1 传感器全景:人形机器人需要哪些感知

人形机器人的感知可以一刀切成两大类:本体感知(Proprioception)回答「我自己现在是什么状态」,外部感知(Exteroception)回答「外面的世界是什么样、我摸到了什么」。关节模组主要吃的是本体感知,而灵巧手和头部则是外部感知的重灾区。理解这张全景图,是后面每一节选型讨论的地基。

1.1 本体感知 vs 外部感知

2 IMU 深入:加速度计、陀螺仪、磁力计与姿态解算

IMU(Inertial Measurement Unit,惯性测量单元)是「姿态感知」的基石,通常把三轴加速度计、三轴陀螺仪集成在一块芯片上,部分还内置三轴磁力计(那时称 9 轴)。它回答的问题是:躯干在空间中的朝向、角速度、加速度是多少——这是全身平衡、步态控制、摔倒检测、头部稳定的输入源头。

2.1 三大器件原理:都是 MEMS 微机械结构

• ① 加速度计(Accelerometer):核心是一个挂在弹簧上的质量块(proof mass),两侧是梳齿电容极板。发生加速度时质量块相对极板位移,电容变化 → 电压变化 → 加速度。它测的是比力(specific force),静止时输出的是重力分量(约 1 g 朝下),所以能反推「哪边是下」,用于俯仰/横滚的长期参考。MEMS 加速度计内部常做「质量块 + 电容检测 + 闭环力平衡」以提高线性度。
• ② 陀螺仪(Gyroscope):靠科里奥利效应(Coriolis effect)。芯片内有一块持续振动的质量块(驱动轴),当载体绕敏感轴旋转时,振动质量块受到垂直于「振动方向 × 旋转轴」的科里奥利力,激发次级振动,再用电容检测这个次级振动幅度,正比于角速度。它测的是「转得多快」,积分后得到角度——高频准、长期漂。
• ③ 磁力计(Magnetometer):测量地磁场(通常用 AMR / 霍尔 / 磁通门原理)得到「哪边是北」,为航向角 yaw提供长期绝对参考(陀螺仪无法从零恢复 yaw,只能靠磁力计或视觉给绝对方向)。缺点是极易受电机、铁磁结构、电流干扰,必须做软铁/硬铁校准。

2.2 IMU 关键指标:零偏、噪声密度、量程、温漂

2.3 常用型号:从无人机 IMU 到机器人 IMU

2.4 安装位置与减振:IMU 的「位置学」

• 装在躯干质心附近:躯干是全身姿态的代表点,装得越靠近质心,线加速度耦合越小,姿态解算越干净。头部、脚掌也可各放一颗做「头部稳定」与「触地/步态检测」。
• 减振是硬需求:电机振动、关节冲击会以高频噪声形式灌进加速度计。常用硅胶垫、泡棉、弹性柱做隔振,并把 IMU 的固有频率与结构共振错开;减振过度反而会引入低频摆动,需实测权衡。
• 远离磁源与电流:磁力计要避开电机永磁体、铁磁外壳和大电流走线;实在躲不开就做软铁/硬铁校准并接受 yaw 在电机工作时不可靠,必要时用视觉/编码器融合补 yaw。
• 标定就地做:IMU 焊上 PCB 后零偏会变化,量产要做六面法标定(见下),把零偏和比例因子写回固件。

2.5 数据融合与姿态解算:互补滤波 / Mahony / 卡尔曼

/* ── 互补滤波(最简单):高通陀螺 + 低通加速度计 ── */
// 陀螺积分提供高频动态;加速度计提供低频重力参考(俯仰/横滚)
alpha = dt / (RC + dt);            // RC 为互补时间常数,约 0.5~2 s
pitch = alpha * (pitch + gy * dt) + (1 - alpha) * pitch_accel;
roll  = alpha * (roll  + gx * dt) + (1 - alpha) * roll_accel;
// yaw 无法由重力恢复,需另接磁力计/视觉参考,否则长期漂移

/* ── Mahony 滤波(四元数 + PI 反馈,非线性互补) ── */
// 1) 用当前姿态估计重力方向 v_est,与加速度计测量 v_meas 做叉乘得误差 e
// 2) 积分误差修正陀螺偏置: bias += Ki * e * dt
// 3) 修正角速度: omega = gyro + Kp * e + bias
// 4) 四元数更新: q += 0.5 * q ⊗ omega * dt,再归一化
// Kp/Ki 决定收敛速度与抗噪;磁力计参与时额外修正 yaw 误差

