思灵机器人谈Physical AI方法论：力控基因如何支撑从DLR实验室到产业闭环

“ 力控基因，以及一条从DLR实验室通向产业现场的PhysicalAI路径。 上世纪九十年代，德国宇航中心（简称：DLR）的研究者把注意力放在一个非常新颖的问题上：机器人能不能像人一样感知到它所接触的对象。 彼时的主流工业机器人只认坐标。给定目标位置，控制器就沿着插补轨迹把关节推过去，途中遇到任何接触都视作干扰，轻则轨迹偏移，重则工件报废。要让机器人理解接触这件事，硬件上必须换一套感知底座。 当时DLR的解法相当直接，把力矩传感器装进每一个关节。关节自己知道自己在受多大的力，这个信号被回传后，上层控制不再刚性遵守预设位置，而是改用阻抗控制重塑机器人对外力的反应。机器人被抽象成一套刚度可调的弹簧，外力来时它退让，力撤了它回到原位。 这两项技术分别落在科研和产业不同的层，构成此后二十多年力控机械臂的共同起点，也诞生了多个基于力控的研究机构和企业。 2023年11月，Franka Emika被思灵机器人收购并更名为Franka Robotics。同样源于DLR、总部同在德国的两家公司，此刻走在了一起。一个是深耕工业自动化与精密装配的本体厂商，一个是长期服务高校与科研机构的开放平台品牌。收购把它们放进了同一套研发谱系，也让力控这件事第一次有了从科研到工业的完整产品序列。 因为力控的价值，在具身智能浪潮中正在被学术界到产业界重新定义，力控在今天，已经不是功能清单上的一栏，但从实验室到产线，思灵更进一步看到，在具身智能的浪潮下，真正的问题是力控在哪些场景里不可替代，真实接触产生的数据如何回流为模型迭代，下一轮部署又能否复用同一套接口和力控底座。 思灵机器人的Physical AI方法论，正是围绕这个问题展开。其以力控为物理交互底座，把高价值工业场景作为闭环入口，让真实接触产生数据、数据反哺模型、模型再进入新场景。 01. 力控，为何成为Physical AI的必选项 对产线而言，力控之所以不可或缺，不是因为论文里少了一个变量，而是因为位置控制在接触发生的瞬间就已经失效了，而产线不能等算法补完这一课再开工。 力控在这里的角色，不是“精密装配”那种窄口径的力感知，是让机器人在面对不同的环境下无法预先穷举所有轨迹时，提供接触过程中的实时容错空间。力控平台在这里接入的不是一个孤立的工位，而是一个持续产生数据、与生产系统实时交互的工业节点。 大众汽车的域控制器组装线则把力控推到另一个维度上：量产节拍。思灵为大众汽车打造的汽车电子域控制器柔性组装线，整线配备10台机器人、18个柔性自动化工站，覆盖物料抓取、自动插连接器、自动理线束、零件组装等核心工序，投用后UPH（单位小时产量）相比行业平均水平提升30%。理线单元使用的正是Diana 7。 理线束和插连接器是典型的接触密集型柔性任务，30%的UPH提升意味着思灵的力控能力在真实节拍压力下没有被牺牲，柔顺控制与生产效率可以同时成立。产线还采用模块化设计，产品工装模组可在15分钟内完成整线换型，说明这套力控能力不是为单一型号定制的，具备跨型号复用的柔性。 大众的这个案例，恰好回答了“力控为什么是Physical AI的必选项”这个命题。力控保障的是非结构化环境下的作业可靠性。对于思灵机器人而言，力控因此不再是参数表上的一栏，而是产业闭环中“应用产生数据、数据反哺模型、模型再进入应用”这一循环能够持续转动的物理前提。 这也正是思灵机器人切入Physical AI的核心逻辑。思灵机器人 Agile Robots 创始人兼首席执行官陈兆芃博士的判断是：具身智能并不是简单地把大模型装进一个机器人身体，它需要模型、躯体、执行机构、感知系统和应用场景的协同，更需要通过高价值应用的大规模部署，形成“应用—数据—模型—硬件—再应用”的持续循环。 02. Diana 7，为Physical AI而生的力控平台 思灵机器人的力控基因，源自DLR。而Diana 7，是这套基因在工业场景中最完整的表达。Diana 7额定负载7kg，工作半径923mm，重复定位精度±0.05mm，力控相对精度0.5N，控制频率1kHz，7自由度冗余结构，全关节力矩传感。这组参数放在工业协作机械臂中属于第一梯队，但真正让它区别于同类产品的，是这些参数背后的设计逻辑。那就是其每一个指标都服务于同一个场景目标，服务于如何让机器人在真实产线上摸得准、拿得稳、干得久。 全关节力矩传感是这套逻辑的起点。Diana 7的七个关节均内置扭矩传感器，这意味着机器人能够实时感知每一个关节上承受的力矩，而不只是在末端安装一个力传感器。此举的区别在于，末端力传感器只能感知手碰到了什么，而全关节力矩传感让机器人能够感知整条手臂在与环境交互时的受力状态。 在精密装配场景中，这意味着机器人可以判断插入力是否过大、零件是否卡滞、姿态是否需要微调。而这些判断，都发生在毫秒级的时

来源只提供摘要，完整内容请打开原文。