人形机器人这两年热度一直居高不下但真正拆开来看你会发现它本质上就是一套极其精密的机电系统。很多人第一次接触人形机器人注意力都放在AI算法和运动控制上觉得那是大脑层面的东西但实际动手组装或者调试过的人都知道真正决定一台人形机器人能不能站稳、能不能走顺、能不能做出细腻动作的往往是那些藏在关节里的核心零部件——减速器、伺服电机、传感器。这三个东西配合不好再聪明的算法也白搭。我自己在折腾小型人形平台的过程中踩过不少坑也积累了一些关于这些核心零部件的理解这篇文章就把减速器、伺服电机、传感器这三大件拆开来讲清楚它们各自怎么工作、怎么选型、怎么配合适合刚入门人形机器人或者具身智能方向的朋友参考。1. 人形机器人关节里的三大件到底怎么分工1.1 为什么人形机器人对零部件的要求和工业机器人完全不同工业机械臂的关节通常只需要在固定基座上完成重复轨迹运动负载相对稳定运动范围也有明确边界。但人形机器人不一样它要面对的是双足行走时的动态平衡、手臂在空间中的自由摆动、抓取物体时的柔顺控制这些场景对零部件的要求完全是另一个量级。最直接的区别体现在三个维度上功率密度、响应带宽和重量约束。工业关节可以做得又大又重因为基座撑得住人形机器人的关节必须塞进和人类肢体差不多粗细的空间里同时还要输出足够的扭矩。这就意味着减速器要在极小体积下实现高减速比伺服电机要在低惯量下提供高峰值扭矩传感器要在有限空间内实现多维度感知。我刚开始接触这个领域的时候拿工业伺服电机的思路去选人形关节电机结果发现重量直接超标整个腿部结构根本没法做动态平衡。后来才明白人形机器人的零部件选型逻辑和工业场景是两套完全不同的体系。1.2 减速器、伺服电机、传感器三者的耦合关系这三个零部件不是独立工作的它们之间存在非常紧密的耦合关系。用一个简单的链路来描述伺服电机提供原始动力减速器把高转速低扭矩转换成低转速高扭矩传感器负责实时反馈位置、速度、力矩等信息控制器根据反馈调整电机的输出。这个链路里任何一个环节出问题整个关节的性能都会受影响。比如减速器的背隙太大传感器反馈的位置就不准控制器就会不断修正导致关节抖动伺服电机的响应带宽不够传感器反馈再精确执行也跟不上传感器的采样率太低高速运动时就会丢失关键信息控制环路直接失稳。所以理解人形机器人的核心零部件不能孤立地看每一个必须放在整个关节控制链路里去理解它们的配合逻辑。1.3 从应用场景反推零部件的性能需求不同部位的人形机器人关节对零部件的需求差异非常大。我整理了一个简单的对照表方便大家快速定位关节部位典型减速比伺服电机特点传感器需求髋关节50:1~100:1高峰值扭矩、低惯量高精度编码器力矩传感器膝关节50:1~80:1高扭矩密度绝对位置编码器力矩反馈踝关节30:1~60:1快速响应双编码器六维力传感器肩关节30:1~80:1宽调速范围绝对值编码器力矩传感器肘关节30:1~60:1中等扭矩增量编码器电流反馈腕关节20:1~50:1小体积、轻量化微型编码器触觉传感器手指关节10:1~30:1微型化、低功耗触觉位置传感器这张表是我根据多个开源人形机器人项目和自己的实操经验整理的具体数值会因设计目标不同而有变化但整体趋势是明确的越靠近躯干的关节对扭矩要求越高越远离躯干的关节对轻量化和精细感知要求越高。2. 减速器把电机的高转速翻译成关节需要的大扭矩2.1 减速器在人形机器人里到底解决什么问题伺服电机的特性是转速高、扭矩小。一个典型的无刷电机空载转速可能到几千转每分钟但输出扭矩可能只有零点几牛米。