在人形机器人整机调试中，我们经常用“延迟”解释一些难以复现的问题：仿真中动作干净，实机上却出现落脚发软、触地回弹、关节振荡；同一套策略更换一批关节模组后表现明显变化；主控侧增加几毫秒推理时间似乎没有明显影响，模组内部增加一两个控制周期却会让动作产生肉眼可见的差异。这些现象容易让人产生一个误区：只要测出“策略到电机”的端到端延迟，再想办法把这个数字降下来，就能解决问题。延迟发生在闭环的什么位置；延迟

OMPL（Open Motion Planning Library）是运动规划领域的标准算法全：RRT、RRT*、PRM、EST…十几种采样式规划算法接口简洁：只需提供状态空间、碰撞检测器，剩下的 OMPL 帮你搞定学术背书：被 MoveIt、Drake 等主流框架采用而且 OMPL不依赖 ROS，可以作为独立库使用（这点很重要）。Ruckig 是一个实时轨迹生成库，专注于一件事：给定起点、终点、

本文介绍了如何利用PHC工具实现人体动作数据到机器人动作数据的重定向。主要内容包括：1）使用SMPL人体模型和AMASS动作数据集作为输入；2）通过形状拟合（fit_smpl_shape.py）和动作拟合（fit_smpl_motion.py）两个步骤，将人类动作转换为机器人可用的关节角度数据；3）详细说明了如何通过修改YAML配置文件来适配自定义机器人模型，包括关节匹配和虚拟扩展部位的设置。该方

AimRT官网这里记录总结了我们在选择机器人软件架构时的思考过程。如果你用过 ROS，这些对比会帮你快速理解 AimRT 的设计理念。如果你没用过 ROS 也没关系，我们会从实际问题出发。用过 ROS 的话，.msg# ROS 的 Imu.msgAimRT 用的是Protobuf为啥 AimRT 选 Protobuf？跨语言支持更广：官方支持十几种语言，C++、Python、Java、Go 都能用

上一篇（）我聊了一个观点：为什么未来的主流机器人形态，很可能仍然绕不开“人形”，尤其是双足人形。简单说，如果机器人只是为了干活，人形并不一定高效；但如果机器人要自然进入人类社会，成为服务、陪伴、交互、情绪价值的一部分，那么人形就是最容易被人理解和接受的形态。这一篇，我想继续往后推一步。如果未来真的会出现大量标准范式的人形机器人，那么下一个问题就是：这些机器人的能力，到底由谁来开发？是某一家机器人公

上一篇（）我聊了一个观点：为什么未来的主流机器人形态，很可能仍然绕不开“人形”，尤其是双足人形。简单说，如果机器人只是为了干活，人形并不一定高效；但如果机器人要自然进入人类社会，成为服务、陪伴、交互、情绪价值的一部分，那么人形就是最容易被人理解和接受的形态。这一篇，我想继续往后推一步。如果未来真的会出现大量标准范式的人形机器人，那么下一个问题就是：这些机器人的能力，到底由谁来开发？是某一家机器人公

AimRT官网这里记录总结了我们在选择机器人软件架构时的思考过程。如果你用过 ROS，这些对比会帮你快速理解 AimRT 的设计理念。如果你没用过 ROS 也没关系，我们会从实际问题出发。用过 ROS 的话，.msg# ROS 的 Imu.msgAimRT 用的是Protobuf为啥 AimRT 选 Protobuf？跨语言支持更广：官方支持十几种语言，C++、Python、Java、Go 都能用