（本文素材源於專利US20250303589A1）提供了用於控制機器人（例如，具有一組連續旋轉關節）的方式與裝置，以執行超人類行為。該方法包括：接收用於執行任務的任務資訊；使用機器人的控制系統確定機器人用於執行該任務的運動規劃；其中該運動規劃包括：使機器人一個或多個關節圍繞一個或多個關節軸線發生旋轉（例如，至少圍繞該組連續旋轉關節中的至少一個連續旋轉關節的關節軸線發生旋轉），以便利用超人類行為高效完成任務。發明領域[0002] 本公開總體涉及機器人技術，更具體地涉及用於配置機器人以執行超人類行為的系統、方法和裝置。背景技術[0003] 機器人通常被定義為一種可程式設計、多功能的機械操縱器，旨在移動材料、零件、工具和/或專用裝置（例如，通過可變的程式設計運動）以執行任務。機器人可包括固定錨定的操縱器（例如工業機器人手臂）、在環境中移動的移動裝置（例如使用腿、輪或牽引式機構），或操縱器與一個或多個移動裝置的組合。當前機器人被用於多種行業，例如製造、倉儲物流、運輸、危險環境、勘探以及醫療保健。概要[0004] 當今多種場景都需要高水平的自動化，例如工廠、運輸設施、物料搬運設施與倉庫等。此類環境中的至少一部分自動化可以由機器人完成任務來提供，例如將物體（如汽車零部件）從第一位置移動到第二位置（例如所謂“抓取-放置（pick and place）”操作）、搬運重物等。雖然在此類環境中，某些任務類型可以由安裝在固定位置或移動輪式底盤上的機器人完成，但其他任務可能更適合具有腿部的機器人。人形機器人可以是仿人形態的有腿機器人，其包含多個部件（例如腳、臂、軀幹、頭、手），這些部件通過關節連接，使部件能夠圍繞關節以一個或多個自由度旋轉。[0005] 在工業場景中，任務執行速度在評估是否以及如何使用機器人時可能是一個重要因素。現有人形機器人往往在不同位置之間移動時耗費大量時間，尤其是在機器人需要改變方向時。此外，在抓取和/或操縱物體的同時執行運動行為，對現有人形機器人而言也可能具有挑戰，因為機器人夾爪在靈巧性上可能比人手更受限，難以以足夠的靈巧度牢固抓握物體。[0006] 以往許多人形機器人的嘗試在外觀和/或能力方面都緊密模仿人類形態，原因包括：(1) 人類與人形體互動的世界環境本就是圍繞人類形態建構的；(2) 由於自然演化歷經數百萬年形成了高度先進的生物形態來與世界互動，因此這種形態應當在機器中被模仿；以及 (3) 人們對人類形態本身的迷戀（例如作為理解人類能力的一種途徑）。發明人已經認識並理解，這些原因並不必然需要限制人形機器人的能力；並且在某些方面，理想狀態可能是讓機器人能力超越人類或既有人形機器人的能力。[0007] 本發明包括用於擴展傳統人形機器人能力的系統、方法和裝置，例如在機器人中包含一組具有運動範圍的關節，使其能夠執行傳統人形機器人無法實現的行為表現。在一些實施例中，一組連續旋轉關節可實現對機器人不同部位的獨立控制，從而帶來高度高效的運動和/或物體操控能力，這些能力可能超出人類的能力。在一些實施例中，某些高效動作和/或物體操控能力並不一定依賴任何特定關節或關節組具備連續旋轉能力。[0008] 在一些實施例中，本發明的機器人包括：一個基座、一組連續旋轉關節（每個連續旋轉關節允許所連接構件圍繞相應軸連續旋轉）。該連續旋轉關節組包括第一髖關節、第二髖關節和背部關節；第一腿部構件通過第一髖關節與基座連接，第二腿部構件通過第二髖關節與基座連接，軀幹通過背部關節與基座連接。[0009] 在一個方面，該連續旋轉關節組還包括頸關節，機器人還包括通過該頸關節與軀幹連接的頭部。在另一方⾯，該連續旋轉關節組還包括第三髖關節和第四髖關節，機器人還包括：第一中間構件在第三髖關節處與基座連接並在第一髖關節處與第一腿部構件連接；第二中間構件在第四髖關節處與基座連接並在第二髖關節處與第二腿部構件連接。在另一方⾯，機器人還包括第一膝關節、第二膝關節、第一踝關節、第二踝關節、第三腿部構件通過第一膝關節與第一腿部構件連接、第一足部通過第一踝關節與第三腿部構件連接、第四腿部構件通過第二膝關節與第二腿部構件連接、第二足部通過第二踝關節與第四腿部構件連接。在另一方⾯，第一膝關節、第二膝關節、第一踝關節和第二踝關節均不包含在連續旋轉關節組中。[0010] 在另一方⾯，該連續旋轉關節組包括第一肩關節與第二肩關節，機器人還包括：第一手臂構件通過第一肩關節與軀幹連接，第二手臂構件通過第二肩關節與軀幹連接。在另一方⾯，連續旋轉關節組還包括第三肩關節與第四肩關節，機器人還包括：第一中間臂構件在第三肩關節處與軀幹連接並與第一手臂構件相連；第二中間臂構件在第四肩關節處與軀幹連接並與第二手臂構件相連。在另一方⾯，機器人還包括第一肘關節、第二肘關節、第三臂構件通過第一肘關節與第一手臂構件連接、第一末端執行器通過第一腕部元件與第三臂構件連接、第四臂構件通過第二肘關節與第二手臂構件連接、第二末端執行器通過第二腕部元件與第四臂構件連接。在另一方⾯，第一肘關節與第二肘關節均不包含在連續旋轉關節組中。在另一方⾯，第一末端執行器是用於抓取第一物體的第一部分的第一夾爪，第二末端執行器是用於抓取第一物體的第二部分或第二物體的第二夾爪。在另一方⾯，機器人還包括與該連續旋轉關節組相關聯的一組執行器，以及包括一個或多個電腦處理器的控制系統；所述一個或多個電腦處理器被配置為：確定用於機器人執行任務的運動計畫，並按照該運動計畫控制所述執行器組來執行任務。在另一方⾯，確定運動計畫包括：確定一個運動計畫，使聯接構件圍繞連續旋轉關節組中的多個關節發生旋轉。在另一方⾯，基座形成機器人的骨盆結構。在另一方⾯，機器人是人形機器人。[0011] 在另一方⾯，機器人進一步包括與連續旋轉關節組相關聯的一組執行器，以及包括一個或多個電腦處理器的控制系統。所述一個或多個電腦處理器被配置為：確定機器人執行任務的運動計畫，並依照該運動計畫控制執行器組來執行任務。在另一方⾯，確定運動計畫包括：確定一個運動計畫，使聯接構件圍繞連續旋轉關節組中的多個關節發生旋轉。在另一方⾯，基座形成機器人的骨盆結構。在另一方⾯，機器人是人形機器人。在另一方⾯，軀幹的前側與後側是對稱的。在另一方⾯，機器人還包括一個與軀幹連接的緊韌體，其中緊韌體被配置為與物體連接。在另一方⾯，緊韌體選自由桿、支架和掛鉤組成的組。[0012] 在一些實施例中，本發明的機器人包括：一個基座、一組連續旋轉關節（每個連續旋轉關節允許所連接構件圍繞相應軸連續旋轉），且該連續旋轉關節組包括第一髖關節、第二髖關節、第三髖關節、第四髖關節、第一肩關節、第二肩關節、第三肩關節、第四肩關節、背部關節和頸關節。機器人還包括：第一腿部構件通過第一髖關節與基座連接、通過第三髖關節與基座連接；第一中間構件位於第一髖關節與第三髖關節之間。機器人還包括：第二腿部構件通過第二髖關節與基座連接、通過第四髖關節與基座連接；第二中間構件位於第二髖關節與第四髖關節之間。機器人還包括：軀幹通過背部關節與基座連接；頭部通過頸關節與軀幹連接；第一手臂構件通過第一肩關節、第三肩關節與軀幹連接；第一中間臂構件位於第一肩關節與第三肩關節之間；第二手臂構件通過第二肩關節、第四肩關節與軀幹連接；第二中間臂構件位於第二肩關節與第四肩關節之間。[0013] 在一個方面，機器人還包括：第三腿部構件通過第一膝關節與第一腿部構件連接；第四腿部構件通過第二膝關節與第二腿部構件連接；第一足部通過第一踝關節與第三腿部構件連接；第二足部通過第二踝關節與第四腿部構件連接；第三臂構件通過第一肘關節與第一手臂構件連接；第四臂構件通過第二肘關節與第二手臂構件連接。在另一方⾯，機器人還包括：第一末端執行器通過第一腕部元件與第三臂構件連接，第二末端執行器通過第二腕部元件與第四臂構件連接。在另一方⾯，第一末端執行器為第一夾爪，第二末端執行器為第二夾爪。[0014] 在一些實施例中，本發明提供一種控制具有連續旋轉關節組的機器人方法：該連續旋轉關節組包括第一髖關節（將第一腿與機器人耦接）、第二髖關節（將第二腿與機器人耦接）以及將軀幹與機器人耦接的背部關節。該方法包括：接收用於執行任務的任務資訊，任務資訊指定機器人在第一位置具有第一姿態、在第二位置具有第二姿態（第二姿態不同於第一姿態）；確定機器人執行任務的運動計畫。該運動計畫包括：第一腿圍繞第一髖關節沿第一方向旋轉第一角度，使第一腿的前側朝向第二位置；第二腿圍繞第二髖關節沿第二方向旋轉第二角度，使第二腿的前側朝向第二位置；以及軀幹圍繞背部關節旋轉第三角度，使機器人至少部分移動以趨向實現第二姿態。該方法還包括：基於所述運動計畫控制機器人執行移動以完成任務。[0015] 在一個方面，第一方向與第二方向不同。在另一方⾯，運動計畫包括機器人的步態計畫，步態計畫包括第一步與第二步：第一腿在第一步期間旋轉；第二腿在第二步期間旋轉。在另一方⾯，步態計畫中的第二步緊接第一步之後發生。在另一方⾯，機器人進一步包括：第一足部與第一腿連接，第二足部與第二腿連接；第一腿旋轉發生在第一足部與表面接觸且第二足部未與表面接觸的情況下。在另一方⾯，第二腿旋轉發生在第二足部與表面接觸且第一足部未與表面接觸的情況下。在另一方⾯，第一腿與第二腿在同一步期間同時旋轉。在另一方⾯，確定運動計畫包括：確定一個在機器人在第一位置與第二位置之間移動時最小化時間和/或能量的運動計畫。在另一方⾯，確定一個在機器人在第一位置與第二位置之間移動時最小化時間和/或能量的運動計畫包括：確定一個最小化機器人在第一位置與第二位置之間行進距離的運動計畫。在另一方⾯，確定一個最小化機器人在第一位置與第二位置之間行進距離的運動計畫包括：確定一個基於第一位置與第二位置之間直線路徑的運動計畫。[0016] 在另一方⾯，當機器人在第一位置與第二位置之間移動時，軀幹圍繞背部關節旋轉。在另一方⾯，連續旋轉關節組還包括設定在機器人頭部與軀幹之間的頸關節，並且確定運動計畫進一步包括：頭部圍繞頸關節旋轉第四角度，以實現機器人在第二姿態中的頭部朝向。在另一方⾯，在第一姿態中，軀幹的第三角度相對於第二姿態為零度。在另一方⾯，連續旋轉關節組進一步包括：第一肩關節（位於第一手臂與軀幹之間）與第二肩關節（位於第二手臂與軀幹之間）；確定運動計畫進一步包括：第一手臂圍繞第一肩關節旋轉第五角度，以實現機器人在第二姿態中的第一手臂朝向；第二手臂圍繞第二肩關節旋轉第六角度，以實現機器人在第二姿態中的第二手臂朝向。在另一方⾯，頭部圍繞頸關節旋轉第四角度在第一腿旋轉之前執行。在另一方⾯，基於運動計畫控制機器人移動以執行任務包括：以第一速度控制軀幹繞背部關節旋轉，並以第二速度控制第一腿繞第一髖關節旋轉，其中第一速度小於第二速度。[0017] 在另一方⾯，執行任務包括將物體從第一位置移動到第二位置；確定運動計畫進一步包括：在第一位置抓取該物體，並在第二位置放置該物體。在另一方⾯，基於運動計畫控制機器人移動以執行任務包括：控制軀幹繞背部關節獨立旋轉，而不需要第一腿與第二腿同步旋轉。[0018] 在一些實施例中，本發明提供一種將機器人從站立姿態翻轉的方法。該方法包括：第一腿繞第一髖關節旋轉 180 度；第二腿繞第二髖關節旋轉 180 度；第一手臂繞第一肘關節旋轉 180 度；第二手臂繞第二肘關節旋轉 180 度；以及頭部繞將頭部與軀幹耦接的頸關節旋轉 180 度。[0019] 在一個方面，該方法還包括：控制機器人從站立姿態執行跳躍；第一腿與第二腿的旋轉在跳躍過程中執行。在另一方⾯，該方法進一步包括：控制機器人從站立姿態跳躍，並且第一手臂與第二手臂的旋轉在跳躍過程中執行。在另一方⾯，該方法進一步包括：控制機器人從站立姿態跳躍，並且頭部的旋轉在跳躍過程中執行。在另一方⾯，該方法進一步包括：控制機器人從站立姿態跳躍，並且第一腿、第二腿、第一手臂、第二手臂以及頭部的旋轉均在跳躍過程中執行。在另一方⾯，機器人的軀幹通過背部關節與基座耦接，並且該方法進一步包括：同時控制軀幹繞背部關節旋轉，並控制頸關節旋轉，使軀幹旋轉而頭部或基座不隨之旋轉。[0020] 在一些實施例中，本發明提供一種控制機器人從躺臥姿態站立的方法。該方法包括：移動機器人的第一腿，使連接在第一腿上的第一足部與機器人第一側相鄰的表面接觸；移動機器人的第二腿，使連接在第二腿上的第二足部與機器人第二側相鄰的表面接觸；並通過使第一腿相對於機器人基座旋轉、使第二腿相對於機器人基座旋轉來控制機器人站立，同時第一足部與第二足部保持與表面接觸。[0021] 在一個方面，第一腿通過第一髖關節與機器人基座耦接，第二腿通過第二髖關節與機器人基座耦接；移動第一腿包括使第一腿相對於基座繞第一髖關節旋轉，移動第二腿包括使第二腿相對於基座繞第二髖關節旋轉。在另一方⾯，第一腿包括通過第一膝關節耦接的第一上腿段與第一下腿段；第二腿包括通過第二膝關節耦接的第二上腿段與第二下腿段；移動第一腿包括使第一下腿段相對於第一上腿段繞第一膝關節旋轉，移動第二腿包括使第二下腿段相對於第二上腿段繞第二膝關節旋轉。在另一方⾯，機器人的質心投影位於由支撐多邊形定義的區域內，該支撐多邊形至少部分由第一足部在表面上的第一位置以及第二足部在表面上的第二位置所定義。[0022] 在一些實施例中，本發明提供一種由機器人搬運物體的方法。該方法包括：在環境中的第一位置抓取一個物體，將該物體耦接到軀幹第一側端部上的緊韌體；翻轉機器人的姿態；並以翻轉後的姿態將該物體搬運到環境中的第二位置。[0023] 在一個方面，翻轉機器人姿態包括：將第一腿的朝向翻轉為面向第二位置；將第二腿的朝向翻轉為面向第二位置；以及將頭部的朝向翻轉為面向第二位置。在另一方⾯，翻轉機器人姿態包括：旋轉軀幹，使軀幹第一側朝向遠離通往第二位置的行進方向，而第一腿、第二腿與頭部在行進方向上仍保持面向第二位置。在另一方⾯，所述緊韌體包括一個安裝在軀幹第一側的工具，並將該物體耦接到緊韌體包括：將該物體的一部分放置到該工具上。[0024] 在一些實施例中，本發明提供一種使用機器人操縱物體的方法。該方法包括：使用一個或多個末端執行器抓取物體（該物體位於機器人軀幹第一側）；並旋轉機器人一個或多個手臂，使與一個或多個末端執行器耦接的物體越過軀幹，從而使該物體位於與第一側相對的軀幹第二側。[0025] 在一個方面，使用一個或多個末端執行器抓取物體包括：用機器人的兩個末端執行器抓取該物體。在另一方⾯，在不移動軀幹的情況下旋轉與一個或多個末端執行器耦接的一個或多個手臂。在另一方⾯，機器人的一個或多個手臂包括通過肘關節耦接的上臂構件與下臂構件；並且該方法進一步包括：當物體位於軀幹第二側時，通過肘關節反轉（inverting）所述一個或多個手臂中的每一條。在另一方⾯，機器人包括一個通過連續旋轉頸關節與軀幹耦接的頭部，其中該方法包括：通過連續旋轉頸關節使頭部相對於軀幹旋轉，以面向第二側。[0026] 在一些實施例中，本發明提供一種由機器人抓取物體的方法。該方法包括：翻轉機器人的第一腿與第二腿，使第一腿的前側與第二腿的前側均朝向遠離待抓取物體的第一方向；從表面抓取該物體（物體在機器人一個或多個末端執行器可觸及範圍內）；並在第一腿與第二腿被翻轉的同時，通過使第一腿與第二腿相對於機器人基座旋轉，將該物體從表面抬起。[0027] 在一個方面，該方法進一步包括：使軀幹相對於基座旋轉，以使機器人面向第一方向上的物體。[0028] 在一些實施例中，本發明提供一種控制具有腿部的機器人橫向移動的方法。該方法包括：控制機器人採取第一橫向步態（通過使機器人的第一腿跨越機器人第二腿）並在第一方向上使機器人骨盆相對於軀幹繞背部關節旋轉；以及控制機器人採取第二橫向步態（通過使第二腿從第一腿處跨回）並在與第一方向相反的第二方向上使機器人骨盆相對於軀幹繞背部關節旋轉。[0029] 在一些實施例中，本發明提供一種控制被配置為執行超人類行為的機器人的方法。該方法包括：由機器人的控制系統施加約束，使得在第一操作模式下機器人執行的一組行為不包含超人類行為；並允許在第二操作模式下，控制系統使機器人的運動包含第一組行為以及超人類行為。[0030] 在一個方面，該方法進一步包括：接收第一指示，表明有人類靠近和/或正在觀察機器人，並響應於接收第一指示而控制機器人在第一操作模式下運行。在另一方⾯，該方法進一步包括：接收第二指示，表明沒有人類靠近和/或觀察機器人，並響應於接收第二指示而控制機器人在第二操作模式下運行。[0031] 在一些實施例中，本發明的機器人包括：一個軀幹、一個骨盆（通過第一連續旋轉關節與軀幹耦接）、一條第一腿（通過第二連續旋轉關節與骨盆耦接）、一條第二腿（通過第三連續旋轉關節與骨盆耦接），以及用於控制第一、第二、第三連續旋轉關節旋轉的控制系統；其中控制系統基於（至少部分基於）機器人的運動計畫控制第二連續旋轉關節與第三連續旋轉關節。[0032] 在一個方面，第一連續旋轉關節、第二連續旋轉關節和第三連續旋轉關節使機器人能夠執行全向步行（omnidirectional stepping）。在另一方⾯，運動計畫包括步態計畫，並且控制系統被配置為確定該步態計畫。[0033] 在一些實施例中，本發明的機器人包括一個主體，以及多個與主體耦接的機器人構件的運動鏈（kinematic chain）。每條運動鏈包括至少兩個關節，其中至少一個關節為連續旋轉關節。[0034] 在一個方面，主體包括一個軀幹，以及通過連續旋轉關節與軀幹耦接的骨盆。在另一方⾯，該多條運動鏈包括：第一條與骨盆耦接的機器人構件運動鏈，以及第二條與骨盆耦接的機器人構件運動鏈。在另一方⾯，第一條運動鏈的至少兩個關節包括：將第一條運動鏈與骨盆耦接的第一連續旋轉關節；第二條運動鏈的至少兩個關節包括：將第二條運動鏈與骨盆耦接的第二連續旋轉關節。在另一方⾯，該多條運動鏈還包括：第三條與軀幹耦接的機器人構件運動鏈，以及第四條與軀幹耦接的機器人構件運動鏈。在另一方⾯，第三條運動鏈的至少兩個關節包括：將第三條運動鏈與軀幹耦接的第三連續旋轉關節；第四條運動鏈的至少兩個關節包括：將第四條運動鏈與軀幹耦接的第四連續旋轉關節。[0035] 在一些實施例中，本發明提供一種電腦實現的方法。該方法包括：由機器人的計算系統接收用於執行任務的任務資訊；並基於（至少部分基於）任務資訊以及與機器人關節和構件相關的運動學資訊，為機器人確定一組執行任務的軌跡；其中用於執行任務的關節中至少一個關節是允許所連接構件圍繞某軸連續旋轉的連續旋轉關節。