而人形机器人的关节需要的是几十甚至上百牛米的扭矩转速只需要几十转每分钟。这中间的差距就是靠减速器来填补的。减速器的核心作用可以理解为功率不变的前提下用转速换扭矩。根据功率守恒功率等于扭矩乘以角速度减速器在降低输出转速的同时按照减速比放大扭矩。比如一个减速比为100:1的减速器理论上可以把输入扭矩放大100倍同时把转速降到原来的百分之一。但实际过程中会有能量损耗减速器的效率通常在60%到95%之间取决于减速器的类型和加工精度。这个效率损失会直接转化为热量所以减速器的散热设计也是人形机器人关节里不能忽视的问题。2.2 谐波减速器为什么成为人形机器人的主流选择在人形机器人的关节里目前最主流的减速器方案是谐波减速器。它的工作原理和传统齿轮减速器完全不同靠的是柔轮、刚轮和波发生器三个核心部件的弹性变形来传递运动。波发生器是一个椭圆形凸轮外面套着柔性轴承。当波发生器装入柔轮内圈时柔轮被迫变成椭圆形长轴两端的外齿和刚轮的内齿啮合短轴两端则完全脱开。波发生器旋转时啮合区域随之移动由于柔轮比刚轮少两个齿每转一圈柔轮就相对刚轮反向转过两个齿从而实现大减速比。谐波减速器的优势非常明显体积小、重量轻、减速比大、精度高、背隙小。这些特性正好匹配人形机器人关节的需求。但它的缺点也很突出柔轮反复弹性变形对材料疲劳寿命要求极高输出扭矩受限于柔轮的强度超大扭矩场景下不如RV减速器制造工艺复杂成本居高不下。我在调试谐波减速器关节的时候最深的体会是它对装配精度极其敏感。波发生器和柔轮的配合间隙稍微不对就会出现异常的振动和噪声而且这种振动会通过关节传递到整个机器人结构上影响姿态控制的稳定性。2.3 行星减速器和RV减速器在人形机器人中的适用场景除了谐波减速器行星减速器和RV减速器在人形机器人里也有应用但场景不同。行星减速器的结构是多个行星轮围绕太阳轮公转同时自转通过行星架输出。它的优点是刚性高、效率高、成本相对低缺点是体积和重量偏大单级减速比有限通常3:1到10:1需要多级串联才能达到大减速比。在人形机器人里行星减速器更多用在手指关节或者对体积要求不那么苛刻的部位。RV减速器可以理解为行星减速器和摆线针轮减速器的组合两级减速结构让它同时具备高刚性和大减速比。工业机械臂的基座关节大量使用RV减速器但在人形机器人里因为体积和重量的问题应用相对有限主要出现在大型人形机器人的髋关节等重载部位。选型的时候我一般会按这个逻辑来判断优先考虑谐波减速器如果扭矩不够或者成本压力大再考虑行星减速器方案只有在极端重载且空间允许的情况下才上RV减速器。2.4 减速器选型时最容易忽略的三个参数很多人选减速器只看减速比和额定扭矩但实际调试中有三个参数经常被忽略却直接影响关节性能第一个是背隙。背隙是指输入轴反向旋转时输出轴在开始跟随之前空转的角度。背隙大的减速器位置控制精度差尤其在需要频繁换向的场景下关节会出现明显的空程。谐波减速器的背隙通常能做到极低但前提是装配正确。第二个是扭转刚性。这个参数描述的是减速器在负载下抵抗弹性变形的能力。扭转刚性不足的减速器在动态负载下会产生角度偏差传感器反馈的位置和实际输出位置不一致控制环路就会震荡。第三个是瞬时允许扭矩。人形机器人在行走或跳跃时关节会承受远大于额定值的瞬时冲击扭矩。如果减速器的瞬时允许扭矩不够柔轮或者齿轮可能直接损坏。这个参数在选型时一定要留足余量我一般会按额定扭矩的三倍以上来选。3. 