/* ── 扩展卡尔曼(EKF):最优估计 ── */
// 状态 x = [q0 q1 q2 q3 | bias_gx bias_gy bias_gz]
// 预测:由陀螺积分推进四元数(含噪声协方差 Q)
// 更新:用加速度计(重力方向)+ 磁力计(北向)观测修正(量测协方差 R)

2.6 IMU 校准:六面法 + 艾伦方差

• 六面法(加速度计/磁力计标定):把 IMU 分别沿 ±X、±Y、±Z 六个方向静止摆放,采集多组数据,拟合出加速度计的零偏(offset)与比例因子(scale);磁力计同理,再加硬铁(球心偏移)/软铁(椭球畸变)校准。
• 艾伦方差(Allan Variance):把长时间静止数据按不同平均时间 τ 分组求方差,画出艾伦方差曲线。曲线不同斜率段分别对应角度随机游走(ARW,τ 负斜率段)、偏置不稳定性(谷底)、速率随机游走(τ 正斜率段)——谷底值就是「这颗 IMU 长期零偏到底能稳到什么程度」的天花板。
• 陀螺零偏标定:静止采集一段时间求均值即可得到当前零偏;更精细的要标温漂(在温箱里扫温度记录零偏变化,做一阶补偿)。

3 力矩传感器:从应变片电桥到关节力控

「力控」是人形机器人安全交互、柔顺落地、精细操作的前提——而力控最直接的输入就是关节力矩传感器。它不像编码器测「转了多少」,而是测「输出端真正传递了多大力/力矩」。这一节讲原理、信号链、标定,以及它和「电流估计力矩」的经典对决。

3.1 三种原理:应变片 / 磁弹式 / 电容式

3.2 应变片粘贴与温度补偿

• 粘贴是手艺活:应变片要贴在弹性体应变最大、应力均匀的位置(通常由有限元仿真确定),粘贴层要薄而均匀,气泡、胶层过厚都会引入非线性与漂移。贴完要固化、老化、再标定。
• 温补三板斧:① 用自温度补偿应变片(匹配弹性体热膨胀系数);② 用全桥/半桥让温度共模变化相互抵消;③ 外接零漂/温漂补偿网络或固件里做温度查表补偿。
• 过载保护:弹性体要设计过载止挡,防止超量程冲击把贴片撕坏或弹性体屈服。

3.3 信号调理:仪表放大器 + Σ-Δ ADC

/* ── 力矩传感器信号链(典型) ── */
应变片全桥(1~2 mV/V 量级)
  → 仪表放大器(INA118 / AD8221 等):高共模抑制、低噪声、增益 100~1000×
  → 低通滤波(RC,滤除电机 PWM 与机械振动高频)
  → Σ-Δ ADC(ADS1232 / ADS1262 等):24 bit,高分辨率、内置 PGA 与滤波
  → MCU(SPI 读取)→ 标定矩阵 → 力/力矩输出

选择 仪表放大器(instrumentation amplifier)而不是普通运放,是因为它共模抑制比(CMRR)高、输入阻抗大、增益稳定,正好匹配电桥的差分小信号。Σ-Δ ADC 则用「过采样 + 噪声整形」换取 24 bit 级分辨率,代价是输出速率较低(几十到几千 SPS),所以力矩环带宽通常被 ADC 输出速率限制。

3.4 标定:加载台 + 串扰补偿

• 加载台标定:用标定机/砝码在多轴方向施加已知力与力矩,记录传感器各通道输出,拟合出灵敏度矩阵。六维力传感器要做 6 个自由度(x/y/z 力、x/y/z 力矩)的加载与解耦。
• 串扰补偿(解耦矩阵):传感器某一轴受力时,其他轴往往也有微弱输出(串扰)。标定出一个 6×6 解耦矩阵,把原始电压乘矩阵得到真实六维力:F_real = C × (V_measured − V_zero)。这是六维力传感器「准不准」的核心。
• 零点与温漂标定:记录不同温度下的零漂,写入补偿表。

3.5 关节力矩传感器 vs 电流估计力矩:一场经典取舍

3.6 人形机器人应用与代表产品

• 应用位置:踝关节(落地缓冲、ZMP 力控)、髋关节(支撑与摆动相控制)、腕部六维力(装配、拖动示教)、手指力控(抓取力闭环)。
• 代表产品(据公开资料,具体参数多未公布):坤维(KUNWEI)主攻人形机器人六维力传感器,已完成 B+/B++ 轮融资;鑫精诚(深圳市鑫精诚传感)提供六维力传感器与力控系统方案,获深圳国资领投;宇树(Unitree)自研关节力控(机械臂/灵巧手),但具体传感器参数官方未公布。选型时以各家官方规格书为准。

