这正是"具身智能"（Embodied Intelligence）想解决的问题：让智能不只是在屏幕里算题，而是长进身体里，能感知、能思考、能行动。今天许多人形机器人之所以能站起来、走稳路、做点简单家务，靠的正是感知、决策、执行三段链条的协同。本文试着把这台"钢铁之躯"拆开，看看它究竟靠什么越来越像人。

一、运动控制：机器人的"肌肉与小脑"

人能稳稳走路，靠的是肌肉骨骼提供动力、小脑实时调节平衡。人形机器人的"肌肉骨骼"，就是关节执行器。

一台人形机器人身上通常有数十个自由度（关节），分布在腰、髋、膝、踝、肩、肘、腕。要让这些关节像人的肌肉一样既有力又柔顺，核心部件是执行器——它把电机的高速旋转，通过减速器变成关节处的大扭矩、低速转动。行业常用的"旋转执行器"方案，会把电机、减速器、驱动器、编码器紧凑地塞进关节腔内，追求单位体积下更大的扭矩（即"高扭矩密度"）。通俗讲，就是让机器人的"肌肉"更结实、也更轻。

而让机器人"不摔跤"的，是类似小脑的实时控制系统。双足行走本质是个"动态平衡"难题：身体重心始终在脚底支撑范围的边缘试探，稍有不慎就会倒。机器人需要不停读取 IMU（惯性测量单元）等传感器，结合模型预测控制（MPC）等算法，在毫秒级内算出"下一时刻各关节该用多大力"，才能完成迈步、转身、抗扰动。这也是为什么早期人形机器人走起路来像踩高跷，而新一代产品已经能小跑、能上下斜坡——平衡控制能力，是"像人"的第一道门槛。

二、多模态感知：机器人的"眼耳鼻舌身"

光会动还不够。人靠眼耳鼻舌身认识世界，机器人也要有一套"感官"。

视觉是最主要的一路。通过摄像头、深度相机，机器人能"看"到环境的三维结构，识别物体、判断距离。但光"看见"不够，更关键的是"看懂"——把像素变成语义，知道哪是桌子、哪是杯子、哪是路。

触觉和力觉，则是机器人"手感"的来源。在指尖嵌入触觉传感器（俗称"电子皮肤"），机器人能感知接触的位置和轻重；在手腕、脚踝装上六维力传感器，它能知道抓握时用了多大劲。这就是为什么理想情况下机器人能稳稳拿起一颗生鸡蛋而不捏破——力觉闭环告诉它"再用力就碎了，收一收"。没有这套反馈，机器人要么抓不牢，要么一抓就坏。

把视觉、触觉、力觉等多路信息融合起来，机器人对世界的理解才从"平面图"变成"可交互的立体场景"。这就好比人闭着眼靠手感也能辨物，多模态互为补充，才能应付真实、杂乱、充满意外的环境。

三、决策大脑：从"听懂指令"到"自主规划"

感知解决了"知道世界什么样"，执行解决了"身体能动作"，中间最关键的是大脑——它决定"下一步该干什么"。

过去的人形机器人，多半靠工程师提前写好的脚本：走到 A 点、抬起手臂、按下按钮。这就像只能照菜谱做菜，换个灶台就傻眼。而今天，大模型（尤其是视觉-语言-动作模型，VLA）正在把具身智能推向新形态：你用自然语言说"把桌上的红杯子拿给我"，模型能把这句话、眼前的画面、可执行的动作连起来，自动拆解出"走到桌边—识别红杯—伸手抓取—转身递送"的序列。

更进一步，先进系统开始具备"任务规划"和"常识推理"能力：杯子被挡住了，它会先挪开前面的书；地面有水，它会绕行。这种从"听懂一句指令"到"为达成目标自主规划多步动作"的跨越，是具身智能眼下最受关注的进展之一。需要提醒的是，这类能力高度依赖海量训练数据，业内普遍采用"仿真训练+真实微调"（Sim2Real），结合模仿学习与强化学习来打磨，距离真正"通用"仍有不短的距离。

四、技术路线之争：端到端，还是模块化？

链条这么长，行业一个重要分歧是：这三段该"装进一个黑箱里"，还是"分成几段各管各的"？

模块化（也称分层式）路线，把感知、决策、控制拆成清晰的三层，每层独立研发、各司其职。好处是可解释、好调试：哪一步出错能精准定位，也便于不同团队分工。缺点是层与层之间要传递"接口"，信息难免损耗，面对全新场景时灵活性受限。

端到端路线则相反：直接把"摄像头画面等原始感知"喂进去，模型一把输出"关节该用的力"。它更依赖数据、潜力上限更高，理论上能学到人类写不出的精妙策略。但代价是像个黑箱——一旦出错很难解释原因，且对数据量和算力要求极高。

现实里，大多数团队并非二选一，而是在"完全端到端"和"完全手工分层"之间找平衡，采用混合架构：关键的安全环节保留可解释模块，感知到动作的高层映射交给数据驱动模型。这条路线之争，短期内不会停。

去现场看"会动的大脑"

把感知、决策、执行三段串起来，人形机器人"像人"的密码其实并不神秘——它是一套工程上的协作：灵敏的感官、聪明的大脑、听话又稳健的身体。每一项技术的突破，都在把"钢铁"往"伙伴"拉近一步。

如果你想知道这些链条如今走到了哪一步、各家整机和技术有什么新花样，不妨关注 HRIE 2026 人形机器人与智能装备展（2026 年 12 月 9–11 日，上海·国家会展中心 SNIEC）。届时将有相关整机产品，以及核心零部件、感知与决策方案的集中展示，是近距离观察"具身智能"落地的好机会。