“非完全人形”機器人正在攻入家庭場景

資本和市場的雙重推動力讓2025年成為人形具身智能概念和產業大熱的一年，而盡管取得了明顯的進步，但最終決定人形機器人能否規模化滲透部署到各種場景、實現真正落地的關鍵，還是技術實現的各種瓶頸。

一方面，技術所對應的諸多制造業節點并沒有被完美方案攻克，所帶來的直觀后果就是由這些部件組成的人形機器人成本依舊偏高。另一方面，數據、模型等事關機器人“大腦”的問題讓其在面對非結構化的環境和工作任務時還是力所不及，尤其達不到人們對于人形機器人進入個人和家庭場景時能“干活”的期待。

而從行業玩家的角度來說，在消費級市場盡快取得可持續的商業化突破有助于個體企業自身的存續發展，也能維持住市場和資本的有利預期。

所以，在這樣的“矛盾”下，我們能看到，一些公司在加緊人形機器人業務進展的同時，也并沒有放棄推動“非完全人形”機器人業務，兩者在互相推動的過程里演變出不同的發展節奏，也根據場景區別產生了落地的優先級----后者某種程度上正在成為進入消費者家庭個人場景的“先鋒”。

機器狗“先鋒”

機器狗，或者說四足機器人，應該是人們最熟悉常見的機器人形態之一了。曾經名噪一時的波士頓動力，最早傳播“出圈”的產品，就是旗下的四足機器人。

這種以仿生腿作為支撐和運動基礎的足式機器人，通過結合不斷進步的傳感器、運動控制和AI能力，在能力上不斷提升，實現穩定行走和相關的任務操作。

而由于人類自古已經習慣了在生活工作中使用四足動物的畜力以及其的陪伴，所以這種形態的機器人，很容易就被人在心理層面上接受，可以說在人形機器人因為各種限制尚未能完全成熟的當下，四足機器人在家庭場景里就自然成了一種“退而求其次”的可考慮選擇。

進一步說，機器“狗”暫時取代機器“人”成為消費級市場最大可能性的原因包括了以下幾點。

首先是相對更低的技術要求。機器狗聚焦的技術點在于其仿生學核心----對于四足的控制和對各種地形的適配通過上，這種形態載具的平衡問題不僅在克服難度上低于人形機器人始終要面對的兩足平衡問題，更是規避了如今讓后者行業頭疼的靈巧手困局。功能的簡化，也讓四足機器人更容易專注于在穩定性和安全等C端市場看重的維度里取得高分。

其次就是隨之而來的成本優勢，人形機器人的許多部件高企的成本使得整機售價無法在消費級市場打開局面，尤其是靈巧手這樣的迄今還沒有兼具成本和性能平衡點解決方案的部件。而四足機器人隨著功能的簡化，在人機交互的設計上也遠較人形機器人簡單，這些因素的綜合作用下其量產的成本大幅降低。

最后，就像前文所說，人們習慣了犬類等小型四足動物的陪伴，這讓他們在心理上更能接受這種形態機器人進入家庭場景，以及更重要的是，對于這種形態機器人功能和工具屬性有一個大致的錨定認知--用戶心里清楚它能做什么、做不了什么。如果加上適當改造，讓機器狗還能具有負重、引路（導盲）、照明等延展功能。

機器狗的技術特點和相對于人形機器人更低的門檻，讓其目前在整體產業鏈上的成熟度更高，核心零部件的國產化率也更高，這些因素都讓機器狗的量產能力得到更穩定的保證。

從應用來看，機器狗產品通過在B端諸如安檢、巡防等場景的驗證和數據訓練，近年來已經向C端逐漸擴展滲透。

所以從結果而言，這幾年機器狗的市場規模得到了明顯的增長，有研報顯示目前該市場整體正在以每年超過60%的速度增長。

目前國內機器狗賽道的主要玩家宇樹、云深處、蔚藍等，這幾家公司都同時擁有自己的機器狗和人形機器人產品。無獨有偶，他們都是先以自己的機器狗產品來打開市場，所以我們能看到這樣一條清晰的路徑：