伺服电机人形机器人关节的动力来源与控制核心3.1 无刷直流电机为什么是人形机器人的首选人形机器人关节里的伺服电机绝大多数是无刷直流电机。相比有刷电机无刷电机没有电刷磨损寿命长、效率高、功率密度大而且可以通过电子换向实现精确的速度和位置控制。无刷电机的核心结构是定子绕组和转子永磁体。定子绕组按一定规律通电产生旋转磁场带动转子永磁体同步旋转。换向由驱动器根据转子位置传感器的反馈来完成这也是伺服两个字的含义——电机始终在闭环控制下运行。在人形机器人里无刷电机的选型主要看几个指标峰值扭矩、连续扭矩、最高转速、转矩常数、反电动势常数、相电阻和相电感。这些参数决定了电机和驱动器的匹配关系也决定了整个关节的动态性能。我刚开始选电机的时候只看峰值扭矩觉得够大就行。后来发现连续扭矩才是关键因为人形机器人行走时关节是持续输出的如果连续扭矩不够电机很快就会过热降额甚至烧毁。3.2 伺服驱动器的三种控制模式及人形机器人中的选择伺服驱动器通常支持三种控制模式位置模式、速度模式和扭矩模式。人形机器人不同关节对控制模式的需求不同。位置模式适合需要精确角度控制的场景比如手臂末端执行器的定位。驱动器接收目标位置指令内部完成位置环、速度环、电流环的三环控制。速度模式适合需要恒定转速的场景比如轮式移动底盘。扭矩模式则适合需要力控的场景比如足式机器人的落地缓冲和柔顺抓取。人形机器人的关节控制通常是扭矩模式和位置模式混合使用。行走时髋关节和膝关节主要工作在扭矩模式根据步态规划输出目标扭矩手臂在抓取物体时肩肘关节可能先位置模式定位再切换到扭矩模式做柔顺控制。这里有个实操经验扭矩模式对电机参数辨识的准确性要求极高。电机的转矩常数、相电阻、相电感如果标定不准扭矩输出的线性度会很差力控就会失准。我在调试一台小型人形机器人的膝关节时就是因为转矩常数标定偏差了百分之十几导致落地缓冲时关节输出扭矩和预期差距很大机器人直接蹲下去了。3.3 电机参数辨识与标定的实操方法电机参数辨识是伺服调试里绕不开的一步。常用的方法有直流注入法、高频注入法和基于驱动器自整定的方法。直流注入法是在电机某一相注入直流电流测量电压和电流的关系从而计算相电阻。这个方法简单但需要电机静止且不能有负载。高频注入法是在电机绕组中注入高频小信号通过测量响应来计算相电感和反电动势常数。这个方法精度较高但需要驱动器支持高频注入功能。驱动器自整定是目前最常用的方法很多伺服驱动器都内置了参数辨识功能按照手册操作即可。但自整定的结果受电机状态和负载条件影响我一般会在自整定之后再用外部仪器验证一下关键参数尤其是转矩常数。标定转矩常数的时候可以用一个已知重量的砝码挂在关节末端通过力矩平衡反推电机输出扭矩再结合电流读数计算转矩常数。这个方法虽然土但实测下来比单纯信任驱动器自整定结果要靠谱。3.4 伺服电机选型中功率密度与散热之间的权衡人形机器人的关节空间极其有限电机功率密度越高越好但功率密度和散热是一对矛盾。电机输出功率越大损耗产生的热量越多而小体积意味着散热面积小热量散不出去电机温度就会快速上升。解决这个矛盾有几个思路一是提高电机效率减少损耗二是优化散热结构比如用导热性能好的外壳材料或者在关节里设计风道三是控制占空比让电机在峰值扭矩和连续扭矩之间合理切换避免长时间满负荷运行。我在做腿部关节的时候最初选了一款功率密度很高的电机结果连续行走十分钟电机外壳就烫手后来换了稍大一号但散热更好的电机虽然重量增加了一点但连续工作能力大幅提升整体反而更实用。4. 