1. 引言人形机器人是具身智能的重要形态也是当前全球科技竞争的前沿赛道。根据2026年3月赛迪发布的《2025年人形机器人市场研究报告》2025年全球人形机器人出货量约1.7万台出货量大多集中在仓储物流、工业装配、教育消费等垂直场景。中国凭借完善的供应链体系、核心技术自主化突破及多场景落地优势稳居全球人形机器人产业第一大国。2025年中国人形机器人整机企业数量超过140家出货量约1.44万台占全球总出货量的84.7%。进入2026年人形机器人产业进一步驶入快车道。TrendForce在2026年4月预测2026年中国人形机器人产量将激增94%。中国市场成为核心增长引擎摩根士丹利年内两次上调中国出货量预测从年初1.4万台1月份第一次上调至2.8万台6月份第二次又上调至5万台。在资本市场这段时间几乎每周都能看到具身智能领域新的融资消息。根据IT桔子事件库数据显示2026年上半年国内具身智能赛道融资总金额达到935亿元较2025上半年提升了5倍融资事件数量达到322笔同比增长137%。根据第一财经统计今年上半年具身智能估值百亿独角兽企业至少已达到22家而2025年仅有3家。图片来源第一财经https://www.stcn.com/article/detail/4016927.html具身智能已明确写入中国十五五规划纲要被定位为未来产业和新增长点。在政策和资本双重强力推动下具身智能的产品和技术正在快速迭代。在不远的将来具身智能将不可逆地、快速地渗透到我们工作和生活的方方面面。笔者以人形机器人为例整理其技术栈全景探讨实现方案和演进趋势。内容包括人形机器人的感知、决策、执行和支持四大系统以及人形机器人开发体系。涵盖从底层零部件、核心模组到顶层模型的完整技术链路介绍每个组件的主要功能、实现原理、核心玩家和发展趋势。本文是第一篇感知系统。2. 系统架构从硬件层面一个完整的人形机器人通常由感知系统、决策系统、执行系统和支持系统四大子系统构成。其中1感知系统是五官负责环境感知和自身状态感知。主要包括摄像头、激光雷达、IMU、力觉/触觉传感器等成本约占整机BOM的10%-20%。2决策系统是大脑和小脑负责认知、规划和运动控制。主要包括处理器、控制器成本约占整机BOM的10%-15%。3执行系统是骨骼和肌肉负责关节驱动和末端操作。主要包括电机、减速器、关节模块、灵巧手等成本约占整机的40%-60%是最大成本项。4支持系统是循环和神经负责供电、通信、热管理和结构承载。成本约占整机的10%-20%。各部分构成比例示意如下感知系统用于人形机器人获取内外部信息分为环境感知外部感知和自身感知内部感知两大类。环境感知主要包括视觉、雷达、触觉和听觉等。自身感知主要包括力/力矩、位置/转速、姿态和定位等。这些传感器协同工作为机器人提供完整的五感能力。3. 环境感知3.1 视觉人类约70%的信息通过视觉获取人形机器人同样高度依赖视觉感知。视觉传感器最常见的就是RGB相机能够获取二维彩色图像实现目标识别和语义理解。在具体应用中视觉传感器大部分安装于头部负责全局环境理解与导航。例如Figure 03机器人在下巴、额头、头顶和后脑勺各一个RGB相机在特斯拉2024年公开专利WO2024072984A1中头部摄像头布局示意图如下专利中的方案采用 6 个摄像头全部布置在头部前向 3 个、侧向 2 个、正后 1 个。最新真机方案有所微调也有一些机器人将视觉传感器安装在腕部负责近距离精细操作如抓取精度校准。人形机器人很多时候需要进行精细操作需要精确获取距离信息因此深度相机被广泛应用。深度相机可以同时输出RGB图像和深度信息能够实现更精准的三维感知。深度相机的主要技术路线有1结构光通过投射已知图案并分析变形获取深度信息可细分为单目结构光和双目结构光。该方案精度高毫米级但受环境光干扰大适用于室内近距离场景。2ToF飞行时间通过测量光脉冲往返时间计算距离可细分为iToF和dToF。iToF方案近距离精度高dToF方案抗干扰能力更强、测距更远。