人形机器人“背后有人”吗？至少在过去十年的人形机器人发展历程中壹策略，这一疑问始终被公众广泛讨论。前不久，小鹏汽车的人形机器人IRON以近乎荒诞的方式“破圈”，被怀疑“里面藏人”，小鹏方面不得不对IRON先“扒皮”、后“剪腿”以证清白。
“背后有真人”已被证伪，但在大众认知中，人形机器人确实“背后有人”。在展会、运动会甚至商场中，人们常常看到人形机器人在跑步、跳舞、翻跟头时，往往会有一名手拿遥控器的人类工程师在一旁操作。在北京探访参观具身智能训练场时也注意到，由真人来遥控或遥操作，是机器人训练学习、收集真实数据的常见方式。
如何科学地看待人形机器人“背后有人”的现象？自今年以来，人形机器人在运动能力上进步明显，相较以往只能展示简单的肢体动作，现在能够进行长距离跑步、翻跟头、爬山、搏击、踢足球、拖动卡车等较复杂的运动展示。不少品牌企业在展示人形机器人产品能力时，会作出“全自主”“非遥控”等说明。人形机器人的自主化能力正在提升，最典型的代表是在人形机器人半程马拉松比赛中，分别斩获冠军、亚军的“选手”——天工Ultra、松延动力N2均是非人工遥控、自主化完赛的，由此验证了机器人的自主化能力。
需要说明的是，从验证到稳定成熟还需要一段距离，因此当下人形机器人仍处在“背后有人”的阶段，一类是遥控，指通过遥控器或者在电脑后台发布指令，另一类则是复杂度更高的“遥操作”。星动纪元创始人、清华大学交叉信息研究院助理教授陈建宇解释道，遥控不等于遥操作壹策略，简单来说，前者是更为基础的“指令传递”，设备仅执行预设动作，而遥操作是由人通过更复杂的装置——如VR、动作捕捉传感器设备、力反馈控制器等，来实时控制机器人完成连续的、高度精细动作，被“遥操作”控制的机器人或灵巧手就成为人“身体的延伸”。当前业内有共识，认为模型与算法决定了机器人的能力上限，“遥操作”是进行机器人数据采集与模型训练的重要工具。
技术人员通过“遥操作”的方式控制机器人，实质是“手把手”教导机器人，这些高质量数据将被用于模型迭代，最终部署至机器人，从而实现从“人类示教”到“自主执行”的闭环。擎朗智能战略技术官刘斐表示，遥操作在现阶段是常规的训练方式，通过遥操作采集的数据具有较高的真实度与任务相关性。以擎朗智能自身为例，一方面通过在真实商业环境中部署机器人在岗位积累真实场景数据，另一方面通过遥操作及其他方式进行高效训练，持续拓展机器人的能力边界，以快速适配新场景，不断复制“岗位化”工作模式流程，从而实现更广泛的落地场景应用。
“遥操作”是将人的技巧经验与判断传递给机器、用于训练具身智能的重要数据采集方式。相比遥操作来说，通过遥控器来操作、控制机器人则更容易理解，且广为大众所见。一位从事机器人租赁及线下活动营销业务的人士表示，人形机器人在线下活动中很受欢迎，要向观众展示机器人的功能，有时也要让观众参与互动中，所以常使用遥控器来控制机器人。“坦白讲，主要是因为遥控器简单，很容易上手。现在有些机器人也能不用遥控，但是整体来说，硬件性能不够稳定，再加上像展览会、户外场地的网络环境也存在不确定性。”
除此之外，参加过2025世界人形机器人运动会的两位工程师也解释，机器人自主跑步是能够实现的，但在竞技比赛中大多使用的仍是遥控操作，这样机器人的发挥会更稳定，如果全AI自主，运动速度和反应速度都会变慢，从而影响比赛成绩。
在公众认知中，如果人形机器人需要使用遥控器，那它似乎就很难摆脱“大玩具”的标签属性。智源研究院院长王仲远指出，“本质上我们看到的所有遥控来展示的能力，都可以认为是一个专用模型，因此它的每一个动作是专门采集数据、专门进行训练的，形成一些预设动作”，遥控操作的好处是至少能够完成一个高级指令。
“为什么大量使用遥控器操作，这与我们拥有的数据量有关。”王仲远认为，机器人时代可能仍会遵循此前深度学习1.0时代视觉识别的发展路径，即先用小的、专用的具身模型进行产品化落地，使机器人产业先跑起来，在活下来的同时把某个场景某个任务做到99%以上的准确度，达到一个能够长时间运行、不至于发热损坏的稳定状态，在这个过程中不断产生数据，提升泛化通用能力，从而形成闭环。
“如果有一天，机器人‘公民’数量越来越多，他们产生了海量的机器人专有数据，而且这些数据能够公开，能够被广泛训练和使用，届时才有可能产生真正意义上的具身智能大模型。在最终理想状态下，具身智能机器人能够对话交流，看到真实的世界，自主做决策和执行，但是这显然还有很长的路要走。”王仲远说道。
值得一提的是，在记者采访的机器人企业中，部分企业持乐观的预期看法，认为明年行业或将集体“抛弃”遥控器。其中，旗下拥有仿生机器人、IP机器人等产品线的企业公共关系与政府事务部总经理吴为表示，今年下半年以来，商业化订单开始规模交付，该公司的主要客户集中于银行、教育等行业。“从需求端来看，商业化运用的机器人一定没有遥控器，客户不可能买台机器人，还配一个人来遥控它，所以这会倒逼机器人企业脱离对遥控器的依赖。”
除了商业场景中的应用，事实上，在国内外市场，多家瞄准通用形人形机器人的企业已在产品中打出了“全自主”“非遥控”的旗号，不过自主化的程度、稳定性尚有待市场的检验。在关于具身智能的通用泛化能力如何提升探索中，当前行业主要有三条技术路线，分别是端到端VLA（视觉－语言－动作）模型、“大脑+小脑”分层模型、世界模型，当然三条路线并不是非此即彼，甚至不少科技企业、学术研究机构均有所布局。业界普遍认为，具身智能领域尚未出现像大语言模型的ChatGPT时刻，相关的技术探索还未收敛壹策略，这就意味着具身智能真正的自主化、智能化尚有待成熟，机器人真正告别“背后有人”显然还有一段路要走。
恒汇证券配资提示：文章来自网络，不代表本站观点。