传感器让机器人感知自身状态和外部环境4.1 位置传感器编码器是关节控制的基石人形机器人关节里最基本也是最重要的传感器是编码器。它负责测量电机转子的位置和速度是伺服闭环控制的基础。编码器分增量式和绝对式两种。增量式编码器输出脉冲信号通过计数来确定位置但断电后位置信息丢失需要回零。绝对式编码器每个位置对应唯一的编码值断电后位置信息不丢失上电即可知道当前角度。人形机器人的关节通常使用绝对值编码器因为机器人断电重启后需要立即知道各关节的当前角度不能每次都回零。绝对值编码器的分辨率直接决定了关节的位置控制精度常见的分辨率有17位、19位、23位等位数越高分辨率越细。除了电机端的编码器很多关节还会在减速器输出端再装一个编码器构成双编码器方案。电机端编码器用于电机换向和速度控制输出端编码器用于精确测量关节实际角度两者结合可以补偿减速器的背隙和弹性变形。4.2 力矩传感器实现柔顺控制的关键力矩传感器在人形机器人里的作用越来越重要。它让机器人能够感知关节输出的力矩从而实现柔顺控制、碰撞检测和力交互。常见的力矩传感器方案有电流反馈式和应变片式。电流反馈式通过测量电机电流来估算输出扭矩成本低、结构简单但精度受电机参数变化和摩擦影响较大。应变片式直接在关节结构上粘贴应变片测量弹性变形来反推力矩精度高但成本也高而且需要复杂的标定。六维力传感器是力矩传感器里的高端方案可以同时测量三个方向的力和三个方向的力矩。它通常安装在手腕或脚踝处用于感知与环境的交互力。我在做抓取实验的时候手腕装了六维力传感器之后机器人可以根据物体的重量和摩擦力自动调整抓取力效果比纯位置控制好很多。4.3 姿态传感器与视觉传感器的配合逻辑除了关节内部的传感器人形机器人还需要IMU来感知躯干的姿态和加速度。IMU通常包含三轴加速度计和三轴陀螺仪有时还集成三轴磁力计。它提供的是机器人整体的姿态信息和关节编码器提供的是局部信息两者需要融合。视觉传感器则是机器人感知外部环境的主要手段。深度相机、双目相机、激光雷达等都可以用在人形机器人上用于导航、避障和物体识别。视觉信息和关节传感器信息的融合是具身智能领域的一个核心问题。实际调试中IMU和关节编码器的数据融合做得好不好直接决定了机器人站立和行走的稳定性。IMU的零偏和噪声如果没标定好姿态估计就会漂移机器人会觉得自己在倾斜然后不断修正最终导致振荡。4.4 传感器数据融合中的常见问题与处理思路传感器数据融合听起来很高级但实操中会遇到很多具体问题。最常见的是时间同步问题不同传感器的采样率和延迟不同如果直接融合就会引入误差。解决方法是给所有传感器数据打上时间戳在融合前做时间对齐。另一个问题是标定误差。每个传感器都有自己的零偏和尺度因子如果不标定融合结果就会偏离真实值。IMU的标定尤其重要加速度计的零偏和陀螺仪的零偏都需要精确标定。还有一个容易被忽略的问题是传感器安装误差。传感器在结构上的安装角度如果和设计值有偏差测量结果就会系统性地偏离。我一般会在装配完成后用外部测量设备验证传感器的实际安装角度然后在软件里做补偿。5. 从零部件到关节集成调试中的实战经验5.1 机械装配精度对关节性能的影响零部件的性能再好装配精度不够关节整体性能也会大打折扣。谐波减速器的波发生器和柔轮同轴度、电机转子和编码器的同轴度、关节轴承的预紧力这些装配细节都会直接影响关节的背隙、效率和噪声。我在装配一个小型关节的时候因为没有专用的同轴度校准工具波发生器和柔轮的同轴度偏差了零点零几毫米结果关节在低速运行时出现明显的爬行现象高速时噪声很大。