[0036] 在一個方面，任務資訊包括一組足部著地點以及用於機器人運動（locomotion）的骨盆旋轉。附圖簡要說明[0037] 通過參考以下結合附圖的說明，本發明的優點以及進一步優點可以得到更好理解。附圖不一定按比例繪製，重點通常放在闡釋本發明原理上。[0038] 圖 1 示出根據本發明示例性實施例的機器人裝置示例配置。[0039] 圖 2A 示出根據本發明示例性實施例的人形機器人示例。[0040] 圖 2B 示出根據本發明示例性實施例的人形機器人的各種執行器示例。[0041] 圖 3 是根據本發明示例性實施例的電腦實現過程的流程圖。[0042] 圖 4 示意性示出根據本發明示例性實施例的執行超人類轉向行為的機器人。[0043] 圖 5A-5E 示出根據本發明示例性實施例的機器人站立行為示例。[0044] 圖 6A-6D 示出根據本發明示例性實施例的機器人搬運物體行為示例。[0045] 圖 7A-7F 示出根據本發明示例性實施例的機器人抓取-放置行為示例。[0046] 圖 8A-8F 示出根據本發明示例性實施例的另一種抓取-放置行為示例。[0047] 圖 9A-9F 示出根據本發明示例性實施例的機器人舉起物體行為示例。[0048] 圖 10A-10F 示出根據本發明示例性實施例的機器人轉身與行走行為示例。[0049] 圖 11A-11F 示出根據本發明示例性實施例的機器人跳躍翻轉行為示例。[0050] 圖 12A 示意性示出傳統有腿機器人的可用步態區域。[0051] 圖 12B 示意性示出根據本發明示例性實施例的有腿機器人的可用步態區域。[0052] 圖 13A-13D 示出根據本發明示例性實施例的全向步行行為示例。[0053] 圖 14A-14E 示出根據本發明示例性實施例的交叉步（cross stepping）行為示例。[0054] 圖 15A-15F 示出根據本發明示例性實施例的扭轉步（twist stepping）行為示例。[0055] 圖 16 是根據本發明示例性實施例的電腦實現過程的流程圖。詳細說明[0056] 一個示例性實現涉及一種機器人裝置，其至少配置有一個機器人肢體、一個或多個感測器以及一個處理系統。該機器人肢體可以是包括若干由關節連接的構件的可動附肢。該機器人肢體還可以包括與肢體構件耦接的多個執行器（例如 2–5 個執行器），以通過連接構件的關節所限定的運動範圍來促使肢體構件運動。感測器可被配置為測量機器人裝置的屬性，例如關節角度、執行器內部壓力、關節力矩和/或位置、速度、構件在某一時刻的加速度。感測器還可被配置為測量機器人的朝向（例如機器人的身體朝向測量；該身體也可在本文中稱為機器人裝置的“基座”）。其他示例屬性還包括機器人裝置各部件的質量等。處理系統可確定機器人肢體關節的角度，這些角度可直接來自角度感測資訊，或間接來自可計算關節角度的其他感測資訊。處理系統還可基於基座的感測朝向以及關節角度，估計機器人裝置基座的朝向。[0057] 本文中的“朝向（orientation）”可指對象的角位置。在一些情況下，朝向可指繞三個軸的轉動量（例如以度或弧度表示）。在一些情況下，機器人裝置的朝向可指機器人裝置相對於某一參考系的朝向，例如地面或其所站立的表面。朝向可由歐拉角的角位置來描述，即偏航（yaw）、俯仰（pitch）與橫滾（roll）角和/或四元數。在一些情況下（例如在電腦可讀介質上），朝向可由朝向矩陣和/或朝向四元數等表示。[0058] 在一些場景中，來自機器人裝置基座感測器的測量可表明：機器人裝置的朝向使其具有線速度和/或角速度，從而需要控制一個或多個可動附肢以維持平衡。然而，在這些場景中，機器人裝置的肢體可能處於某種朝向和/或運動狀態，使得平衡控制並非必需。例如，機器人裝置身體可能向左傾斜，測量身體朝向的感測器可能因此指示需要向左移動以平衡；但機器人裝置的一個或多個肢體可能向右伸展，使機器人裝置儘管基座感測器指示相反仍保持平衡。機器人裝置的肢體可能對其身體施加力矩，並可能影響機器人裝置的質心。因此，某一部分機器人裝置的朝向與角速度測量可能不能精準代表機器人裝置的身體與肢體的組合朝向與角速度（本文中可稱為“聚合（aggregate）”朝向與角速度）。[0059] 在一些實現中，處理系統可被配置為：基於基座的感測朝向以及測得的關節角度，估計整個機器人裝置的聚合朝向和/或角速度。處理系統已儲存關節角度與機器人裝置朝向和/或基座角速度之間的關係；即關節角度在多大程度上影響機器人裝置基座的朝向和/或角速度。關節角度與機器人裝置基座運動之間的關係可基於機器人肢體的運動學與質量特性確定。換言之，該關係可指定：關節角度對機器人裝置聚合朝向和/或角速度的影響。此外，處理系統還可被配置為：確定由內部運動以及朝向與/或角速度元件引起的、與外部運動所致的朝向與/或角速度之間的區分成分。進一步地，處理系統可區分聚合朝向中的成分，以確定機器人裝置的聚合偏航率、俯仰率與橫滾率（這些合稱“聚合角速度”）。[0060] 在一些實現中，機器人裝置還可包括一個控制系統，該控制系統被配置為基於機器人裝置的簡化模型來控制機器人裝置。控制系統可被配置為接收機器人裝置的估計聚合朝向和/或角速度，並隨後以某種方式控制機器人裝置的一個或多個關節肢體（例如維持機器人裝置的平衡）。例如，控制系統可確定將機器人裝置腳部放置在何處和/或在表面上施加多大力，基於聚合朝向來實現平衡。[0061] 在一些實現中，機器人裝置可包括力感測器，用於測量或估計外部力（例如機器人裝置腿部對地面的作用力），以及用於測量機器人裝置肢體朝向的運動學感測器。處理系統可基於由感測器測得的資訊確定機器人裝置的角動量。控制系統可被配置為具有反饋式狀態觀測器，其接收測得的角動量與聚合角速度，並給出角動量的降噪估計值。狀態觀測器還可接收機器人裝置所受力矩或估計力的測量，並利用這些資訊（以及其他資訊）來估計機器人裝置的降噪角動量。[0062] 控制系統可被配置為驅動跨機器人腿部不同部件連接的一個或多個執行器。執行器可被控制以抬升或降低機器人腿部。在某些情況下，機器人腿部可包括用於控制機器人腿部在三維空間中運動的執行器。取決於具體實現，控制系統可被配置為使用聚合朝向以及其他感測測量，來以某種方式控制機器人（例如靜止平衡、行走、奔跑、疾馳等）。[0063] 在一些實現中，關節角度與其對機器人裝置基座朝向和/或角速度影響之間的多種關係可被儲存在處理系統上。處理系統可選擇一種特定關係，用以基於關節角度確定聚合朝向和/或角速度。例如，一種關係可能與某一關節在 0 到 90 度之間時相關，另一種關係可能與某一關節在 91 到 180 度之間時相關。所選關係可能比其他關係更準確地估計機器人裝置的聚合朝向。[0064] 在一些實現中，處理系統已儲存不止一種關於機器人裝置關節角度與關節角度影響機器人裝置基座朝向和/或角速度程度之間的關係。每種關係可對應於一個或多個關節角度取值範圍（例如工作範圍）。在一些實現中，機器人裝置可在一種或多種模式下運行。某一運行模式可對應於一種或多種運行關係。[0065] 機器人裝置的角速度可具有多個份量，用於描述機器人裝置在多個平面上的朝向（例如旋轉角）。從機器人裝置的視角看，向左或向右轉動的旋轉角可稱為“偏航（yaw）”；向上或向下轉動的旋轉角可稱為“俯仰（pitch）”；向左或向右傾斜的旋轉角可稱為“橫滾（roll）”。此外，偏航、俯仰與橫滾的變化速率可分別稱為“偏航率”“俯仰率”和“橫滾率”。[0066] 參照附圖，圖 1 示出根據本發明示例性實施例的機器人裝置（或“機器人”）100 的示例配置。機器人裝置 100 表示一個配置為執行本文所述操作的示例機器人裝置。此外，機器人裝置 100 可被配置為自主、半自主和/或在使用者指令下運行；並可存在於多種形態中，例如人形機器人、雙足、四足或其他移動機器人等。進一步地，機器人裝置 100 也可被稱為機器人系統、移動機器人等其他名稱。[0067] 如圖 1 所示，機器人裝置 100 包括處理器 102、資料儲存 104、程序指令 106、控製器 108、一個或多個感測器 110、電源 112、機械部件 114 以及電氣部件 116。機器人裝置 100 僅用於示意說明，並且可包含更多或更少的部件而不脫離本公開範圍。機器人裝置 100 的各部件可通過任意方式連接，例如通過電子通訊方式（有線或無線）。此外，在一些示例中，機器人裝置 100 的部件可位於多個不同的物理實體上，而不是單一物理實體上。機器人裝置 100 的其他示例構型也可能存在。[0068] 處理器 102 可作為一個或多個通用處理器或專用處理器運行（例如數字訊號處理器、應用專用積體電路等）。處理器 102 可被配置為執行儲存在資料儲存 104 上、並可執行以提供本文所述機器人裝置 100 操作的電腦可讀程序指令 106。例如，程序指令 106 可用於提供控製器 108 的操作；控製器 108 可被配置為引起機械部件 114 和電氣部件 116 的啟動和/或去啟動。處理器 102 可運行並使機器人裝置 100 執行本文描述的多種功能。[0069] 資料儲存 104 可為多種類型的儲存介質，例如儲存器。比如，資料儲存 104 可包括或採用一個或多個可由處理器 102 訪問的電腦可讀儲存介質。一個或多個可讀儲存介質可包括易失性和/或非易失性儲存部件，例如光學、磁性、有機或其他儲存器或磁碟儲存等，可全部或部分與處理器 102 整合。在一些實現中，資料儲存 104 可使用單一物理裝置實現（例如光儲存、磁儲存、有機儲存或其他儲存單元），在其他實現中，資料儲存 104 可使用兩個或多個物理裝置實現，這些裝置可通過電子方式通訊（例如有線或無線通訊）。此外，除電腦可讀程序指令 106 外，資料儲存 104 還可包括諸如診斷資料等其他資料（以及其他可能性）。[0070] 機器人裝置 100 可包括至少一個控製器 108，用於與機器人裝置 100 互動。控製器 108 可作為機器人裝置 100 與其機械部件 114 和/或電氣部件 116 之間的連接鏈路。在一些情況下，控製器 108 可作為機器人裝置 100 與其他計算裝置之間的介面。此外，控製器 108 還可作為機器人裝置 100 與使用者之間的介面。控製器 108 可包括多種用於與機器人裝置 100 通訊的部件，例如一個或多個搖桿或按鈕等。控製器 108 還可執行機器人裝置 100 的其他操作。控製器的其他示例也可能存在。[0071] 此外，機器人裝置 100 包括一個或多個感測器 110，例如力感測器、接近感測器、運動感測器、負載感測器、位置感測器、觸覺感測器、深度感測器、超聲測距感測器和/或紅外感測器等。感測器 110 可向處理器 102 提供感測資料，以便與機器人裝置 100 的環境適當互動，並監測機器人裝置 100 的系統運行情況。感測器資料可用於評估各種因素，以便由控製器 108 和/或機器人裝置 100 的計算系統對機械部件 114 與電氣部件 116 進行啟動或停用。[0072] 感測器 110 可向機器人裝置 100 的控製器 108 和/或計算系統提供資訊，用於確定機器人裝置 100 的運行。例如，感測器 110 可捕獲與環境地形、附近物體的運動或位置對應的資料，從而輔助環境識別與導航等。在一個示例構型中，機器人裝置 100 可包括一個感測系統，其中可包括相機、雷達、雷射雷達、飛行時間相機、全球定位系統（GPS）收發器和/或其他用於捕獲機器人裝置 100 環境資訊的感測器。感測器 110 可即時監測機器人裝置 100 的環境並檢測障礙、地形要素、天氣狀況、溫度和/或其他環境參數。[0073] 此外，機器人裝置 100 還可包括其他感測器 110，用於接收指示機器人裝置 100 狀態的資訊，包括用於監測機器人裝置 100 各部件狀態的感測器。感測器 110 可測量機器人裝置 100 系統活動，並根據機器人裝置 100 各種特徵的運行接收資訊，例如可伸縮腿、手臂或其他機械與/或電氣特徵的運行。由感測器提供的感測資料可使機器人裝置 100 的計算系統確定運行中的錯誤，並監測機器人裝置 100 各部件的整體功能狀態。[0074] 例如，計算系統可使用感測資料來確定機器人裝置 100 的穩定性（在運行期間），以及與功率水平、通訊活動、需要維修的部件等相關的測量資訊。作為示例構型，機器人裝置 100 可包括陀螺儀、加速度計和/或其他用於提供與機器人裝置運行狀態相關資料的感測器。此外，感測器 110 還可監測機器人裝置 100 當前所處的功能狀態（例如步態），即機器人裝置 100 當前可能正在運行的狀態。另一些情況下，感測器 110 可測量機器人裝置某一腿與機器人裝置質心之間的距離。感測器 110 的其他示例用途也可能存在。[0075] 此外，機器人裝置 100 還可包括一個或多個電源 112，用於向機器人裝置 100 的各部件供電。在可能的電源系統中，機器人裝置 100 可包括液壓系統、電氣系統、電池和/或其他類型的電源系統。作為示例說明，機器人裝置 100 可包括一個或多個電池，通過有線和/或無線連接向部件供電。在示例中，機械部件 114 與電氣部件 116 的部件可各自連接到不同電源，或由同一電源供電。機器人裝置 100 的部件也可連接到多個電源。[0076] 在示例構型中，任意類型的電源都可用於為機器人裝置 100 供電，例如汽油和/或電動發動機。此外，電源 112 可通過多種方式充電，例如有線連接到外部電源、無線充電、燃燒等。還可能存在其他構型。此外，機器人裝置 100 可包括液壓系統，以利用流體動力為機械部件 114 供電。機器人裝置 100 的部件可基於液壓流體工作，液壓流體通過液壓系統傳遞給各種液壓馬達與液壓缸等。例如，機器人裝置 100 的液壓系統可通過小型管道、柔性軟管或其他連接在部件之間傳遞大量動力。機器人裝置 100 的其他電源也可能包括在內。[0077] 機械部件 114 可表示使機器人裝置 100 能夠運行並執行物理功能的硬體。例如，機器人裝置 100 可包括執行器、可伸縮腿（“legs”）、手臂（arms）、輪子（wheels）或多個結構體，用於容納計算系統或其他部件和/或其他機械部件。機械部件 114 可取決於機器人裝置 100 的設計以及其被配置執行的功能與/或任務。因此，根據機器人裝置 100 的運行與功能，機器人裝置 100 可能有不同的機械部件 114 可用。在一些示例中，機器人裝置 100 可被配置為加入和/或移除機械部件 114，這可能涉及使用者和/或其他機器人裝置的協助。例如，機器人裝置 100 可能最初配置為四條腿，但可由使用者或機器人裝置 100 自身改變為移除其中兩條腿以作為雙足運行。機械部件 114 的其他示例也可能包括在內。[0078] 電氣部件 116 可包括多種能夠進行處理、傳輸、提供電荷或電訊號的部件。例如，電氣部件 116 可包括電線、電路和/或無線通訊發射器與接收器，以使機器人裝置 100 運行。電氣部件 116 可與機械部件 114 互連，以使機器人裝置 100 執行各種操作。電氣部件 116 可被配置為將電源 112 的電力提供給各種機械部件 114，例如機器人裝置 100 可包括電機。電氣部件 116 的其他示例也可能存在。[0079] 在一些實現中，機器人裝置 100 可包括通訊鏈路 118，用於傳送和/或接收資訊。通訊鏈路 118 可傳送和/或傳輸指示機器人裝置 100 各部件狀態的資料。例如，由感測器 110 讀取的資訊可通過通訊鏈路 118 傳送到一個單獨裝置。與電源 112、機械部件 114、電氣部件 116、處理器 102、資料儲存 104 和/或控製器 108 的完整性或健康狀況相關的其他診斷資訊也可通過通訊鏈路 118 傳送到外部通訊裝置。[0080] 在一些實現中，機器人裝置 100 可接收由處理器 102 處理的通訊鏈路 118 上的資訊。該接收資訊可指示在執行程序指令 106 期間由處理器 102 訪問的資料。例如，該接收資訊可改變控製器 108 的某些方面，而控製器 108 可能影響機械部件 114 或電氣部件 116 的行為。在一些情況下，該接收資訊指示查詢請求特定資訊（例如機器人裝置 100 的一個或多個部件的運行狀態），隨後處理器 102 可將該特定資訊通過通訊鏈路 118 傳送回去。[0081] 在一些情況下，通訊鏈路 118 包括有線連接。機器人裝置 100 可包括一個或多個連接埠，用於與通訊鏈路 118 連接到外部裝置。通訊鏈路 118 還可替代或補充有線連接而包括無線連接。一些示例無線連接可利用蜂窩連接，如 CDMA、EVDO、GSM/GPRS 或 4G 電信連接（如 WiMAX 或 LTE）。此外或替代地，無線連接可利用 Wi-Fi 連接以向無線區域網路（WLAN）傳輸資料。在一些實現中，無線連接還可通過紅外、無線電、藍牙或近場通訊（NFC）裝置進行通訊。[0082] 圖 2A 示出根據本發明示例性實施例的人形機器人示例。機器人 200 可對應於圖 1 所示的機器人裝置 100。機器人 200 作為一種可能的機器人裝置實現示例，可被配置為包含本文所述系統和/或執行本文所述方法。機器人裝置的其他示例實現也可能存在。[0083] 機器人 200 可包括多個可動附肢，例如機器人腿 202、204 和/或機器人手臂 206、208。機器人 200 還可包括一個機器人頭部 210，其可包含一個或多個視覺感測器（例如相機、紅外感測器、物體感測器、測距感測器等）。每個可動附肢可包括若干（例如一、二、三或更多）由關節連接的構件，使該可動附肢能夠在一定自由度範圍內運動。例如，機器人腿 202、204 可分別包括可能與表面接觸的足部 212、214（例如地面表面）。腿 202、204 可使機器人 200 以不同速度按不同步態行進。此外，每條手臂 206、208 可促進物體操控、負載搬運和/或機器人 200 的平衡。每條手臂 206、208 可包括一個或多個由關節連接的構件，並可配置為具有不同自由度。每條手臂 206、208 還可包括相應的末端執行器 216、218（例如夾爪、手等）。機器人 200 可使用末端執行器 216、218 與物體互動（例如抓取、轉動、拉動和/或推動）。