概念辨析 · 人形机器人硬件平台（2024-2026）

为什么这个辨析重要

2024 年后人形硬件爆发，但平台差异极大：自由度、力矩、传感器、价格、开源程度都不同。选错平台后果严重——可能研究问题不匹配硬件能力，或硬件太贵买不起。

主流研究用人形平台对比

量化对比（DoF / 重量 / payload / 力矩）

下表给出 2024-2026 主流平台的硬指标，便于按需选择：

性价比指标：粗略定义为「DoF × 平均单关节峰值力矩 ÷ 价格」，单位 kN·DoF/万美元。G1 EDU 显著领先（$16k 给 23-43 DoF + 88 N·m 膝力矩），这正是它在学术上压倒性主流的原因。H1 系列力矩更大但价格高，性价比次之。

力矩控制精度的量化

人形机器人能否做精细动作（柔顺插接、扶墙、与人接触），取决于力矩控制环的精度与带宽：

关键对比：

• 峰值力矩 $\tau_{\max}$ 决定能做的动作幅度——H1 膝 ~144 N·m 能跑能跳（AMO 的后空翻需要），G1 ~88 N·m 只能稳定行走 + 慢跑。
• PD 增益上限 $K_p$ 决定刚度——大 $K_p$ → 关节硬（适合承重、跳跃），但接触冲击大；小 $K_p$ → 柔顺（适合与人接触），但精度低。Unitree H1 可调 $K_p \in [20, 120]$ N·m/rad，G1 由于更小电机只能到 $[10, 60]$。
• 力矩控制带宽 vs 位置控制带宽：直接力矩控制（如 SEA，串联弹性执行器）能做 10-50 Hz 真实力矩环，适合柔顺任务；纯 PD 位置环只能间接出力矩（要靠 $K_p$ 乘以位置误差），带宽高但精度差。Cassie 是 SEA 代表，H1/G1 是准直驱（QDD），中间路线。
• 力控精度：真机力矩和命令的残差典型 5-15%（电机摩擦 + 谐波减速 + 编码器噪声），这是 sim-to-real 在力控任务上仍 10-30% 性能差距的根因之一。

关键物理量的数学建模

把上面表格里的工程数值写成可推导的数学关系，便于在选型/写 paper 时直接套用。

(1) 静态负载-力矩关系：单臂伸展、手握质量 $m$、质心到肩关节的臂长 $l_{\text{arm}}$，肩关节需提供的静态力矩是力 × 力臂：

$$\tau_{\text{shoulder}} = m \cdot g \cdot l_{\text{arm}}$$

由此可反解给定峰值力矩 $\tau_{\max}$ 下的最大 payload：

$$m_{\max} = \frac{\tau_{\max}}{g \cdot l_{\text{arm}}}$$

例：H1 单臂 $\tau_{\max} \approx 40$ N·m（肩）、$l_{\text{arm}} \approx 0.6$ m、$g = 9.8$ m/s²，则 $m_{\max} \approx 6.8$ kg——与官方「腕 payload ~3 kg + 总 ~20 kg」量级一致（总 payload 还要算上双腿支撑余量）。这正是上节量化表里 payload 与 $\tau_{\max}$ 严格正相关的物理来源。

(2) PD 位置控制律与刚度：人形绝大多数关节（H1/G1 准直驱 QDD）跑的是 PD 位置环，输出力矩为

$$\tau = K_p (q_{\text{des}} - q) + K_d (\dot{q}_{\text{des}} - \dot{q})$$

其中 $K_p \in [20, 120]$ N·m/rad（H1）、$[10, 60]$（G1，电机更小）。在平衡点附近，关节对外表现的等效扭转刚度近似为 $K_p$——这是「大 $K_p$ = 硬关节（承重/跳跃），小 $K_p$ = 柔顺（接触安全）」的数学根据。$K_d$ 提供阻尼，过小会震荡，过大响应迟滞。

(3) 电机-力矩常数（FOC 电流环底层）：力矩最终由 q 轴电流产生，

$$\tau_{\text{motor}} = K_t \cdot i_q$$

$K_t$ 为电机扭矩常数（N·m/A）。电流环带宽 ~10 kHz（100 µs），是整个控制栈里最快的一层；上层关节力矩受减速器摩擦/谐波损失影响，残差 5-15%，即 $\tau_{\text{out}} = K_t i_q - \tau_{\text{friction}}(\dot{q}) - \tau_{\text{loss}}$。

