Humanoid Robot Actuators — Firgelli 工程指南 + HN 讨论精读
Firgelli Automations（线性执行器制造商）的”完整工程指南”——从物理学层面解释为什么人形机器人这么难做、为什么 Tesla / Figure / Apptronik 等大玩家不约而同收敛到同一个执行器架构。HN 讨论 124 分 52 评论，技术老兵给了非常硬的历史背景，但同时大量评论质疑：这文章本身是 AI 写的，配图也是 AI slop。
文章在讲什么 — 一句话总结
人形机器人之所以难，不是算法难，是物理难——具体说是”5000 次冲击 / 小时 + 每次 2-3 倍体重 + 每次毫秒级反应”这套要求把绝大多数工业级执行器淘汰了。Tesla / Figure / Apptronik 等头部玩家最终都收敛到同一套架构：旋转关节用 Strain Wave Gear（应变波齿轮）+ 线性关节用 Planetary Roller Screw（行星滚柱丝杠）。
I. 走路的物理冲击 — 为什么是 5000 步
核心数字：
- 仓储机器人持续步频 1.4 步/秒 = 5040 步/小时
- 8 小时班 → 40,000 个负载循环
- 一个月 → 百万级循环——把工业件几年的疲劳压缩到几周
- 每步冲击 = 2-3 倍体重
- 70kg 机器人足跟着地 → 1400-2100N 的力，50-100 毫秒内施加
- 冲击发生比传感器循环还快（亚毫秒级）—— 必须靠机械结构而非软件吸收
关键概念：Back-drivability（反向驱动性）
如果执行器机械上”自锁”（像工业丝杠），冲击能量 100% 全砸进齿轮箱 → 立刻齿轮剪切失效。所以执行器必须能机械上”让一让”——这是为什么传统工业件直接出局。
Cost of Transport（CoT）— 决定一切的能耗指标
CoT = 能量 / (重量 × 距离)
| 类型 | CoT |
|---|---|
| 轮式车辆 | 0.01-0.05 |
| 双足机器人 | 0.2-0.5 |
双足比轮式效率差 10-50 倍。这意味着每多 1 克执行器重量，机器人都要每步搬一次。4000N at 800g 的执行器能改变行业；10000N at 5kg 的执行器在腿上几乎没用。
II. Mass Penalty Spiral（质量惩罚螺旋）
最不留情的设计约束。一个具体例子：
- 脚踝执行器多 200g
- 膝盖执行器要举着这 200g + 加杠杆，升级 +350g
- 髋部要举着 200g + 350g，升级 +600g
- 电池组也要相应放大 +150g
总账：组件级 200g 错误 → 系统级 1.3kg 惩罚。指数级，不是线性。
旋转执行器的”反射惯性陷阱”
公式：J_output = J_rotor × (Gear Ratio)²——注意是平方
100:1 的减速比不只把扭矩放大 100 倍，也把电机转子的惯性在输出端放大 10000 倍。机器人脚踩地，地面想反向带动电机，但电机看起来”沉 10000 倍”——结果腿像砖头一样硬，冲击全砸进齿牙 → 剪切失效。
这就是为什么现代人形机器人的”减速比 sweet spot” 是 30:1-50:1，不是工业的 100:1+。
线性执行器的”质量分布陷阱”
Proximal Actuation（近端驱动）原则：重的部件尽量靠近身体中心。前臂里放重执行器是灾难（杠杆放大），躯干里放就还能管。这就是为什么手指驱动通常在前臂用微型线性执行器 + 肌腱传动到手指。
III. 收敛架构 — 旋转 + 线性分工
不是所有人都走同一条路，但占主流的”工业级人形”都是这样：
| 关节 | 主要运动 | 执行器类型 | 用谁 |
|---|---|---|---|
| 肩关节旋转、腕、髋旋转 | 自旋 | Strain Wave 旋转 | 共用 |
| 膝、踝、肘 | 伸 / 屈，承受冲击 | Planetary Roller Screw 线性 | Tesla Optimus / Figure / Apptronik |
