据作者现场录音整理，按讲者脉络转述，不是逐字稿。讲者是 DYNA 的硬件负责人，英文演讲，约 14 分钟，无问答环节。演讲大量依赖幻灯片上的曲线图，这里只有口头描述，图上的数值看不到；总结页开头约 20 秒没有记下来。

一句话

讲者认为通用机器人的硬件跟不上模型每周一次的迭代，所以硬件不该追模型，而应该做成可预测的稳定接口：动起来模型能预测，传感反馈模型能信。他用 DYNA 新机器人放弃谐波减速器、改用行星减速器的选型来说明这条原则。

论断

1. 通用机器人夹在两类传统机器人中间

传统上机器人有两种用途。工业机器人为精度、耐用和定义清楚的生产任务而造，机械设计偏重刚度，负载自重比低。研究平台优先追求突破，其次才是鲁棒性和成本。

“So one side, we do need to enable new capabilities, so that we could unlock new applications and also deployments. And on the other side, we do need to care a lot about the durability and also the cost of the robots”

——一方面要解锁新能力，才能打开新应用和部署；另一方面要非常在意耐用性和成本。

  • 工业侧的例子是研究界常用的某款机械臂，他说它的负载自重比比现在的人形机器人手臂低，没给人形手臂的数。
  • 研究侧的例子是 NASA 2016 年前后造的一款人形机器人，据报道成本约 200 万美元。他说现在机器人成本已大幅下降，但研究平台"先突破、后成本"的假设仍然成立。

2. 模型每周迭代，硬件半年只能改一两次

传统产品的软硬件节奏也不一样，但通常在项目开工前就能在一份定义清楚的需求上对齐。通用机器人目标场景太多，很难定义一份长期不变的需求。

“If we assume we have a weekly updated model for 24 weeks. And that means we have … at least 24 opportunities to change that model set up to try new ideas. But at the same time, I think we can only afford one or two major hardware revisions.”

——假设模型每周更新一次，24 周就是至少 24 次试新想法的机会；同一时间里硬件只付得起一到两次大改版。

  • 他设了一个情形：模型团队在第 12 周验证了一个好点子，想让硬件配合改，这基本不可能。这是假设情形，不是实测。
  • 所以硬件需求必须足够清楚，又能跨几年的模型迭代保持有效。

3. 答案是可预测的硬件设计

他说的可预测有两层：硬件的行为模型能预测，同时兼顾鲁棒性和成本；硬件平台是一个稳定的接口，让快速演进的模型都能用。落到具体问题上也是两个：运动，硬件的动作和响应要能被模型预测；传感，反馈要可靠地反映真实物理状态。传动同时影响运动和传感，所以他拿传动选型举例。

“So in short, we want to design a hardware to narrow the sim-to-real gap so that hardware can actually last long enough for fast evolving models.”

——简单说，我们要设计能缩小 sim-to-real 差距的硬件，让硬件撑得够久，跟得上快速演进的模型。

4. 运动侧：弃谐波，用行星

DYNA 刚发布了新一代机器人，他说看过 demo 的人可能没注意到，用的是行星执行器而不是谐波减速器。理由两条：尽量降低传动内阻，让执行器模型更简单直接。

“we actually use planetary actuators over harmonic drives.”

——我们用的是行星执行器，而不是谐波减速器。

  • 他引用已发表的研究说，同样的电机、相近减速比下，谐波减速器的内阻约为行星的两倍，没说出处。
  • 谐波难建模有两个原因：一是迟滞，里面有柔性齿轮，变形不只取决于当前扭矩，还取决于之前的加载历史；二是内阻随动态负载和温度变化。
  • 内部测试：同一个 RL 策略走一个简单的圆形轨迹，分别在仿真和实机上跑，比较左右手的位置。他特意强调，从仿真到实机，跟踪均方根误差只增加了 1.3 毫米。没给谐波方案的对照数，所以这个数字说明行星方案的 sim-to-real 差距小，并不直接说明比谐波好。

5. 传感侧：用好建模的传动估力，不加关节力矩传感器

大多数机器人应用是接触密集的操作，手臂和末端是和物理世界交互的核心，需要力反馈引导行为。可以给机器人加关节传感器，但他说为什么选了另一条路超出本次范围，只讲扭矩透明度。

“by having a very simple and easier to model … transmission, we can actually have a accurate enough actuator model to give us a very accurate joint torque estimation and thus to give us a very good external force estimation.”

——传动简单好建模，执行器模型就够准，关节力矩估得准，外力估计也就好。

  • 仿真测试：在手腕和肘部各施加 y 轴 15 N 外力，估计的均方根误差手腕约 1.39、肘部约 8。作为参照，他给了一个最新文献基线约 1.05，基线是什么方法没听清。
  • 他两次强调这只是仿真结果。

存疑

  • 新一代机器人的产品名没听清，需对照 DYNA 公开资料。
  • 工业机械臂的型号和它的负载自重比数值没听清。
  • NASA 那款人形机器人的型号和年份需回放确认。
  • 力估计误差的单位按语境应为牛顿；肘部的"8"可能是 0.8 或别的数；文献基线可能和六轴力传感器方案有关。总结页开头那段没记下来，可能漏了这组对比的结论。