WRC上，机器人开始折叠了

从今年WRC展品来看，我们发现了一个很有趣的事情：机器人开始改变自己的身体，以适应环境。

有人让它折起来，有人让它升起来，以更好适应商业和工业等场景更加复杂的作业环境。

这件事乍看之下甚至有些朴素。过去行业讨论最多的是大模型、世界模型、具身智能、灵巧手，以及机器人能不能走、能不能跑、能不能完成复杂操作。相比之下，折叠和升降更像是机械工程师会在产品设计会上反复讨论的问题。

但机器人一旦离开展台，进入真实环境，开始落地做些什么，这些问题就突然变得重要起来。

一台1.7米高的机器人，在宽敞展厅里看起来恰到好处，到了电梯门口，身高就成了一个问题；一套能够完成复杂操作的机械臂，面对不同高度的实验台、货架和设备，又会遇到工作空间的限制。

人类很少意识到这些困难，因为我们的身体已经适应了这个世界。

走进电梯会自然侧身，穿过窄门会收肩，东西放得高了会踮脚，桌子低了会弯腰。人类每天都在用身体微调自己，却几乎感觉不到这是一个能力。

机器人没有这种本能。

它必须把这些变化真正写进机械结构、运动控制和感知系统里。

但是今年WRC的展品，我们突然发现，大家开始关心这台机器人怎么被部署、谁来开发、谁来购买，以及它进入真实场景之后到底能不能长期工作。企业也开始重新思考机器人的身体，如何更好进入环境，更好实现作业。

也正是在这个背景下，很多企业都不约而同采用了天机的Marvin人形臂作为提高机器人灵活性的首选，构建物理智能所需的高性能力控机器人本体。这家企业好像非常擅于精准踩中行业最前沿的需求。

例如其此前发布的两款新品，Gento Luna可以折叠，Gento Skye可以升降，核心都是让机器人的身体能跟着环境一起变化，除此之外，Luna的双臂可以适配Marvin M6S Lite，臂展可以选加长款的680/750，Skye的双臂可以适配Marvin 696，也可以适配809，920，丰富的选配更容易满足具身智能多场景作业需求。

01.

机器人进入现实世界后，空间成为难题

过去的工业机器人有一个很舒服的工作环境。工位提前设计，设备提前摆好，机器人的位置固定，工件的位置也固定。工程师可以把每一个动作拆解成坐标、角度和节拍，机器人只需要稳定地重复。环境会迁就机器人。

具身智能恰好相反。它试图把机器人放进一个已经存在的世界。这个世界里的桌子不会因为机器人来了就统一高度，货架也不会重新调整层距，办公室的门、电梯和走廊更不会按照某一家机器人公司的尺寸重新装修。

于是，机器人进入人类已经建好的世界，空间第一次从背景变成了问题本身。一台机器人拥有多少自由度，当然重要；模型能理解多少任务，也很重要。但如果它连目标位置都到不了，后面的能力就没有意义。

这也是为什么，轮式移动在室内机器人领域一直有自己的位置。

轮子对于平整地面的移动效率很高，机械结构也相对成熟。问题在于，轮式机器人过去往往擅长移动，却不擅长操作；而人形机器人虽然拥有更接近人的操作结构，又需要承担双足运动带来的复杂性。

Gento Luna尝试把两件事情放进同一个系统。

它采用四轮驱动、四舵轮底盘，可以全向移动和原地转向；双臂则采用7自由度结构，单臂额定负载5kg，重复定位精度达到±0.03mm，作用力重复精度≤0.15N。整机共有26个自由度（不含灵巧手）。

更有意思的是它的身体。Luna站立时高度约1700毫米，折叠后最低高度约790毫米。产品把电梯、狭小空间运输和存储作为折叠结构的应用场景。790毫米这个数字，看起来只是参数表里的一行。但它实际上改变了机器人和空间之间的关系。

机器人原本只能接受一个固定的身体尺寸，现在多了一种选择：需要工作时站起来，需要通过狭窄空间或者运输时把自己收起来。

这件事背后的技术含义，比“折叠”两个字本身大得多。它意味着机器人的形态开始进入任务规划。过去我们讨论机器人运动，通常是在问关节怎么转、底盘往哪里走；未来，运动规划可能还要增加一个变量——机器人应该以什么样的身体状态去完成这段运动。