后来用百分表仔细校准之后问题才解决。5.2 电气连接与信号完整性的注意事项关节内部的电气连接也是容易出问题的地方。电机三相线、编码器信号线、力矩传感器信号线、温度传感器线这些线缆在狭小的关节空间里走线很容易受到电磁干扰。编码器信号线尤其敏感如果和电机动力线捆在一起走电机换向时产生的高频噪声会耦合到编码器信号上导致位置反馈出错。我一般会把编码器信号线单独走或者用屏蔽线并做好接地。5.3 控制参数整定的顺序与技巧关节集成完成后的控制参数整定是有顺序的。我一般按照电流环、速度环、位置环的顺序来整定因为内环是外环的基础内环没调好外环怎么调都不对。电流环的带宽通常最高整定目标是快速跟踪电流指令同时不产生振荡。速度环的带宽次之位置环最低。整定的时候先用阶跃响应看超调和上升时间再用频率响应看带宽和相位裕度。扭矩模式下重点整定电流环和扭矩前馈位置模式下三环都要仔细整定。整定过程中一定要在实际负载条件下进行空载整定的参数到了负载下往往不适用。5.4 常见故障的排查链路关节调试中常见的故障有电机不转、编码器报错、关节抖动、扭矩输出不准、温度过高。排查的时候我一般按照从电源到信号、从硬件到软件的顺序来查。电机不转先查驱动器的使能信号和故障码再查电机三相线是否断路或短路最后查控制指令是否正常发出。编码器报错先查编码器线缆连接再查编码器供电最后查编码器本身是否损坏。关节抖动先查控制参数是否合理再查机械装配是否有问题最后查传感器反馈是否准确。这个排查链路看起来简单但实际操作中很多问题不是单一原因造成的需要交叉验证。我遇到过关节抖动的问题最后发现是编码器信号受干扰和速度环增益过高两个因素叠加导致的单独解决任何一个都不能完全消除抖动。6. 具身智能视角下核心零部件的演进方向6.1 关节模组化对零部件集成的影响现在越来越多的厂商在推关节模组把减速器、伺服电机、驱动器、编码器集成在一个模块里对外只留电源和通信接口。这种模组化方案大大降低了人形机器人的装配难度但也带来了新的问题模组内部的零部件选型被固化用户很难根据具体需求调整。从具身智能的角度看模组化是趋势因为它让研究者可以把精力集中在算法和系统集成上而不是零部件的匹配和调试上。但模组化也意味着零部件的性能边界被封装在模组内部用户需要更仔细地看模组的规格书理解它的真实能力。6.2 传感器融合与边缘计算在关节层面的落地随着边缘计算能力的提升一些传感器融合算法开始下沉到关节层面。比如关节内部可以集成简单的力矩估计和碰撞检测算法不需要把原始数据全部上传到主控减少了通信带宽需求也提高了响应速度。这种趋势对零部件的要求是传感器要更智能驱动器要更强的计算能力通信接口要更高的带宽。目前很多关节模组已经支持CAN FD或EtherCAT通信带宽足够传输高频传感器数据。6.3 从零部件选型到系统级优化的思路转变最后想说的是人形机器人的核心零部件选型不能只盯着单个零部件的参数要从系统级的角度去优化。一个关节的性能是减速器、电机、传感器、驱动器、控制算法共同作用的结果。有时候稍微降低一点对单个零部件的要求换取更好的系统匹配性整体性能反而更高。我在做一台小型人形机器人的时候最初追求每个关节都用最高精度的编码器和最好的谐波减速器结果成本失控而且因为零部件之间的匹配问题调试周期很长。后来调整思路根据每个关节的实际需求分级选型把资源集中在关键关节上整体效果反而更好成本也可控。这个思路的转变我觉得是从堆料到系统设计的转变也是具身智能时代对硬件工程师的新要求。
