[首發(fā)于智駕最前沿微信公眾號(hào)]最近發(fā)現(xiàn)越來越多小伙伴跨行到了具身智能領(lǐng)域，對(duì)于習(xí)慣了處理車輛縱向驅(qū)動(dòng)與橫向轉(zhuǎn)向的汽車工程師來說，具身智能并不是一個(gè)完全陌生的領(lǐng)域，但也有很大的區(qū)別。

自動(dòng)駕駛本質(zhì)上是讓輪式平臺(tái)安全、平順地穿過結(jié)構(gòu)化交通環(huán)境，而具身智能則要求智能體擁有能夠改變物理世界的身體。這意味著技術(shù)關(guān)注點(diǎn)從關(guān)注交通規(guī)則和障礙物包圍框轉(zhuǎn)向理解復(fù)雜的物理力學(xué)、精細(xì)的接觸反饋以及長(zhǎng)程的任務(wù)邏輯。

汽車工業(yè)積累的量產(chǎn)經(jīng)驗(yàn)、線控底盤技術(shù)以及高并發(fā)仿真工具，正成為這一領(lǐng)域爆發(fā)的底層支撐。正如特斯拉將原本用于FSD的視覺算法直接遷移到Optimus機(jī)器人上，汽車工程師的技術(shù)背景在具身智能時(shí)代擁有天然的準(zhǔn)入優(yōu)勢(shì)。

感知系統(tǒng)，從看清環(huán)境到理解接觸

自動(dòng)駕駛感知的核心任務(wù)是構(gòu)建環(huán)境地圖并識(shí)別障礙物。工程師通常使用3D邊界框（Bounding Box）來標(biāo)注車輛或行人的位置，目標(biāo)是計(jì)算出足夠的安全冗余以實(shí)現(xiàn)避讓。

具身智能的感知邏輯則發(fā)生了質(zhì)變，它不再只是為了躲避，而是為了交互。這意味著感知系統(tǒng)必須能夠識(shí)別物體的6D位姿，即不僅要知道物體在哪里，還要精準(zhǔn)掌握它在空間中的旋轉(zhuǎn)角度和幾何細(xì)節(jié)。舉個(gè)例子，如果智能體感知不到杯子柄的具體斜率或瓶蓋的細(xì)微螺紋，后續(xù)的抓取與操作就無從談起。

圖片源自：網(wǎng)絡(luò)

具身智能還引入了觸覺感知，汽車除了安全氣囊相關(guān)的壓力感應(yīng)外，幾乎不需要感知外部物體的物理接觸。但在具身智能領(lǐng)域，觸覺是閉環(huán)控制中不可或缺的一環(huán)。

Figure 03機(jī)器人指尖集成的觸覺傳感器就可以感知低至3克的壓力，這讓它能夠像人一樣捏起細(xì)小的紙夾或處理易碎的蛋殼。

這種“近場(chǎng)感知”要求工程師從關(guān)注激光雷達(dá)的遠(yuǎn)距離建模，轉(zhuǎn)向關(guān)注RGB-D相機(jī)、掌心攝像頭以及觸覺陣列的多模態(tài)融合。

具身智能感知的維度從視覺語義擴(kuò)展到了硬度、摩擦系數(shù)和質(zhì)心位置等物理屬性。這種轉(zhuǎn)變要求不再將感知看作獨(dú)立的輸入模塊，而是將其與動(dòng)作邏輯深度耦合，實(shí)現(xiàn)邊看邊動(dòng)的實(shí)時(shí)反饋。

規(guī)劃系統(tǒng)，從軌跡搜索到語義任務(wù)的對(duì)齊

自動(dòng)駕駛的規(guī)劃器主要在Frenet坐標(biāo)系下解決路徑的平滑度與安全性問題，通過編寫復(fù)雜的狀態(tài)機(jī)或搜索算法來處理?yè)Q道、路口通行等離散場(chǎng)景。