例外： - Unitree H1 / G1：膝、髋都用高扭矩旋转电机——优先速度和动态跳跃，不是静态举重 - Agility Digit：用 Series Elastic Actuators（弹簧 + 拉索）——独特路径 - Boston Dynamics 电动 Atlas：又是另一种变体
Strain Wave Gear（应变波齿轮）原理
3 个零件： 1. Wave Generator（输入）：椭圆形塞子，连接电机 2. Flexspline（输出）：薄弹性金属杯，外缘有齿（比外圈少 2 个齿） 3. Circular Spline（固定）：刚性外圈，内有齿
椭圆塞子转动让薄金属杯变形，杯子和外圈在椭圆两端啮合，但因为齿数不同，每转一圈杯子向反方向”爬”一格——单级实现 50:1-100:1 减速。
| 特性 | Strain Wave | 标准行星齿轮 |
|---|---|---|
| 反向间隙 | 零 | 低 |
| 扭矩/重量比 | 极高 | 高 |
| 效率 | ~80-85% | ~90-95% |
| 抗冲击 | 较低（金属疲劳） | 较高 |
| 形态 | 扁平”曲奇饼”状（单级） | 圆柱状（多级） |
Planetary Roller Screw vs Ball Screw
工业领域常用 Ball Screw，但人形机器人不能用。区别：
- Ball Screw：球状轴承，点接触——Hertzian 应力集中
- Roller Screw：螺纹滚柱，线接触——接触面积 10-15 倍大
Brinelling 问题（球凹陷压痕）：Ball Screw 在冲击下，球可能在轨道上压出永久微凹陷。一次不算什么，但 5000 次/小时 × 几周后，轨道就被搞糙了，效率掉、间隙变大、最终失效。Roller Screw 因为线接触，峰值应力低于屈服阈值，能扛多年。
“额定 1000 万次循环的 ball screw，在走路冲击下可能 10 万次就废——评级假设的是平稳单向力，这种条件在人形机器人腿上从不存在”
IV. Gear Reduction 取舍 — N² 陷阱
电机想转 3000+ RPM 低扭矩；人膝爬楼梯只 30 RPM 高扭矩。100 倍差距靠减速箱补。
但减速箱代价是反射惯性 N²。
两条路径
1. Quasi-Direct Drive（QDD，“猎豹路径”）： - 用谁：Unitree H1/G1、MIT Mini Cheetah、动态跳跃机器人 - 策略：大平饼电机 + 低减速比（6:1-10:1） - 优点：自然弹性——徒手能搬动腿，电机几乎无阻力。落地接触可以靠监测电流就检测，不用昂贵的力传感器 - 代价：电机得很大很重；静态保持姿势要烧大电流（持续发热）
2. 高减速比（“举重者路径”）： - 用谁：Tesla Optimus、Figure、Apptronik Apollo、工业人形 - 策略：小快电机 + 高减速比（50:1-160:1，Strain Wave 或 Roller Screw） - 优点：紧凑轻便里出大力，能举重物、爬楼梯带载、静态保持不烧电 - 代价：执行器机械”不透明”——电机感觉不到环境的力。要靠专门的扭矩传感器（应变片）+ 复杂软件模拟弹性感
Sweet Spot：30:1-50:1
太低（<10:1）：敏捷但弱。站着不动也过热。 太高（>100:1）：强壮但危险。感觉不到冲击，齿牙在冲击下被啃光。 Sweet Spot 30:1-50:1：能举有用载荷 + 还能保持一定柔顺性 + 抗冲击。
Backdrivability 安全测试
简单测试：能不能徒手扳动机器人的手？
- 高减速比 → 不行，关节像锁死。需要力传感器才能感知
- 低减速比 → 能，电机被反向带动。机器人本能”知道”你在那
这个区别极其关键：可反向驱动的机器人摔倒会塌掉吸收冲击；不可反向驱动的机器人摔倒像石像一样砸下来——撞到地面或附近的人。
V-XII. 后续章节摘要
- V. 热管理：Strain Wave 效率 80-85%，剩下的 15-20% 全变热——腿里的散热是真问题
- VI. 控制架构：从 PWM 到扭矩控制——决定机器人感觉是僵硬还是顺应