每個末端執行器 216、218 可包括多種類型的附屬物或附件，例如手指、連接的工具或抓取機構。在一些實施例中，一個或多個感測器（例如相機、紅外感測器、物體感測器、測距感測器等）可佈置在機器人的任意構件或連桿上。[0084] 機器人 200 還可包括用於測量其可動附肢關節角度的感測器。此外，可動附肢可包括若干可由控制的執行器，用於伸出與縮回可動附肢構件。執行器示例可更詳細地描述於圖 2B。在一些情況下，關節角度可基於給定執行器的伸出或縮回程度確定。在一些情況下，關節角度可從安裝在可動附肢構件上的慣性測量單元（IMU）的位置資訊推斷。在一些實現中，關節角度可通過旋轉位置感測器（例如旋轉編碼器）測得。在其他實現中，關節角度可通過光學反射技術測得。還可能存在其他關節角度測量技術。[0085] 在一些實施例中，機器人 200 可包括一組連續旋轉關節，其中每個連續旋轉關節允許圍繞相應軸連續（例如 360 度和/或無限制）旋轉。與其要求該類關節“解繞”（unwind），例如總是將目標關節角相對於某個名義（例如 0 度）朝向來確定，機器人 200 的控制系統可被配置為確定目標關節角可設定為 360 度的任意倍數（例如 0 度、360 度、720 度），以允許連接構件圍繞關節實現高效運動以達到目標關節角。例如，如果連續旋轉關節的目標關節角為 15 度，而當前關節角為 350 度，則與其讓連接構件繞關節旋轉 −335 度，不如將其旋轉 +25 度（到 375 度），這對連續旋轉關節而言等效於 15 度的關節角。[0086] 在一些實施例中，機器人 200 可包括一個主體（例如軀幹與一個基座（如骨盆基座）），以及一條或多條與主體耦接的機器人構件的運動鏈（例如手臂、腿）。每條運動鏈可包括至少兩個關節（例如將該運動鏈與主體耦接的第一關節，以及將至少兩個構件耦接的第二關節）。至少一個（在該至少兩個關節中）關節可為連續旋轉關節，使至少一個構件（並且在該關節將運動鏈耦接到主體時可能使所有構件）能夠連續旋轉。[0087] 機器人 200 可被配置為將感測器資料從可動附肢傳送到與機器人 200 耦接的裝置，例如處理系統、計算系統或控制系統。機器人 200 可包括儲存器，該儲存器可整合於機器人 200 中，或作為儲存感測器資料的獨立部件。在一些實現中，感測器資料可在儲存器中保留一定時間。在一些情況下，儲存的感測器資料可由控制系統或機器人 200 處理或變換後使用。在一些情況下，機器人 200 還可通過有線或無線連接（或其他電子通訊手段）將感測器資料傳輸到外部裝置。[0088] 圖 2B 示出根據本發明示例性實施例的人形機器人 290 的示例。人形機器人 290 可包括與機器人 200（圖 2A）類似的部件（例如手臂、腿、腳、頭部），但為減少圖 2B 的雜亂，這些部件可能未標註。人形機器人 290 的示意圖上疊加有一組執行器，可用於驅動連接構件圍繞人形機器人 290 的關節運動。如下更詳細描述，人形機器人 290 可包括不同類型的執行器與關節，使機器人構件能夠以不同自由度運動，在需要時提供靈活性，同時限制不合適的運動（例如避免或降低構件之間碰撞風險）。[0089] 人形機器人 290 包括一個基座構件（例如如圖 2B 所示的骨盆基座）220。骨盆基座 220 可旋轉地連接到第一髖構件 222。電執行器 224 可佈置在骨盆基座 220 與第一髖構件 222 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 224 的第一部分可固定到骨盆基座 220，第二部分可固定到第一髖構件 222。電執行器 224 可被配置為使骨盆基座 220 相對於第一髖構件 222 繞某一軸（例如第一髖-y 軸）226 旋轉。第一髖構件 222 還連接到第一中間腿構件 228。電執行器 230 可佈置在第一髖構件 222 與第一中間腿構件 228 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 230 的第一部分可固定到第一髖構件 222，第二部分可固定到第一中間腿構件 228。電執行器 230 可被配置為使第一髖構件 222 相對於第一中間腿構件 228 繞某一軸（例如第一髖-x 軸）232 旋轉。第一中間腿構件 228 還連接到第一腿構件 234。電執行器 236 可佈置在第一中間腿構件 228 與第一腿構件 234 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 236 的第一部分可固定到第一中間腿構件 228，第二部分可固定到第一腿構件 234。電執行器 236 可被配置為使第一中間腿構件 228 相對於第一腿構件 234 繞某一軸（例如第一髖-z 軸）238 旋轉。在一些實施例中，第二髖構件、第二中間腿構件與第二腿構件可用與上述類似方式連接到第一髖構件、第一中間腿構件與第一腿構件，並使用類似執行器沿類似附加軸旋轉和/或提供類似的可獨立驅動自由度。[0090] 軸 226 可稱為第一髖-y 軸，表示機器人 200 的屈伸軸（flexion/extension）。軸 232 可稱為第一髖-x 軸，表示內收/外展軸（adduction/abduction）。軸 238 可稱為第一髖-z 軸，表示旋前/旋後軸（pronation/supination）。圖 2B 示出一組參考軸以示意 x、y、z 方向，儘管機器人 200 中實際的 x、y、z 軸不必彼此正交或不必共享同一原點。在一些實施例中，圍繞第一髖-y 軸 226 的旋轉可使機器人腿 202 前後擺動（例如使機器人 200 能夠向前與向後行走）。在一些實施例中，圍繞第一髖-x 軸 232 的旋轉可使機器人腿 202 向內擺動（例如朝向兩腿之間中心）以及向外擺動。在一些實施例中，圍繞第一髖-z 軸的旋轉可使機器人腿 202 發生腿段旋轉（例如向左或向右扭轉）。在一些實施例中，腿構件 234 為上腿構件，並可通過膝關節 240 與下腿構件 242 相連。在一些實施例中，下腿構件 242 通過踝關節與腳（例如足部 212）相連。[0091] 在一些實施例中，骨盆基座 220 可旋轉地連接到背部構件 244（本文亦可稱為機器人 290 的“軀幹（torso）”）。電執行器 246 可佈置在骨盆基座 220 與背部構件 244 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 246 的第一部分可固定到骨盆基座 220，第二部分可固定到背部構件 244。電執行器 246 可被配置為使背部構件 244 相對於骨盆基座 220 繞某一軸（例如背部-x 軸）248 旋轉。在一些實施例中，背部構件 244 可旋轉地連接到機器人 290 的頭部 210，和/或被配置為旋轉地連接到頭部 210。電執行器 250 可佈置在背部構件 244 與頭部 210 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 250 的第一部分可固定到頭部 210，第二部分可固定到背部構件 244。電執行器 250 可被配置為使頭部 210 相對於背部構件 244 繞某一軸（例如頸部-z 軸）252 旋轉。[0092] 在一些實施例中，第一肩部構件 256 可旋轉地連接和/或被配置為旋轉地連接到機器人 290 的背部構件 244。電執行器 254 可佈置在背部構件 244 與第一肩部構件 256 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 254 的第一部分可固定到第一肩部構件 256，第二部分可固定到背部構件 244。電執行器 254 可被配置為使第一肩部構件 256 相對於背部構件 244 繞某一軸（例如肩部-y 軸）258 旋轉。在一些實施例中，第一肩部構件 256 可旋轉地連接和/或被配置為旋轉地連接到機器人 290 的第一中間臂構件 260。電執行器 262 可佈置在第一肩部構件 256 與第一中間臂構件 260 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 262 的第一部分可固定到第一中間臂構件 260，第二部分可固定到第一肩部構件 256。電執行器 262 可被配置為使第一中間臂構件 260 相對於第一肩部構件 256 繞某一軸旋轉，以提供第一中間臂構件 260 相對於第一肩部構件 256 的內收/外展。在一些實施例中，第一上臂構件 264 可旋轉地連接和/或被配置為旋轉地連接到機器人 290 的第一中間臂構件 260。電執行器 266 可佈置在第一上臂構件 264 與第一中間臂構件 260 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 266 的第一部分可固定到第一上臂構件 264，第二部分可固定到第一中間臂構件 260。電執行器 266 可被配置為使第一上臂構件 264 相對於第一中間臂構件 260 繞某一軸（例如肩部-z 軸）268 旋轉。[0093] 在一些實施例中，第一上臂構件 264 又可通過第一肘關節與第一下臂構件 272 相連。電執行器 270 可佈置在第一上臂構件 264 與第一下臂構件 272 之間（例如夾設其間、連接到其一或兩者）。在一些實施例中，電執行器 270 的第一部分可固定到第一上臂構件 264，第二部分可固定到第一下臂構件 272。電執行器 270 可被配置為使第一上臂構件 264 相對於第一下臂構件 272 繞某一軸旋轉，以提供屈伸。在一些實施例中，第一肘關節的旋轉可大於 90 度。在一些實施例中，第一肘關節的旋轉可大於 180 度。在一些實施例中，第一肘關節繞軸的旋轉可使第一下臂構件 272 按照一個或多個超人類行為示例“翻轉（inverted）”，其示例如本文所述。[0094] 在一些實施例中，第一下臂構件 272 通過腕部元件與末端執行器（例如夾爪或手）的一端連接。該腕部元件可以包含一個或多個執行器，這些執行器被配置為為機器人的腕部提供不同範圍的運動。在一些實施例中，第二肩部構件、第二中間臂構件、第二上臂構件以及第二下臂構件以與第一肩部構件、第一中間臂構件、第一上臂構件和第一下臂構件相似的方式連接，並使用相似的執行器繞相似的附加軸線旋轉和/或提供相似的可獨立驅動的自由度。[0095] 在一些實施例中，機器人 290 的部分或全部關節旋轉可能可被獨立控制。在一些實施例中，機器人 290 的部分或全部關節旋轉還可被集體控制，使機器人能夠在三維空間再現較大範圍的運動（例如達到或超過人類可實現的範圍）。在一些實施例中，機器人 290 的一個或多個關節的運動範圍可超過對應的人體關節運動範圍。發明人已經認識並理解：包含運動範圍超過對應人體關節能力的關節（前提是存在類似位置的人體關節）能夠使人形機器人 290 執行對人類而言不現實或不可能執行的行為。這些行為在本文中稱為“超人類行為（extra-human behaviors）”。[0096] 例如，人類肘關節的旋轉可能被限制在大約 0 度（前臂完全伸直）到 135 度（前臂完全屈曲）的範圍。相比之下，根據一些實施例，機器人的肘關節旋轉可被配置為具有超過 135 度的運動範圍（例如顯著超過 135 度和/或超過任意給定量），以使機器人手臂能夠進入翻轉姿態（例如超過前臂完全伸直）。這種擴展的肘關節運動範圍可使機器人例如在不繞肩關節旋轉的情況下伸到身後、翻轉手臂以便機器人高效地改變工作空間等。[0097] 在一些實施例中，機器人 290 的一個或多個關節可圍繞其相應軸連續旋轉（例如 360 度和/或無限制）。例如，第一腿構件 234 相對於第一中間腿構件 228 繞第一髖-z 軸 238 的 180 度旋轉（本文稱為“髖部旋轉（hip-z rotation）”）可使第一腿構件 234 及其對應的下腿部分（例如膝、踝、腳）面向與機器人 290 的另一條腿相反的方向。由於人類沒有位置類似且允許 180 度旋轉的關節，因此該行為對人類而言不可能實現。如本文所述，根據這些實施例設計的人形機器人可實現的超人類行為，可能使機器人以不同和/或更高效的方式完成任務，而如果機器人僅包含在人類中存在的關節，且機器人關節的旋轉被限製為類人範圍的運動，則無法做到。[0098] 圖 2B 所示的人形機器人 290 包括十二個連續旋轉關節（為簡潔起見，其中五個未明確示出）。例如，人形機器人 290 包括兩個由電執行器 236 驅動的“髖-z”關節、兩個由電執行器 224 驅動的“髖-y”關節、一個由電執行器 246 驅動的“背部-z”關節、一個由電執行器 250 驅動的“頸-z”關節、兩個由電執行器 254 驅動的“肩-y”關節、兩個“肩部-z”關節由電執行器 266 驅動，並且兩個“前臂-扭轉”關節由電執行器 271 驅動。人形機器人 290 的其他關節（例如，膝關節、肘關節、踝關節、髖-x 關節、肩關節）可能具有受限的運動範圍，從而不允許繞其對應軸連續旋轉。然而，如上所述，即便不允許連續旋轉，其中一些關節（例如，肘關節）也可以允許在一個超過對應人類關節運動範圍的範圍內旋轉，這可能有助於機器人 290 執行超人類行為。儘管人形機器人 290 包括十二個連續旋轉關節，本發明的一些實施例可以包括更少或額外的連續旋轉關節。例如，在一個實施例中，機器人（例如，人形機器人）至少包括兩個連續旋轉關節（例如，一個連續旋轉髖-z 關節以及一個連續旋轉背部-z 關節）。在一些實施例中，機器人至少包括三個連續旋轉關節（例如，一個連續旋轉髖-z 關節、一個連續旋轉背部-z 關節以及一個連續旋轉頸部-z 關節）。應當理解，其他構型也是可能的。此外，還應當理解，連續旋轉關節並非嚴格必需以執行本發明的所有方面（例如，此處描述的所有超人類行為）。另外，一些超人類行為（無論是否在此描述）可以通過連續旋轉關節與非連續旋轉關節的組合來執行，並且/或者通過對一些關節進行旋轉來執行——這些旋轉在人類對應關節上無法實現——以及通過對其他關節進行旋轉來執行——這些旋轉在對應人類關節上可以實現。作為示例，機器人可以在膝關節處彎曲（例如，膝關節 240）以在執行一種包含一個或多個關節的超人類旋轉的行為之前（或同時）降低機器人的質心（例如，由電執行器 236 驅動的一個或兩個“髖-z”關節的旋轉）。[0099] 如上所述，在人形機器人中納入一組關節，使其允許的旋轉程度超過對應人類關節的運動範圍，可使機器人執行“超人類”或“超級人類”行為，從而可能帶來尤其高效的運動和/或物體操控，這是人類可能無法完成的。此外，在人形機器人中使用此類關節，還可通過使用更少的部件來提高運動靈活性，從而簡化此類機器人的設計。例如，相比於在一台人形機器人的頭部（例如，人形機器人的頭部 210）的多個表面（例如，前後表面）上提供視覺感測器（例如，相機、距離感測器等）——這可能很昂貴——可以使用頸部中的執行器（例如，電執行器 250）來旋轉頭部，從而使機器人能夠“回頭看”機器人後方。此外，在頸部提供一個執行器（例如，電執行器 250），使頭部能夠連續旋轉，並且能夠獨立於機器人的其他關節（例如，手臂或腿）受控，從而使機器人能夠將其頭部中的視覺感測器朝向機器人環境中的任何感興趣點，而不干擾機器人其餘部件的運動。例如，運動規劃器可以被配置為協調機器人的腿部（並且可能還包括軀幹與手臂）的運動，以執行行走和/或操控任務。運動規劃器也可以被配置為獨立地控制頭部旋轉，以便注視當前正在被操控的物體，或注視將要被操控的物體，或注視機器人環境中的其他感興趣點——這些點可能位於相對於機器人行進方向的任意方位角方向上。[0100] 在一些實施例中，機器人可以包括運動規劃器（例如，模型預測控製器（MPC）），其被配置為在指定的時間範圍內（例如，1 秒或 1–2 秒的周期）為機器人確定一組參數（例如，機器人的軌跡）。這樣的 MPC 可以將機器人的狀態表示為機器人每個關節的構型（例如，角度）和速度。人形機器人的運動規劃器可以在考慮每個關節的旋轉方向一致性與旋轉角度限制的同時，為機器人多個部分（例如，頭部、軀幹、腿部、手臂）生成運動計畫。發明人已經認識並確認，通過使用連續旋轉關節將機器人不同部分的運動解耦，可以通過減少或消除在運動規劃時需要考慮此類一致性或運動範圍限制，從而簡化機器人的運動規劃。例如，在一些實施例中，“感知”連續旋轉的運動規劃器可以基於待執行任務的期望資訊（例如，一組落腳點位置、對機器人環境中某物體的期望操控等）高效地確定一條或多條參考軌跡。在一些實施例中，運動規劃器可以將與執行任務相關的一條或多條期望軌跡作為輸入，並且運動規劃器可以輸出一組執行器指令，以基於一條或多條參考軌跡來協調並控制機器人的多個部分。例如，機器人可以被控制來執行一項任務：將由機器人抓持的物體放置到位於機器人當前位置後方的某個貨架位置。為執行該任務，運動規劃器可以獲得一條用於物體的第一參考軌跡（例如，使物體沿一條弧線穿過空間運動）、一條用於軀幹的第二參考軌跡（例如，使軀幹沿一條大致位於物體後方的弧線穿過空間運動），以及一條用於雙腳的第三參考軌跡（例如，使雙腳沿一條大致位於軀幹下方的弧線穿過空間運動並旋轉 180 度）。運動規劃器隨後可以基於參考軌跡以及包括一個或多個連續關節在內的關節自由度資訊，確定如何共同執行物體、軀幹與雙腳的運動。[0101] 圖 3 是控制機器人 300 使用超人類行為來執行任務的過程 300 的流程圖，根據本發明的一些實施例。過程 300 從動作 312 開始，在該動作中，接收與機器人要執行的任務相關的任務資訊。該任務可以是相對簡單的任務，例如從第一位置走到第二位置、抓取並拾起物體、將物體放置到某位置等；也可以是更複雜的任務，其需要一系列協調的運動和/或物體操控，例如在不同位置之間抓取並搬運物體、在受限空間內移動物體、跳舞等。關於根據一些實施例使用超人類行為來形成各種任務的示例，將在下文進一步詳細描述。[0102] 在接收到任務資訊後，過程 300 進入動作 314，在該動作中，通過旋轉第一連續旋轉關節來控制機器人執行第一種行為。