尽管特斯拉等公司正大力投入人形机器人研发，且深度学习、先进电机和大型语言模型等技术在十年前推动了显著进步，但人形机器人在面对开门、走楼梯等日常简单任务时仍显笨拙。波士顿动力和阿格ility机器人的专家斯科特·基因德尔斯马和乔纳森·赫斯特均坦言，相关技术尚未完全解决。 当前的技术突破主要得益于三大因素：深度学习提升了环境感知与交互速度；新型电驱电机替代了笨重的液压系统，赋予机器人类似生物的灵活性与可控弹性；以及多模态人工智能模型让机器人能自主规划多步骤任务。这些进步让人形机器人从过去频频跌倒，进化为能流畅舞蹈、搬运物品。然而，这些基于位置控制的系统在精密操作上仍存致命短板。 核心问题在于力控能力的缺失。MIT研究员普基特·阿格拉瓦尔指出，机器人若要像人类一样工作，必须掌握物理学中的力与惯性概念。现有系统多通过模拟训练学习动作模式，却缺乏对阻力和压力的直接感知与调节能力。这导致机器人在接触易碎物品或在复杂环境中操作时，往往因无法精确控制力度而失败，例如抓取鸡蛋时可能用力过猛。人类通过进化出的复杂神经系统能下意识感知力，而机器人目前大多依靠位置指令，缺乏这种“触觉直觉”。 虽然通过降低速度或增加传感器可部分缓解问题，但专家认为，要实现真正通用的类人机器人，必须将力控提升至核心地位。科学界目前处于类似伏打研究电力的“实验阶段”，虽已取得实质性进展，但尚未完全理解其背后的基础原理。未来需要软硬件的深度融合，甚至可能推翻现有架构，建立能从根本上学习物理规律的新系统。人形机器人之路依然漫长且充满挑战。