(4) 功率密度对比：定义整机功率密度

$$\rho = \frac{P_{\text{motor}}}{m_{\text{robot}}}$$

粗略估算：H1 满功率瞬时电功耗 ~1.5 kW、质量 47 kg，$\rho \approx 32$ W/kg；G1 ~0.8 kW / 35 kg ≈ 23 W/kg；Berkeley Humanoid ~0.3 kW / 15 kg ≈ 20 W/kg；Cassie（双腿、跳跃专用）~1.0 kW / 31 kg ≈ 32 W/kg。$\rho$ 越大越能做剧烈运动（跑跳、后空翻），这正是 H1/Cassie 适合 agile、G1/Berkeley 适合稳态 loco-manipulation 的物理根因。

(5) 传感器频率的 Nyquist 上限与异步融合：采样率 $f_s$ 决定可观测带宽 $f_{\max} \leq f_s / 2$（Nyquist）：

$$f_{\max} \approx \frac{f_s}{2}$$

代入下节的典型值：IMU $f_s = 1$ kHz → 可观测 ~500 Hz 的快速姿态扰动（如脚着地冲击）；关节编码器 1-2 kHz → 关节速度可微分数值稳定到 ~500 Hz；深度相机仅 15-30 Hz → 视觉可观测带宽 ≤ 15 Hz，远低于本体感受。高频 proprioception（1 kHz）与低频视觉（30 Hz）的倍率差为

$$R = \frac{f_{\text{proprio}}}{f_{\text{vision}}} \approx \frac{1000}{30} \approx 33$$

这就是 policy 必须用 teacher-student / 异步观测（把高频 proprioception 蒸馏成低频 latent，见 ANYmal-C）的物理根因——直接把 30 Hz 的视觉和 1 kHz 的关节角串到一个网络里，要么丢高频信息、要么让网络等待视觉造成控制延迟。

(6) Sim-to-real 力控残差：仿真力矩命令 $\tau_{\text{cmd}}$ 与真机输出 $\tau_{\text{real}}$ 的相对残差典型 5-15%，可写成

$$\epsilon_{\tau} = \frac{\|\tau_{\text{real}} - \tau_{\text{cmd}}\|}{\|\tau_{\text{cmd}}\|} \in [0.05, 0.15]$$

根源是电机摩擦 + 谐波减速 + 编码器噪声 + 接触模型近似。$\epsilon_\tau$ 直接决定了「仿真训得再好，真机力控任务仍掉 10-30% 性能」的下界，是 locomotion 尤其 agile / contact-rich 任务必须用 domain randomization、系统辨识或 teacher-student 隐式辨识（如 RMA）来补偿的根本原因。

传感器频率与精度

现代人形是多频率传感器融合系统，各传感器速率决定 policy 能看到什么：

关键观察：高频本体感受（IMU/编码器 1 kHz）与低频视觉（30 Hz）之间存在 ~30× 倍率差，这是 policy 必须用异步观测（teacher-student 把高频 proprioception 蒸馏成低频 latent）的物理根因——见 ANYmal-C 的 teacher-student pipeline。

价格/性能比的决策含义

• 学术首选 G1 EDU：$16k 给 23-43 DoF + 中等力矩，单 lab 可购入多台做真机实验，是当前 70%+ arxiv 人形论文的平台。
• 剧烈运动选 H1/H1-2：$90k 但膝力矩 144-180 N·m，做后空翻、跑跳、agile locomotion 必须。
• 教学/低预算选 Berkeley Humanoid：~$5-10k 自研零件 + 完全开源，适合没预算但想入门人形的组。
• 工业不卖给学术：Figure / Optimus / NEO 只能从 paper/blog 看指标，不可直接做实验。

几个关键平台详解

Unitree H1 / G1（当前学术最主流）

为什么主流：价格相对低（G1 EDU $16k）、容易买到、SDK 相对友好、社区大。OmniH2O/HOVER/HumanPlus/HOMIE/BeyondMimic/AMO 全用 H1/G1。

H1 vs G1：

• H1（~$90k）：19 DoF，全身，力矩大，做剧烈动作（ASAP、AMO）
• G1（~$16k EDU）：23-43 DoF 可配，更小更轻，价格低，适合教学+研究
• 学术首选：要剧烈动作选 H1，要低成本/教学选 G1

