全驱动机械手驱动源的数量与被控制机械手的自由度数量相等。每个手指关节都有驱动器，使其能够实现主动控制，在某种程度上能够 像人手一样完成全部的动作指令甚至要求更G的灵巧动作。但是，全驱动也意味着需要更多的驱动器，会使手掌体积变大、安装困难、 操 作 复 杂 。
优势：具有完全可重复的运动轨迹，适合某些功能性和精细操作较G的场合。在工业场合， 例如组装、测量等情况下有更好的表现，而且多一个执行器， 也使得全驱动方案对比欠驱动 方案在握持物体时具有更大的 扭矩 。
缺点：对控制策略的要求较G， 当没有合理的运动学分析控制时，整体的灵活性其实并不如欠驱动的方案。
机器人的触感灵巧手Linker Hand具备20个主动自由度,包括柔性电子皮肤,实现精细触觉感知,构建全球最大的灵巧操作数据集,包含了大量的人手操作数据,覆盖了各 种复杂的抓取和操作任务
当人们认为机器人是有意图的代理时，他们的大脑以类似的方式处理自己和机器人的行动结果,意图归因在人机交互中起着至关重要的作用,可能包括通过言语指令等非交互性手段来调整人们对机器人意图的感知
移动机器人系统用于解决探索性化学中的三个主要问题以及根据数据决定下一步做什么,移动机器人做出与人类研究人员相同或相似的决定比人类快得多
大模型可加快人形机器人复杂任务训练速度,提升任务生成速度及缩短理解周期;1 提升人形机器人语言处理能力 2 提升人形机器人场景理解能力 3 提升人形机器人运动控制能力 4 提升人形机器人数据训练能力
NLP 大模型在语言的歧义、文化差异及多样化、情感分析困难;CV 大模型算法处理复杂；多模态大模型融合不同模态的信息并提高模型的标识能力
NLP 大模型是人工智能领域的重要研究方向,CV大模型是指基于深度学习的计算机视觉模型,多模态大模型是指将文本、图像、视频、音频等多模态信息联合起来进行训练的模型
机器人大脑提高人形机器人的人-机-环境共融交互能力,支撑全场景落地应用;机器人小脑提升人形机器人非 结构化环境下全身协调鲁棒移动、灵巧操作及人机交互能力
英伟达 GR00T让人形机器人理解自然语言文本,语音,视频,以模仿人类运动;阿里云机器人大模型可赋予机器人知识库问答,工艺流程代码生成,机械臂轨迹规划,3D目标检测和动态环境理解等全方位能力
纯视觉方案：成本低,技术成熟度高,产业链成熟度高,符合人眼逻辑;易受天气影响,易受光照影响,算力需求较高,需要大量图像训练集;激光雷达方案:识别率高,环境适应力强,产业链成熟度高
摄像头可实现测距，但精度较低,通过 AI 算法识别，但难 以识别非标准障碍物;毫米波雷达纵向精度高，横 精度低;激光雷达是高精度,3D 建模，易识别;
本田 ASIMO由四个运行着 VxWorks 实时操作系统的处理器构成;欧洲 ICUB使用名为 ARCHER 的学习型算法体系;特斯拉 Optimus用Optimus 的神经网络
人形机器人将实现从0到1量产，根据我们测算，2025年和2030年全球人形机器人市场规模 分别有望达到1.4亿元和249.5亿元，2025-2030年全球人形机器人CAGR有望达到182%