- VII. Compliance & Series Elasticity：在执行器和负载之间加弹性元件（Agility Digit 路线）
- VIII. 传感与反馈：扭矩传感器 / 编码器 / IMU 的组合
- IX. 工业执行器为什么失败：振动 / 冲击 / 热 / 反射惯性 4 维度都不达标
- X. 决策矩阵：不同任务匹配不同技术
- XI. 关节执行器设计要求清单
- XII. 未来：人工肌肉 etc.——电活性聚合物、形状记忆合金、气动肌肉等的状态
HN 讨论 — 老兵眼中的历史 + AI slop 质疑
顶帖：Animats（1990s 腿足运动研究者，第一手历史）
这条评论是 HN 全帖最值钱的内容。Animats 是上世纪 90 年代做腿足运动控制理论的工程师（拿过相关专利），亲历了过去 30 年所有失败尝试：
- 90 年代：扭矩控制理论已清楚，但零件不存在
- 气动执行器看起来有戏 → 比例动态阀又大又重，单价 1000 美金
- 线性电机（不是丝杠）看着是来日方长的方向，10:1 功率/重量比已实现 → 但最大玩家 Aura 倒在金融丑闻里
- 串联弹性执行器 → 弹簧压缩 vs 丝杠电机启动的赛跑
- 液压 → 太笨重；BD 早期 400 磅骡子机器人柴油动力包从未跑通
- 直接驱动饼状电机 → 只在 SCARA 工业机器人用，腿关节太大
- 形状记忆合金 → 死路（液冷能解决慢的问题，解决不了效率问题）
最后大家全回到电动机——3 相 AC 而不是 DC。关键 unlock：无人机产业把 3 相电机和控制器做小、便宜、强大。
学院派机器人组很小。MIT 和 Stanford 都不到一打人。这事儿要进展需要几亿美元的定制工程和 R&D。先于机器学习的钱投进去也搞不出有用产品。
过去 5 年的进展令人惊叹。烧了很多钱。
这条评论提供了 Firgelli 文章完全没碰的视角：这不是单纯工程突破，是 30 年累计 + ML 出现 + 无人机产业溢出 + 大量资金共同促成。
Boston Dynamics 路径解释
Animats 接续：BD 长期用液压（能用但低效）。承受执行器、罐子、蓄能器、泵、阀、动力源——这就是为什么 BD 机器又大又笨。有人在 Google 说”我们得讨论一下液压”——2019 年的电动狗就是 BD 第一个全电动机器。
后续评论（Joel_Mckay）：BD 当时是商业压力下做”烤好的忍者后空翻”——外人看着震撼，但本质是性能展示，不是工程方向。Google 用观点搞垮了那家公司（注：BD 的原业主 Google 后来卖给软银又卖给现代）。
“AI slop” 质疑（重要！）
多个 HN 用户（RaSoJo、aardvarkdriver、olig15、moffkalast 等）指出：
- 作者 Robbie Dickson 在文章里用的是 AI 头像 —— “怎么能信一个用 AI 头像隐藏自己的人？” Robbie 真人在 huffpost 上有过文章
- 配图全是 AI 生成的，且很多技术上是错的：
- Strain Wave Gear 中间组件——内壁应该是光滑的，AI 画了齿
- Inverted Planetary Roller Screw——5 个滚柱里 4 个垂直于螺纹（这种排布啥事不干）
- Ball-screw 图——球塞不进螺纹，“挤”成扁的才能塞进去
- “Stiffness control” 图——经典的”3 个互锁齿轮”（实际上转不起来）
- “Optical encoder”图——弹性体被钥匙划开了
- 视频也是 AI 生成的
“Even the video is generated. The whole thing is just slop upon slop, I’m amazed that it got to the top of the front page here. I suppose it’s a genuinely impressive amount of fakery all integrated together.” —— moffkalast
反驳方（blueblisters）：从高层系统视角看，文章内容大致正确，只是细节简化。
“为什么非要人形” 哲学讨论
