人形机器人，终于上桌了？

今年的 IROS 现场，有一个和以往很不一样的味道：不卷'能走多稳'了，开始卷'能干多细'。

9月28日，美国匹兹堡，Sharpa一口气发了三款全自研新品；同期的 IEEE Spectrum 报道里，Persona AI 正把人形机器人往造船厂的焊接工位上推；而一篇 arXiv 论文里，一条280多克的机械腿蹦出了7.6米。

三件事看似不相关，指向却是同一个：人形机器人正在从'会动的 YouTube 视频'，走向'能上岗的员工'。别再只看会翻跟头的demo了，行业真正的分水岭，是触觉、岗位和那条被重写的传动链。

🖐️ 一双有'皮肤'的手，值多少钱？

灵巧操作的天花板，从来不在电机，而在皮肤。

先看 Sharpa 这次在 IROS 上摆出来的'三件套'：一体式触觉感知灵巧操作机器人 D01、全触觉超紧凑轻量化灵巧手 W02，以及高保真外骨骼触感数据手套 AE01。三款产品分别对应三件事——全身动作执行、手部精细操作、高质量操作数据采集。

拆开看 D01 的参数，你能感受到一种'不做取舍'的执念：手臂载荷自重比接近1:1，最大末端执行器速度超过10.5 m/s，通信频率1000 Hz，重复定位精度0.2 mm，球形腕关节按1:1人体尺度设计。翻译一下：既要跑得快，又要缝得细，还要关节长得像人。

更关键的是那身'电子皮肤'。100 Hz触觉采样率、0.1–20 N力感知范围、0.2 N力分辨率——在接住下落物体、承受意外碰撞这类高动态场景里，机器人第一次拥有了接近人类的'接触反馈'。

为什么'触觉'突然成了主角？因为过去两年行业把筹码全押在了'大脑'上——大模型、VLA、模仿学习讲得震天响，但模型要学好操作，得先有带触觉的高质量数据喂进去。没有触觉的操作数据，就像没有味觉的菜谱，抄得再像也做不出那口锅气。

据多位接近 IROS 的人士透露，今年会场走廊里聊得最多的，已经不是哪家大模型更强，而是'谁的操作数据更真'。Sharpa 这套'本体+灵巧手+数据手套'的三位一体组合，本质上是在给具身智能的下半场修路：先有能感知接触的身体，再有能精细操控的手，最后有一副能让人'替机器人上班'的手套。

这就是硬件闭环的价值。软件可以迭代，但没有触觉硬件，数据这条源头活水就永远是断的。

🏗️ 焊枪，人形机器人的第一份工作

想让人形机器人上岗，得先替它挑一份'对的活'。

IEEE Spectrum 最近把镜头对准了 Persona AI——这是少数把'给人形机器人找工作'当作公司核心命题的玩家。它的选择很有意思：造船厂焊接。

创始阵容也值得说道说道。Nic Radford 当年主导过 NASA JSC 的 NASA Valkyrie 人形机器人项目，还创立过水下机器人公司 Nauticus Robotics；另一位联合创始人 Jerry Pratt 同样是双足行走领域的老兵。两年前公司刚成立时，IEEE Spectrum 就和他们聊过，如今的答案很清晰：别拍视频了，去干活。

更妙的是一个历史回响：焊接，恰恰是工业机器人历史上第一批被卖出去的活儿之一。60多年前 Unimation 的机械臂干的就是这个，如今轮到人形机器人来接棒。

为什么是焊接？拆开 Persona 的选岗逻辑，三条标准非常朴素：

造船焊接这活儿，工位相对固定、动作路径明确、环境对人不友好（高粉尘、强弧光、逼仄舱室）、熟练焊工全球都在缺。对人形机器人来说，这几乎是教科书级别的'第一份工作'：够难，难到能验证技术；又够标准化，难到可控。

这里有一个行业普遍的误判值得点破：很多人觉得人形机器人的价值在于'替代所有人类动作'，其实恰恰相反——第一波商业化，人形的价值在于兼容已有工位、工装和作业流程。船厂不会为机器人重建船坞，机器人必须适应人留下的现场。这比'通用'务实得多。

人形机器人不需要什么都会，它只需要先把一份工作干得比人便宜、比人稳定。

🦘 一条腿蹦出7.6米，动了谁的奶酪？

单腿蹦出7.6米，关节传动的故事被重写了。

arXiv 上这篇论文的主角，是款看着有点'寒酸'的机器人：只有一条长腿，整机281克，没有弹簧储能，纯电机直驱。但它跳出了7.6米的高度，支撑时间仅190毫秒——这是电动驱动、无弹性储能系统里已知最高的跳跃纪录。

秘密不在电机，在传动。研究团队设计了一种'织物缠绕传动'（fabric-wrap transmission），能在整个行程中提供可变机械增益：让小电机始终贴着峰值功率输出区间干活，同时撑住细长腿不被压弯。腿顶端还有个小模块，用微型螺旋桨在地面和空中控制腿的姿态——长腿本身提供了很大的力臂，控制反而变简单了。

这篇论文对产业界的启示，可能比那7.6米本身更重要。过去几年，本体公司的军备竞赛集中在电机密度、减速器、力矩参数上，但真正拉开差距的，往往是传动结构层面的原创设计——同样的电机，好的传动能榨出完全不同的性能。

这给国内的零部件厂商提了个醒：别只盯着谐波减速器和行星滚柱丝杠的产能内卷，传动拓扑结构上的创新，才是真正的护城河。一条腿都能靠结构创新跳出纪录，整套人形系统里还有多少被'标准方案'锁死的设计空间？

📊 数据闭环，才是上岗前的最后一公里

机器人上岗之前，得先有人替它'上班'。

把三条新闻串起来看，会发现一条完整的产业逻辑链。Persona AI 解决的是'去哪干活'，Sharpa 的 AE01 解决的是'怎么学会干活'——戴着手套的人完成一遍真实操作，触觉、力觉、动作数据被高保真采集下来，喂给具身智能模型，再由 D01 和 W02 到真实环境里执行富接触任务。

为什么富接触操作的数据这么稀缺？因为纯视觉遥操作录不出'手感'。拧瓶盖要多少力、接住易碎品要怎样的缓冲、焊接时焊枪角度如何微调——这些信息只存在于触觉里。AE01 这类外骨骼触感手套的价值，就是让'手感'变成可以复制的资产。

把人形机器人从演示走向岗位的路线图拉直了看，大概是这么几步：

所谓'上桌'，不是站上发布会舞台，而是站上客户的生产线——拿到工牌，开始计件。

三条新闻，三个侧面，拼出的是同一幅图：

• Sharpa 用三件套补上了'触觉硬件闭环'这块拼图，操作数据的源头开始有了水管；
• Persona AI 用焊枪回答了'第一份工作是什么'，商业化终于有了具体工位；
• 那条蹦出7.6米的机械腿则提醒所有人：核心零部件的原创结构创新，才是底层话语权。

2026年，判断人形机器人公司的标尺会从'参数表'换成'排班表'——谁先让客户愿意为机器人排班付钱，谁才算真的上桌。至于触觉数据和岗位选择这两张底牌，握得越早，赢面越大。