例如，如下文將進一步描述的，在一些實施例中，機器人的腿部可以在其髖-z 關節處被旋轉，作為機器人從第一位置行走到第二位置，從而使機器人的骨盆與腿部能夠“面向”第二位置（例如，在第一步之內，這是非常高效的行走方式）。過程 300 隨後進入動作 316，在該動作中，通過旋轉第二連續旋轉關節來控制機器人執行第二種行為。例如，繼續上述機器人從第一位置走到第二位置的任務示例，機器人可以在其背部-z 關節處旋轉其軀幹，使軀幹與頭部面向行進方向（例如，面向第二位置）。作為替代，機器人的頭部可以相對於軀幹在其頸部-z 關節處旋轉，從而在不旋轉軀幹的情況下朝向行進方向。通過以人類無法做到的方式圍繞關節旋轉附著構件，機器人能夠高效地轉向並直接走向任意位置（例如，緊挨其初始姿態正後方的位置）。應當理解，允許大幅度旋轉的關節（例如，連續旋轉關節）可以允許更寬範圍的運動，從而使人形機器人能夠以與人類相當或更高的效率執行任務。此外，在一些實施例中，機器人的一個或多個部件（例如，機器人的軀幹）可以是前後對稱的（或近似對稱的），使得該部件的任一側都可以互換使用，而無需總是將該部件恢復到某個標稱旋轉位置（例如，0 度）。換言之，一些機器人部件（例如，採用本文所述技術設計的骨盆）在以 0 度或 180 度圍繞某關節軸定向時，可被配置為以類似方式運行。[0103] 從第一位置轉向並沿任意方向行走到第二位置，通常需要傳統人形機器人採取許多小步和/或走一段相對較長的路徑（例如，沿兩位置之間的弧線或連接線）。發明人已經認識並確認：包含一組連續旋轉關節的人形機器人可以通過使用超人類行為，比傳統人形機器人更高效地轉向。圖 4 示出一個示例場景：人形機器人（例如，人形機器人 290）根據本發明的一些實施例，在不同位置之間高效移動。在圖 4 的示例場景中，人形機器人包括右腳 410、左腳 412 以及骨盆 414（例如，參見圖 2B 的骨盆基座 220）。在第一位置處，機器人可以具有第一姿態，其中右腳 410、左腳 412 與骨盆 414 均面向第一航點 (1)。第一項任務可以是讓機器人走到第二位置，並使機器人的雙腳面向第二航點 (2)。如圖 4 所示，機器人髖-z 關節處的連續旋轉使機器人能夠沿直線路徑 424 在第一位置與第二位置之間移動。例如，如弧線 420 所示，機器人的右腿可以在右髖-z 關節處旋轉以翻轉右腿，並且如弧線 422 所示，機器人的左腿可以在左髖-z 關節處旋轉以翻轉左腿。如圖所示，右腿以第一方向（例如，順時針）旋轉，而左腿以第二方向（例如，逆時針）旋轉。應當理解，當實現為連續旋轉關節時，繞髖-z 關節的旋轉可以沿任一方向進行（例如，順時針或逆時針）。在一些實施例中，可以通過最小化旋轉量來為特定腿選擇旋轉方向，以達到目標朝向。在一些實施例中，可以選擇旋轉方向，使雙腳在旋轉期間朝向遠離機器人中心的方向，以降低雙腳與機器人其他部位發生碰撞的風險。在一些實施例中，可以選擇旋轉方向，使雙腳在旋轉期間朝向機器人的中心，以降低雙腳與機器人環境中的物體（例如，當機器人在狹小空間內運行或靠近牆壁時）發生碰撞的風險。在一些實施例中，機器人的控制系統可以確定包含關於機器人應如何運動以完成特定任務的資訊的運動計畫，並且該運動計畫可以由機器人中一組連續關節的納入所影響。在一些實施例中，運動計畫可以通過最佳化一個目標或一組目標來確定，以實現目標導向的行為（例如，完成特定任務）。例如，在一些實施例中，目標或目標集合可以由機器人的控制系統最佳化，從而通過最小化機器人從第一位置到第二位置的行進距離、最小化執行任務時消耗的能量、在執行任務時實現某種類型的運動，或考慮任何其他適當因素來實現最佳化。[0104] 當腿部（以及其對應的腳）現在面向朝向第二位置的行進方向時，機器人可以沿直線路徑 424 行走並以期望姿態到達第二航點 (2)。在一些實施例中，由機器人控制系統確定的運動計畫可以包括機器人的步態計畫，其中步態計畫指示一個或多個步，以實現全部或部分任務。在一些實施例中，在機器人按照步態計畫邁步時，可以通過繞其對應髖-z 軸的旋轉來執行右腿與左腿的翻轉。例如，右腿可以在邁第一步時翻轉，而左腿可以在邁第二步時翻轉。在另一個示例中，右腿或左腿中的任意一個可以作為樞軸點，並且當另一條腿（即非樞軸腿）離地抬起時，機器人的骨盆可以相對於樞軸腿在對應髖-z 關節處旋轉。在圖 4 所示示例中，骨盆在第一姿態處朝向航點 (1)，在第二姿態處朝離航點 (2)。儘管骨盆不旋轉（或僅輕微旋轉），軀幹或頭部（圖 4 未示）可以繞相應關節旋轉以面向行進方向，從而促進機器人從第一位置導航到第二位置。如應當理解的，在從第一姿態到第二姿態的過渡中，第一姿態中的右腳在第二姿態中變為左腳，而第一姿態中的左腳在第二姿態中變為右腳。[0105] 第二項任務可以是在第二姿態下，讓機器人從第二位置行走到第三位置，並在第三姿態下使機器人的雙腳面向第三航點 (3)。如圖 4 所示，機器人髖-z 關節處的連續旋轉使機器人能夠以高效方式在第二位置與第三位置之間移動。例如，如弧線 430 所示，機器人的右腿可以在右髖-z 關節處旋轉以翻轉右腿，並且如弧線 432 所示，機器人的左腿可以在左髖-z 關節處旋轉以翻轉左腿。骨盆也可以在背部-z 關節處旋轉（如弧線 434 所示）。當腿（以及其對應的腳）現在面向朝向第三位置的行進方向時，機器人可以沿最短路徑行走，並以期望姿態到達第二航點 (3)。如應當理解的，在從第二姿態到第三姿態的過渡中，第二姿態中的右腳變為第三姿態中的左腳，而第二姿態中的左腳變為第三姿態中的右腳。在一些實施例中，使用一組連續旋轉關節使機器人能夠在環境中的任意兩個位置之間移動，而無需將軀幹旋轉超過 90 度。[0106] 在一些實施例中，機器人的軀幹可以是對稱或近似對稱的，這可以使機器人自由翻轉其腿、頭部、手臂等，並且沿環境中的任意方向移動和/或操控物體，而無需旋轉其軀幹。發明人已經認識並確認：由於軀幹在一些場景中可能是機器人最重的部件之一，在移動時不必旋轉軀幹可能在執行任務時帶來更好的平衡性。[0107] 儘管圖 4 顯示了為實現第一與第二任務而對腿與骨盆進行旋轉的方向與旋轉量，但未示出這些旋轉可能執行的速度。在一些實施例中，相對輕的部件（例如，手臂部件或腿部部件）可以以相對較快的速度旋轉，而較重的部件（例如，機器人的頭部與軀幹）可以更慢地旋轉，以減少可能影響機器人平衡的由旋轉重結構（例如，軀幹與被攜帶物體）所引起的慣性力。在一些實施例中，機器人邁步時進行的腿部旋轉可以快速執行，以確保該旋轉（例如，180 度旋轉）能在單步內完成。相反，可能不需要在單步內完成的其他部件（例如，軀幹、頭部、手臂等）的旋轉，可以按需要更慢地執行。在一些實施例中，由機器人控制系統確定的運動計畫可以指定各個部件繞其對應關節的旋轉速度，以使機器人能夠高效且成功地完成任務。[0108] 發明人已經認識並確認：按照本文所述技術設計的機器人可以執行多種超人類行為，其示例與圖 5–15 相關。每個圖中所示的行為在下文將進一步描述，但應當理解，所示與所述的行為僅為示例，並且也可以執行其他行為或行為組合。[0109] 圖 5A–5E 示出一系列姿態，機器人可以根據本發明的一些實施例，在躺姿與站姿之間轉換。典型的從躺姿到站姿的起身行為（對於傳統人形機器人而言，若可實現）通常需要相對較大的接觸面佔地和/或協調多個動態過程來完成該行為。相比之下，按照一些實施例設計的機器人可以被配置為在沒有動態階段且佔地面積相對較小（例如，佔地不大於機器人自身佔地）的情況下執行起身/躺下行為。[0110] 如圖 5A 所示，機器人可以具有初始躺姿姿態 500。在姿態 500 中，機器人可以平躺在地面上（可以是俯臥或仰臥），其雙臂外展，使其肘部向前彎曲，並使末端執行器向後，以在上肢構件下方留出空間。如圖 5B 所示，為開始起身行為，機器人可以蜷起其腿並使膝蓋朝下，如姿態 510 所示。姿態 510 可以通過使機器人的每條腿相對於骨盆在對應髖關節（例如，對應髖-y 關節）處旋轉，並使每條腿的下肢構件相對於上肢構件在對應膝關節處旋轉來實現。如圖 5A 所示，初始姿態 500 具有雙腿，使腳指向兩側。因此，從姿態 500 過渡到姿態 510 也可以通過使雙腿在其對應髖-z 關節處旋轉，使膝蓋指向地面來實現。如圖 5C 所示，起身行為可以繼續進行，通過繼續蜷起雙腿直到達到姿態 520，在該姿態中，兩隻腳被放置在地面上，緊靠軀幹兩側，並位於由姿態 500 中外展手臂所創造的空間內。在一些實施例中，在姿態 510 與姿態 520 之間轉換時放置雙腳的位置可以至少部分由機器人的質心確定。例如，在起身之前構型中機器人的質心可以約束雙腳在地面上的放置，使質心投影到地面的投影落在支撐多邊形內。應當理解，不同質心的不同機器人（例如，無頭機器人、軀幹部重量分佈不同的機器人等）可能需要不同的落腳點放置，並且一些構型可能無法僅用雙腿起身。如圖 5D 所示，起身行為可以繼續，通過使雙腿相對於骨盆（例如，在對應髖-y 關節處）旋轉，同時雙腳保持與地面接觸，以達到姿態 530，在該姿態中機器人的軀幹被抬離地面。如圖 5E 所示，起身行為可以繼續，通過繼續使雙腿相對於骨盆（例如，在對應髖-y 關節處）旋轉，並使上肢構件相對於下肢構件在對應膝關節處旋轉來將雙腿向上伸展，直到達到姿態 540，在該姿態中機器人處於站立姿態。儘管圖 5A–5E 示出了一系列姿態以執行不含動態階段的起身行為，但應當理解，這些姿態也可以以相反方向執行（例如，從姿態 540（圖 5E）到姿態 500（圖 5A）執行躺下行為），從初始站立姿態開始。[0111] 機器人經常被分配抓取-搬運-放置（pick-and-place）操作任務，其中機器人必須在第一位置抓取物體，將物體搬運到第二位置，並在第二位置放置物體。儘管物體可以在從第一位置到第二位置的運輸過程中一直由機器人的一個或多個末端執行器抓持，但在一些實施例中，將物體耦合到機器人的軀幹上可能是有利的，以便在行走時騰出一個或多個末端執行器，從而改善平衡和/或協調，以搬運更重和/或形狀不規則的物體等。在一些場景中，當機器人從第一位置走到第二位置時，也可能有利於不將物體耦合在機器人軀幹前方。圖 6A–6D 示出一系列姿態，機器人可以用來抓取物體並將物體耦合到機器人的背部（例如，在將物體運輸到不同位置之前，以“背包”姿態攜帶該物體），符合一些實施例。[0112] 如圖 6A 所示，機器人可以具有初始姿態 600，在該姿態中機器人可以在第一位置接近一個物體。機器人可以在其軀幹一側包括一個或多個扣件 602，該側在抓取時朝向該物體。在一些實施例中，軀幹可以在不同側（例如，前側或後側）具有不同的扣件。由於背部-z 與頸部-z 連續旋轉關節的存在，具有期望扣件以耦合物體用於特定任務的軀幹側可以被定向為在抓取之前面向該物體。在一些實施例中，扣件可以包括諸如桿、一個或多個支架、一個或多個掛鉤或任何其他合適扣件的結構。在一些實施例中，軀幹可以包括一種可配置介面，使不同扣件能夠被安裝到（和/或從）軀幹移除，從而用於固定與攜帶不同類型的物體。[0113] 如圖 6B 所示，機器人可以通過旋轉其髖部與膝部的各個關節，蹲下進入姿態 610，使其末端執行器能夠夠到並抓取該物體。在圖 6B 的示例場景中，物體位於較低表面（例如，地面），並且機器人蹲下以能夠夠到並獲得對物體的穩固抓持。在其他場景中，待搬運物體可以位於某個位置（例如，貨架上），不需要機器人彎腰下蹲來抓取該物體。在進一步的場景中，待搬運物體可以位於機器人軀幹上方（例如，高貨架上），並且機器人可以被控制向上伸手以抓取該物體。[0114] 如圖 6C 所示，在抓取物體之後，該被抓取的物體可以在姿態 620 中與機器人耦合。例如，機器人可以將該物體耦合到圖 6A 中示出的、佈置在機器人軀幹上的扣件 602 上。如圖 6D 所示，在物體與機器人耦合之後（例如，耦合到扣件 602 上），機器人可以被翻轉以達到姿態 630，從而使機器人能夠將物體背在背上搬運到第二位置。在一些實施例中，翻轉姿態可以通過分別翻轉腿與頭部相對於骨盆與軀幹的朝向來實現。手臂也可以如姿態 630 所示被翻轉。通過翻轉腿與頭部，但不翻轉軀幹，相比於將軀幹旋轉來把物體放到機器人背上的場景，物體從扣件脫開的風險可以降低。此外，如果物體要被運輸到的第二位置位於機器人抓取物體時的位置後方，這種行為可能是有利的。在一些實施例中，承載物體的軀幹可以被旋轉來將物體定位在機器人背上，同時不旋轉腿。這種行為在第二位置位於機器人抓取物體時的位置前方的情況下可能是有利的。[0115] 在一些實施例中，機器人的一個或多個部件可以在將物體耦合到機器人軀幹上的扣件之前或同時被翻轉。在圖 6C 的示例中，頭部在將物體耦合之後被翻轉，而腿保持其原始姿態（例如，面向抓取物體的位置）。隨後，如圖 6D 所示，當機器人開始朝向第二位置行走時，手臂與腿被翻轉，使機器人在朝第二位置方向邁步的同時，將手臂空出來以執行新的操控任務，例如為要放置被攜帶物體的地方騰出空間。[0116] 在一些實施例中，機器人可能不包括可將被抓持物體耦合到其上的扣件（或者即便機器人包括扣件，對特定物體使用扣件也可能並不實際或不建議）。在這種情況下，物體可以在從第一位置到第二位置的過程中持續由機器人的一個或多個末端執行器抓持並搬運。由於一個或多個末端執行器被用於抓持物體，可能不建議在攜帶物體時翻轉手臂以改變運動方向，並將物體放置到機器人身後的目標位置。例如，如果使用雙手抓持且物體較大和/或形狀不規則，可能無法在攜帶物體時翻轉手臂。在這種場景下，配置為具有超人類行為的機器人可以更高效地轉向平行走到目標位置。[0117] 圖 7A–7F 示出一系列姿態，用於根據本發明的一些實施例執行抓取與放置任務的超人類行為。如圖 7A 所示，機器人可以具有初始姿態 700，在該姿態中機器人在第一位置抓取一個物體。在圖 7A 的示例中，姿態 700 是一種蹲姿，使機器人能夠抓取放置在較低表面上的物體。然而，任何其他適當的姿態 700 都可用於抓取物體，其示例與圖 6B 所示的姿態 610 相關。如圖 7B 所示，機器人可以通過伸展其腿來抬起物體（若物體來自較低表面），並且可以如姿態 710 所示旋轉其頭部，以朝向期望的行進方向（例如，朝向將要放置物體的第二位置）。如圖 7C 所示，機器人可以開始通過翻轉其一條腿（例如，在邁向期望行進方向時繞其對應髖-z 關節旋轉該腿），在期望行進方向上行走，使其兩條腿面向相反方向，如圖 7D 所示的姿態 720。如下文在圖 7D 中所示，機器人可以通過翻轉其另一條腿（例如，在邁向期望行進方向時繞其對應髖-z 關節旋轉該腿），繼續沿期望行進方向行走，如圖 7D 所示的姿態 730。當機器人翻轉其另一條腿時，機器人軀幹也可以翻轉（例如，如圖 7D 所示，通過在背部-z 關節處使骨盆相對軀幹旋轉，並在頸部-z 關節處使頭部相對軀幹旋轉），從而使物體被攜帶在機器人前方。應當理解，讓機器人在沿行進方向同側攜帶物體可能是有利或可取的，儘管可能並非嚴格必需。例如，可能並不需要如圖 7D 的姿態 730 那樣翻轉軀幹。相反，機器人可以在朝目的地行走的同時旋轉其腿與頭部，並保持其手臂與被抓持物體位於與行進方向相反的一側，這樣機器人走向目的地的同時將物體攜帶在背後。[0118] 如圖 7E 所示，在軀幹、腿與頭部全部翻轉之後，機器人可以具有姿態 740，並可以沿最短距離行走到第二位置。如圖 7F 所示，在到達第二位置後，機器人可以以期望方式放置物體，採用姿態 750。在圖 7F 的示例中，物體被放置在較低位置，因此使用了蹲姿 750。應當理解，通過將下半身的解耦旋轉與機器人的上半身旋轉相比，腿部可以快速旋轉，使機器人盡快開始朝第二位置行走，而軀幹可以在行進過程中更慢地旋轉，以減少由旋轉重結構（例如，軀幹與被攜帶物體）所引起的慣性，這可能改善被末端執行器所攜帶物體的平衡與穩定性。[0119] 在一些場景中，讓機器人在抓持物體的同時翻轉其姿態而不旋轉其軀幹可能是有益的。例如，如果機器人正在倉庫中相對的貨架之間狹窄通道內執行抓取與放置操作，那麼通道內可能沒有足夠空間使機器人在抓持某個物體（例如，一個箱子）時旋轉軀幹。此外，即便在抓持物體時有空間旋轉軀幹，該旋轉也可能不建議或不希望（例如，若物體很重）。圖 8A–8F 示出一系列姿態：在一些實施例中，機器人在抓持物體時使用超人類行為來翻轉姿態。如圖 8A 所示，機器人可以具有初始姿態 800，在該姿態中物體（例如，一個箱子）由機器人的一個或多個末端執行器抓持。儘管圖 8A 示出在姿態 800 中使用雙手抓持物體，但應當理解，圖 8A–8F 所示的超人類行為也可以在物體由機器人的單臂抓持時執行。如圖 8B 的姿態 810 所示，機器人可以通過旋轉其手臂（例如，繞其肩-y 關節）將物體抬過其軀幹與頭部。如圖 8C 的姿態 820 所示，機器人可以繼續旋轉其手臂（例如，繞其肩-y 關節），越過其身體的豎直中線到達身體另一側，這是人類無法完成的行為。如圖 8D 的姿態 830 所示，機器人可以旋轉其頭部（例如，繞其頸-z 關節）以面向物體現在所在的方向。如圖 8E 的姿態 840 所示，機器人可以旋轉其腿（例如，繞其髖-z 關節），使機器人的雙腳面向物體現在所在的方向。應當理解，如果機器人不需要朝向物體所在方向行走（例如，將物體放置在機器人夠得著的位置），可能並不需要旋轉腿使其面向該方向，這可能導致更高效的運動。如圖 8F 的姿態 850 所示，機器人的肘部可以被翻轉（例如，通過使下臂相對於上臂在肘關節處旋轉），使物體以正常的攜帶姿勢被攜帶（例如，類似於圖 8A 的姿態 800 中的攜帶姿勢），但此時物體位於身體與抓取時相反的一側。應當理解，在姿態 840 與姿態 850 之間肘部翻轉的程度可能取決於正在執行的任務。在例如抓取-放置操作中，肘部翻轉的程度至少部分取決於要放置物體的位置高度。此外，取決於被抓持物體的尺寸，可能有利於在肘關節處使下臂相對於上臂伸展（例如，在姿態 810 與姿態 820 之間），以在被抬起的物體與機器人頭部之間提供更多間隙。[0120] 如圖 6B、7A 與 7F 所示，當機器人嘗試在較低表面（例如，地面、低貨架等）上抓取和/或放置物體時，機器人可以採用腿部在膝蓋處彎曲的蹲姿。在一些情況下，取決於要抓取或放置的物體尺寸和/或形狀，機器人在蹲姿中其膝蓋可能會妨礙抓取或放置物體。