正式介紹一下，背后公司MagicLab，專注于通用機器人技術(shù)和AI技術(shù)，聽說走的還是全球化路線。

　　人形機器人只是它們產(chǎn)品線里的一員，仿生四足機器人、工業(yè)四足機器人、通用人形機器人等，都是這家公司計劃中（并且正在推進）的一部分。

　　力矩電機關(guān)節(jié)模組設(shè)計致?于提?電機的功率密度?和轉(zhuǎn)矩密度，包括諧波模組關(guān)節(jié)、直線模組關(guān)節(jié)，以及?型和微型伺服單元。

　　自研D190關(guān)節(jié)模組額定輸出力矩達150Nm，最高輸出則超過525Nm，可在110RPM的轉(zhuǎn)速下工作，高功率的關(guān)節(jié)配合上為空翻特別設(shè)計的驅(qū)動器，能夠應(yīng)對空翻過程中反電勢波動產(chǎn)生的瞬間高電壓和低壓。

　　機器人的機械結(jié)構(gòu)設(shè)計中還調(diào)整了機器人的重量分布，將大部分重量集中在大腿根部，減少了擺動腿部過程中的慣量。

　　自研還有一個好處是可以整體考慮軟件與硬件的協(xié)同優(yōu)化，用相對低成本的硬件發(fā)揮出可用的運控能力，不斷迭代落地，降低成本。

　　算法上，團隊應(yīng)?多模態(tài)的?模型，基于?模型的通識能力，能夠應(yīng)對復(fù)雜場景中的多任務(wù)的物理表征感知和客觀物理事實理解，并形成類人的行為決策。

　　全身控制大模型??，基于強化學習的運控小模型和基于技能庫的操作小模型，可以充分解耦環(huán)境和對象、自身執(zhí)行體、操作物理特性，以做出仿人化的柔順、魯棒、通用的全身控制。

　　最后，通過圖形化界?，結(jié)合以上兩個?模型，?戶可以輕松設(shè)計和部署機器?應(yīng)?，實現(xiàn)多模態(tài)的?機交互、場景任務(wù)感知與?主決策。

　　從具體例子來看，機器人咖啡拉花要克服的難點，不僅是要會簡單拉花，團隊表示之后還想讓機器人能復(fù)刻咖啡大師的手藝。

　　它需要在開放空間里與人進行交互，這意味著它所處的空間位置和運動軌跡會有許多不確定性，同時需要識別不同材質(zhì)及尺寸的工具。

　　作為人形產(chǎn)業(yè)鏈中的核心零部件，靈巧手也是團隊重點開發(fā)的硬件，該方向團隊采取了分代迭代的策略：

　　基礎(chǔ)版本是11自由度設(shè)計，其中有6個主動自由度。拇指分布兩個主動?由度，可?于彎曲和側(cè)擺，使得靈巧?可以模仿?類?部的各種動作，包括握拳、張開、指向、捏取、撥弄等。

　　此外還引?了?控制和指尖觸覺感知，通過本體的?矩傳感器反饋來實現(xiàn)精確控制。?論是什么形狀、??和材質(zhì)的物體，哪怕是脆弱、滑動或者變形的物品，也能輕松抓取。

　　面對當下的發(fā)展階段以及未來觀望，MagicLab將人形機器人場景落地級別分為M0-M4五個階段。

　　從研發(fā)角度，很多人可能會不計成本地去堆砌一些軟硬件，沒有做任何清晰的成本控制，即使有人從科研的角度進行購買，但也沒有辦法真正進行商業(yè)落地。

　　從研發(fā)角度來看，M1階段已經(jīng)可以基于特定場景、特定任務(wù)等需求做產(chǎn)品和成本的優(yōu)化；但泛化性遠遠不足，因此不太能稱得上是一個真正實用的產(chǎn)品，也很容易陷入商業(yè)化難題。

　　“但我們充分認知到，要實現(xiàn)這個目標之前，還需要對大模型及硬件的泛化能力做充分提升�！盡agicLab研發(fā)負責人周揚說，要到達這個階段，整個行業(yè)都還要花費巨量時間去探索。

　　團隊主攻機器人核心力矩電機關(guān)節(jié)、機械臂、足式機器人等通用機器人核心技術(shù)，在算法層面也小有成就，如運控算法、導航算法、視覺與AI算法等。

　　在與MagicLab研發(fā)負責人周揚及首席戰(zhàn)略官Ivan的交流中，量子位獲悉，該團隊一心一意就一件事

　　除了深耕技術(shù)研究，我們同樣重視技術(shù) x 商業(yè)的力量，不斷地探索技術(shù)的應(yīng)用場景、做好產(chǎn)品的工程化。

　　我們相信，隨著靈巧手、人形機器人等通用本體的成熟量產(chǎn)，通用人形機器人一定也能獲得商業(yè)價值上的正向反饋。

　　并且，因為MagicLab覺得單純做機器人設(shè)備公司，想象力過于有限，所以他們用“機器人+”來對自己定位。