纵然模型、数据集、仿真器已经在代码仓库里迭代了好几轮，但放眼现实世界，可供研究人员随意摆弄的机器人硬件依然稀缺、昂贵且脆弱：制造门槛动辄数十万美元。更不用提封闭的系统和易损的关节。

为打破这一僵局，5 月下旬，Hugging Face 释出了开源项目 LeRobot Humanoid。在这个项目里，一台能够自己站立、迈步的双足人形机器人，整体成本不到 3,000 美元。其中，“骨架”部分大约只需要 3.5 公斤的 3D 打印塑料耗材，成本不过 56 美元。真正赋予它行动能力的 12 个关节电机，则全部来自中国的硬件供应链。

不止成本压缩到极致，它还交出了一套将机械设计、仿真、标定、策略训练，直到实机部署全部打通、全栈可复现的“机器人学习闭环”。

一个刻意不追求最先进的项目

LeRobot Humanoid 由项目主创维吉尔·巴托（Virgile Batto）发起，联合了 Hugging Face 等多位贡献者。它的定位从一开始就很清晰：如果研究者追求的是“最先进的人形机器人”，这个项目或许并不合适；它的核心目标，是提供一台所有人都能亲手搭建、理解、维修、改装、仿真、训练并控制的机器人。

官方博客指出，人形机器人正成为机器人学习日益重要的研究对象，但硬件往往昂贵、封闭、易损或难以复现；即便模型、数据集、仿真器和训练代码都已开源，用来生成数据、验证策略的物理平台仍然稀缺。很多人能在仿真里训练策略，真正能在实体人形机器人上“跑通整个闭环”的，依然只有少数实验室。

也正因此，这次发布的核心是一套由五大组件构成的全栈平台，正好覆盖了“教机器人学走路”的完整链路：设计平台、搭建、仿真、采集数据、辨识模型、训练策略、再部署回机器人。

图 | 项目涵盖从硬件设计和组装到仿真、识别、训练和实际控制的全流程（来源：LeRobot Humanoid）

五大组件分别为硬件、设计工具、运行时（Runtime）、参数辨识与训练环境集合。其中，硬件包含物料清单（BOM）、可打印零件、装配与接线文档和电机调试工具；设计工具是一套基于简化机器人模型的控制导向设计流程与基准评测；运行时可在仿真与真机上对机器人完成标定与控制，内置安全检查并与 LeRobot 的数据采集集成；参数辨识通过对真实数据的回放拟合仿真参数，缩小“仿真-现实”之间的差距；训练环境集合则用于在 MJLab 中训练和评估腿式机器人的运动策略。

硬件：从一张物料清单读出成本真相

借助项目硬件仓库公开的物料清单（BOM），我们可以先把这台机器人“拆开”看个清楚。

当前发布的是一个 12 自由度的纯双足平台（暂无上半身）。主控是一块树莓派 5（Raspberry Pi 5）；姿态感知用 BNO055 或 BNO085 惯性测量单元（IMU）；电机与主控之间通过 CAN-FD 总线通信（配一只 SAVVYCANFD 双通道适配器）。整机需要 3D 打印 75 个零件，按子装配体分布于躯干与左右腿；打印耗材为约 3.5~4 公斤 PLA+ 塑料丝。

（来源：LeRobot Humanoid）

十二个电机全部来自中国厂商灵足时代（RobStride），按部位分别为：躯干 O0 两只、髋部 O2 两只、大腿O3 四只、小腿 O5 四只。

从成本看，树莓派 5 与总线适配器等主控电子设备约需 235 美元，3D 打印耗材塑料丝约 56 美元，而螺丝、轴承、电缆、电源等标准件约 465 美元。剩下最昂贵的部分则是 12 只来自中国灵足时代的电机，合计 1,880 美元，整机总成本细算下来，也只有 2,636 美元。

换言之，中国硬件 + 桌面级 3D 打印构成了开源人形机器人降本逻辑中缺一不可的关键因素：3D 打印让占据机器人体积绝大部分的结构件成本显著降低，而真正昂贵、也最难自制的执行器，电机，则因中国供应链的存在被压到了可承受的区间。

软件：低算力下的高频闭环

在软件侧，运行时仓库公开的文档显示，整套 Runtime 运行在单板电脑树莓派 5 + Ubuntu 上，用 Python 对 12 个电机进行高频闭环控制。对于很多机器人工程师来说，这听上去有些不可思议。传统上，双足机器人的平衡控制算法（如 WBC 全身控制）通常需要极高的计算频率（往往在 500Hz 到 1,000Hz 之间），并且需要运行在配备实时操作系统（RTOS）的强劲 x86 主机上。

