把三层的职责边界与接口写下来**：谁出目标、谁做限速与避障、谁能触发停机、异常时谁接管；跟 PLC / MES 的边界同理——机器人侧管动作与本体安全，PLC 侧管产线联锁与安全回路，MES 侧管工单与追溯，信号表与时序图要在开发前定稿。**一篇面向集成工程师的行业技术文给出的判断是**，多数机器人集成失败不是软件 bug，而是逻辑、架构与职责边界的问题 evidence: [T03-S067]（该来源是二手技术文，不是一手统计）。这与工作流 1 那条「来料变异、工装不良、需求不清」的归因不冲突：**前者说的是上位系统接口层，后者说的是任务定义层。** - **跳过**：资深人跳过「先把三条路都试一遍」——先按任务能不能被枚举、接触密不密集选定主路线，另两条只留作回退。 - **优化**：把接口优化成「一张信号表 + 一张时序图 + 一张职责矩阵」，而不是口头约定；这三张纸是后期扯皮时唯一算数的东西。 - **额外**：额外写明**安全通道不进任何一条智能路线**——神经网络与规划器都不得作为安全功能的唯一判据，安全信号必须走达到所需 PL/SIL 的安全相关部件 evidence: [T06-S008, T06-S002]。 - **本节的材料强度**：混合分层架构是全六轨公开材料最薄的一段，分层怎么切、接口频率多少几乎全部闭源；这里的描述是从政策表述与厂商话术反推的工程还原，**不是从任何一家的交付文档里读到的**（依据：`references/research/03-workflows.md` H 节，本轨如实标注的材料缺口，无单一 URL 出处）。 ### 4.6 数据采集与训练循环 冻结观测与动作空间 → 采 20–50 条贯通测试 → 再规模化；开源 VLA 权重 + 1–20 小时自有数据后训练是当前默认起点 evidence: [T03-S033]。 - **跳过**：资深人跳过从零训练策略——除非本体与动作空间跟所有开源数据都不兼容。 - **优化**：把「加数据」优化成「定向补采」：先看失败分布，再决定补什么。