3双目立体视觉通过两个相机视差计算深度。不依赖主动光源但算力需求高且对纹理匮乏表面效果差。深度相机介绍详见雪岭 · 具身智能中的深度相机技术RGBD目前深度相机的主要玩家有RealSense深度相机领域标杆、奥比中光国内3D视觉传感器龙头、速腾聚创Active Camera系列、万集科技等等。2026年6月RealSense在Automate 2026上发布D585 Pro AI原生深度相机搭载第五代自研SoC专为人形机器人设计支持120x100度视场角和60FPS帧率。视觉系统目前在朝着RGBD融合的方向发展尤其是通过单芯片方案实现RGB和深度信息的物理像素级融合实现极致的时间和空间同步。视觉信息还可能进一步融合材质识别、反射率、红外等信息成为一颗超级视觉感知传感器。详见雪岭 · RGBD单芯片方案汇总、性能局限和应用思考3.2 雷达雷达是一种主动探测传感器通过发射探测波激光、电磁波或者声波并接收回波来感知环境可以弥补传统视觉在弱光、强光和雨雾粉尘场景下的不足。雷达主要有激光雷达、毫米波雷达、超声波雷达和UWB雷达等几种类型1激光雷达通过发射激光脉冲或者调频连续波测量回波时间或相位差来获取三维点云精度高成本高。2毫米波雷达利用毫米波频段电磁波进行探测受光照和雨雾影响最小但角分辨率较低噪声明显。3超声波雷达利用超声波进行近距离测距和避障成本低但探测距离有限。4UWB雷达通过发射纳秒级极窄脉冲信号频谱覆盖3.1-10.6GHz测量脉冲飞行时间ToF计算距离。抗多径干扰能力强、功耗低适合近距离避障和室内精确定位。详见万字全景超声波雷达和毫米波雷达的强劲对手——UWB近场感知技术人形机器人对雷达检测精度要求高尤其是0.1-10m的近距离对于体积、功耗的约束也更为严苛目前使用的主要是激光雷达。人形机器人运动模式包含行走、弯腰、转头等多自由度姿态变化因此激光雷达处理点云运动畸变的难度高于车辆场景。机器人上激光雷达的主要玩家有速腾聚创Airy、Fairy、E1R、E2等禾赛科技JT16、JT128、FTX等览沃Mid360煜炜光学等。360°激光雷达和纯固态激光雷达各有优势应用场景。360°激光雷达从16线向144线、196线演进持续提升点云密度和感知精度减小体积和重量。在纯固态激光雷达方向头部厂家借助自研SPAD-SoC芯片和2D可寻址VCSEL芯片通过极致的芯片化提升分辨率降低串扰并大幅降低功耗。3.3 触觉触觉传感器能够直接检测机器人与物体之间的相互作用包括接触力、温度、物体材质硬度和柔软度等特性是实现柔顺抓取抓取草莓、丝绸等易碎品、精细操作电子元件装配和人机安全交互的关键。图片来源Jie Jin 等《Progress on Flexible Tactile Sensors in Robotic Applications on Objects Properties Recognition, Manipulation and Human-Machine Interactions》触觉传感器通常布置在指尖、手掌等区域。从实现原理的角度一般分为下面几种1电阻式使用压敏材料制作在外力作用下监测材料的电阻变化实现力信号感知。该方案工艺简单、成本低、可大面积阵列化制备、适配柔性场景是当前主流方案。动态响应性能较弱不适合高频动态力检测场景。2电容式通过外力作用下电容极板间距/正对面积变化实现力信号的精准检测。灵敏度高、响应速度快、功耗低常用于手指关节等高精度感知场景。易受寄生电容与环境湿度干扰阵列化产品需配套复杂的信号校准电路。图片来源美国化学学会纳米ACS Nano3压电式利用压电材料的正压电效应将动态力信号转化为电信号实现感知。能够实现高频响应、宽频带动态感知可精准捕捉冲击信号适用于关节、足底等冲击防护场景。该方案无法检测静态恒力仅适合动态力感知场景需搭配其他原理传感器实现全量程检测。4光学式也常被称为视触觉传感器通过内部相机观察柔性皮肤表面的形变再通过算法计算接触力分布和接触物体形状。