但在具身智能面對(duì)的非結(jié)構(gòu)化環(huán)境（如家庭或車間）中，任務(wù)往往是長(zhǎng)程且連續(xù)的，做的是從凌亂的桌面找出扳手并遞給人類這樣的工作。這種任務(wù)無法通過窮舉狀態(tài)機(jī)來實(shí)現(xiàn)，必須轉(zhuǎn)向基于視覺語言動(dòng)作模型（VLA）的內(nèi)生邏輯。

這意味著規(guī)劃系統(tǒng)走向了端到端語義執(zhí)行方向。Figure AI的Helix系統(tǒng)已經(jīng)實(shí)現(xiàn)了超過4分鐘的端到端自主執(zhí)行，期間涵蓋了行走、平衡和雙臂協(xié)作，沒有任何人為預(yù)設(shè)的硬代碼跳轉(zhuǎn)。

圖片源自：網(wǎng)絡(luò)

對(duì)于汽車工程師而言，進(jìn)入具身智能領(lǐng)域后，原本用于決策的路權(quán)邏輯正在被任務(wù)意圖所取代。需要關(guān)注的不再是車輛是否壓線，而是要關(guān)注智能體如何理解人類指令，并將其拆解為一系列符合物理常識(shí)的微動(dòng)作。

在具身智能中，規(guī)劃不僅是軌跡的生成，更是全身重心的動(dòng)態(tài)調(diào)配。不同于車輛穩(wěn)定的四輪支撐，人形機(jī)器人或多足機(jī)器人在移動(dòng)和操作時(shí)，任何肢體擺動(dòng)都會(huì)劇烈改變系統(tǒng)質(zhì)心。

特斯拉在研發(fā)Optimus時(shí)，將原本用于FSD的路徑規(guī)劃器改造成了能夠生成全身關(guān)節(jié)角度的生成模型，這種跨越業(yè)要求跨領(lǐng)域的小伙伴需要更多地理解物理世界的因果關(guān)系，而不僅僅是交通規(guī)則。

控制能力，從車輛穩(wěn)定到全身動(dòng)力學(xué)閉環(huán)

在控制領(lǐng)域，汽車工程師長(zhǎng)期處理的是縱向加速和橫向轉(zhuǎn)向的解耦控制。電子穩(wěn)定性控制等技術(shù)主要關(guān)注的是維持四輪附著力。

當(dāng)執(zhí)行器數(shù)量從車輛的幾個(gè)電機(jī)爆發(fā)到機(jī)器人的幾十個(gè)關(guān)節(jié)（如Optimus Gen 3的50個(gè)執(zhí)行器）時(shí)，控制的復(fù)雜性呈現(xiàn)出指數(shù)級(jí)增長(zhǎng)。這要求工程師掌握全身控制技術(shù)，在滿足平衡約束的前提下，實(shí)現(xiàn)多關(guān)節(jié)的協(xié)同作業(yè)。

圖片源自：網(wǎng)絡(luò)

具身智能的控制核心在于處理“非連續(xù)接觸”產(chǎn)生的物理沖擊。汽車行駛中輪胎與地面的接觸相對(duì)連續(xù)，但機(jī)器人在行走或抓取瞬間，物理方程會(huì)發(fā)生突變。

為了保證系統(tǒng)不崩潰，模型預(yù)測(cè)控制（MPC）成為了連接高層指令與底層扭矩執(zhí)行的橋梁。通過高頻（通常大于500Hz）的閉環(huán)計(jì)算，系統(tǒng)可以預(yù)判并補(bǔ)償肢體接觸帶來的力矩波動(dòng)。

這種精密度要求跨行的小伙伴從傳統(tǒng)的單變量PID控制轉(zhuǎn)向更復(fù)雜的動(dòng)力學(xué)建模。例如，在處理靈巧手操作時(shí)，需要實(shí)時(shí)解算雅可比矩陣，以保證手指末端能以毫米級(jí)的精度施加毫牛級(jí)的力量。這不僅是軟件算法的挑戰(zhàn)，更是對(duì)線控執(zhí)行器性能的極致壓榨。