在一些實施例中，機器人可以執行一種超人類行為，在不通過膝蓋障礙的情況下抓取和/或放置位於某表面上的物體。圖 9A 示出一種姿態 900：機器人面向要抓取的物體，但由於機器人在蹲姿中膝蓋接觸該物體而無法蹲得足夠低來抓取該物體。圖 9B–9F 示出一系列姿態：在一些實施例中，使用超人類行為來抬起和/或放置物體。如圖 9B 所示，在抓取物體之前，機器人可以採用姿態 910，在該姿態中機器人的腿被翻轉（例如，在髖-z 關節處），使膝蓋面向遠離待抓取物體的方向。由於機器人的膝蓋面向遠離待抓取物體的方向，當機器人將膝蓋彎曲進入蹲姿時，便有空間抓取該物體。如圖 9C 的姿態 920 所示，機器人可以使其腿相對於骨盆（例如，在髖-y 關節處）旋轉以夠到並抓取該物體。在抓取該物體之後，機器人可以如圖 9D 所示，通過使其腿相對於骨盆旋轉（例如，在髖-y 關節處）恢復到站立姿態 930。如圖 9E 的姿態 940 所示，機器人隨後可以使其軀幹相對於骨盆旋轉（例如，在背部-z 關節處），從而使上半身（包括軀幹、頭部與手臂）相對於下半身旋轉。如圖 9F 的姿態 950 所示，在完成上半身相對於下半身的旋轉後，被抓持物體可以被定位到一個行進方向，使其位於與抓取時物體所在身體一側相反的一側。應當理解，相比於旋轉軀幹，若有必要或需要，物體也可以按圖 8A–8F 所述方式被抬過機器人軀幹與頭部。[0121] 發明人已經認識並確認：提供頭部相對於軀幹的獨立旋轉（例如，在頸-z 關節處）使機器人能夠在開始朝某方向移動之前，朝任意方向“看”。這種場景的一個示例是：在朝該方向行走之前，通過向後看來觀察機器人後方。圖 10A–10F 示出一種“看後—向後走”的行為，作為本發明一些實施例的超人類行為。如圖 10A 所示，機器人可以具有初始姿態 1000，在該姿態中機器人面向第一方向。機器人隨後可以將其頭部相對於其軀幹旋轉到姿態 1010（例如，繞頸-z 關節旋轉），以便機器人朝其想要行進的方向後方觀看。通過在行走之前旋轉頭部面向該方向，機器人可以確定沿該方向行走是否安全（例如，通過檢測其路徑上是否存在一個或多個障礙物，且當頭部處於姿態 1010 時這些障礙物不可見）。如圖 10C 所示，機器人隨後可以通過使其腿相對於其骨盆旋轉（例如，繞對應髖-z 關節旋轉）來高效地開始沿期望行進方向行走，並在邁步以達到姿態 1020 時使機器人的腿面向相反方向。如圖 10D 所示，機器人可以通過抬起其另一條腿並使其相對於骨盆旋轉（例如，繞對應髖-z 關節旋轉），繼續沿期望行進方向行走，以達到姿態 1030。如圖 10D 所示，機器人也可以開始旋轉其軀幹，作為相對於其骨盆與頭部（例如，分別繞背部-z 與頸部-z 關節）的一部分旋轉，以使機器人的手臂能夠隨軀幹一起旋轉回其自然構型。如圖 10E 的姿態 1040 所示，腿部旋轉可以在軀幹旋轉完成之前完成，該軀幹旋轉可能以較慢速度發生（例如，以改善平衡），而不是腿部的旋轉。如圖 10F 的姿態 1050 所示，在腿、頭與軀幹均完成旋轉後，機器人可以沿期望行進方向繼續前進到其目的地。[0122] 發明人已經認識並確認：機器人在執行超人類行為時展現的一些姿態可能會被人類觀察者認為不自然，尤其當機器人在這種不自然姿態下保持較長時間時。在一些實施例中，可能希望減輕人類觀察者對這種不自然行為的感知。在一些實施例中，機器人可以嘗試通過同時執行其他行為來掩蓋對一個或多個超人類行為的感知。例如，機器人可以在執行跳躍時受控地翻轉其姿態/體態。圖 11A–11F 示出一系列姿態，用於在一些實施例中執行跳躍時的超人類行為。如圖 11A 所示，機器人可以具有初始姿態 1100，為站立姿態。機器人隨後可以過渡到圖 11B 的姿態 1110，其中膝蓋彎曲作為跳躍動作的初始部分。圖 11C 示出當機器人處於空中“跳躍”（例如，在空中）時，機器人達到姿態 1120，其中頭部相對於軀幹被旋轉（例如，繞頸-z 關節），腿部也被翻轉（例如，繞對應髖-z 關節）。如圖 11D 所示，當機器人完成跳躍動作時，機器人處於姿態 1130，其中頭部與腿現在面向與姿態 1100 相反的方向。如圖 11E 所示，機器人可以達到姿態 1140，其中軀幹（以及被耦合的手臂）相對於頭部與骨盆旋轉（例如，分別繞頸-z 與背部-z 關節）。在軀幹旋轉之後，機器人可以在圖 11F 中達到姿態 1150，其中機器人面向與姿態 1100 相反的方向，並且所有部件均已翻轉。在一些實施例中，機器人可以在較短時間內（例如，小於 1 秒）執行圖 11A–11F 所示的跳躍與翻轉行為，從而使超人類行為的執行更可能被感知為自然。[0123] 在上文所述超人類行為示例中，機器人執行的任務一般與高效轉向並沿任意方向行走、以及以通常不可能的人類方式操控被抓持物體相關，但這些行為是通過納入一個或多個連續旋轉關節或一般具有較大運動範圍的關節來實現的，該運動範圍超過對應人類關節的運動範圍（在人體中存在類似關節的程度上）。發明人還認識並確認：在機器人中納入此類關節可以使機器人執行通常無法由傳統人形機器人完成的步態計畫。圖 12A 以示意方式示出一個兩足機器人可能的落腳位置示例，該機器人不包括允許執行超人類行為的關節。如圖 12A 所示，當左腳 1210 位於某表面上時，可以基於機器人的運動學約束為右腳定義一個可能的踏步區域 1220。如可觀察到的，可能的踏步區域 1220 包括機器人右側與略微前方的區域，但右腳不可能跨過左腳並落在區域 1220 之外。[0124] 圖 12B 以示意方式示出一個允許執行超人類行為的關節的機器人，其可能的踏步位置示例，符合本發明的一些實施例。如圖 12B 所示，當使用一組連續旋轉關節（例如，包括髖-z 與背部-z 關節）時，圖 12A 中右腳的可能踏步區域 1220 被擴展為圖 12B 所示的可能踏步區域 1230。應當理解，包含一組連續旋轉關節的機器人可以具備全向踏步能力（即向任意方向踏步），這可以使機器人成功執行對傳統人形機器人而言具有挑戰性或不可能的踏步行為。此外，執行全向踏步的能力可以促進步態恢復。例如，如果機器人開始失去平衡，一條腿可以旋轉並將腳放置在任意方向，這可以幫助機器人恢復平衡。此外，與傳統人形機器人相比，全向踏步能力可以實現更高效（例如，更節省時間和/或更節省能量）的運動規劃和/或運動執行。[0125] 圖 13A–13D 示出一系列姿態：機器人根據本發明的一些實施例執行全向踏步。如圖 13A 所示，機器人可以具有初始姿態 1300，為站立並面向第一方向。機器人隨後可以如圖 13B 所示執行一步以達到第二姿態 1310，在該姿態中機器人將其右腿相對於姿態 1300 旋轉 180 度（例如，在髖-z 關節處旋轉右腿），同時也將其軀幹與頭部相對於骨盆旋轉（例如，在背部-z 關節處使軀幹相對骨盆旋轉）。該一步將落在傳統人形機器人可能踏步區域 1220 之外。機器人隨後可以繼續執行步態計畫以再邁一步，如圖 13C 的姿態 1320 所示。為達到姿態 1320，機器人可以以其右腿為支點，並旋轉其左腿，使其左腳沿期望行進方向落在其右腳前方。如圖 13D 所示，機器人可以使其軀幹相對於其骨盆旋轉（例如，繞背部-z 關節），以達到姿態 1330，在該姿態中機器人雙腿、軀幹與頭部均面向期望行進方向。[0126] 圖 14A–14E 示出一系列姿態：機器人根據本發明的一些實施例執行橫向交叉踏步（也通常稱為“straying”）。例如，當機器人執行的任務需要沿狹窄通道側向移動、該通道限制機器人以其他方式移動的能力時，或者任務涉及在一段狹窄樓梯上攀爬時，straying 可能尤其有用。如圖 14A 所示，機器人可以具有初始姿態 1400，為站立並面向第一方向。機器人隨後可以執行一次交叉步，用其右腳達到圖 14B 所示的第二姿態 1410，在該姿態中機器人已將其骨盆相對於其軀幹逆時針旋轉，以便（例如，通過繞背部-z 關節旋轉骨盆）在保持軀幹與頭部仍面向同一方向（姿態 1400）時，延長右腳跨過左腳的可達範圍。這樣的橫向交叉步將落在傳統人形機器人可能踏步區域 1220 之外。機器人可以繼續執行步態計畫，通過再邁一步達到圖 14C 所示的姿態 1420。姿態 1420 可以通過機器人用其左腿邁步，同時使其骨盆相對於其軀幹順時針旋轉來實現（例如，通過繞背部-z 關節旋轉骨盆）。機器人可以繼續執行步態計畫，通過再一次橫向交叉步以類似方式達到圖 14D 所示的姿態 1430，該交叉步與圖 14B 所示的橫向交叉步類似。應當理解，關節可以按需旋轉，以在橫向交叉步完成時實現期望的兩腳間橫向間距。如圖 14E 所示，機器人可以繼續執行步態計畫，以達到姿態 1440，在該姿態中機器人面向與初始姿態 1400 相同的方向，並站立在相對起始位置橫向偏移的第二位置處。[0127] 如圖 13A–13D 所示的全向踏步行為示例中，具有一組連續旋轉關節的機器人可以高效地翻轉其身體，從而改變其行進方向。如圖 14A–14E 所示的橫向交叉踏步行為示例中，具有一組連續旋轉關節的機器人可以高效地執行橫向交叉踏步以側向移動於兩個位置之間。圖 15A–15F 示出一系列姿態：機器人將圖 13A–13D 的方向翻轉與圖 14A–14E 的橫向交叉踏步結合到一個步態計畫中，在該步態計畫中機器人在側向移動時“扭轉/旋轉”其身體，符合本發明的一些實施例。[0128] 如圖 15A 所示，機器人可以具有初始姿態 1500，在該姿態中機器人站立並面向第一方向。機器人隨後可以以第一隻腳向前邁步（例如，在該構型中為右腳），同時也跨過另一隻腳（例如，在該構型中為左腳），以達到圖 15B 所示的姿態 1510，在該姿態中機器人的雙腳彼此相對。為達到姿態 1510，機器人可以：(1) 使其第一條腿相對於其骨盆旋轉（例如，在對應髖關節處），從姿態 1500 旋轉該腿 180 度；並且 (2) 使其骨盆相對於其軀幹旋轉（例如，在背部-z 關節處），以延長第一條腿的可達範圍並實現交叉踏步。這樣的一步將落在傳統人形機器人可能踏步區域 1220 之外。機器人可以繼續執行步態計畫，以再邁一步達到圖 15C 所示的姿態 1520。姿態 1520 可以通過機器人以其第一隻腳為支點並旋轉其第二條腿來實現，目的是用第二條腿在第一隻腳所在位置的後方邁步。繼續該步態計畫，機器人可以通過完成第二條腿的旋轉以及在姿態 1520 中啟動該步態期間軀幹的旋轉，達到圖 15D 所示的姿態 1530，使第二隻腳位於第一隻腳後方。應當理解，姿態 1530 中機器人現在面向與初始姿態 1500 相反的方向，且該旋轉是通過翻轉與交叉踏步行為的組合實現的。機器人可以繼續執行該步態計畫，通過以第一隻腳向後邁一步達到姿態 1540，其中第一隻腳位於第二隻腳後方。如圖 15F 所示，機器人可以通過用第二隻腳再邁一步向後步，繼續該步態計畫以達到姿態 1540。[0129] 在機器人中納入具有較大（或無限）繞關節旋轉範圍的關節和/或位於不同於人類關節的位置的關節（例如，連續旋轉髖-z 關節）可以使機器人執行更廣泛的超人類行為，這可能促進機器人的高效運動和/或物體操控。然而，如上所述，一些超人類行為可能會被人類觀察者認為不自然。本發明的一些實施例通過嘗試使某些超人類行為對人類觀察者不那麼可察覺，從而應對對某些超人類行為“不自然感”的感知。例如，快速執行某些超人類行為，和/或將其與另一種行為組合執行，可能會掩蓋對不自然感的感知，相比於超人類行為緩慢執行並/或在相對長時間內保持其不自然姿態時。圖 11A–11F 所示的跳躍翻轉行為，是一個在同時執行另一種行為（例如，跳躍）時翻轉四肢和/或頭部可能降低人類對旋轉不自然感感知的示例。[0130] 在一些實施例中，能夠執行超人類行為的機器人可能具有不同的運行模式，例如正常運行模式與超人類運行模式。在正常運行模式下，儘管機器人可能能夠執行廣泛的超人類行為，機器人的控制系統可以將機器人的可用行為約束為可用行為的一個子集。作為示例，機器人可以被約束為僅執行“僅人類”行為，即人類也可以執行的行為。作為另一個示例，機器人可以被約束為僅執行機器人有能力執行的超人類行為的一個子集（例如，被認為不那麼不自然的一部分超人類行為）。在超人類運行模式下，機器人可以被配置為執行其關節與形態所允許的全套超人類行為。在一些實施例中，切換不同運行模式可以至少部分基於是否有人類觀察者在場。例如，當有人類觀察者在場時，機器人可以被配置為“鎖定”在正常運行模式下運行；而當無人類觀察者在場時，機器人可以被配置為“解鎖”以在超人類運行模式下運行。是否有人類觀察者在場的確定可以由機器人自主完成、由操作員手動完成，或以其他合適方式完成。[0131] 如上所述，發明人已經認識並確認：機器人保持在不自然姿態的時間長度可能會促成對該姿態不自然的感知。例如，儘管機器人可以在軀幹與手臂朝後、腿與頭朝前的情況下向前行走，但這種構型對人類觀察者而言可能被認為是不自然的。為緩解這種不自然感，在需要時，一些實施例會嘗試在可能時將機器人返回到參考狀態（例如，標稱站立姿態）。圖 16 是控制機器人返回參考狀態的過程 1600 的流程圖，符合一些實施例。本過程 1600 從動作 1610 開始，在該動作中，機器人被控制（例如，基於運動計畫）執行第一種行為，該行為通過將一個或多個構件繞一個或多個機器人關節旋轉第一旋轉量，使其從參考狀態偏離。過程 1600 隨後進入動作 1612，在該動作中，機器人被控制執行第二種行為，該行為通過將一個或多個構件（例如，在動作 1610 中旋轉的相同構件或不同構件）繞一個或多個機器人關節（例如，相同關節或不同關節）旋轉第二旋轉量。在一些實施例中，執行第一行為和/或執行第二行為可能導致機器人的姿態被人類觀察者認為不自然。過程 1600 隨後進入動作 1614，在該動作中，機器人被控制返回參考狀態，使得對機器人具有不自然姿態或體態的感知降低。以這種方式，當機器人在執行各種任務時，在可能的情況下機器人可能會偏向採用某些參考姿態或體態，以促進自然感的感知。回到機器人具有不同運行模式的實施例，在正常運行模式下，機器人的控制系統可以嘗試將機器人返回參考狀態；而在超人類運行模式下，控制系統可以不嘗試將機器人返回參考狀態。[0132] 已描述了若干實現方式。然而，應當理解，在不背離本公開精神與範圍的情況下，可以進行各種修改。1. 一種機器人，包括： 一個基座； 一組連續旋轉關節，其中每個連續旋轉關節允許所連接的構件繞對應軸線連續旋轉，其中所述連續旋轉關節組包括第一髖關節、第二髖關節和背部關節； 第一腿部構件，經由第一髖關節與所述基座連接； 第二腿部構件，經由第二髖關節與所述基座連接；以及 一軀幹，經由背部關節與所述基座連接。2. 根據權利要求 1 所述的機器人，其中所述連續旋轉關節組還包括頸部關節，所述機器人還包括： 一頭部，經由頸部關節與所述軀幹連接。3. 根據權利要求 1 所述的機器人，其中所述連續旋轉關節組還包括第三髖關節和第四髖關節，所述機器人還包括： 第一中間構件，其在第三髖關節處與所述基座連接，並在第一髖關節處與第一腿部構件連接；以及 第二中間構件，其在第四髖關節處與所述基座連接，並在第二髖關節處與第二腿部構件連接。4. 根據權利要求 1 所述的機器人，還包括： 第一膝關節； 第二膝關節； 第一踝關節； 第二踝關節； 第三腿部構件，其在第一膝關節處與第一腿部構件連接； 第一足部，其在第一踝關節處與第三腿部構件連接； 第四腿部構件，其在第二膝關節處與第二腿部構件連接；以及 第二足部，其在第二踝關節處與第四腿部構件連接。5. 根據權利要求 4 所述的機器人，其中第一膝關節、第二膝關節、第一踝關節以及第二踝關節中的每一個均不包含在所述連續旋轉關節組中。6. 根據權利要求 1 所述的機器人，其中所述連續旋轉關節組還包括第一肩關節和第二肩關節，所述機器人還包括： 第一臂部構件，經由第一肩關節與所述軀幹連接；以及 第二臂部構件，經由第二肩關節與所述軀幹連接。7. 根據權利要求 6 所述的機器人，其中所述連續旋轉關節組還包括第三肩關節和第四肩關節，所述機器人還包括： 第一中間臂部構件，其在第三肩關節處與所述軀幹連接，並在第一肩關節處與第一臂部構件連接；以及 第二中間臂部構件，其在第四肩關節處與所述軀幹連接，並在第二肩關節處與第二臂部構件連接。8. 根據權利要求 6 所述的機器人，還包括： 第一肘關節； 第二肘關節； 第三臂部構件，其在第一肘關節處與第一臂部構件連接； 第一末端執行器，其在第一腕部元件處與第三臂部構件連接； 第四臂部構件，其在第二肘關節處與第二臂部構件連接；以及 第二末端執行器，其在第二腕部元件處與第四臂部構件連接。9. 根據權利要求 8 所述的機器人，其中第一肘關節和第二肘關節中的每一個均不包含在所述連續旋轉關節組中。10. 根據權利要求 8 所述的機器人，其中： 所述第一末端執行器是第一夾爪，被配置為抓取第一物體的第一部分；並且 所述第二末端執行器是第二夾爪，被配置為抓取第一物體的第二部分或第二物體。11. 根據權利要求 1 所述的機器人，還包括： 一組與所述連續旋轉關節組相關聯的執行器；以及 一控制系統，包括一個或多個電腦處理器，所述一個或多個電腦處理器被配置為： 確定用於使機器人執行任務的運動計畫；以及 根據所述運動計畫控制所述執行器組以執行所述任務。12. 根據權利要求 11 所述的機器人，其中確定運動計畫包括：確定一種運動計畫，該運動計畫包括使相互連接的構件繞所述連續旋轉關節組中的各自多個關節旋轉。13. 根據權利要求 1 所述的機器人，其中所述基座形成機器人的骨盆結構。14. 根據權利要求 1 所述的機器人，其中所述機器人是人形機器人。15. 根據權利要求 1 所述的機器人，其中所述軀幹的前側與後側是對稱的。16. 根據權利要求 1 所述的機器人，還包括： 一緊韌體，與所述軀幹連接，其中所述緊韌體被配置為能夠與一物體連接。17. 根據權利要求 16 所述的機器人，其中所述緊韌體選自由桿、支架和掛鉤組成的組。18-25.（取消）26. 一種用於控制機器人的方法，所述機器人具有一組連續旋轉關節，該連續旋轉關節組包括：與機器人的第一腿連接的第一髖關節、與機器人的第二腿連接的第二髖關節，以及與機器人的軀幹連接的背部關節；所述方法包括： 接收用於執行任務的任務資訊，所述任務資訊指定機器人在第一位置具有第一姿態，並在第二位置具有第二姿態，其中第二姿態不同於第一姿態； 確定機器人用於執行所述任務的運動計畫，其中所述運動計畫包括： 使機器人的第一腿繞第一髖關節沿第一方向旋轉第一幅度，以使第一腿的正面朝向第二位置； 使機器人的第二腿繞第二髖關節沿第二方向旋轉第二幅度，以使第二腿的正面朝向第二位置；以及 使軀幹繞背部關節旋轉第三幅度，以至少部分地使機器人朝實現第二姿態的方向移動；以及 基於所述運動計畫控制機器人運動以執行所述任務。27-68.（取消）69. 一種機器人，包括： 一軀幹； 一骨盆，其在第一連續旋轉關節處與所述軀幹連接； 第一腿，其在第二連續旋轉關節處與所述骨盆連接； 第二腿，其在第三連續旋轉關節處與所述骨盆連接；以及 一控制系統，被配置為至少部分基於機器人的運動計畫來控制第一連續旋轉關節、第二連續旋轉關節和第三連續旋轉關節的旋轉。70. 根據權利要求 69 所述的機器人，其中第一連續旋轉關節、第二連續旋轉關節和第三連續旋轉關節使機器人能夠執行全向邁步。71-79.（取消） (AI工業)