4 触觉传感器:让指尖「摸得到」

触觉是灵巧手从「能抓」到「抓得巧」的分水岭:抓鸡蛋要控制压力、捏起一张纸要检测滑动、旋螺丝要感知接触位置与法向力。触觉传感器按原理分四类,各有擅长。

4.1 四类触觉原理:压阻 / 电容 / 压电 / 光学

4.2 阵列化与动态触觉(滑动检测)

• 阵列化:把触觉单元排成矩阵(如指尖 16×16 等规模,视产品而异),每个单元独立测压力,得到「压力热力图」,用于定位接触点、判断抓取是否居中、检测边缘/纹理。
• 动态触觉 / 滑动检测:物体要滑走时,接触面产生高频微振动。压电式天然擅长(只响应变化、带宽高);压阻/电容式则靠对压力信号求导、检测高频分量。检测到滑动就瞬时加大抓力——这是防滑抓取的标准动作。
• 与抓取控制闭环:触觉数据 → 力/位置/滑动估计 → 实时调整手指力与位姿 → 稳定抓取。触觉采样率通常要 数百 Hz 以上才能跟上滑觉检测。

4.3 灵巧手上的应用(据公开资料,参数多标「约/官方未公布」)

• 宇树 Dex3-1:宇树(Unitree)推出的三指力控灵巧手,主打「力控 + 触觉」操作;其同门产品线 Dex5 宣传「单手 20 自由度、94 个灵敏触点」(约,以官方发布为准)。Dex3-1 的具体触觉单元数量与指标官方未系统公布。
• Shadow Hand(Shadow Dexterous Hand):英国 Shadow Robot 的经典仿人多指灵巧手,指尖可选配 BioTac 触觉传感器(基于流体 + 电极测量压力/振动/温度),是触觉研究的标杆平台。
• 特斯拉 Optimus:马斯克公开了 Optimus 灵巧手相关专利(媒体称「上帝之手」专利),涉及指尖触觉传感方向;但官方未公布具体触觉传感器型号与参数,以官方发布为准。

5 编码器补充:磁编码器 vs 光编码器与关节集成要点

编码器是关节里「使用频率最高、却最容易在集成时翻车」的传感器——转子和定子差 0.1 mm 气隙或一点偏心,角度就可能跳变、产生速度毛刺,进而毁掉整个 FOC 闭环。这一节补上磁/光编码器的选型与集成要点(与 避坑指南 的编码器接口部分互补)。

5.1 磁编码器(AMR/TMR)vs 光编码器

5.2 绝对式单圈与多圈方案

• 绝对式单圈:上电即知当前角度(0~360°),无需回零。关节模组强烈建议选绝对式,省去每次上电找零的麻烦。
• 多圈方案:① 电池保持计数(断电后靠电池继续计数,最常用);② 齿轮减速 + 磁编码器(机械多圈,纯机械、无电池);③ 游标/双编码器(两个不同极对数组合解算多圈);④ 软件记录 + 绝对单圈(配合断电不动的关节)。人形关节通常单圈绝对式 + 上电回零/限位即可满足,多圈需求看应用。

5.3 编码器在关节里的集成要点(偏心、气隙)

• 气隙(Air Gap):磁编码器要求磁铁与芯片保持手册规定的气隙(常见 0.5~2 mm 量级)。气隙过大信号弱、噪声大;过小可能撞磁/非线性。安装公差要按手册留。
• 偏心(Eccentricity):磁铁轴心、芯片中心、旋转轴三者必须尽量同心。偏心会引入角度误差的一次谐波,表现为速度周期性波动。高精度场合要做偏心标定/谐波补偿。
• 磁铁与芯片对准:径向磁化磁铁要让磁场穿过芯片敏感方向;芯片下方避免铁磁体/大电流走线干扰。
• 信号完整性:SPI 走线短、串阻尼电阻、远离三相线与 PWM 节点(避坑指南已详述)。

6 传感器融合与同步:时间、外参、总线与噪声

单颗传感器再准,也只是「孤证」。真正的问题在于:力矩、角度、IMU、触觉、视觉这些数据必须在同一个时间基准上对齐,否则融合算法拿到的是「不同时刻的切片」,会引入致命误差。

