物联网

AI 玩具的待机时间，被哪一级电路吃掉

导读：离线语音芯片把两级唤醒做到 34.7 微瓦，规格书上这个数字比上一代低了一个数量级，AI 玩具的待机却仍按月算。因为常开的那一级不是芯片，是麦克风：模拟麦克风加偏置要吃 250 微安，是唤醒芯片的 24 倍。把芯片功耗降到零，2000 mAh 的电池也只多撑 9 天。

端侧AI
2026-11-05

唤醒词麦克风偏置待机功耗门控供电关键词识别 AI玩具电池自放电
仿真里没有静摩擦，人形机器人怎么在楼梯上站住

导读：人形机器人的关节策略在仿真里学会了上楼梯，装到真机上第一级就踩空，问题常常不在算力也不在视觉，而在仿真参数表里根本没有静摩擦这一项。真机关节的静摩擦转矩是 0.37 N·m，仿真里按粘性阻尼给出的等效值是 0.045 N·m，差 8 倍。这 8 倍换来 148 ms 的起步滞后，而摆动腿的抬脚窗口只有 180 ms。

具身智能
2026-11-04

人形机器人密封圈 Sim2Real 静摩擦关节模组域随机化起步滞后
激活参数只剩两成，端侧 MoE 的内存为什么反而多装四成

导读： MoE 搬到端侧，卖点一直写在算力上：0.3B 激活对 1.3B 总参数，FLOPs 少 2 到 4 倍。同一组数字换个方向看就变了味。INT4 下常驻内存从 450 MB 涨到 650 MB，每 token 的访存从 450 MB 降到 150 MB，出字速度只快 2.2 到 3.4 倍。省下的是算力，卡住的是容量。

端侧AI
2026-11-03

智能手机 AI 端侧AI MoE
总线周期压到 250 微秒，关节的位置误差为什么只降了两成

导读： EtherCAT 的周期常被当成同步精度的代名词，六轴机器人把周期从 1 ms 压到 250 µs，带宽占用翻四倍，看上去该有一次明显提升。把环路的延迟逐项拆开，总线只占其中四分之一，缩到四分之一后总延迟从 2.0 ms 降到 1.65 ms，末端误差从 1.0 mm 变成 0.82 mm。真正决定精度的两段，一段在编码器滤波，一段在驱动器内部的插值。

具身智能
2026-11-03

机器人具身智能关节驱动器
像素缩到 4 微米，五分之一的电流为什么走去了侧壁

导读： 4 微米像素对应 6350 PPI，一块 1080p 的光机只有 7.7 毫米宽，这是 AI 眼镜把显示塞进镜框的前提。发光效率不跟着这个尺寸走：复合电流本该从有源区的上下两个面走，侧壁却是非辐射复合的中心，像素越小，周长占的面积比越高。50 微米的像素侧壁只分走 2% 的电流，4 微米时是 20%，同样的亮度要多给四分之一的电流。

端侧AI
2026-11-02

AI 端侧AI
48 伏的母线上，关节电机的峰值转矩为什么只到 1358 转

导读：人形机器人的关节按安全电压不超过 50 伏设计，母线落在 48 伏，相电压峰值只剩 27.7 伏。高转矩密度电机的反电动势常数偏偏很大，一台峰值 10.8 牛米的关节，峰值转矩只能维持到 1358 转，最高转速 1653 转，恒转矩区只有 295 转。想让关节转得更快，只能把转矩密度让出去，两者乘起来是一个被 27.7 伏钉死的数。

具身智能
2026-11-02

机器人 AI 具身智能
16 个自由度只配 6 个电机，欠驱动的手靠什么锁住

导读：灵巧手的电机数量常被当成成本项，少装一个就少一份重量和一份线束。这个数字决定的其实是另一件事：手指能不能停在想要的角度上。一台 16 自由度、6 电机的手，缺掉的 10 个自由度不靠电机补，靠关节里的锁，代价写在解锁的 200 ms 里。

具身智能
2026-10-30

机器人 AI 具身智能
负载跨三个数量级，效率曲线为什么救不了待机时间

导读：端侧设备的电流表上有两个数：待机十几微安，工作峰值几十毫安，两头差一千多倍。效率是比值，待机时间是绝对值。一颗峰值效率 90%、静态电流 40 微安的降压芯片，在 12 微安负载下的实际效率只有 11.7%，待机天数比一颗峰值效率 80% 的开关电容方案少一半多。