01. 前沿導讀根據日經中文網發文指出，日經XTECH、日經ELECTRONICS根據日本專利調查公司Patentfield的專利分析工具對中美晶片公司的技術專利進行了總體分析。從整體的數據資訊來看，中國大陸企業在GPU、電晶體結構、晶片製造技術等多個領域開始對美國老牌企業窮追猛打，並且在先進技術領域提前進行技術佈局，與美國、韓國等國家的企業展開持久性的未來競爭。中國企業在晶片產業上搶佔技術制高點的決心，對國際企業造成了一種未知的恐懼感。02. 技術專利2019年，中國企業在GPU領域的專利申請數量開始呈現上升的趨勢。到了2023年，中國的技術申請數量達到了3091項，對比2018年的數量增長幅度將近10倍，相當於美國英特爾的3倍、輝達的5倍，但是遠低於韓國三星。三星電子的大規模專利申請，與高頻寬記憶體有直接關係。高頻寬記憶體與GPU進行ai領域的協同工作，三星本身就是記憶體業務的巨頭，這種大規模技術申請的數量也標誌著三星正在為以後的ai產業埋下技術伏筆。在技​​術含量最高的電晶體和晶片製造領域，中國企業正在緩慢地向前推進。現階段的國際晶片產業，一致認為想要將晶片技術推進到2nm的下一個時代，採用GAA電晶體結構是最直觀的技術方案。晶片的電晶體結構分為三個階段，14nm以上的製程採用平面電晶體結構，14nm及以下製程使用胡正明開發的Fin FET電晶體結構，到了2nm及以下工藝，需要採用GAA電晶體結構。在GAA架構的專利申請中，台積電毋庸置疑的成為了全球企業的老大。而大陸企業則是在2018年開始佈局，2023年的時候申請了大約20項相關專利。雖然數量不多，但還在持續推進，這種在專利層面的循序漸進，也標誌著中國企業正在進行未來2nm晶片的研究，與國際巨頭打持久戰。在EUV以及光刻技術的專利申請上面，中國大陸企業也在積極佈局。由於美國的製裁封鎖，大陸企業無法獲得先進的EUV光刻機，這極大限制了中國開發自主先進晶片的進度。在此之前，中國晶片企業一直以設計為主，並且在某些設計領域具備與美國企業比拚的實力。但是本土製造技術與設計水準存在脫節，以至於美國的出口管制讓許多中國企業空有設計能力，卻無法將晶片製造出來銷售。這也在一定程度上迫使設計企業進入晶片製造領域，並聯合國內的老牌晶圓工廠解決先進晶片的卡脖子問題。03. 技術路徑儘管中國被封鎖了EUV光刻機，但是中國企業曾經採購了一批先進的浸潤式DUV光刻機，這些DUV光刻機搭配先進的刻蝕機，再加上自對準多重圖案化技術（SAQP）實現7nm晶片的製造。根據前側積電研發副總裁林本堅在個人作品中表示，多重圖案化技術對於套刻精度的要求很高，假設套刻的CD偏差為1.5%，如果該偏差無法得到有效的解決，那麼其最終將會導致6階的誤差也就是8.4%，這對於晶片製造來說是致命的影響。前台積電研發處長、前中芯國際董事楊光磊也在接受採訪時表示，採用比EUV差一些的浸潤式光刻機製造先進晶片，這是可行的方案，也是一條被驗證過的方案。但想要繼續製造5nm甚至是更先進的晶片，理論上是可能的，不過良品率不可控，所投入的資源也不可控，這完全是一個技術無人區。尤其是對於那些沒有涉足製造業的晶片公司來說，這個難度就更大了，短時間內看不到成果，需要持續累積經驗才有可能成果。彭博社早在2024年就發布了相關報告，報告指出中國本土企業正在嘗試使用有限的設備，透過傳統方法製造5nm晶片。這種方法無異於霸王硬上弓，目前在國際層面還沒有企業能夠成功。台積電、三星、英特爾都已轉向EUV技術，中國企業是目前唯一以DUV光刻機衝擊5nm晶片的企業。未來2nm晶片的結構將會從Fin FET過渡到GAA，電晶體內部的閘極四麵包圍著奈米片，因此會電晶體會獲得更好的電流控制，盡量避免量子穿隧效應。以現在的情況來看，中國企業已經在積極佈局電晶體結構的技術專利，從底層的基礎結構開始研發，逐步建立一套屬於中國企業的晶片產業鏈。在沒有解決EUV光刻機的情況下，採用浸潤式微影機和自對準多重圖案化技術依然是折中且成熟的方法。麒麟晶片的重新回歸，標誌著中國企業已經走通了採用多重圖案化技術製造先進晶片的路線，下一步就是要繼續降低供應鏈風險，實現晶片製造的可持續性發展。在確保供應鏈體係安全穩定的情況下，去嘗試透過現有的技術設備製造全新電晶體結構的晶片。 （逍遙漠）

近日，據韓國媒體Thelec報導，韓國知識產權振興院（KIPRO）研究員Kim In-soo 接受其採訪時表示，雖然韓國存儲晶片廠商在製造與堆疊HBM方面表現優異，並佔據大半HBM市場，但原材料與裝置卻過度依賴海外公司，加上面臨與HBM相關的混合企業專利根據市場研究機構Counterpoint Research公佈的資料顯示，在今年第二季全球HBM市場，韓國SK海力士以高達62%的份額穩居第一，韓國三星電子份額為17%，美光的份額為21%。也就是說，韓國SK海力士和三星電子共同佔據了全球79%的市場份額。但是，根據KIPRO分析，美國的Adeia和台積電是HBM製造所需的混合鍵合技術的領導者。此外，中國大陸長江存儲也是其中之一。Kim In-soo 表示，其研究團隊利用AI 技術審查2003年到2022年之間，在韓國、美國、日本、歐洲與中國公開的超過10,000件相關專利，發現從專利品質與市場價值來看，Adeia 擁有最具價值的專利。Adeia 擁有從Ziptronix 取得的直接鍵合互連與低溫直接鍵合等核心技術專利，並透過旗下Invensas 與Tessera 等公司，也已取得大量混合鍵合專利組合。另根據K-PEG 評級，台積電擁有A3 等級以上的高品質專利數量中排名第一，三星排名第二，美光和IBM 緊追在後。報導還稱，台積電的SoIC 技術具有高價值。目前中國也在儲存領域的專利也在快速成長，例如長江存儲也掌握包括Xtacking 在內的核心技術。這些專利橫跨韓國、美國、日本、歐洲與中國註冊，意味著韓國企業可能隨時捲入專利訴訟。值得一提的是，今年2月，三星電子已與中國儲存晶片廠商長江存儲簽署了開發堆疊400多層NAND Flash所需的「混合鍵合」（Hybrid Bonding）技術的專利授權協議，以便從其第10代（V10）NAND Flash產品（430層）開始使用該專利技術來進行製造。而三星之所以選擇向長江存儲取得「混合鍵合」專利授權，主要由於目前長江存儲在「混合鍵合」技術方面處於全球領先地位。並且三星經過評估認為，從下一代V10 NAND開始，其已經無法再避免長江存儲專利的影響。目前混合鍵合技術主要有兩類，晶圓到晶圓（Wafer-to-Wafer, W2W）和裸片到晶圓（Die-to-Wafer, D2W）。 CBA架構的NAND正是基於W2W的混合鍵合技術，省去了傳統晶片連接中所需的「凸點」（Bump），形成間距為10μm 及以下的互連，使得電路路徑變得更短、I/O密度大幅提升，從而顯著提高了傳輸速率，並降低了功耗，同時還減少晶片內部的機械應力，提高產品的整體可靠性。同時，由於堆疊層數越來越高，未來NAND Flash前端的整合也由原來的NAND陣列（Array）+CMOS電路層堆疊，轉向NAND陣列+NAND陣列+CMOS電路層堆疊，因此也帶來更多的「混合鍵合」需求。可以說，對於3D NAND廠商來說，要發展400層以上的NAND堆疊，混合鍵合技術已經成為了一項核心技術。Kim In-soo 指出，雖然韓國持有第二大規模HBM 相關專利，但其質量與影響力“低於平均水平”，因為韓國在核心裝置與材料上依賴進口，對國內企業構成風險。相關公司目前可能仍傾向於透過不公開的協商方式簽訂授權協議，但從2026年混合鍵合開始商業化後，這些問題可能最終演變成訴訟。 （芯智訊）

輝達首席執行官黃仁勳本月早些時候發出警告，稱在全球人工智慧主導權競爭中，中國正迅速縮小與美國的差距。年初深度求索（DeepSeek）異軍突起，恰恰印證了這種實力對比的快速演變。這場較量不僅在矽谷和深圳上演，更已延伸至大學校園。中國政府正依託清華大學穩步建構本土人工智慧引擎，挑戰美國常春藤盟校在尖端科技領域的霸主地位。圖片來源：VCG/VCG via Getty Images清華大學產出的全球百篇高被引AI研究論文數量位居全球高校之首，且該校每年申請的人工智慧相關專利數量超過麻省理工學院、史丹佛大學、普林斯頓大學和哈佛大學的總和。彭博社基於律商聯訊（LexisNexis）的資料分析顯示，2005年至2024年底，清華大學研究人員共申請4986項人工智慧與機器學習領域的專利，僅去年一年就申請了900多項。不過，美國仍保持著優勢。美國機構持有眾多最具影響力的AI專利，根據史丹佛大學《2025 年人工智慧指數報告》（2025 AI Index Report），美國已推出40個“重要AI模型”，數量遠超中國的15個。但中國模型正在質量方面迅速縮小差距。“政府、產業界和學術界對人工智慧和機器學習充滿熱情，” 今年從哈佛大學加盟清華大學、牽頭組建該校新統計與資料科學系的劉軍教授向彭博社表示，“吸引人工智慧人才的關鍵在於資本，以及中國政府對科學研究，包括人工智慧及相關領域的支援。”美國企業爭相吸納中國AI人才中國科技戰略佈局遠不止於大學階段。如今，人工智慧基礎知識已走進六歲學童的課堂。今年秋季，北京市中小學全面開設人工智慧通識課程，每學年不少於8課時，內容涵蓋聊天機器人等工具的使用、技術原理背景以及人工智慧倫理等主題。這種前瞻性佈局，為中國培育了規模龐大的科技人才隊伍。據美國戰略與國際研究中心（Center for Strategic and International Studies）統計，2020年中國STEM（科學、技術、工程和數學）專業畢業生為357萬人，而美國同期僅為82萬人。中國官方媒體後續報導稱，這一數字預計將突破每年500萬。（註：中國人口規模為美國的四倍多）美國科技企業已敏銳地察覺到這一趨勢，並爭相搶奪中國人才。今年夏季，Meta宣佈啟動全新“超級智能實驗室”，旨在打造超越人腦的智慧型手機器。據《紐約時報》（New York Times）報導，該實驗室11位創始研究員均非在美國接受高等教育，其中7人出生於中國。保爾森基金會（Paulson Institute）2020年的一項研究發現，在全球百位頂尖人工智慧科學家中，近三分之一是中國籍研究人員，且其中多數人供職於美國高校與企業。卡內基國際和平基金會（Carnegie Endowment for International Peace）後續研究發現，儘管地緣政治緊張局勢加劇，這些研究人員中仍有87%選擇繼續在美國工作。正如參與這兩項研究的分析師馬特·希恩對《紐約時報》所說：“美國人工智慧產業是中國人才紅利的最大受益者。”（財富中文網）

2025全球創新排名，脫離現實的偏見鬧劇！某智庫發佈的2025年全球最具創新國家和地區排名引發非議，中國僅列第十，而瑞士、瑞典、美國等國位居前列。這份看似嚴肅的榜單，實則與全球創新發展的真實圖景嚴重脫節，堪稱一場無視事實的偏見鬧劇。創新的衡量標準被刻意扭曲，這樣的排名不過是自欺欺人的數位遊戲，根本經不起現實的檢驗。創新的核心競爭力，首看技術產出的硬指標，這恰恰是中國的絕對優勢領域。自然指數作為衡量全球基礎科研實力的重要標尺，2025年榜單前十中中國單位佔據八席。自然指數看，北京、上海更是長期穩居全球科研城市前兩位，南京、廣州等六座中國城市躋身全球科研城市十強，佔據半壁江山。在專利領域，中國的領先地位更是無可撼動，2024年中國專利申請量達180萬件，佔全球總量近一半，是美國的三倍多，專利授權量同樣突破百萬件，遠超其他國家 。細分領域更顯實力，人工智慧專利全球佔比高達60%，6G專利申請量佔比超40%，均穩居世界第一，華為等中國企業更是常年領跑全球國際專利申請榜單 。這些實打實的資料，是中國創新活力最直接的證明，這是啥玩意排名？其次，在新興產業的全球競爭中，中國早已從追隨者成長為引領者，多個領域實現“彎道超車”。無人機市場中國企業佔據全球主導地位，新能源汽車產銷量連續多年位居世界第一，“燈塔工廠”數量全球領先，成為製造業創新的標竿 。移動數字消費創新引領全球潮流；航天領域從包括火星、空間站建設到月球探測，不斷刷新人類探索邊界；生物技術、量子科技等前沿賽道，中國論文發表量和專利申請量連續五年全球第一，形成完整的創新產業鏈 。甚至美國智庫感嘆在新能源、AI應用等領域“難以與中國比肩”時，創新排名卻將中國甩在十名之外，這種隨意評判，顯然不是對全球產業格局的無知就是故意偏見排名帶節奏的。再次，創新的根基在人才，中國的理工人才儲備早已形成碾壓式優勢。中國每年培養的理工科人才總量，相當於除印度外所有國家之和，這種規模優勢為創新提供了源源不斷的智力支撐。更重要的是人才質量的硬核——AI領域全球頂尖研究者中，中國籍學者佔據半壁江山；半導體裝置產業鏈，無論國內外，主要中國本土人才與留學出國群體共同建構起核心技術。這種“規模+質量”的雙重優勢，讓中國在關鍵技術攻關中能夠集中力量突破瓶頸，這也是中國創新能夠持續高速發展的核心密碼。相比之下，部分排名靠前的國家，既缺乏足夠的人才儲備，也沒有完整的產業承接能力，所謂“創新領先”不過是空中樓閣。所以有時候排名就是玩規則遊戲帶節奏而已。這份排名的荒謬之處，本質在於其扭曲的評價體系。世界智慧財產權組織首席經濟學家早已承認，該類排名往往與人均GDP強繫結，過多摻雜人口平均數、GDP等調整因素，卻忽視了創新產出的絕對規模和實際影響力 。瑞士、瑞典等小國雖人均創新指標亮眼，但在絕對產出、產業規模和人才儲備上，與中國根本不在同一維度。更值得警惕的是，這類排名延續了西方中心主義的評判邏輯，刻意弱化中國在創新投入、成果轉化、產業應用等方面的真實成就，本質上是對新興經濟體創新實力的刻意矮化，是認知戰一部分。事實上，中國創新的崛起早已是全球共識，中國技術正在重塑全球產業格局；從科研論文、核心專利和產業競爭力都顯示已經中美雙寡頭。所以，這樣的排名不過是一場毫無意義的數字鬧劇。真正的創新實力，從來不是排名說了算，而是由市場認可、技術突破和全球影響力構成說的，中國已經給出了最好的答案。 (前HR隨筆)

🎊 2026 年節假日安排公佈：春節連休 9 天💵 中國 AI 包攬加密貨幣投資大賽前二，GPT-5 慘遭墊底💻 平價版 MacBook 再曝光：或明年上半年推出✨ 微信支付上新三大 AI 功能🚀 三星 Exynos 2600 跑分曝光：單核性能接近蘋果 M5🍎 蘋果嚴禁授權經銷商涉足線上銷售，波及「小時達」等服務💰 機構：小米奪智能手環線上銷量第一，與華為市佔超九成📈 特斯拉人形機器人、Cybercab 將亮相上海進博會📖 冰島攜手 Anthropic 推出國家級 AI 教育試點💸 任天堂上調 Switch 2 年度銷量預期至 1900 萬台💡 AI 教父：AI 要賺錢必須替代人類勞動📱 三星三摺疊首次實機展示曝光🤖 可口可樂聖誕廣告再用 AI 製作，公眾反應兩極化2026 年節假日安排公佈：春節連休 9 天中國國務院辦公廳於昨日發佈《關於 2026 年部分節假日安排的通知》，明確了 2026 年七個主要節日的放假調休時間表。此次安排延續近年來「拼假」最佳化趨勢，其中春節假期長達 9 天，成為全年最長連續假期。通知指出，鼓勵單位和個人結合帶薪年休假制度，形成更長假期，推動錯峰出行。同時，各地區、各部門需妥善安排值班、安全保衛及疫情防控工作，確保節日期間社會穩定和群眾安全。中國 AI 包攬加密貨幣投資大賽前二，GPT-5 慘遭墊底昨日，為期兩周的 AI 投資大賽落幕，中國大模型 Qwen 3 Max 與 DeepSeek 分別奪得冠亞軍，成為唯二實現盈利的參賽者，而 GPT-5 則以 62.66% 的虧損率墊底。最終成績顯示，Qwen 3 Max 帳戶餘額達 12232 美元，收益率 +22.32%，以單一 BTC 策略取勝；DeepSeek V3.1 帳戶餘額 10489 美元，收益率 +4.89%，Sharpe 值最高，展現出穩健的風險控制能力。其餘四個模型均出現大幅虧損，其中 GPT-5 帳戶僅剩 3734 美元。本次賽事由 nof1.ai 舉辦，規則為直接向 6 個頂級大模型帳戶注入 1 萬美元，在 Hyperliquid 平台進行加密貨幣永續合約交易。參賽陣容包括 Qwen 3 Max、DeepSeek V3.1 Chat、Claude 4.5 Sonnet、Gemini 2.5 Pro、Grok 4 以及 GPT-5。比賽要求模型完全自主決策，所有交易過程與思考記錄公開透明。nof1.ai 表示，金融市場的複雜性與動態性遠超固定規則的遊戲環境，因而更適合作為 AI 的訓練場。主辦方計畫在下一賽季引入更多改進，包括多提示詞測試與多實例部署，以進一步提升挑戰難度。🔗 相關閱讀：AI 交易大賽結果出爐：只有中國 AI 賺錢，跟 GPT-5 反著買，別墅靠大海平價版 MacBook 再曝光：或明年上半年推出圖自 MacRumors據彭博社凌晨報導，蘋果正在準備進軍低價筆記型電腦市場，首款產品將會是搭載 iPhone 同款 A 系列晶片的平價版 MacBook。