你上一次看到人形機器人搬重東西，是什么時候？

絕大多數人對人形機器人的印象，也許還停留在擰螺絲、疊衣服、跳舞這類“輕松”的活兒。而就在最近，波士頓動力在X平臺上發布了一段顛覆很多人固有印象的視頻——這段39秒的視頻里，新版Atlas人形機器人以一個深蹲下潛，雙臂環抱起一臺裝滿雜物的迷你冰箱，軀干180度利落轉身，大步流星走向工程師。

要知道那臺冰箱總重超過45公斤，而Atlas整機不過90公斤。整套動作行云流水，沒有任何機械的遲滯感。

01.

市面上大多數機器人，其實“沒干過重活”

為什么人形機器人很少展示搬重物？原因是絕大多數機器人其實不具備干重活的能力。

目前主流的操作范式高度依賴視覺反饋：用攝像頭盯著目標物，手指尖精細抓取，完成相對簡單的接觸任務。這套邏輯在輕量級分揀、包裝場景中尚且能用，但遇到真正需要發力的場合，就失靈了。絕大多數機器人缺少一套關鍵能力，那就是全身體感與力反饋的深度融合。

翻譯成人話就是：機器人不知道自己使了多大勁兒，也不清楚物體的重心在哪兒。

人類搬一個特別沉的箱子時，不會傻乎乎地只用手指硬拉。我們會用前臂貼合箱體，肱二頭肌、腰腹、雙腿同時參與發力。遇到重量超出預期，還會下意識地調整姿態，把部分負荷從手臂轉移到軀干和髖部。這種“全身協同發力”的能力，在自然界中叫本體感知，在工程語言里叫物理智能。

而真正的體力勞動，恰恰就需要這種能力。

Atlas的團隊負責人Alberto Rodriguez這樣介紹新技術：“你不能僅憑看著冰箱和用手抬起它。你必須先預判重量，然后傾斜身體，順應它的形狀，測試你是否能舉起它。”

02.

訓練場不在實驗室，在虛擬世界里“摔了幾百萬次”

Atlas的這套搬冰箱動作，同樣是走的強化學習路線。

訓練邏輯大致分三步。第一步，工程師用動畫軌跡給Atlas一個參考模板，告訴它大概怎么靠近冰箱、怎么下蹲、怎么把身體貼過去。第二步，設計一套獎勵函數，確保機器人不僅要抱起冰箱，還要抱得穩、走得平，中途被推拉也能重新穩住。第三步，也是最關鍵的一步，扔進仿真環境里瘋狂訓練。

在GPU并行仿真中，Atlas面對的是成千上萬種冰箱：有的歪著放，有的冰箱里的雜物會來回滑，地面摩擦系數隨機變化，抓握位置故意別扭。據披露，Atlas在虛擬環境中進行了數百萬小時的訓練。訓練負載原本設定在23到32公斤，實戰搬起的卻是超過45公斤的冰箱。超出訓練量這么多，它接住了，穩穩地接住了。

這其中的關鍵，不只是一個數字。

傳統機器人遇到超重物體時，通常會觸發力限保護直接停機。但Atlas在面對這臺超重冰箱時，沒有被“嚇住”。它通過體感系統感知到物體的異常重量和重心偏移，實時調整了姿態——軀干更加前傾，雙臂收緊環抱，用整個身體結構來分散壓力。這就是強化學習訓練出的肌肉記憶：在虛擬環境里摔過的無數次跤，最終轉化為現實中的抗壓能力。

03.

硬件思路大轉向：從F1賽車到家用車

不過，光靠軟件層面的算法迭代還不夠，要想讓機器人真在工廠里干活，硬件設計思路得徹底翻篇。

2024年之前，Atlas一直走的是液壓路線。液壓版Atlas運動能力爆表，后空翻、跑酷樣樣精通，但噪音大、液壓油泄漏風險高、能耗高的缺點讓它幾乎不可能商業化量產。波士頓動力的產品負責人干脆把它比喻成F1賽車，精密、震撼，但沒法當家用車開。

2024年4月，波士頓動力正式退役液壓版Atlas，全面轉向全電驅動方案。

新一代電驅Atlas的設計哲學，可以用一句話概括：像家用車一樣可靠、易維護、能大規模生產。硬件上引入了極度簡潔的模塊化設計，整機只用了兩種規格的執行器，左臂與右臂完全互通，左右腿也一樣。模塊化的設計可以使損壞部件五分鐘完成現場更換，無需返廠維修。散熱方案更是簡單粗暴到令人印象深刻：整機只有一個風扇裝在頭部給芯片降溫，。

這些設計決策背后是一個清晰的目標：降低部署門檻，縮短維修時間，最終走向規模化生產。

商業化節奏也已經鋪開。現代汽車集團計劃在自家汽車工廠內部署超過2.5萬臺Atlas機器人，目標到2028年實現年產3萬臺。2026年的首批產能已被現代汽車和Google DeepMind瓜分。盡管目前月產能只有區區4臺，但方向已經擺在那兒了——波士頓動力不打算只做實驗室里的孤品，它要進廠打工。

04.

“物理智能”是什么？就是機器人替你彎腰

人形機器人走到今天，行業最大的瓶頸早已不是“它能不能像人一樣走路”，而是“它能不能像人一樣理解物理世界”。

物理智能到底是什么？再回頭看那段視頻：當Atlas抱起冰箱之前，有一個下意識的下蹲和貼近——不是設計好的程序步，而是它在感知到重心和重量后，主動選擇了最省力的搬運姿態。搬運途中，如果冰箱里的雜物來回滑動，它能通過身體表面的觸覺反饋瞬間調整抓握力度和手臂夾角，全程不依賴操作員干預。

這恰恰是當下絕大多數人形機器人欠缺的東西。

對比一下競爭對手的反應速度。特斯拉的Optimus曾在2024年展示了單次搬運11公斤電池托盤的能力，但到了2025年，量產計劃因為手部和前臂的設計瓶頸陷入停滯——關節電機在搬運重物時容易過熱，實際搬運效率不到人工的一半。Figure公司2025年發布的Figure 03則搭載20公斤的有效負載能力，最高運行速度1.2米/秒，續航約5小時，整體定位偏向家庭服務和輕量級物流。

它們在輕量級任務上的表現可圈可點，但始終缺少一套能處理“極端載荷加動態擾動”的全身運控方案。

Atlas選擇的“全身體感+強化學習”路線，雖然研發周期長、技術門檻高，但一旦跑通，能力的泛化性將遠超單純依靠視覺和程序化的方案。這背后還有一個更深層的邏輯：波士頓動力不指望Atlas長得像人，而是要讓它做到人類做不了的動作。Atlas的腰部可以360度旋轉，頭部能朝任何方向扭動，這些“超人類”的設計不是為了獵奇，而是為了適應工廠中那些人類身體根本夠不到的狹窄工位和刁鉆操作角度。