端侧AI
2026-10-30

AI 可穿戴设备端侧AI
四 k 上下文的缓存，为什么会比模型权重更占地方

导读：端侧跑不动长上下文，常被算成模型太大的问题。缓存按层数乘宽度乘序列长度长，七 B 模型在四 k 上下文要 2.1 GB，八 k 要 4.3 GB，而 int4 权重只有 1.75 GB。把权重再压一半，缓存一点没少。

端侧AI
2026-10-29

AI 端侧AI
把摩擦系数从 0.9 降到 0.3，抓取力为什么要涨三倍

导读：指尖一打滑就加力，是控制里最直觉的一步。摩擦锥的算式把这件事写死了：法向力与摩擦系数成反比，摩擦系数掉三分之二，力就得涨三倍。人手在 100 毫秒里完成这次调整，机器人的链路要走 31 毫秒，而指面一沾油，整笔账又要重算。

具身智能
2026-10-29

机器人 AI 具身智能
模型压到 11.7 kB，跑起来为什么要 100 kB 内存

导读：一份在 Cortex-M4F 上部署的唤醒词对比里，最小的 DS-CNN 权重 11 968 字节，准确率 44.78%；50 kB 级的 Inception 做到 91.95%。更值得看的是内存：11.7 kB 的模型要用 102 400 字节的缓冲才跑得起来，差 8.6 倍。权重是给 Flash 看的，内存是给激活看的。

端侧AI
2026-10-28

AI 端侧AI
峰值转矩标到 7.33 倍，为什么只够撑几秒

导读：一台四足机器人的关节样机，额定转矩 2.32 N·m，极限转矩 17 N·m，规格书写成 7.33 倍过载。这个倍数由电磁算出来，不由热算出来。同一台电机在 135 A 下的铜耗是额定工况的一百多倍，绕组热容只够吸收几秒。能撑多久取决于铜有多重，不取决于控制器把电流限到多少。

具身智能
2026-10-28

机器人 AI 具身智能
腱鞘弯过 180 度，指尖的力为什么只剩六成

导读：腱驱灵巧手把电机挪到手背或前臂，靠一根绳子把力送到指尖。绳子走的不是直线，它要穿过套管绕过关节，每绕过一个弯就有一份摩擦被扣掉。总包角做到 180 度时，输入扭矩传到输出端只剩 62%；做到 270 度，只剩 49%。这份折扣不写在任何一个零件的规格表里，它藏在包角的积分里。

具身智能
2026-10-27

机器人 AI 具身智能
回声消除的账不在尾长上，难的是那 27 个分贝的落差

导读：玩具一边放儿歌一边等你喊它的名字，这件事在算法上叫回声消除。多数讨论盯着混响时间，按房间 0.4 秒去配滤波器长度，动辄上万阶。玩具的声学环境不是房间，喇叭和麦克风只隔 8 厘米，混响短得多，但耦合强了 27 分贝。真正卡住端侧算力的不是尾长，是这 27 个分贝，以及喇叭失真给线性滤波器画的那条天花板。

端侧AI
2026-10-27

AI 端侧AI
把视觉分辨率提到 384 像素，机器人为什么一点没变准

导读：视觉语言动作模型的精度不够，第一反应是把相机分辨率提上去。开源模型 OpenVLA 做过这组对照：224 像素和 384 像素在多项任务上的成功率没有差别，而后者训练时间要三倍。边长只乘 1.7，视觉 token 数乘 2.85，自注意力的计算量乘 8.1，多出来的算力全花在背景像素上。

具身智能
2026-10-23

机器人 AI 具身智能

首页上一页 1 2 3 4 5 6 7 8 9 10 下一页尾页

发布文章

AI 玩具的待机时间，被哪一级电路吃掉

仿真里没有静摩擦，人形机器人怎么在楼梯上站住

激活参数只剩两成，端侧 MoE 的内存为什么反而多装四成

总线周期压到 250 微秒，关节的位置误差为什么只降了两成

像素缩到 4 微米，五分之一的电流为什么走去了侧壁

48 伏的母线上，关节电机的峰值转矩为什么只到 1358 转

16 个自由度只配 6 个电机，欠驱动的手靠什么锁住

负载跨三个数量级，效率曲线为什么救不了待机时间

四 k 上下文的缓存，为什么会比模型权重更占地方

把摩擦系数从 0.9 降到 0.3，抓取力为什么要涨三倍

模型压到 11.7 kB，跑起来为什么要 100 kB 内存

峰值转矩标到 7.33 倍，为什么只够撑几秒

腱鞘弯过 180 度，指尖的力为什么只剩六成

回声消除的账不在尾长上，难的是那 27 个分贝的落差

把视觉分辨率提到 384 像素，机器人为什么一点没变准

热门活动

论坛

相关标签

课程视频