这是一件很麻烦的事情。因为一旦身体可以折叠，重心、关节状态、碰撞边界和动力学模型都会发生变化。折叠并不是增加一个铰链这么简单，它必须和控制系统一起工作。

Gento Luna因此把力控放到了整机层面。机器人大讲堂了解到，其双臂标配关节力控，腰部和腿部的多个自由度同样采用力控关节，支持阻抗控制和力位混合控制；在受到外部碰撞或负载变化时，可以根据实时传感器反馈调整运动状态。

此外，Luna 提供 NVIDIA Jetson AGX Orin 64GB 与 NVIDIA Jetson Thor T5000 两种 AI 计算平台配置，为视觉感知、深度学习、运动控制及具身智能应用提供强大的边缘计算能力。

NVIDIA Jetson AGX Orin 64GB 具备高性能 AI 计算与多模态感知能力，可满足主流具身智能应用的计算需求；NVIDIA Jetson Thor T5000 基于新一代架构，面向更高复杂度 AI 模型与具身智能应用，提供更强的 AI 计算性能与能效表现。相较 NVIDIA Jetson AGX Orin，Jetson T5000 AI 计算性能最高可达 7.5 倍以上，能效最高可达 3.5 倍。

这时候就会发现，折叠其实只是最容易被看到的那部分。真正困难的是，折起来之后，机器人仍然要是一台能稳定运行的机器人。而天机的Luna做到了。

02.

Luna解决的是“怎么进去”的大问题

机器人产业过去很喜欢讨论移动速度。1m/s还是2m/s，能不能爬坡，能不能跨越障碍。这些指标当然重要，但在大量室内场景里，还有一个经常被忽略的指标是，机器人到底能不能顺利抵达目标位置。

相较WRC现场大多人形机器人，轮式底盘无疑有着更高的稳定性。Luna的底盘兼顾了稳定性和移动性，速度最高1.5m/s，采用3D SLAM导航、3D激光雷达和超声波雷达进行环境感知，可以完成自主定位、地图构建、动态避障和路径规划。底盘额定载重100kg，停止精度达到位置±20mm、角度±1°。它的电池容量则支持4—6小时连续作业，并提供手动充电、自动充电和快换电池三种方式。

这些参数放在一起看，Luna其实并不是一台“会走路的机械臂”，它更像是一套移动作业系统。

机器人从实验室的一端移动到另一端，穿过狭窄区域，进入目标工位，调整自己的姿态，然后让双臂开始工作。移动不再只是到达任务现场之前的一段准备时间，而成为作业链条中的一部分。

这也是轮式结构在具身智能时代依然有价值的原因。

人形的优势，是它能够继承大量为人设计的环境和工具。轮式机器人的优势，则是它不需要承担人类双腿本身的复杂性。

对于实验室、办公楼、商业空间、部分工厂内部环境而言，地面本身已经足够平整。这个时候，如果轮子可以让机器人更稳定、更高效地移动，再把操作交给双臂，整个系统未必需要执着于完整复刻人的下肢。

机器人毕竟不是在参加仿生学考试。它最终还是要完成任务。因此，Luna的价值并不在于证明轮式机器人可以替代人形机器人，而在于提供了另外一种思路：机器人可以根据环境重新组合自己的身体能力。

这也使得Gento Luna的双臂架构还集成了遥操作与数据采集软件，具备开放的SDK、API、ROS2与EtherCAT接口，每个关节均配备自研 MEMS力矩感知，支持力控、阻抗控制与力-位置混合控制，能够实现响应式的接触检测与全身顺应性运动，更容易用于开发、学习、评估与真实世界作业。

因为如果轮子已经足够解决移动问题，那么就把更多机械复杂度留给真正影响任务完成率的部分，比如双臂、力控和感知。这也是我们发现时至今日，机器人形态越来越丰富的原因。天机等行业头部企业已经开始意识到，机器人并不存在一套天然正确的身体，我们仍需要不断靠近最好用的答案。

03.