隨著機器狗功能的延展，既幫助了機器人公司借助其使用案例完成場景和技術驗證，有利于在其他形態機器人上實現應用，又能幫助公司取得用戶口碑和商業化的回報。

“非完全人形”家務機器人Memo的創新思路

說完了機器狗這種與人形機器人在形態上相去甚遠的機器人，我們還可以看看另一種“非完全人形”機器人----就是說，雖然有著大體上類似于人的形體（頭、軀干、四肢等區分），但在諸如上下肢等關鍵部件上卻并沒有仿照或者仿生人體的設計構造。

這方面的新銳代表，國外的可能首推硅谷具身智能創業公司Sunday于上個月發布的家庭場景機器人“Memo”。

這款由兩位斯坦福大學博士聯手打造的機器人，號稱把目前的頂級技術融入了真實的家庭場景，是目前最能幫人做家務的機器人之一。

從外形看，Memo大概具有一個類人的本體輪廓，但它的底盤卻采取了輪式設計，在其上搭配了升降柱，來幫助機器人應對空間環境里的不同位置的任務。而在上肢機械臂的末端，它采用的是相對“保守”的夾爪方案而非目前人形機器人最熱衷追求的靈巧手形態。整體看上去，它像是一個由樂高積木搭建起來的機器人。

這樣的設計，其實和機器狗一樣，規避了人形機器人所要面對的雙足平衡穩定性、靈巧手耐用度和成本問題等等目前的瓶頸。

更關鍵的是，隨著Memo的出現，Sunday還推出了Skill Capture Glove（技能捕捉手套）。真人帶上這款單價400美元、帶有傳感器的手套，在真實環境下做家務的數據就會被采集并被用于訓練Memo，幫助團隊搭建起一個不斷增長的真實環境數據集。

面對因為不同使用者自身條件而難免出現的數據參差不齊的問題，Sunday通過使用其研發的Skill Transform技術對原始采集數據進行校準對齊，目前團隊已經能以近90%的成功率把手套數據轉換為等效的Memo數據，形成高保真訓練集，最終在此基礎上推出ACT-1模型，從而能讓Memo在之前沒進過新家的前提下也能正常完成家務工作，也就是所謂的零樣本泛化能力。

這一套“組合拳”下來，對于解決讓家務機器人頭疼的“數據”難題能有不小的幫助。

（Sunday推出的Memo在家務場景中的演示）

在展示視頻里，這款Memo已經具備了多種家庭場景下的操作能力，并在執行長時間任務的過程里表現出優異的環境適配性和持續性。

目前尚未形成量產能力的Memo每臺成本約為2萬美元左右，要知道這個成本價格已經是馬斯克心心念念想讓特斯拉Optimus機器人未來降至的程度。而Sunday團隊還表示，未來成本還能再降接近一半。

但是也必須要指出，這款Memo目前計劃量產時間約在2027年到2028年，對于發展飛速的機器人行業來說，這個速度可能會讓他們的創新優勢被時間所吞沒。但是，Memo和它背后的數據模型采集-生成模式依舊為我們提供了某些啟示。

家庭環境真實的需求特點

回看這些案例，無論是機器狗、還是Sunday推出的Memo機器人，它們其實都是在某些維度上滿足了家庭環境真實的需求特點，從而具備了各自立足于這些場景的可能性。

首先就是老生常談的成本和量產問題，只有通過克服目前人形機器人在部件和整機層面上存在的成本-售價難題，才能真正讓它們打開消費級市場的大門。這方面能走的路，要么靠設計去規避某些部件，要么靠核心技術的自研迭代，加上后期對供應鏈環節的把控整合。

其次，在技術上，分兩個層面說：表層上是要讓機器人在家庭場景中具有高適應度，能執行各種符合用戶需求認知的精細化任務。深層則是要最終讓機器人能實現對真實物理世界的理解并與之進行有效交互。

最后，在技術上的深層要求說到底離不開對于消費級場景的能力覆蓋，也就是說機器人要從單一的能力場景升級到“能盡可能多的干不同的活”，這就要求機器人能接受不同功能的訓練、甚至要求機器人的大腦模型具有在未見過的新數據上進行預測的能力，也就是要求其具有很強的泛化能力。

人形機器人距離真正進入人類家庭環境還有不少的路要走，在那之前，它還需要從它的機器人同行那里多“取取經”。

-End-

免責聲明：本文基于公司法定披露內容和已公開的資料信息，文章不構成投資建議，投資與否須自行甄別