elil17 提出：“我完全不理解为什么人偏要全人形机器人，而不是人形上半身 + 其他移动方式（轮式底盘）”
- v9v 回应：AGIBOT A2_W 就是这种轮式底盘 + 人形上半身。腿式 vs 轮式的真区别在于轮椅可访问空间外的环境——但 G2 那种可倾斜躯干的设计能减弱这点
- zarzavat 回应：户外或家用环境，世界本身是为双足设计的，双足又是为这个世界设计的
- rob74 引用 Asimov 1953 年的论证：我们整个技术体系都是为人形设计的，让机器人模仿人形 比 重设计整个工具哲学 更容易
- bloak 反驳 Asimov：1953 年的例子已经过时——“如果你有人形机器人开车，那时候车本身已经能开了，是机器人和机器人在通讯”
- thrownthatway 押注：“我赌通用人形机器人能开车干家务（移车 + 用泡沫刷洗车）的时间会比 Level 5 自动驾驶更早”
- elil17 反驳 Asimov 引用：99% 的工具使用是手和臂，腿摔倒了对自身和周围人都是大风险。为什么不直接给可滚动底座装拟生手臂？——他怀疑大多数”人形”公司的销售大头其实是这种轮式底盘 + 上半身
制动器问题
vova_hn2 问：膝关节静止站立要持续抗重力（“零 RPM”），为什么不直接加机械锁？
- blueblisters：制动器对静态保持有用，对动态平衡没用。即使站立对人都是动态平衡活动
- thrownthatway：复杂度 / 重量 / 失效模式 / 磨损 / 维修负担——而且制动组件永远不和驱动组件在同一平面，会增加要工程化的力
- AntiUSAbah：制动器跟不上动态平衡所需的速度
开源对位
num42 推荐了：OpenTorque Actuator（github.com/G-Levine/OpenTorque-Actuator）——开源机器人执行器项目。
拧巴的地方 / 我的怀疑
- 文章是 PR 营销不是中立工程指南：Firgelli 是做线性执行器的，文章结尾”Roller Screw is yes” 表里他们家自然是 yes 那一栏。所有赞美 Roller Screw 的话都要打折看——他们卖这玩意。同时贬低 Ball Screw 也要打折。
- AI 配图的可信度问题严重：HN 的 olig15 抓了 6 张 AI 图都是机械上不成立的。如果连配图都不对，文字里的具体数字（10-15× 接触面积、80-85% 效率、5040 步）也得交叉验证
- 5000 步/小时 baseline 是商业可行性还是真实数据？ 文章自己说是”baseline for commercial viability”——意思是想要商用就得扛这个频率。但这是设计目标还是已经被验证的数据？没引任何 Tesla/Figure/Apptronik 的实测数据
- CoT 0.2-0.5 这个范围跨度 2.5 倍——太宽。具体 Tesla Optimus / Figure 02 / Apptronik Apollo 的 CoT 实测分别是多少？文章没给
- “为什么非要人形”这个根本问题文章完全跳过——HN elil17 的质疑成立：“为什么不是人形上半身 + 轮式底盘”。Firgelli 显然不愿讨论这条，因为那条路径用的执行器组合可能完全不一样
- “反射惯性 N² 陷阱”是真的，但”30:1-50:1 sweet spot”这个数据来自哪里？ 没引论文。Tesla Optimus 实测减速比是多少？文章笼统说”50:1 to 160:1”——160:1 离 sweet spot 远了。这种含糊处理可能是为了不踩任何头部公司
- HN 的 Animats 历史视角揭示了更深的真相：问题不是工程难度，是经济学和资金量——3 大支柱（ML 出现 + 无人机产业溢出 + 几亿美元 R&D 资金）一起到位才催化了过去 5 年的进展。Firgelli 文章把这变成纯工程问题，是个 frame 错误
跟 Justin 已有笔记的连接
强连接（直接续上）：