6.1 多传感器时间同步

• 时间戳(Time-stamping):每个传感器采样打上统一时钟的时间戳(如 MCU 定时器计数 / PTP 时间),融合时按时间戳插值对齐。
• 同步触发:用一根硬件同步线(或 PPS 脉冲)让多传感器同时采样,避免逐传感器轮询造成的相位差。
• 网络时钟同步:分布式(EtherCAT/CAN/以太网)系统用 PTP/gPTP 把各节点时钟同步到亚微秒级,视觉与关节数据才能对齐。

6.2 外参标定

• 手眼标定(Hand-Eye):标定相机与机械臂末端/关节之间的刚体变换(旋转 + 平移),用 AX = XB 或 Tsai 等方法。
• IMU-相机外参:标定 IMU 与相机的时间偏置与空间位姿,是视觉惯性里程计(VIO)的前提。
• 关节零位/力矩零点:编码器零位与力矩传感器零点要在整机装配后重新标定。

6.3 CAN / SPI / I2C 总线布局

6.4 供电与噪声:ADC 参考与滤波

• ADC 参考要干净:力矩/触觉这类微弱模拟信号,ADC 的参考电压(Vref)必须低噪声、低漂移,并与数字电源隔离(磁珠/独立 LDO);否则 ADC 读数随负载抖动。
• 差分 + 屏蔽:小信号用差分走线、包地,远离 PWM/开关节点;必要时用屏蔽线。
• 滤波分层:模拟端 RC 低通滤高频,数字端再做平均/陷波(如陷掉 PWM 频率及其谐波);滤波器截止频率要与控制环带宽匹配,避免把有用信号也滤掉。
• I2C 读取示例(读磁编码器原始角度):

/* ── I2C 读取 AS5600 磁编码器原始角度(12 bit,地址 0x36) ── */
// 寄存器 0x0C(高字节)/ 0x0D(低字节)存 RAW ANGLE
uint8_t reg = 0x0C;
uint8_t buf[2] = {0};
// 1) 写寄存器指针
Wire.beginTransmission(0x36);
Wire.write(reg);
Wire.endTransmission(false);        // 不产生 STOP,继续读
// 2) 读 2 字节
Wire.requestFrom(0x36, (uint8_t)2);
buf[0] = Wire.read();
buf[1] = Wire.read();
uint16_t raw = (buf[0] << 8) | buf[1];      // 0~4095
float angle_deg = raw * 360.0f / 4096.0f;   // 换算成角度

7 选型指南:如何为关节模组选传感器

选型的坑不在「不知道该选什么」,而在「跳过量程和带宽,直接看价格和精度」。下面这套决策树按「量程 → 精度 → 带宽 → 成本 → 可靠性」的顺序,给出一张可执行的清单。

7.1 关节模组传感器选型清单(示例)

8 小结与思考

9 本节自测

10 参考资料

本页关键事实经 web_search 核实;型号指标多为典型值/约值,量产以官方数据手册为准。资料整理更新至 2026-08。

• Bosch Sensortec · BMI088 官方产品页(六轴 IMU 数据手册,量程/噪声指标)
• TDK InvenSense · ICM-42688-P 官方产品页(低噪声六轴 IMU)
• Arrow · Bosch 高性能 IMU BMI088 介绍(无人机/机器人 IMU 应用)
• SimpleFOC · Position Sensors(官方文档)(支持的磁编码器/传感器列表)
• ROBOTS Guide · MIT Mini Cheetah(准直驱 QDD 关节与单编码器方案背景)
• 投资界 · 坤维科技 B+ 轮融资(人形机器人六维力传感器方向)
• 鑫精诚传感器 · 六维力传感器核心技术(力传感器/力控方案)
• Leaderobot · 鑫精诚传感器首轮融资(深圳国资领投)(力控系统解决方案)
• 宇树 Unitree · Dex3-1 力控灵巧手(三指力控灵巧手)
• 网易 · 宇树发布 Dex5 灵巧手(单手 20 自由度、94 个灵敏触点)(触觉触点数量,约)
• Shadow Robot · Shadow Dexterous Hand 技术规格(灵巧手 + BioTac 触觉)
• arXiv · Classification of Vision-Based Tactile Sensors(综述)(GelSight 等视触觉传感器原理与分类)
• 香港经济日报 · 马斯克公开 Optimus「上帝之手」专利(Optimus 灵巧手触觉专利方向,官方参数未公布)