報導稱，該款平價版 MacBook 內部代號為 J700，計畫將於明年上半年推出。其將主要面向於學生、休閒使用者群體——主要用於網頁瀏覽、文件處理或輕度媒體編輯。報導還表示，蘋果還瞄準了可能更喜歡傳統筆記本體驗的 iPad 潛在買家。產品方面，蘋果計畫用較為「落後」的零部件進行壓低售價：配備 iPhone 同款 A 系列處理器和低端的螢幕，螢幕尺寸還將略小於 MacBook Air 的 13.6 英吋。據分析師郭明錤此前消息，新機可能配備 iPhone 16 Pro 同款的 A18 Pro 處理器。同時報導也表示，雖然搭載的處理器並非專為電腦設計，但在內部測試中，現在的 A 系列處理器的性能已經優於幾年前的 M1 處理器。售價方面，平價版 MacBook 有望低於 1000 美元（約合人民幣 7129 元）。目前，作為入門款的 MacBook Air 國行售價為 7999 元（美版為 999 美元）。報導指出，此前蘋果曾通過零售商以低於 700 美元（約合人民幣 4990 元）的售價銷售 M1 MacBook Air，並用來測試市場。因此推測新機有機會來到 5000 元檔。微信支付上新三大 AI 功能昨天，微信官方宣佈支付功能正式接入元寶 AI，並推出三大功能，旨在幫助中小商家降低數位化門檻，提升營運效率。據介紹，此次更新聚焦「自動收款」「宣傳潤色」和「技術指導」三大場景，試圖解決傳統小店在菜單管理、線上推廣與技術接入中的實際痛點。AI 菜單識別：商戶只需用手機拍攝紙質菜單並上傳，系統即可自動識別菜品資訊，並在收款碼中生成對應收費項目。顧客掃碼後可直接點選菜品並支付，系統自動計算總金額，訂單內容即時同步至商家端與顧客端，避免錯單漏單；AI 文案潤色：商戶輸入或拍照錄入商品資訊後，元寶可根據不同目標人群（如學生、上班族、中老年）和文風（樸實/生動）自動最佳化宣傳文案，提升推廣效果；AI 開發助手：為接入支付功能的中小商戶提供技術支援，提供多輪智能問答，可解答介面對接中的常見問題，並提供示例程式碼，幫助商戶降低開發門檻。微信支付表示，此次功能升級旨在通過 AI 能力降低中小商家的營運成本，使其更專注於業務增長。三星 Exynos 2600 跑分曝光：單核性能接近蘋果 M5昨天，博主 INIYSA（@lafaiel）在 X 發佈了三星新一代 2nm 旗艦晶片 Exynos 2600 的跑分資訊。洩露的 GeekBench 測試截圖顯示，Exynos 2600 工程樣品單核成績為 4217 分，多核成績為 13482 分，單核性能已接近蘋果 M5 晶片水平。測試樣品的超大核頻率達到 4.20GHz，三個性能核心與六個能效核心的頻率分別為 3.56GHz 和 2.76GHz。該晶片將成為全球首款採用 2nm 工藝的手機處理器，基於三星第二代 GAA（全環繞柵極）工藝，採用「1+3+6」三叢集十核 CPU 架構。蘋果嚴禁授權經銷商涉足線上銷售，波及「小時達」等服務據藍鯨新聞報導，昨日，有蘋果線下經銷商透露，蘋果中國區近日再次向所有授權經銷商發佈通知，重申其嚴格的銷售管道規定。該規定明確要求，所有線下授權經銷商禁止與任何電商平台進行合作，同時嚴禁在電商、社交、直播等線上平台進行產品的展示、推廣或銷售。此項禁令同樣涵蓋了當前流行的「一件達」、「小時達」等即時零售服務。一位來自深圳的經銷商負責人證實，相關規定並非新政，但蘋果方面近期要求經銷商「嚴格執行」。機構：小米奪智能手環線上銷量第一，與華為市佔超九成昨天，產業調研機構洛圖科技發佈智能穿戴供應鏈季報。資料顯示，當季智能手環線上銷量為 296.9 萬台，同比增長 13.5%；銷售額達 9.4 億元，同比增長 33.5%。小米以 64.4% 的銷量份額穩居第一，華為則以 28.0% 位居第二，兩者合計份額高達 92.4%，較去年同期提升 4.6 個百分點，市場集中度進一步加劇。除小米與華為外，榮耀、Keep、DiDo 等品牌合計份額不足 10%。整體來看，腕戴市場三季度全管道銷量為 1733 萬台，同比增長 6.7%，增速較上半年明顯放緩。成人智能手錶保持增長，蘋果銷量同比翻倍；兒童手錶則出現銷量下滑但均價提升。行業新品集中在健康監測、生成式 AI 與續航突破，全年銷量預計將突破 7100 萬台。特斯拉人形機器人、Cybercab 將亮相上海進博會昨天，特斯拉在官方微博發文「劇透」第七屆上海進博會參展細節。展會於今天正式在上海國家會展中心開幕，將持續至 11 月 10 日。據介紹，特斯拉此次參展陣容包括特斯拉人形機器人、Cybercab 賽博無人駕駛電動車（亞太首秀）、賽博越野旅行車、Model Y L 版本與 V4 超級充電樁，以及太陽能屋頂 Solar Roof 與家用儲能產品 Powerwall 等。特斯拉方面表示，此次展示覆蓋出行與家庭能源場景，旨在展現其在智能化與可持續發展領域的最新成果。冰島攜手 Anthropic 推出國家級 AI 教育試點昨天，Anthropic 宣佈與冰島教育與兒童部宣佈達成合作，將在全國範圍內為教師提供 Claude 人工智慧工具，啟動全球首批國家級 AI 教育試點之一。該項目覆蓋冰島所有地區，將為數百名教師提供 Claude 的使用權限，並配套教育資源、培訓材料和支援網路。教師可利用 AI 制定個性化課程計畫、調整教學材料、分析複雜文字與數學問題，並為學生提供多語言支援，包括冰島語。Anthropic 公共部門負責人 Thiyagu Ramasamy 表示，該合作有助於減輕教師的行政負擔，讓他們專注於教學本身。冰島教育與兒童部長 Guðmundur Ingi Kristinsson 強調，人工智慧發展迅速，教育領域也將受到深遠影響。此次試點以教師需求為核心，旨在在保障安全的前提下探索 AI 在教育中的應用潛力。此前，歐洲議會檔案部門已部署 Claude，使 210 萬份檔案的檢索效率提升 80%；英國科技創新部也與 Anthropic 簽署合作備忘錄；倫敦政經學院則為全體學生提供 Claude 支援。此外，北京大學也於昨日與字節跳動旗下豆包大模型宣佈達成一項深度戰略合作。雙方將共同致力於將前沿的大模型技術全面引入校園教學、科研與管理核心環節，目標是將北大建設成為中國首個全面擁抱大模型的「AI 大學」。AMD 被控侵犯半導體製造專利，或面臨賠償據路透社報導，當地時間周一，科技授權公司 Adeia 在美國德克薩斯州聯邦法院對超威半導體公司（AMD）提起兩起訴訟，指控其侵犯了 10 項與半導體製造相關的專利。Adeia 訴稱，AMD 多款用於桌面電腦、筆記型電腦和伺服器的處理器涉嫌使用了 Adeia 的專利技術，包括與「3D V-Cache」相關的設計。Adeia 在起訴書中指出，其前身 Tessera 在混合鍵合和先進製程節點方面具有開創性成果，而這些技術已被 AMD 應用於部分 AI 晶片和高性能處理器。Adeia 要求法院判令 AMD 停止使用相關技術，並支付未指明金額的賠償。Adeia CEO Paul Davis 表示，AMD 對其技術的使用「極大地促進了其作為市場領導者的成功」，並強調公司願意尋求「公平合理的安排，以體現智慧財產權的價值」。任天堂上調 Switch 2 年度銷量預期至 1900 萬台據 CNBC 報導，任天堂在最新財報中上調了 Switch 2 的銷量預期，顯示其旗艦遊戲掌機自 6 月發佈以來保持強勁勢頭。任天堂表示，本財年（截至 2026 年 3 月）Switch 2 的銷量目標由此前的 1500 萬台提升至 1900 萬台。財報顯示，截至 9 月 30 日的第二財季，公司營收為 5272 億日元（約合 37 億美元），高於市場預期的 4617.6 億日元；淨利潤為 1029 億日元，遠超預期的 636 億日元。與去年同期相比，營收增長超過 90%，利潤增長超過 270%。自 6 月上市以來，Switch 2 累計銷量已達 1036 萬台，其中第二財季銷量為 454 萬台，雖低於首發季度的爆發式需求，但任天堂強調「表現依然強勁」。同期，Switch 2 遊戲銷量達 1195 萬份，其中《馬力歐卡丁車世界》和《咚奇剛 蕉力全開》成為最受歡迎的作品。受益於新機表現，任天堂股價今年以來已累計上漲近 40%。網易多款手游退出 OPPO 管道服據介面新聞報導，昨日有大量網友反映，OPPO 管道服多款網易遊戲停運，部分長期在該管道遊玩的使用者受到影響。OPPO 客服回應稱：「確實有部分遊戲停服了，因為與網易停止合作，每款遊戲的停服時間不同，目前暫無恢復消息。」報導稱，網易與 OPPO 的合作調整已持續一年多。去年 11 月，《陰陽師：妖怪屋》率先宣佈停運 OPPO 管道版本，隨後《陰陽師：百聞牌》《永遠的 7 日之都》等遊戲相繼退出；今年 8 月，《夢幻西遊》《率土之濱》宣佈停運；9 月，《光·遇》《明日之後》《大話西遊》等熱門手游停止營運；10 月，《逆水寒》手游與《實況足球》也加入停運行列。雙方此前曾有深度合作。例如，《明日之後》在 OPPO 遊戲中心上線時，雙方聯合推廣，首日新增使用者達 80 萬，活躍使用者突破 160 萬。OPPO 還曾擔任網易奧運項目總冠名商，並與網易合作舉辦娛樂盛典。業內人士分析，此次停運或與Android管道長期存在的「高分成」模式有關。國內手游分發高度依賴手機廠商應用程式商店，分成比例最高可達 50%，壓縮了遊戲廠商利潤空間。隨著網易等廠商規模擴大、研發投入增加，其在管道談判中擁有更大主動權，逐步減少對傳統Android管道的依賴。網易 2025 年二季度財報顯示，公司淨收入 279 億元，同比增長 9.4%，低於市場預期；遊戲及相關服務收入 228 億元，同比增長 13.7%；歸母淨利潤 86 億元，環比下降。研發開支為 44 億元，與上一季度持平。YouTube 推出 AI 超解析度功能，電視端將對標 Netflix日前，YouTube 宣佈將利用人工智慧技術對平台上大量低解析度視訊進行畫質增強，以提升在電視、網頁及移動端的觀看體驗。該功能已正式啟用，率先應用於解析度低於 1080p 的視訊，並計畫在未來支援最高至 4K 的超解析度處理。YouTube 高級產品總監 Kurt Wilms 表示，平台將保留視訊原始檔案，創作者可選擇退出該功能。經過 AI 增強的視訊將在介面中明確標註「超解析度」，觀眾仍可自由切換至原始畫質。此舉旨在改善大螢幕電視上的觀看效果，而電視端已成為 YouTube 增長最快的使用場景。除畫質提升外，YouTube 還推出多項面向電視端的功能，包括：縮圖檔案大小上限由 2MB 提升至 50MB，以支援更清晰的 4K 縮圖；測試更大容量的視訊上傳，提升原始視訊質量；新的頻道首頁預覽與「Shows」設計，幫助創作者在電視端組織和展示內容；在頻道內搜尋時優先顯示該頻道視訊，最佳化發現體驗；購物視訊支援二維碼掃描及定點商品展示，簡化從觀看到購買的流程。YouTube 指出，過去一年通過電視端獲得六位數以上收入的頻道數量增長超過 45%。隨著電視逐漸成為「新黃金時段」，公司正加速佈局，以與 Netflix 等串流媒體平台競爭使用者注意力。Rokid 眼鏡聯合支付寶推「看一下支付」，全機型支援雙支付方式支付寶「看一下支付」功能近日完成重要升級，正式成為 Rokid 樂奇智能眼鏡標配支付方式。此次升級覆蓋Android與 iOS 全系機型，使用者在嘈雜環境下也可通過語音快速喚醒支付，並直接於眼鏡屏上查看付款資訊。全面相容多手機平台；支援掃碼與「支付寶碰一下」雙支付方式；提升語音識別精準度與介面響應速度；新增智能金額計算功能。使用者僅需說出「樂奇，支付」，看向商家二維碼或感應裝置，再說「確認支付」即可三步完成交易，體驗更為高效流暢。微軟 Edge 瀏覽器更新支援通行金鑰微軟在近日發佈的 Microsoft Edge v142.0 版本中正式上線跨平台通行金鑰同步功能。該功能允許使用者在不同裝置和平台間復用通行金鑰，無需為每台裝置單獨繫結，從而顯著提升使用便捷性。通行金鑰（Passkey）被視為替代傳統密碼的安全方案。此前使用者需為每個裝置單獨生成通行金鑰，而此次更新通過同步機制減少了重複繫結的需求。使用者在首次建立通行金鑰時需設定專用 PIN 碼，後續呼叫時必須通過該 PIN 或生物識別驗證。該功能支援 Windows 和 macOS，並需通過微軟帳戶登錄才能使用。此外，藍點網報導稱，微軟還計畫推出第三方擴展程序，使使用者能夠在 Chrome 或 Firefox 等瀏覽器中呼叫儲存在微軟帳戶的通行金鑰。💡 AI 教父：AI 要賺錢必須替代人類勞動據《財富》報導，「AI 教父」電腦科學家 Geoffrey Hinton 近日在一次採訪中表示，科技巨頭若想從巨額 AI 投資中獲利，唯一可行的方式是以 AI 替代人類勞動。Hinton 指出，除了向使用者收取聊天機器人使用費外，「用更便宜的替代品取代工人」將成為企業實現盈利的主要路徑。Hinton 強調，儘管部分經濟學家認為新技術往往會創造新崗位，但他並不確信 AI 會延續這一規律。他直言：「大型公司押注 AI 將導致大規模崗位替代，因為這才是資金流向的地方。」報導援引資料稱，微軟、Meta、Alphabet 和亞馬遜四大「AI 超級玩家」預計在下財年將資本支出從 3600 億美元提升至 4200 億美元。同時，OpenAI 近期已與輝達、博通和甲骨文等公司簽署總額達 1 兆美元的基礎設施合作協議。當被問及這些投資是否可能在不取代人類勞動的情況下收回成本時，Hinton 回答：「我認為不可能。要賺錢，就必須替代人類勞動。」他在 9 月份也曾警告，AI 將帶來「大規模失業和巨額利潤」，這是資本主義體系的必然結果。此外，市場跡象顯示，AI 已對就業產生衝擊。自 ChatGPT 推出以來，招聘崗位數量下降約 30%，其中入門級崗位受影響最為明顯。三星三摺疊首次實機展示曝光據 Android Authority 報導，韓媒 SBS Korea 昨天首次披露了三星三摺疊手機 Galaxy Z TriFold 近距離展示視訊。畫面顯示，該機在展開狀態下保持了極高的纖薄度，而在摺疊狀態下則因雙鉸鏈結構顯得更厚，大約相當於一根手指的寬度或略寬。報導指出，Galaxy Z TriFold 的設計理念延續了 Galaxy Z Fold 7 的思路，力求在雙摺疊形態下儘可能控制機身厚度。從背面來看，TriFold 與 Fold 7 在摺疊狀態下幾乎一致，均配備三攝模組，LED 閃光燈和側邊指紋辨識位置也完全相同。Meta 帶屏 AI 眼鏡二代資訊曝光據 XR Vision 日前透露，Meta 已開始著手第二代 Meta Rayban Display 的研發，目前已經在預定上下游產業鏈產能，計畫於 2027 年上市銷售。報導稱，Meta Rayban Display 第二代將支援雙目全彩顯示，並將會使用 MicroLED 光引擎，而不是第一代使用的 Lcos 光機。據悉，相比於 Lcos 技術，MicroLED 可以做到更小的體積，且整體功耗更低。MicroLED 能夠實現無限對比度，像素級控光，關閉即純黑，顯示效果更加純淨。報導指出，Meta Rayban Display 第二代大機率會採用國內微顯示頭部廠商 JBD 的全彩 MicroLED。另外，報導還進一步指出了該系列產品的市場情況：Display 第二代產品預計銷量在 100 萬左右，但因為產能不足，可能會減少到 50 萬；目前 Meta Ray-Ban Display 第一代在北美熱銷，但缺貨嚴重（Meta Ray-Ban Display 銷售門店數量已增加，部分城市已實現購買自由），主要也是卡在產能方面，馬來西亞肖特產能良率很低；Display 可能能賣 30-50 萬台，但因卡在供應鏈環節，生命周期暫時只能保住 20 萬左右的銷量。OPPO Reno 15 Pro 現身 Geekbench：搭載天璣 8450近日，一款型號為 PLV110 的 OPPO 新機出現在 Geekbench 資料庫中，或為即將發佈的 Reno 15（或 Pro 版）。資料庫顯示，該機搭載聯發科天璣 8450 晶片，配備 16GB 記憶體，運行基於 Android 16 的 ColorOS 16 系統。在 Geekbench 6.4.0 測試中，單核成績為 1668 分，多核成績為 6274 分。而據博主「數位閒聊站」爆料，OPPO Reno 15 或將搭載 6.32 英吋 1.5K 直屏 + 金屬中框、前置50Mp，後置200Mp HP5 主攝 + 50Mp 超廣角 + 50Mp 潛望鏡，並將具備 IP68 + IP69 防水。一加 Ace 6 Pro Max 曝光據快科技報導，網友昨日在機場拍到一加 Ace 6 Pro Max 包裝盒，該機正是一加此前官宣的驍龍 8 Gen5 新品，預計將在今年 Q4 正式發佈。一加 Ace 6 Pro Max 將全球首發高通驍龍 8 Gen5 平台。這顆晶片由一加與高通聯合定義，採用台積電 3nm 工藝，全大核 CPU 架構，整合 Adreno 840 GPU。性能測試顯示，驍龍 8 Gen5 在安兔兔平台總分突破 330 萬分，Geekbench 6 單核成績 3000 分，多核成績 10000 分，CPU 性能與驍龍 8 Elite 基本持平。榮耀 500 系列線稿曝光：輕薄設計對標 iPhone Air昨天，博主「數位閒聊站」在微博曝光榮耀 500 系列線稿。曝光的圖片顯示，新機整體設計與 iPhone Air 相似，機身極致輕薄，正面採用大 R 角直屏，背部則配備橫向跑道 DECO。據悉，榮耀 500 系列包括標準版與 Pro 版兩款機型，型號分別為 MEP-AN00 與 MEY-AN00，代號「Merry」與「MerryP」。其中，Pro 版後攝升級為三顆鏡頭。榮耀 500 系列將提供黑色、銀色、粉色與藍色四種配色，搭載高通驍龍 8 系平台，後置 2 億像素主攝，或為三星最新 HP5，並全系支援 80W 有線快充。蘋果推出網頁端 App Store昨天，蘋果正式上線網頁版 App Store，提供完整的瀏覽與搜尋體驗。這一改動使使用者無需蘋果裝置，通過瀏覽器訪問 apps.apple.com，即可獲取與 iPhone、iPad 或 Mac 上幾乎一致的應用程式商店介面。