Berkeley Humanoid（开源学术平台）

UC Berkeley Sreenath 组自研的中尺寸人形。完全开源（URDF + 控制 + 训练 pipeline）。适合没预算但想做人形研究的组。

Figure / Tesla（工业，非学术）

闭源，不卖给学术。学术研究者只能从 paper/blog 了解。但作为「产业前沿」重要——Helix（Figure）就是闭源但论文级。

Cassie（双足专用）

不是全身人形，只有腿。但作为「双足 locomotion」的研究平台很重要——很多 Cassie locomotion 工作（Caltech、CMU、Agility）是 RMA/WBC 的实验场。

平台选择的决策树

你的研究？
├── 纯 locomotion
│   ├── 预算充足 → Cassie（双足专用）或 H1（全身但更通用）
│   └── 低预算 → Berkeley Humanoid（开源）或 G1（便宜）
├── loco-manipulation（全身协调）
│   ├── 预算充足 → H1-2 / GR-1
│   └── 低预算 → G1（23-43 DoF 配置）+ 自研夹爪
├── 灵巧手 manipulation
│   └── 机械臂 + Shadow Hand / Allegro（不上人形，成本太高）
└── VLA / 高层语义
    └── 仿真为主（Isaac Lab + Unitree 模型），真机验证用 H1/G1

真机 vs 仿真的现实

• 真机研究成本极高：一台 H1 $90k + lab + 安全设施 + 维护。多数研究者接触不到
• 仿真 + sim-to-real 是主流路径：训完仿真，借合作单位 / 厂商 demo 部署
• OpenX/Isaac Lab 让仿真研究门槛极低：用 Unitree G1 URDF + Isaac Lab 就能做人形研究

重要提醒

1. 平台 ≠ 论文：发 paper 不一定要有真机。很多 SOTA paper（Extreme Parkour、AMP、Diffusion Policy）主要在仿真
2. 真机 demo 加分但不必须：ICRA/RSS 偏真机，CoRL/ICLR/NeurIPS 偏算法（仿真就够）
3. 跨平台迁移是热点：训 H1 的 policy 能给 G1 用吗？这是 open problem（见 T02、T06）

关键数据点（2026-07）

• Unitree 占学术市场 > 70%（基于 arxiv 论文统计）
• H1/G1 配套生态最完整：unitree_rl_gym、legged_gym、Isaac Lab 都有官方 Unitree 支持
• 国产替代：傅利叶 GR-1/GR-3、智元远征 A2/X2、Booster T1/T2、宇树 H1-2。学术用得少，但工业在追

2025-2026 新硬件（学术需关注）

人形硬件 2025-2026 仍在快速迭代，以下是学术研究者应关注的新平台：

对学术研究者的影响：

1. G1-D 是新默认：原 G1 仍是主力，但 2026 新论文越来越多用 G1-D 做双臂/中等负载 manipulation（特别是 loco-manipulation）。
2. H1-2 替代 H1 做剧烈运动：AMO 系后续工作（含 push-recovery、agile turn）逐渐迁到 H1-2。
3. 国产替代开始有开源生态：智元、傅利叶 2026 开始提供类似 unitree_ros / unitree_rl_gym 的官方 SDK，但社区规模仍远小于 Unitree。Booster T1 借 AGILE workflow 与 Booster Lab 进入学术视野，与 G1 形成同档替代。
4. Figure / Optimus / NEO 仍闭源：学术只能从公开 demo 推断能力，不能直接对比——但作为「产业 SOTA」参考重要，2026 的 Helix 02（Figure）/ Optimus 家务 demo 是产业前沿的标尺。
5. Handroid 类双形态平台打通灵巧手-人形：一台硬件同时覆盖灵巧手研究（finger-level manipulation）与桌面人形（whole-body coordination），让 T11（灵巧手）与 T07/T10（全身 teleop / VLA+WBC）两侧的基础设施共享——是 2026 学术生态值得关注的新形态。

真机性价比新趋势：Unitree 持续压价（G1-D ~$20k、H1-2 维持 $90k 但能力升），开源系（Berkeley Humanoid v2、智元 X2）把人形门槛拉到 $5-25k——这是 2025-2026 arxiv 人形论文数量翻倍的主要推手。

相关

• 线索：T07-humanoid-teleop-stack.md（teleop 用 H1/G1）、T11-dexterous-manipulation.md（灵巧手平台）、T12-agile-locomotion.md（Cassie/H1）
• 论文：P-BerkeleyHumanoid（开源自研）、P-HOVER（Unitree G1 多模式）、P-HOMIE（同构 exoskeleton）
• 综述：T13-survey-of-embodied-rl.md（HLM 综述含硬件对照表）