空间分辨率高、抗电磁干扰能力强可实现高分辨率表面形貌、纹理和滑移检测在精密操作场景具备不可替代的优势。5磁感应式该方案的弹性体产生形变时埋在弹性体内部的磁体随弹性体一起发生位移磁体位移导致磁场变化霍尔传感器将磁场变化转化为电信号。该方案容易受到电磁环境影响。触觉传感器的评价维度主要是空间分辨率、响应时间、检测量程、非线性误差、迟滞率、循环稳定性、环境抗干扰性、柔性适配性。市场格局方面海外头部企业仍占据高端市场主导地位美国Tactile Labs、SynTouch日本ALPS ALPINE、村田、TDK德国Bosch、Sensitec等企业占据全球大部分的高端量产市场份额主要优势在于核心材料、专用芯片以及规模化制备工艺等领域。中国企业正在快速崛起在中低端量产市场实现初步国产替代高端市场正在进行技术突破。据行业估计未来3-5年集力觉、滑觉、温度觉、湿度觉、纹理识别于一体的柔性电子皮肤技术将实现规模化突破传感器空间分辨率预计突破10μm响应时间降至0.1ms以内同步推进传感-计算-控制一体化芯片集成全面复刻人类皮肤的全维度感知能力成为人形机器人的标配感知方案。图片来源商业新知官网财通证券研究所3.4 听觉听觉传感器使人形机器人能够感知声源方向、识别人类语音指令、进行语音交互和环境声学监测如异常声音检测。在人机协作场景中语音交互是最自然的交互方式之一。听觉感知的核心是麦克风阵列和声源定位算法。麦克风阵列由多个麦克风按特定几何排列组成通过各麦克风接收声音信号的时间差TDOA和相位差PDOA或到达能量比等特征估计声源方位。常见阵列构型包括线性阵、环形阵和球形阵。人类通过声音实现空间定位的示意图主要玩家方面国外的有ReSpeaker、Anker、Knowles、TDK InvenSense以及国内的歌尔股份、科大讯飞、思必驰等。从发展趋势上波束成形Beamforming技术可在噪声环境中增强目标方向语音信号抑制其他方向干扰提升远距离3-5米的语音识别率。另外将听觉与视觉、触觉信号融合在嘈杂环境中实现更鲁棒的人机交互。4. 自身感知4.1 力/力矩力/力矩传感器测量机器人关节受力情况是实现力控闭环控制的必要环节。力/力矩传感器基于应变片Strain Gauge或压电效应工作。当外力作用使弹性体产生微小变形时贴附其上的应变片电阻发生变化通过惠斯通电桥将电阻变化转化为电压信号输出。力/力矩传感器的评价指标通常包括灵敏度、串扰、抗过载能力及维间耦合误差。其中六维力矩传感器是维度最高的力矩传感器可同时测量三个正交方向的力Fx、Fy、Fz和三个方向的力矩Mx、My、Mz提供完整的力学反馈。六维力矩传感器需要在一个弹性体上同时感知六个方向的力和力矩相对于单维力矩传感器开发难度会高很多。例如六维力矩传感器需实现三个正交力和三个力矩方向的精确联合加载标定六个通道的输入信号会对其他通道的输出信号造成影响维间耦合解耦需在构建解耦矩阵时充分考虑重力、重心、零偏误差等因素解算过程较为复杂。美国ATI是六维力传感器领域的行业龙头长期占据主导地位。国内有宇立仪器、安培龙、华培动力、东华测试、坤维科技、鑫精诚、蓝点触控、昊志机电、柯力传感、海伯森、瑞尔特等。目前六维力传感器的传感器体积和重量持续降低以更好适配机器人关节内部受限空间。随着国产厂商技术突破和量产规模提升国产替代加速六维力传感器价格有望从万元级降至千元级。4.2 位置/速度编码器用于检测电机位置和速度为人形机器人关节提供位移和速度反馈其测量性能会影响关节控制的定位精度、运动平稳性和响应速度。根据检测原理编码器分为如下几种类型1电容编码器利用电容变化检测角度。精度高、功耗低但成本较高。2光电编码器利用光电转换原理通过光栅盘和光电检测元件将角位移转换为数字脉冲。精度高、分辨率高但对灰尘和振动敏感。3磁编码器利用霍尔效应或磁阻效应检测磁场变化。抗污染能力强、体积小但精度略低于光电编码器。