魔法原子人形机器人MagicBot工厂训练实拍展现多机协作能力

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

　　12 月 2 日，人形机器人公司魔法原子（MagicLab）发布视频公布产品进展，视频显示，人形机器人 MagicBot 已进驻工厂产线，进行多项作业训练。视频中，多台 MagicBot 人形机器人在执行产品检测、物料搬运、零件取放、扫码入库等工作，彼此之间实现了小范围协作。

　　魔法原子成立于 2024 年 1 月，是一家专注于机器人技术和人工智能的全球化机器人公司，旗下机器人产品包括通用人形机器人、仿生四足机器人等，覆盖家庭、工业、商业等多个场景。2024 年 1 月，魔法原子旗下人形机器人凭借自研 D190 关节模组，成为全球首个实现空翻的电驱人形机器人。

　　人形机器人 MagicBot 深入多个生产制造工序展现多机协作能力

　　视频中，魔法原子人形机器人 MagicBot 展现了产品检测、物料搬运、零件抓取、扫码操作等作业能力。从视频中还能看到，部分工作场景中，多台人形机器人可以协同工作：某工序中，一台机器人从生产物料装配点搬起物料箱，搬运至另一台人形机器人所在工位放下，另一台机器人能够从物料箱中抓取零件放置在生产设备上进行作业。

　　“相比传统复合机器人，人形机器人凭借其拟人的特性，对复杂环境的适应度更高，能够适应不同的工作任务和生产线布局”，魔法原子公司负责人吴长征表示，“尤其适合 3C、家电等需要频繁切换产线的工厂工作，同时，高自由度、类人操作等特性，让人形机器人能够帮助制造业提高产线柔性，降低工厂部署成本。”

　　据介绍，目前进驻工厂作业的人形机器人 Magicbot 全身拥有 42 个自由度，其双臂搬运负重最高可达 20 公斤，全身负重高达 40 公斤。MagicBot 机身采用高强度材料，同时进行了轻量化处理，以提升续航，目前其在连续执行行走、操作等动作下的综合续航最高达到 5 小时。

　　自研核心零部件和核心算法赋能工厂场景落地应用

　　在今年特斯拉公开的一则视频中，特斯拉人形机器人擎天柱在工厂分拣电池、搬运电池。从魔法原子公开的视频来看，人形机器人 MagicBot 在工厂中同样进行了多项作业，包括物料搬运、零件取放、产品质检、扫码入库等操作。

　　这些作业能力，对人形机器人的环境适应能力、运动控制能力、操作能力都提出了很高的要求。

　　以物料搬运和产品质检两个场景为例，人形机器人的关节模组设计，能否为人形机器人提供足够的扭矩和力量来搬运重物，会直接影响其工作能力。

　　魔法原子自研了一系列关节模组执行器，覆盖了 550N.m 以下的多种力矩需求。不同系列的自研关节模组，为人形机器人 MagicBot 适应不同工作环境、进入更多产线乃至工厂奠定了基础。

　　魔法原子的自研执行器还覆盖了行星减速执行器、谐波减速执行器以及直线执行器，具有高控制精度，高力矩密度等特性。

　　更精细的操作能力，对人形机器人灵巧手也会有更高要求。MagicBot 的灵巧手，可以模拟人手进行捏、抓、握、提拉等基本动作，也可以使用十余种工具。

　　此外，人形机器人 MagicBot 利用头部视觉传感器信息、编码器信息，结合全身多任务协调控制算法，形成了基于 6D 视觉伺服和全身模仿学习的浮动基座操作算法系统，操作能力能够不断进化，进一步能满足产线不确定环境下需要精细操作的工作要求。

　　在此次公开的魔法原子工厂训练视频中，还能够看到，人形机器人需要在不同作业工位、不同场景之间移动行走。而工厂作业环境复杂多变，人形机器人想要在其中自由穿梭、平稳运行，对其感知、规划、决策和执行能力无疑是一大挑战。

　　人形机器人 MagicBot 本体上，配备了多个不同类型传感器，传感器的感知数据，会被算法融合滤波，从而形成一个虚拟的超级感知传感器，让 MagicBot 具备 360 度超低盲区的周身环境感知能力及语义识别能力。在感知能力加持下，MagicBot 可依据自研导航算法规划出安全可达的目标路径，实时避开环境中的静态与动态障碍物，快速安全地到达作业点。

　　自研 MagicData AI 数据引擎机器人智能化程度不断提升

　　数据是人工智能模型的基础。通过大量数据训练，机器人可以学会环境识别、任务决策和任务执行，从而实现机器人智能化程度的不断提升。

　　魔法原子人形机器人 MagicBot 会用到四类数据进行模型训练，分别是“合成数据”、“全身遥操作采集数据”、“三方模仿学习数据库数据”、“场景实时数据”。

　　这些数据源自研发团队在长期研发与生产过程中的积累，为了更高效地利用不同类型数据，魔法原子研发团队自研了 MagicData AI 数据引擎，通过该数据引擎，研发团队能够在本地、云端进行数据标注、处理，并在仿真训练场中实现模型训练，进而部署到真实应用场景中。