# explainers 频道文章列表 · 具身开发者社区

> 来源：https://robotics.hellobike.com/explainers/

- [2026-10-23] [宇树G1/H2全栈拆解：23至43DoF硬件反差与SDK2状态机互斥避坑](https://robotics.hellobike.com/explainers/unitree-g1-h2-locomotion-rl-sdk2-stack)：本文基于宇树官方一手文档与开源仓库，深度拆解G1（23~43 DoF）与H2（31 DoF）的硬件架构差异及其对控制策略的影响。重点剖析Unitree SDK2中motion_switcher服务的状态机互斥机制，揭示自主导航开发中必须显式回读CheckMode的工程铁律。同时对比unitree_rl_gym与unitree_lerobot在Isaac Gy
- [2026-10-23] [人形四足协作臂定价拆解：17.5倍价差背后的BOM真相与租赁溢价陷阱](https://robotics.hellobike.com/explainers/robot-public-pricing-landscape-2026)：本文基于站内全量整机卡数据，深度拆解具身智能三大品类定价逻辑。四足机器人凭借成熟供应链将起售价下探至¥19,999；协作机械臂受限于工业安全认证与核心零部件成本，价格锚定在¥45,000~¥85,000区间；而人形机器人因构型定义分歧与算力堆叠，导致¥39,999至¥700,000的17.5倍极端价差。文章进一步指出租赁市场中人形日租高达¥15,000的溢价
- [2026-10-23] [π0 vs π0.5 深度拆解：3.3B VLA 50Hz 控制反差与 22.5GB 微调显存边界](https://robotics.hellobike.com/explainers/openpi-pi0-pi05-flow-matching-vla)：本文基于 Physical Intelligence 开源材料包，深度拆解 [π0 (openpi)](/models/pi0-openpi) 与 [pi05_base](/models/lerobot-pi05-base) 的 3.3B~3.6B 参数架构。重点分析 PaliGemma 3B 主干搭配 300M Flow Matching 动作专家如何实现
- [2026-10-23] [GR00T N1.7与Isaac Lab全栈拆解：2.2B参数VLA架构反差与40GB显存微调工程边界](https://robotics.hellobike.com/explainers/nvidia-gr00t-n1-5-n1-7-cosmos-stack)：本文基于NVIDIA Isaac GR00T N1/N1.5/N1.7模型卡与Isaac Lab官方教程，深度拆解2.2B~2.7B参数VLA模型的Eagle+DiT双系统架构。重点剖析N1.7微调需40GB显存的工程成因、人类第一视角视频预训练的数据对齐逻辑，以及Isaac Lab仿真中URDF导入、合成轨迹生成与多卡训练的实操边界，明确开源权重许可差异与
- [2026-10-23] [450M SmolVLA vs 3.6B π0.5：LeRobot异步动作块推理与单卡实训边界拆解](https://robotics.hellobike.com/explainers/lerobot-smolvla-lowcost-embodied-loop)：本文基于Hugging Face LeRobot框架与SmolVLA、π0系列模型一手文档，深度解析450M参数SmolVLA如何通过Flow Matching Action Expert实现异步动作块推理，对比3.6B π0.5的架构差异。文章揭示了LeRobotDataset v2.0格式规范在宇树G1与松灵PiPER真机适配中的工程坑点，明确了消费级单
- [2026-10-23] [具身智能120案拆解：亿元订单与1250工时背后的POC验收鸿沟](https://robotics.hellobike.com/explainers/humanoid-commercialization-tracker)：本文基于站内120条具身智能商业档案，深度拆解Figure 02宝马工厂1250小时运行数据、优必选4.23亿元政企订单及智元G2过亿元交付案例。通过对比通稿口径与工程实测指标，解析人形机器人在汽车总装、数据采集与零售场景中的真实POC验收标准、工时有效性及商业化交付的物理边界。
- [2026-10-23] [466模型生态拆解：VLA架构收敛至3B甜点区，132条真机适配为何困于Franka](https://robotics.hellobike.com/explainers/embodied-model-ecosystem-by-the-numbers)：本文基于站内466个具身模型与132条真机适配记录，深度拆解VLA架构从离散Token向3B级Flow Matching连续动作专家收敛的技术动因。分析显示，尽管Apache-2.0协议占比超60%，但真机验证严重偏科，Franka Research 3独占42%适配量。文章从显存带宽、控制频率与机构学差异视角，解释了为何7B模型在50Hz高频控制下失效，以
- [2026-10-23] [具身数据金字塔拆解：百万真机轨迹与200万小时人类视频的Scaling Law边界](https://robotics.hellobike.com/explainers/embodied-data-scaling-oxe-droid-agibot-egocentric)：本文基于多源一手材料拆解具身智能数据金字塔。对比OXE/DROID的4小时基准、AgiBot World的3万条真机轨迹与Maxinsights 200万小时人类视频，解析真机与Egocentric数据在控制带宽、标注粒度及商业交付上的本质差异，厘清“百万轨迹”与“百万小时”不可直接换算的工程边界。
- [2026-10-14] [Gemini Robotics 2 深度拆解：一套权重控制人形全身与五指灵巧手，为什么拧下灯泡成功率 92%、拧上去只有 36%？](https://robotics.hellobike.com/explainers/gemini-robotics-2)：DeepMind 同日发布全身 VLA（Gemini Robotics 2）、具身推理大脑（ER 2）与端侧模型（On-Device 2），并随附安全报告与 ASIMOV-Agentic 基准。本文基于官方一手材料，拆解单权重横跨三类本体的十一项成功率、拧灯泡正反向 56 个百分点的反差、人体监测误报与漏报的权衡，以及 ER 2 API 价格与代码细节。
- [2026-10-14] [只看一条 5 秒人类视频，20 自由度五指灵巧手零样本上真机：未见位置平均成功率 75%，比基线高 71 个百分点](https://robotics.hellobike.com/explainers/dex-one2many)：首尔大学、马里兰大学与 KAIST 提出 Dex-One2Many，用 Gemini 3.1 Pro 把单条人类视频抽象成顺序场景图引导 49,152 个并行环境强化学习，零样本迁移至真机。
- [2026-10-14] [AWS 开源 Physical AI Toolchain：把 NVIDIA 机器人训练与仿真栈搬上云，GR00T 完整微调 11 小时预估 $79](https://robotics.hellobike.com/explainers/aws-physical-ai-toolchain)：AWS 开源面向 NVIDIA 机器人软件栈的云端参考架构与 Terraform 自动化模板，涵盖合成数据、强化学习与模仿学习，但边缘部署仍处于规划状态。