具身人工智慧（Physical AI / Embodied AI）的演進正在經歷從「基礎移動與簡單抓取」走向「高動態、高精度與強安全環境適應」的關鍵節點。近期機器人領域的展現聚焦於感知維度的拓展與末端執行器（End-effector）的物理極限突破。
不論是 Figure 03 透過掌心視角與全身 35 自由度進行高難度的自主梯子爬升，還是 Foundation 的 Phantom MK1 以肌腱驅動配合高頻磁感測器實現動態接捕棒球，抑或是 Generative Bionics GENE.01 以全域觸覺皮膚與近距離「預接觸」技術建構主動安全邊界，皆象徵著人形機器人正逐步具備超越傳統自動化的靈巧操作與物理互動能力。
Figure 03：35自由度全身協同與掌心視覺驅動的自主爬梯技術
1. 35 自由度（DoF）動力學架構與動態重心轉移
在傳統的雙足平地行走中，支撐面為穩定閉合的多邊形；然而在「自主爬梯」場景下，腳踏與手握點屬於高度的「稀疏約束點」（Sparse Footholds & Handholds）。Figure 03 配置了 35 個獨立主動控制自由度（Degrees of Freedom），包含了雙腿的擺動關節、腰部多軸度旋轉關節以及靈巧手的末端執行器，能在三維空間中進行高度非線性的全體動力學優化。
當機器人自下方踏板向上一階邁進時，腰部與髖關節需要即時進行重心（Center of Mass, CoM）轉移，將重心平穩移至單腳與單手的幾何對角線連線上，藉由擺動肢體的反作用力矩（Counter-torque）抵消傾覆力矩，完成高穩健度的立體攀爬動作。
2. 掌心嵌入式攝影機（Palm-mounted Cameras）與盲區視覺補償
傳統具身機器人的感知多依賴頭部 RGB-D 攝影機或立體光學雷達（LiDAR）。然而當手部靠近梯子橫樑或進入狹窄空間抓取時，軀幹與手腕常會遮擋頭部視線，造成典型的「視線遮蔽死角」（Visual Occlusion）。Figure 03 的關鍵突破在於將廣角、低延遲的微型攝影機直接嵌入至掌心內部。
這套掌心攝影機提供即時的近距離微距視覺反饋（Close-range Visual Feedback），能夠以高幀率直接觀察手掌與梯子橫樑之間的相對幾何位移（Relative Pose）與接觸邊緣，消除因傳動機構彈性或狀態估計誤差累積所產生的毫米級位移差。
3. Helix 視覺-語言-動作（VLA）模型與端到端端對端閉迴路控制
在軟體控制層面，爬梯並非預先寫死的軌跡重放（Trajectory Playback），而是由 Figure 自研的 Helix 視覺-語言-動作（Vision-Language-Action, VLA）模型進行即時感知驅動。Helix 模型融合頭部廣角視覺流與手掌微距視覺流，透過強化學習（RL）與仿真轉真實（Sim-to-Real）遷移技術訓練而成。
當手掌攝影機偵測到橫樑表面存在滑移或未精準扣合時，VLA 模型能在毫秒等級內發出端對端的關節力矩修正指令，動態微調手指的抓握力與手臂的阻抗參數（Impedance Control），使機器人能夠完全自主適應不同金屬梯子的橫樑間距與傾角變化。
Foundation Phantom MK1：肌腱驅動靈巧手與磁感測器指關節追蹤的動態接球突破
1. 遠端肌腱驅動（Tendon-driven）系統與關節輕量化
Foundation 的 Phantom MK1 在末端靈巧手上採取了「馬達遠置、肌腱傳動」的仿生工程設計。傳統機器人將馬達與減速箱直接安裝於指關節處，這會導致末端執行器質量過大、轉動慣量（Rotational Inertia）高，難以進行高速的動態響應。
Phantom MK1 將多個高功率密度執行器配置於前臂部位，透過高強度超高分子量聚乙烯纖維線索（肌腱）穿過手腕與指關節進行牽引。這種設計大幅降低了手掌的質量與慣量，使手指關節能實現極高加速度的屈伸運動，為快速捕捉高速飛行的物體奠定了物理基礎。
2. 磁感測器（Magnetic Sensors）高頻狀態估計替代視覺追蹤
在接抓高速物體（如每秒數公尺飛來的棒球）時，傳統光學視覺或安裝於指尖的視覺感測器會面臨幀率不足、動態模糊（Motion Blur）以及數據傳輸延遲高達數十毫秒的物理瓶頸。Phantom MK1 採用高精度的微型磁感測器陣列（Magnetic Encoder/Sensor Array）直接整合於每個指關節內部。