新版網頁版 App Store 包含「Today」推薦欄目、編輯精選、排行榜、Apple Arcade 專區以及原生搜尋功能。使用者可在網頁端直接查看應用截圖、功能描述、分類標籤及獲獎資訊，並可複製連結進行分享或跳轉至本地 App Store。但需要注意的是，網頁端 App Store 依然不提供下載、安裝應用，僅支援查看內容。星巴克中國首推無糖版太妃榛果拿鐵昨天，星巴克在中國市場推出無糖及甜度可選的「太妃榛果拿鐵」，這是該飲品自 2000 年問世以來的首次「真味無糖」改造，也是該創新體系在全球範圍內的首秀。今年 4 月，星巴克中國推出「真味無糖」體系，將原有風味糖漿拆分為風味飲料濃漿與糖漿，使風味與糖分完全分離。此次應用於節日限定的太妃榛果拿鐵，研發團隊歷經 20 余版配方迭代，從香氣、甜感、醇度、餘味等 8 個維度進行評估，最終實現了在不額外加入糖的情況下復刻原版風味。顧客在點單時可選擇「標準甜」「少甜」「少少甜」「不另外加糖」或「0 熱量代糖」等多種甜度選項。其中，中杯太妃榛果星冰樂僅提供「標準甜」「少甜」和「不另外加糖」三檔。星巴克表示，無論是無糖版還是經典版，飲品均保留了頂部奶油與太妃糖榛子碎的標誌性搭配，延續節日限定的儀式感。同時，節日紅杯也同步回歸，設計靈感源自門店元素與夥伴綠圍裙的蝴蝶結，結合綠色格紋，營造冬日氛圍。可口可樂聖誕廣告再用 AI 製作，公眾反應兩極化昨天，可口可樂再次推出由 AI 製作的年度聖誕廣告，這已是該公司連續第二年採用生成式 AI 技術進行節日行銷。去年 11 月，可口可樂首次嘗試以 AI 創作聖誕廣告，但因畫面「過於光滑、詭異」而遭到批評，被指缺乏人情味並取代了藝術家的創作。今年廣告依舊由製作方 Secret Level 完成，延續 AI 路線。畫面中，北極熊、松鼠等動物聚集觀看標誌性的可口可樂聖誕卡車，而聖誕老人仍是唯一的人類角色，形象取自公司經典手繪。可口可樂全球副總裁兼生成式 AI 負責人 Pratik Thakar 表示，此次廣告是品牌「在利用新興技術重新思考內容創作與規模化生產」過程中的重要驗證。他同時承認，公司在廣告製作中減少了部分生產人員，並強調「潘多拉的魔盒已經打開，再也關不回去了」。廣告上線後，公眾反應依舊分化。一些網友批評可口可樂「頑固地堅持 AI 路線」，認為廣告缺乏溫度；也有人認為這是廣告創意的新方向，代表了科技與傳統節日情感的結合嘗試。山姆回應 App 精修圖爭議：已恢復實拍圖近日，大量山姆會員反映，更新後的山姆 App 出現圖片過度美化、色彩失真等問題。據瞭解，不少商品主圖由此前的實拍圖改為高飽和度精修圖或烹飪成品圖，引發使用者吐槽山姆「越來越像盒馬」。在山姆官方帳號評論區，不少網友留言要求「辭退阿里高管」。昨天深夜，山姆會員商店發佈聲明稱，本次 App 改動自今年 8 月底開始上線測試，並在此期間持續根據會員反饋進行最佳化。山姆強調將繼續改進，以更真實地展現商品形態並提升使用者體驗。目前，商品頭圖已換回實拍圖。資料顯示，10 月 27 日，沃爾瑪中國宣佈前阿里巴巴高管劉鵬加入公司，並擔任山姆會員店業態總裁。沃爾瑪方面稱，此舉是其在中國市場持續加大投資、推動業務戰略升級的重要舉措。山姆在聲明中特別強調 App 改動早於劉鵬上任，側面回應了外界對新高管的質疑。資料顯示，劉鵬於 2015 年加入阿里巴巴集團，先後擔任天貓國際總經理、天貓進出口業務總裁、阿里巴巴集團副總裁兼 B2C 零售事業群總裁、淘天集團品牌業務發展中心總裁等職務。蔡徐坤出任護膚品牌 Murad 亞太區代言人美國科技護膚品牌 Murad 慕拉得近日正式宣佈蔡徐坤出任亞太區品牌代言人。此次合作以「科學煥膚」為核心理念，品牌希望借助蔡徐坤的影響力，強化其在年輕消費群體中的認知度。慕拉得表示，蔡徐坤以自信與堅定的形象詮釋品牌標誌性的「早 C 晚 A」精華，傳遞慕拉得倡導的真實與專業態度。《名偵探柯南：計時引爆摩天樓》確認引進近日，《名偵探柯南》首部劇場版《名偵探柯南：計時引爆摩天樓》確認以 4K 畫質引進中國內地。作為系列劇場版的「開山之作」，影片憑藉本格推理、精美畫風和細膩情感獲得豆瓣 8.6 分評價，長期位列系列人氣作品前列。劇情圍繞連環爆炸案展開，柯南在與神秘炸彈客的對決中，不僅展現推理與行動力，更通過與小蘭的生死羈絆奠定了「新蘭感情」的經典基調。原作者青山剛昌曾表示，當時創作時「以為這會是柯南唯一的劇場版」，因此傾注大量心力。《百川東到海》定檔 11 月 18 日治癒電影《百川東到海》已正式定檔，並同步釋出預告片，將於 11 月 18 日起在全國藝聯專線上映。影片講述生活在西部沙漠腹地的少年小海（吳潘芮飾）在暑假期間獨自進城尋母，並與少年元元（王浩宇飾）結伴展開一段夏日冒險的故事。影片以「學生作文」為敘事線索，通過孩童視角展現鄉土記憶與精神歸屬，強調在物質貧瘠環境中依然能孕育遼闊想像。《特立獨行》定檔 2026 暑期邢文雄自編自導的喜劇電影《特立獨行》已正式宣佈定檔，將於 2026 年暑期在全國上映。影片由白敬亭、魏翔領銜主演，並同步發佈定檔海報。在影片設定中，白敬亭飾演的超人王長海因任務被派回老家，與魏翔飾演的地方分會長老夏組建戰鬥小隊。然而，王長海在履職首日便開啟「整頓模式」，直接挑戰關係戶與地方權力，導致一系列「事故」。影片通過「新官上任三把火」的情節反轉，展現了角色在職場與人情社會中的困境。 (愛范兒)

當不少人還在為鄉鎮覆蓋5G訊號而欣喜時，一場關於6G的無聲戰役早已在全球拉開帷幕。令人驚訝的是，這場戰役並非始於昨日，早在2019年，各國就已在這條新賽道上展開佈局。而最新資料顯示，全球6G專利申請量已達3.8萬件，其中美國佔35.2%，日本則以9.9%位居第三，那麼中國呢？直接給答案，中國以40.3%的佔比遙遙領先，全球第一。在這個資料爆炸的時代，6G已不再是簡單的技術迭代，而是關乎國家在未來數字世界中話語權的戰略資源。從美國重拳打擊中國5G技術發展就能知道，6G究竟有多重要了。雖然中美日歐搶佔了6G的前幾名，但走的路卻都不同。其中，美國延續其市場主導的傳統，以高通、英特爾等科技巨頭為代表，幾乎All in在了毫米波和智能天線上。且官方通過專項資金的方式來支援安全網路和量子加密等關鍵技術的研發。但這種模式的短板也很明顯，例如毫米波訊號覆蓋範圍有限，如果要全普及覆蓋的話，那麼所需基站數量是5G的3倍以上，單是基站建設投入可能就要高達數百億美元，這讓私營企業難以獨自承擔。日本則選擇了一條相對比較務實之路。雖然專利數量不多，但NTT和富士通等企業從2020年就開始專注太赫茲技術和大規模MIMO技術的實用化研發。這些技術特別適合在工業自動化、交通樞紐等特定場景應用。不過，由於核心提案數量有限，日本在標準制定會議上的影響力正在減弱。至於歐洲走的依然是聯合研發路線。愛立信、諾基亞等傳統歐洲通訊巨頭聯合學術機構組建了研發聯盟，重點攻關空天地一體化網路。這種“抱團取暖”的模式，讓實力相對分散的歐洲國家得以在特定領域形成合力，算是比較聰明的一種做法。那麼中國呢？中國採取的是一條與眾不同的發展路徑。在工信部牽頭下，6G推進組將營運商、裝置商和科研機構整合成一個完整的創新鏈條。華為投入上億元研發太赫茲晶片，中信科持續迭代智能超表面演算法，國盾量子則專注於量子通訊加密系統研發。這種全產業鏈協同的模式正在顯現成效。當然了，儘管中國在專利數量上暫時領先，但真正的挑戰才剛剛開始。在最近的3GPP研討會上，各國意見分歧明顯。歐美營運商希望最大限度復用5G核心網以節省成本，而中國營運商則認為需要新建6G核心網。這種分歧可能導致全球標準碎片化，影響6G的全球化部署。專利授權問題同樣棘手。6G技術專利錯綜複雜，企業間的交叉授權不可避免。可以預見的是，6G競賽是一場馬拉松，而非短跑。當前的專利排名只是階段性成果。隨著技術發展，專利佈局可能還會發生變化。但可以肯定的是，在這場關乎未來十年通訊主導權的競爭中，中國已經佔據了有利位置。要實現持續領先，不僅需要技術創新，更需要在標準制定和國際合作中展現智慧。 (W侃科技)

2025年，在一場北上廣深的飯局上，你很容易會遇見這樣一位朋友：他也許曾經大腹便便，如今卻身材瘦削，即使頂著一張凹陷的臉也擋不住重拾自信的容光。而縱使對方宣稱全靠節食和運動，一個名字也幾乎不可避免地在你心頭盤旋：司美格魯肽。這款由丹麥藥企諾和諾德研製的降糖藥，憑藉顛覆性的減肥效果，成為一種全球現象級的“生活方式藥物” 。2025年上半年，它以165億美元的銷售額，登頂全球“藥王” 。市場教育已經完成，就像曾經的肉毒素和近視手術，使用它的人群正在迅速“平民化” 。當你被朋友的變化所刺激，打開社交平台搜尋時，卻又發現一個新世界：依蘇帕格魯肽、瑪仕度肽、利拉魯肽……一大批名字拗口，但看起來藥效更長、價格更便宜，且同樣由正規廠商生產的“同款”藥物正在湧現 。一座金礦裡不可能只有一個淘金者，一場圍繞“減肥神藥”的圍剿已在看不見的地方佈局。司美格魯肽核心化合物專利將在2026年後在等多個國家到期，這意味著屆時一大批價格便宜得多的類似藥將迎來上市潮。中國將是第一個專利到期的國家。內卷大戰看起來不可避免。根據騰訊新聞《潛望》的不完全統計，僅在國內申請上市的司美格魯肽類似藥就已多達八家，另有十幾家同類藥物處於關鍵的II/III期臨床試驗階段 。不難預見，接下來，就像曾經的中國智能手機，電動車或者是模擬晶片，本土玩家會用最中國化的規模化生產和價格戰，衝擊外資用專利和品牌建立的護城河。這不是一場簡單的商業競爭，這是一場千億財富分配。發令槍的倒計時已經開啟，誰能率先沖線，誰就能在這場競爭中，分得最肥美的一杯羹 。01 GLP-1，一座金礦要理解這場爭奪的重要程度，首先需要理解司美格魯肽屬於的GLP-1類藥物究竟是怎樣一座巨大的金礦。GLP-1（胰高糖素樣肽-1）最初作為一種新型的降糖藥靶點進入人們視野。它是一種腸促胰素，能在進食後促進胰島素分泌，從而控制血糖，且引發低血糖的風險極低。更重要的是，它還能通過抑制食慾和延緩胃排空，帶來顯著的減重效果。諾和諾德以生產胰島素起家，在糖尿病治療上擁有超過百年歷史。2017年和2021年，司美格魯肽的2型糖尿病和減重適應證先後在美獲批，從此銷售額接近每年翻倍。2024年，司美格魯肽系列產品的總銷售額達到292.96億美元，與當年的全球“藥王”——默沙東的K藥（Keytruda）294.82億美元的銷售額已是近在咫尺 。諾和諾德的股價也在強勁的業績助推下一路飆漲，並在2024年7月躋身全球市值最高的藥企前三，一度超越法國奢侈品巨頭LVMH成為歐洲市值最高企業。驅動這一飆升的，已不再是單一的降糖市場。2025年上半年的銷售資料顯示：司美格魯肽產品矩陣裡的諾和泰 (Ozempic)：用於2型糖尿病，銷售額為96.46億美元，同比增長15% 。諾和忻 (Rybelsus)：口服糖尿病藥物，銷售額為16.79億美元，同比增長5% 。諾和盈 (Wegovy)：用於肥胖症，銷售額54.58億美元，同比實現了驚人的78%增長率 。Wegovy的狂飆表明，司美格魯肽的增長驅動力已經從糖尿病市場，轉向了對更廣闊的肥胖症市場的開拓。隨著全球肥胖人口的激增，減重早已從一個關乎“美”的消費級需求，升級為一個關乎健康的公共衛生議題。司美格魯肽切中了這個從“可選”到“剛需”的痛點，也就打開了百倍於糖尿病市場的商業想像空間 。這還不是終點。從脂肪肝、阿爾茨海默症、心血管獲益到腎病、睡眠呼吸暫停，GLP-1藥物的臨床研究不斷拓寬其應用邊界，每隔一段時間就有新的積極資料公佈。市場普遍預測，GLP-1將不僅僅是一種“生活方式神藥”，更有可能成為一種覆蓋多種代謝類疾病的藥物。各大投行紛紛上調預期，高盛預測，到2030年，全球GLP-1市場規模將突破1000億美元。巴克萊銀行認為2030年市場規模有望增至1500億美元。除了司美格魯肽之外，目前全球最新一代的GLP-1藥物中的另一個重磅角色是美國製藥巨頭禮來生產的替爾泊肽。雖然沒有先發優勢，但一系列臨床資料顯示，替爾泊肽在減重效果上表現得甚至比司美格魯肽還要優秀。特斯拉CEO馬斯克去年曾在社交媒體上稱，他已經用效果更好的替爾泊肽，代替了司美格魯肽。2025年上半年，替爾泊肽的全球銷售額超過140億美元，緊隨司美格魯肽和K藥躋身全球最暢銷藥品前三。這也助推禮來登頂全球市值最高的製藥公司。雙巨頭的競爭，共同推高GLP-1賽道的價值。而2026年的專利到期，意味著由外資巨頭壟斷的時代即將終結。一場關乎千億市場歸屬的本土戰爭，正式拉開序幕 。02 賽道不僅擁擠，還不可預測諾和諾德的焦慮，早已寫在了它的股價上。2025年9月，其股價在54-57美元區間徘徊，與一年前138.62美元的高點相比，市值蒸發已超過4000億美元 。市場的擔憂並非空穴來風。近期，諾和諾德宣佈將在全球範圍內裁員約9000人，並頗為諷刺地表示，裁員節省的資金將被重新投入到糖尿病和肥胖症。太多競爭者在虎視眈眈。彭博2024年的一項分析報告稱，全球在研發減重藥物有90多家藥企，大部分是基於GLP-1的治療方案。有逾120種藥物處於臨床開發階段，約30%為中資藥企。摩熵醫藥資料顯示，中國GLP-1藥物市場從2019年12.49億元攀升至2023年87.38億元，其預測，2030年超重/肥胖適應症市場規模有望達到173億元，2型糖尿病市場規模有望達到155億元。阿爾茲海默症和帕金森等適應症預計2030年起逐步貢獻收入。預計至2030年，中國GLP-1藥物市場規模有望突破330億元。而目前諾和諾德和禮來幾乎佔據中國GLP-1藥物市場95%的市場份額，國產藥物的市佔率僅有個位數。中國的玩家背景不同、打法各異，至少可以分為三大類。第一類是傳統藥企。這類企業以華東醫藥（000963.SZ）、齊魯製藥等為代表，他們擁有資本實力、成熟的研發管線、商業化團隊，打法穩健而全面，追求的是集團軍式的整體推進。以華東醫藥為例，其採取了“自主研發+外部引進”的兩條腿走路策略 。一方面，它通過仿製，成功拿下了諾和諾德上一代GLP-1產品利拉魯肽的生物類似藥上市資格，成為國內首批擁有合規GLP-1類減肥藥物的企業之一，搶佔市場先機 。另一方面，它在長效、口服等多個創新方向上加碼，其自主研發的司美格魯肽類似藥，進度也居國內第一梯隊。第二類是新銳藥企。這類企業以信達生物（01801.HK）、銀諾醫藥（02591.HK）、博瑞醫藥（688166.SH）等為代表，他們是中國近年來蓬勃發展的創新生物科技公司（Biotech）的縮影。他們雖小，優勢在於機制靈活、身段柔軟，他們的邏輯是既然在規模和速度上難以與巨頭正面抗衡，就在“創新”上做文章 。信達生物與禮來合作開發的瑪仕度肽是這個陣營中的明星產品 。它是一款GLP-1R/GCGR雙靶點激動劑，除了降糖減重，臨床資料顯示其在改善脂肪肝方面也具有潛力。而剛剛在港股上市的銀諾醫藥（02591.HK），其核心產品依蘇帕格魯肽已在國內獲批用於治療2型糖尿病。與國內多數企業不同，銀諾醫藥從一開始就將目光投向了全球市場，計畫在東南亞、拉丁美洲等新興市場進行註冊申報和市場准入。第三類是跨界玩家。這個陣營背景最多元。有以原料藥起家的企業，如九源基因、諾泰生物。他們在多肽藥物上游生產環節擁有天然的成本優勢和技術積累，試圖通過向下游的製劑領域延伸，完成產業鏈的垂直整合 。有尋求“第二曲線”的藥企。例如，曾經的“胰島素茅”甘李藥業（603087.SH）。在集采的壓力下，其胰島素業務利潤空間被嚴重壓縮，GLP-1賽道因此被其視為救命稻草 。其研發的博凡格魯肽甚至啟動了與替爾泊肽進行“頭對頭”比較的全球多中心臨床試驗。還有那些業務上看似毫不相關的闖入者。例如，憑藉代理默沙東的HPV九價疫苗而聲名鵲起的智飛生物（300122.SZ），通過收購宸安生物100%的股權，將兩款司美格魯肽相關產品收入囊中 。甚至水泥大佬也來了。主營水泥建材的上市公司四川雙馬（000935.SZ）在2024年10月通過收購多肽原料藥企業深圳健元醫藥，也跨界殺入戰局 。整個賽道不僅可以用擁擠來形容，還變得不可預測 。03 價格戰在眼前了儘管各路玩家摩拳擦掌，但目前申報上市的8款國產藥物仍集中在2型糖尿病適應症，減重適應症多處於臨床Ⅲ期階段，距離合規用於減重尚需時間。但是，一個可以肯定的答案是，想要在內卷大賽中分得一杯羹，中國企業先要做到差異化。目前各家交出的答案裡，第一個方向是多靶點。單純的模仿之路正在越走越窄。司美格魯肽是單靶點GLP-1激動劑，而雙靶點的替爾泊肽在減重效果上更具優勢。替爾泊肽的成功已經證明，市場正在朝著多靶點療法的方向演進 。對於那些僅僅聚焦於仿製司美格魯肽的國內企業來說，他們面臨的風險是，產品上市即是技術落後之時。第二個方向就是擴展治療領域。諾和諾德自己就正在這麼做，其正在努力向中代謝功能障礙相關脂肪性肝炎（MASH）擴展。考慮到中國人的肥胖以腹性肥胖為主，這也是多家中國企業在擴展的方向。第三個方向是口服。儘管當前市場以注射劑型為主導，但口服劑型由於更方便，想像空間更大。一款高效口服藥物的問世，有望徹底改變現有市場格局。第四個方向是給藥周期。目前主流的治療方案已經由周製劑，拓展到雙周製劑甚至是月製劑，且這一周期還在探索繼續延長。不過，儘管企業們努力創新，慘烈的價格戰也近在眼前。目前，用於降糖的司美格魯肽在醫保報銷後，年費用仍需數千元；而自費用於減重的年費用，則高達上萬元。可以預見，國產藥上市後，為了迅速搶佔市場份額，“以價換量”將成為最直接、最普遍的策略 。尤其是在中國集采政策背景下，當多家國產替代藥獲批上市，集采隨之啟動，企業利潤空間可能被進一步壓縮。屆時，誰的產品差異化更強、生產工藝更優、規模效應更大、成本控制能力更強，誰就更可能突出重圍。資本市場也在屏息等待。目前，由於產品進度和表現不同，幾家已上市的GLP-1概念股表現已經分化：九源基因（02566.HK） 發行價為12.42港元/股，目前價格11.470港元/股；派格生物（02565.HK）的發行價為15.6港元/股，目前價格55.2港元/股。銀諾醫藥（02591.HK）發行價為18.68港元/股，目前價格41.6港元/股。9月23日，同屬這一賽道的先為達生物也向港交所遞交了招股說明書，這家獲得騰訊和IDG資本青睞的公司，其核心GLP-1產品預計在2026年——也即是專利到期的關鍵年份——上市。 (騰訊財經)