想換行，汽車工程師需要補(bǔ)齊哪些板磚？

汽車工程師從自動(dòng)駕駛轉(zhuǎn)往具身智能，并非從零開始，但很多技術(shù)重新學(xué)習(xí)。

最基礎(chǔ)的知識(shí)缺口在于“機(jī)器人運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)”。汽車工程中對(duì)車輛模型的簡(jiǎn)化（如單軌模型或二自由度模型）在處理多關(guān)節(jié)機(jī)器人時(shí)完全失效。因此需要系統(tǒng)學(xué)習(xí)空間描述與變換、Denavit-Hartenberg (D-H) 參數(shù)法、以及通過雅可比矩陣建立關(guān)節(jié)速度與末端執(zhí)行器速度之間的映射關(guān)系。

這是理解機(jī)器人如何“動(dòng)起來”的基礎(chǔ)，也是從宏觀車輛動(dòng)力學(xué)轉(zhuǎn)向精密機(jī)構(gòu)動(dòng)力學(xué)的必經(jīng)之路。

具身智能對(duì)AI算法的依賴已經(jīng)從簡(jiǎn)單的目標(biāo)檢測(cè)轉(zhuǎn)向了“多模態(tài)大模型”。汽車工程師習(xí)慣于處理規(guī)則代碼和小型神經(jīng)網(wǎng)絡(luò)，而現(xiàn)在必須掌握Transformer架構(gòu)、視覺語言模型（VLM）以及擴(kuò)散模型在動(dòng)作生成中的應(yīng)用。

這意味著不僅要會(huì)寫C++，還要精通Python環(huán)境下的PyTorch或TensorFlow開發(fā)，并能理解如何在大規(guī)模分布式GPU集群上訓(xùn)練和部署這些參數(shù)量巨大的模型。

圖片源自：網(wǎng)絡(luò)

對(duì)于端到端控制的理解，將成為區(qū)分平庸與卓越工程師的分水嶺。特斯拉Optimus的團(tuán)隊(duì)之所以能快速迭代，很大程度上是因?yàn)樗麄儗⒆詣?dòng)駕駛的視覺感知經(jīng)驗(yàn)與機(jī)器人的動(dòng)作學(xué)習(xí)進(jìn)行了跨界融合，這種“通用算法思維”是工程師必須建立的核心競(jìng)爭(zhēng)力。

仿真工具鏈的掌握同樣是必修課。汽車工程師熟悉的場(chǎng)景仿真軟件（如Carla、Prescan）側(cè)重于交通流和傳感器物理特性，而機(jī)器人仿真則要求極高的物理引擎精度，能夠模擬接觸、摩擦、形變等細(xì)節(jié)。

因此需要熟練使用NVIDIA Isaac Sim、MuJoCo或PyBullet等工具。這些工具不僅是驗(yàn)證算法的場(chǎng)所，更是生成訓(xùn)練數(shù)據(jù)的工廠。理解如何通過Sim-to-Real技術(shù)將仿真中習(xí)得的策略安全地遷移到真實(shí)硬件，涉及復(fù)雜的領(lǐng)域適配和殘差學(xué)習(xí)，這對(duì)于習(xí)慣了實(shí)車測(cè)試的汽車工程師來說，是一個(gè)全新的挑戰(zhàn)。

硬件領(lǐng)域也需要從總成集成轉(zhuǎn)向底層自研。具身智能的競(jìng)爭(zhēng)在很大程度上是硬件能效比的競(jìng)爭(zhēng)。特斯拉Optimus的Gen 3版本之所以備受期待，原因在于其對(duì)執(zhí)行器、電池包以及算力芯片的極致垂直整合。

對(duì)此需要理解無框力矩電機(jī)、諧波減速器、交叉滾子軸承等精密零部件的工作機(jī)理，并能參與到執(zhí)行器驅(qū)動(dòng)電路和RTOS通訊協(xié)議的底層優(yōu)化中。

審核編輯 黃宇