磁感測器透過量測關節旋轉時內部永久磁鐵的磁場向量改變，能以數千赫茲（kHz）的取樣頻率輸出絕對角度位置。磁感測器具備絕佳的抗塵、抗震與低延遲特性，不受光線變化或物體遮擋影響，能夠即時且精確地追蹤肌腱張力變化引發的指關節微小形變。
3. 高動態預測、視覺-力控融合與動量吸收控制
接住一顆被投擲的棒球，需要軟硬體高度協調的「動態視知覺與力學吸收」。首先，Phantom MK1 的頭部感知系統在棒球離手瞬間建立拋物線軌跡預測模型；當棒球進入手掌近場時，手臂與手腕轉入高頻力矩控制。當棒球接觸手掌的瞬間，關節內部的磁感測器以低於 1 毫秒的響應捕捉到物理撞擊產生的關節位置偏差，系統立刻觸發「主動柔順控制」（Active Compliance Control）。肌腱馬達進行反向阻尼輸出以吸收棒球的衝擊動量，同時指關節在數十毫秒內完成收攏抓握，展現出極強的瞬態力矩調控能力。
》延伸閱讀：Watch: Inside Foundation’s Humanoid Factory and the Anatomy of a “War Machine”
Generative Bionics GENE.01：AMD 算力支援下的全身觸覺與預接觸（Pre-touch）近觸感知皮膚
1. 多模態觸覺電子皮膚（Multimodal Smart Skin）的物理架構
由義大利公司 Generative Bionics 展示、獲得 AMD 算力與硬體加速支援的 GENE.01 人形機器人，其核心特色為覆蓋全軀幹與四肢的「多模態智慧觸覺皮膚」（官方新聞）。這套電子皮膚採用柔性印刷電路與高分子彈性體複合結構，單片模組內整合了三大感知單元：高密度陣列式壓阻/電容式壓力感測器、熱傳感元件，以及高頻微型電容式近距離感測元件。整台機器人擁有數千個感知節點，能在承受物理外力的同時，精確繪製出接觸面的法向力（Normal Force）與剪切力（Shear Force）分佈。
2. 「預接觸」（Pre-touch）近距離感應與安全避碰機制
GENE.01 最突破之處在於實現了「預接觸」（Pre-touch Sensing）能力。傳統觸覺皮膚必須在物體與機器人發生實體接觸後才能發出訊號，此時若運動速度過快，衝擊力極易對人類或機器人造成傷害。GENE.01 的觸覺皮膚利用自電容與互電容電場變化原理，可在人體或障礙物距離皮膚 1 至 5 公分處，即感應到周圍介電常數的改變。這意味著機器人「在接觸發生之前」就能感知到物體臨近。
基於 AMD 晶片提供的邊緣並行計算能力，GENE.01 可以在幾毫秒內預測碰撞路徑，並主動讓位或降低關節剛性（Stiffness），建立起高度安全的物理人機共融環境。
3. 基於物理原生 AI（Physical AI）的手把手物理示範教學
結合全身觸覺皮膚與《Nature Machine Intelligence》期刊相關研究論文，GENE.01 搭載了物理原生 AI 訓練體系。傳統機器人訓練靈巧操作需要大量的遙控操作（Teleoperation）或純視覺模擬，難以掌握精細的接觸力學。GENE.01 則支持人類工程師進行「實體手把手教學」（Physical Guidance）。工程師直接抓住 GENE.01 的手臂或手指引導動作，全身觸覺皮膚能即時量測工程師施加的引導力大小、方向與手部貼合面積。機器人以此建立高度精確的「力-位移」（Force-Displacement）模型，輕鬆學會諸如抓握易碎物體或施加特定焊接壓力等複雜的工業操作任務。
結語
從 Figure 03 的「視線死角微距補償」，到 Foundation Phantom MK1 的「肌腱傳動與磁感抗干擾狀態追蹤」，再到 GENE.01 的「預接觸感知與全身觸覺共融」，具身智能機器人正迅速擺脫對單一頂部視覺與硬質物理架構的依賴。
多模態感測器陣列與高頻微觀反饋已逐漸深植於機器人的末端與軀幹表面。這些技術突破將使具身機器人真正具備適應非結構化人類環境、高動態防禦應變以及安全人機協同的物理能力，推進工業物流、特殊維修乃至家庭服務領域的全面商業化落地。
（責任編輯：歐敏銓）
- 具身機器人創新突破：靈巧手、微距視覺與全域觸覺 - 2026/08/10
- 機器人開發環境邁入「標準化、開源化、端對端」新時代 - 2026/07/21
- 人形機器人站上手術檯動刀的最後一哩路 - 2026/07/13
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