4电感式编码器利用电涡流感应原理通过激励线圈向金属转子发射高频电磁场由接收线圈捕捉受转子位置调制的空间磁场变化来实现角度测量。该方案不依赖磁体抗杂散磁场干扰能力远优于磁编码器耐受油污、粉尘、冷凝水等污染。精度可达23位绝对角度输出重复定位精度±5角秒接近光电编码器水平。按输出信号类型编码器分为增量式输出脉冲序列需零位参考和绝对式直接输出角度值无需回零。单台人形机器人通常搭载20-60个编码器其中以绝对式磁编码器TMR/GMR方案为主高端关节也会采用光电编码器获取更高精度22位以上。编码器的主要玩家有海德汉Heidenhain德国光电编码器全球领导者、多摩川Tamagawa日本、禹衡光学国内编码器龙头、鲍默Baumer瑞士、长春光机所、韦尔股份、金钢科技、弓望电子等。4.3 姿态IMU惯性测量单元采集角速度与加速度等惯性信息获取机器人的运动姿态是人形机器人保持平衡及运动控制的关键传感器。一个IMU通常包含三轴陀螺仪和三轴加速度计分别测量物体在三维空间的角速度和加速度。通过卡尔曼滤波等姿态融合算法将陀螺仪和加速度计数据融合输出横滚/俯仰/航向等姿态角。IMU通常布置于机器人胯下或胸腔部位测量整个机器人行动过程中上半身的姿态。对上半身姿态的感知非常重要会直接影响到站立稳定性、行走直线度、原地转弯以及停止等动作的流畅程度。单台人形机器人需部署6-10个IMU躯干1颗主IMU双腿各2颗双臂各1-2颗人形机器人专用高精度IMU单颗单价800-2000元单台IMU硬件价值量约9600元按均价1200元×8颗计是感知系统中价值很高的单一元器件品类。IMU的主要玩家包括Honeywell、ADI、Bosch、ST、TDK、muRata、Sensonor、Xsens、芯动联科、华依科技、敏芯股份、原极科技、导远科技、戴世智能、矽睿科技等。IMU正在从模组级向芯片级发展体积越来越小。4.4 定位定位技术解决机器人在哪里的问题人形机器人需要在室内外复杂环境中实现厘米级的定位精度实现作业过程中的自主导航和运动规划。人形机器人定位主要依赖以下技术路线1GNSS/RTK通过接收多颗卫星发射的导航信号解算接收器三维位置和速度。人形机器人室外导航场景通常采用RTK技术提升精度至厘米级水平1-3cm垂直3-5cm。GNSS在遮挡环境下信号质量会下降。2SLAMSLAM技术同步构建地图和确定自身位置分为视觉SLAMV-SLAM基于相机图像和激光SLAML-SLAM基于LiDAR点云。V-SLAM成本低但受光照影响大L-SLAM精度高、鲁棒性好但成本较高。3里程计通过IMU积分或编码器读数推算位移。短期精度高但存在累积漂移需与其他传感器融合使用。实际产品中通常会将GNSS、SLAM、里程计等信号通过扩展卡尔曼滤波EKF或因子图优化Factor Graph Optimization融合实现室内外无缝高精度定位。5. 结语总结一下对于人形机器人的感知系统在环境感知方面1视觉传感器以RGB相机和深度相机为核心RGBD融合是重要趋势2激光雷达是人形机器人主力传感器360度激光雷达和纯固态激光雷达各有所长3触觉传感器多种方案并存柔性电子皮肤是未来方向4听觉传感器基于麦克风阵列和声源定位算法多模态融合是趋势。在自身感知方面1六维力传感器为核心器件国产替代加速2编码器以绝对式磁编码器为主流3IMU向芯片化、车规级、多传感器融合方向发展4定位技术融合GNSS、SLAM和里程计。感知系统中除了文中提到这些部件之外其他还有温度传感器、气味传感器等等由于不是关键部件本文不再展开。整体来看感知系统正朝着多模态融合、芯片化集成、国产化替代的方向快速演进。后续针对每种传感器的应用我们再深入研究。个人观点未必准确欢迎讨论。我是雪岭研究感知、控制和人工智能的技术、产品和应用欢迎交流。联系雪岭和全集索引请参考https://dcn7get8fskg.feishu.cn/wiki/CCMpwjC0EiBIw2kFr7uc84qHneb