如果把落地问题继续往前推一步

如果说Luna解决的是通行，那么Skye解决的是另一个非常实际的问题：作业高度。

工业现场的高度差异很大。一个实验室里可能同时存在桌面设备、地面设备和高位仪器；仓储环境有不同层级的货架；生产线上也会有不同高度的工作台。

人面对这些差异非常简单。

机器人却需要把手臂的运动范围和工位高度严格对应起来。天机的Skye选择增加一个升降机构。

它可以根据任务调整机器人本体的高度，让机械臂覆盖不同的作业区域。产品资料显示，Skye采用可调节升降机构，并针对实验室、工业场景和多工位任务验证进行设计。

这个设计有一个很重要的地方。它没有要求环境先变，而是机器人自己变。这和过去的自动化系统有明显区别。

固定式机械臂之所以效率高，是因为整个系统会围绕它建立一个标准化空间。但当机器人开始面对开放环境，环境很难再被标准化，机器人本体就必须承担更多适应任务。

升降结构实际上是在改变机械臂的工作坐标。

同一套双臂，通过改变底座高度，可以覆盖更多工作空间。对于需要反复进行任务验证、数据采集和强化学习训练的平台来说，这种能力尤其重要。

因为训练机器人并不是只需要一台能做动作的产品。

研究人员还需要考虑任务条件。高度变了，负载变了，目标位置变了，外部设备变了，机器人能不能重新执行？策略是否仍然成立？数据能不能被持续采集？

Skye的定位因此更符合科研、训练和工程验证的需求。它支持位置、速度、扭矩以及关节轴端受力、末端受力等多维数据采集，同时能够接入相机、触觉等外设，并强调不同工况下的动作一致性。

这背后其实涉及具身智能非常核心却重要的一件事：在家庭等场景，模型训练需要的不是偶然成功，而是大量可重复的真实世界经验。

机器人今天成功抓住一个物体，并不意味着系统真正学会了抓取。

如果换一个时间、换一个温度、换一个负载、换一个机器人状态，动作就完全不同，那么训练数据里的变化究竟来自任务本身，还是来自机器人自身的不稳定，就很难分清。

所以Skye把稳定运行、数据采集和控制开放放在一起，并不是附加功能。它在解决具身智能从演示一次走向“反复训练”的基础问题。

04.

具身智能进入下一阶段之后

从WAIC到WRC，一个容易被模型热度遮住的问题开始浮出水面。

此前大家都在谈VLA、世界模型和多模态数据，但在落地的语境下，大家开始发现，机器人最终还是要通过关节、传感器和执行器把模型输出变成现实中的动作。

模型可以在几毫秒或者更短时间内完成一次推理。机器人却要承受数小时、数天甚至更长时间的连续运行。

因此，硬件状态本身就会成为数据的一部分。温度变化会影响传感器、负载变化会影响动力学响应、碰撞会改变机械结构的受力状态。不同的关节间隙，也可能让相同控制指令产生不同结果。

这也是为什么，天机在Gento系列中反复强调力控、稳定性和开放数据接口。

机器人大讲堂了解到，Luna的力控基于实时传感器反馈，对模型误差并不高度敏感；即便折叠关节状态或者负载变化导致动力学参数出现偏差，机器人仍然可以调节自身维持稳定运行。

Skye则把问题进一步延伸到长期训练。产品资料强调7×24小时连续运行能力，并从硬件发热、关键器件长期稳定性和传感器温漂等方面考虑训练过程中的一致性。

这件事情可能比一次漂亮的DEMO更有价值。

因为具身智能真正需要的数据规模起来之后，机器人自身的不确定性会迅速变成成本。如果每一次动作都带着不同程度的随机误差，模型就很难建立稳定的因果关系。

而如果机器人能够把自己的状态控制在相对稳定的范围内，那么每一次执行才真正具有可比较性。

从这个角度看，力控在今年也不只是一个安全功能，它正在成为模型和物理世界之间的一层接口。

未来的具身智能体系里，模型负责产生行为意图，机器人通过视觉、力觉和本体状态感知环境，再由控制系统把行为调整到真实世界能够执行的程度。

这也是为什么天机并没有把能力边界停留在机器人本体。

在模型层，天机也在自研VA-dex模型和Anygrasp模型，继续向视觉、操作与抓取等具身智能能力延伸。

在部件层，天机则自研了MEMS力觉感知与控制系统，通过赋予机器人多维感知，帮助具身智能体对感知接触、顺应性地做出反应，并在人与物体周围自信地行动。

本体、控制、感知、数据和模型，最终会越来越难被完全割裂，形成一个更加有机的统一。

05.