~/CC/Learning/Daily Digest/2026-04-24-YouTube-Karpathy-Skill-Issue-精读.md——你 4 月 24 日精读 Karpathy 的”Skill Issue”演讲，第 12 节就是 “机器人：sensor / actuator 是中间机会”： > 自动驾驶是”第一个机器人应用”，10 年前一堆创业公司绝大多数没活下来。Robotics 因为难度高…Firgelli 这篇文章正好提供了 actuator 这个”中间机会”的工程深度的证据——为什么这层确实是 bottleneck。Karpathy 说的”中间机会”在这里有了具体形态：planetary roller screw、strain wave gear、QDD 设计、torque sensor
~/Library/CloudStorage/Dropbox/CC-files/Deals/Prana Labs/世界模型-研究-2026-04-25.md——你 4 月 25 日做的世界模型赛道研究，“五、具身机器人世界模型 — 玩家地图”覆盖了：- Figure AI 2025-09 Series C $1B @ $39B
- 1X (OpenAI 系) 在募
- 银河通用 Galbot
- 智元 Agibot
- Unitree（出货 5500+ 台 2025）
这篇 Firgelli 文章给了一个反向角度：所有这些大玩家都被同样的物理约束筛过——Tesla / Figure / Apptronik 收敛到 rotary + linear 分工，Unitree 走 QDD 路径。估值再高，物理约束没变——这层”商品执行器”如果有公司能跑出来，是真生意
拾象月更时代笔记里的 4-Endgame 期权定价框架：人形机器人这条路也可以套用——
- Strategic Acquisition：执行器供应商被大平台收购（类似 Frame.io→Adobe）
- DaaS / 卖部件：Firgelli 这种独立部件卖家
- Vertical SaaS：垂直应用方面（仓储 / 工业 / 家用）
- Acqui-hire：技术团队被收
弱连接：
- 你的 mental-models.md “Harness 双轴” entry——可以补一条”硬件 vs 软件 harness 的反向类比”。软件 harness 模型变强应该删步骤；硬件 harness（actuator）反过来——物理约束不会因为模型变强而消失。这是一个反向 entry 候选
投资视角的 takeaway
- Firgelli 这家公司本身：一家做线性执行器和电机的工业供应商。这篇文章是 PR + thought leadership 工具。值得了解但本身不是投资标的
- 真正值得跟的是行星滚柱丝杠（Planetary Roller Screw）这层供应链：人形机器人量起来后，谁能批量供货 Roller Screw 是关键。当前主要玩家是 Rollvis / SKF Ewellix 等欧洲精密制造老牌，中国玩家正在追
- Strain Wave Gear（Harmonic Drive）是日本公司 Harmonic Drive Systems 的传统垄断，绿的谐波 / 大族传动等中国公司在做替代——这个赛道值得关注
- OpenTorque-Actuator（开源）这种项目可能改变行业生态——类似 RISC-V 之于 CPU。值得跟踪
- “为什么非要人形”是真问题：elil17 的”人形上半身 + 轮式底盘”路径在工业 / 仓储场景大概率才是实际部署形态。评估具身机器人 portfolio 时要把这条作为对照路径
一句话总结
人形机器人难做不在算法在物理——5000 步/小时 × 2-3 倍体重冲击 × 毫秒级反应这套要求把绝大多数工业件淘汰，Tesla/Figure/Apptronik 收敛到 rotary（Strain Wave）+ linear（Roller Screw）分工是这套物理约束的必然出口，30 年来电机 / 液压 / SMA / 气动几乎所有路径都试过失败过，只有过去 5 年因为 ML + 无人机产业溢出 + 大资金到位才催化突破——但 HN 评论说这文章本身是 AI slop（配图错误 / AI 头像作者 / 视频生成），可信度要打折。