机器人形态开始“去神圣化”

过去几年，人形机器人之所以成为行业主流，是有非常充分的理由的。

人类社会本来就是按照人的身体设计的。门把手、工具、货架、汽车、生产线，大量基础设施都以人的身高和运动方式为前提。因此，让机器人拥有一个接近人的身体，确实可以降低进入这些环境的门槛。

但随着机器人真正开始走向产业，实现落地，另一个事实被越来越多人发现，那就是人的身体只是一个可行解，不一定是机器人的最优解。

人类需要两条腿，因为人没有轮子。人类不能折叠，是因为生物身体有自己的边界。人类面对不同高度的工作台需要弯腰、踮脚，是因为身体尺寸固定。

机器人并没有必要把这些限制全部继承下来。

从本次WRC的展品也可以发现，机器人的种类其实并非只有人形，未来的机器人可能不会越来越统一，反而会越来越分化。

有人形机器人继续解决复杂移动和通用操作，有轮式机器人承担室内移动作业，有升降结构覆盖多高度工位，也会有固定式双臂平台专门服务于科研、训练和高精度操作，还会有例如管道、爬壁等各种各样更加适应场景的机器人。

这并不意味着某一种路线失败了。恰恰说明机器人产业开始从“寻找标准身体”，走向“为任务寻找合适身体”。

Gento Luna和Skye的价值，也正在这里。它们没有试图用同一种机械结构解决所有问题。Luna把注意力放在移动、空间通行和双臂操作上；Skye则更强调高度适应、多工位任务以及训练和数据采集。

两种形态都是以高性能、可靠的硬件加速开发，并且对应着两种不同的现实需求。

这比单纯追求外观上的拟人化，更接近机器人产业真正进入规模应用之后会遇到的问题。

06.

身体可以变化，但底层能力还在延续

从这个维度来看Gento系列，会发现放在天机整个产品体系里看，其一直在试图寻找到更加适应场景的各类产品。

例如Gento Luna强调移动与操作，Gento Skye面向训练、数据采集和多工位验证，Marvin则更多承担固定场景下的双臂操作。

身体可以不同，但底层能力需要能够持续积累。得益于已交付了30,000+台工业机器人，服务了1,000+家企业客户，99%一次制造良率，产品故障率低于1.5%，天机正在积极打造面向物理智能的力控机器人平台。

这也是天机将自身定位为具身智能基础设施平台的核心原因。

未来机器人形态很难只有一种。一家企业，一个平台，真正值得沉淀的，应该是跨形态复用的能力：运动控制、力控、感知、数据采集、开发接口，以及模型能力。

这套能力越成熟，机器人形态反而越可以自由变化。

今天可能是一台轮式机器人，明天可能是一台人形机器人；今天需要折叠，明天需要升降；一个任务可能需要双臂，另一个任务可能只需要单臂。

如果底层系统足够开放，形态变化并不意味着技术能力每次从零开始。这也是具身智能基础设施真正有价值的地方。

过去，机器人产业更像是在造一台台机器人。未来，行业可能越来越像是在搭建一套能够持续产生机器人的能力体系。

今年WRC把发布、采购、开发者单独分成不同主题日，其实已经很能说明产业所处的阶段：AI已经学会看、说与推理，机器人正在从展台上的产品，变成供应链、开发者和真实用户共同参与的系统。而Gento试图赋予更多机器人力控机器人本体，使其能够自然运动、对触碰做出反应，并与物理世界安全交互，-加速当下的开发，并支撑未来的真实世界作业。

这时候再回头看“折叠”和“升降”，它们就不再只是两个机械结构。它们代表了一种很具体的变化，一类更具体的需求。也意味着机器人企业开始认真看待落地，因为真实世界不会为了机器人变得整齐。门还是那么窄，货架还是那么高，工作台还是各有各的高度。

所以，机器人需要改变自己。这可能是2026年以来，具身智能从实验室走向产业现场之后，一个非常朴素却非常重要的变化。

07.

结语与未来

过去大家问机器人，什么时候才能像人一样。

现在可能普遍在问，机器人什么时候才能真正适应人类的世界，来到各类场景乃至千家万户？

如果答案开始出现在一台会折叠的机器人、一个可以升降的机器人身上，那么机器人产业正在进入的，或许已经不是单纯的“人形时代”。

而是一个更复杂的阶段——机器开始拥有为任务重新安排自己身体的能力。

这时候，机器人像不像人，反而没那么重要了。

它能不能进去，能不能够到，能不能稳定地工作，能不能把一次成功变成一万次可重复的成功，才真正决定了具身智能离产业还有多远。