但这台机器人在技术路线上做了一些务实的折衷。首先，它的控制协议极其简化，与电机的通信采用基于 CAN-FD 总线的 MIT 控制协议，该协议只传输基本的扭矩、位置、速度和刚度参数，数据载荷极小。

其次，项目避开了复杂的传统控制算法，倾向于在 PC 或服务器端基于 MuJoCo 仿真环境训练轻量化的端到端神经网络步态模型，例如 PPO 等强化学习算法，并将其导出为 ONNX 或 PyTorch 格式，部署到树莓派上。

此外，由于Python 存在垃圾回收（GC）与多线程性能限制，为了稳住实时性，团队在底层编写了一整套严格的标定与安全检查机制，包括指令跳变防护、踝部保护与急停等前置安全机制，确保网络输出不稳定时，不会震碎 3D 打印的关节。

如果仔细看过项目博客的作者列表，你就会发现，作为高性能机器人中间件 dora-rs的开发者，陶海轩（Haixuan Xavier Tao）的名字赫然在列，但首版官方发布的运行时却并没有默认运行在 dora-rs 上。

（来源：LeRobot Humanoid）

事实上，原因或许不在于兼容问题。作为开源项目，在维护生态时，LeRobot 官方库必须保持“Vanilla Python”，这样才能确保，即使是刚入门的 AI 开发者，也能毫无障碍地读懂每行代码。对于真正追求控制性能的用户，dora-rs 社区早已通过 dora-lerobot 提供了完整的高性能加速替代方案。

Hugging Face 的数据飞轮与生态野心

如果我们从硬件谱系看，LeRobot 于 2024 年由前特斯拉科学家雷米·卡德内（Rémi Cadène）在 Hugging Face 创立。2024 年 10 月，LeRobot 与法国公司 The Robot Studio 合作推出了 SO-100 机械臂：一只售价约 100 美元、可 3D 打印的机器人手臂，被称为当时门槛最低的 DIY 机器人之一；2025 年，它升级为带相机、电机更顺滑的 SO-101，售价区间 100~500 美元。如今，LeRobot Humanoid 把这条路线从手臂延伸到了腿，乃至完整人形。

这条从一只百元机械臂，到一双数千元双足的“阶梯”，就构成了 Hugging Face 机器人战略的叙事主线：用尽可能低的门槛，让 AI 社区一个台阶一个台阶地走进机器人领域。

Hugging Face 正在用当年做大语言模型（LLM）开源的逻辑重塑机器人行业。

在软件上，LeRobot 把数据采集、数据集存储、策略训练和硬件部署整合进同一套框架，大幅降低了共享门槛。要知道，Hugging Face 在 AI 领域的统治地位，来自庞大的开源模型与数据集生态。如果能把同样的逻辑复制到机器人领域：用便宜、易造、易用的硬件（3D 打印 + 中国电机）吸引尽可能多的开发者，让他们在物理世界中采集数据，再将这些数据回传并贡献给开源社区，数据和模型的雪球就会在 Hugging Face 的平台上越滚越大。

生态野心也体现在其资本与合作伙伴的动作上。2025 年 4 月，Hugging Face 收购了法国机器人公司 Pollen Robotics，获得其人形平台 Reachy 2 与开源基因，并与英伟达（NVIDIA）开展紧密合作。英伟达甚至将面向人形机器人的开源基础模型 GR00T 放上了 Hugging Face Hub。Hugging Face的联合创始人托马斯·沃尔夫（Thomas Wolf）曾表示，公司相信，机器人是 AI 的下一个前沿，而这个前沿“应当是开放、可负担且私密的”。

当硬件彻底商品化，具身智能的商业壁垒落在哪里？

把这台 LeRobot Humanoid 拆解到最后，问题随即留给了商业厂商：当机器人的物理骨架可以用家里的 3D 打印机制造，当最昂贵的电机可以从中国供应链直接低成本跨境采购，当控制它行走的整个软硬件闭环全栈开源，人形机器人的“壁垒”究竟还剩下什么？

答案或许已经呼之欲出。随着硬件壁垒和通信中间件的全面平民化，机器人的核心价值正在发生根本性的转移。未来的竞争，不再属于那些只组装出一具精美物理躯壳的公司，只有能低成本获取海量物理世界数据、并拥有高泛化性大脑模型（VLA）的生态构建者，才足以在具身智能的竞争中立足。

参考链接：

1.https://huggingface.co/blog/VirgileBatto/lerobot-humanoid

2.https://github.com/Virgileboat/lerobot-humanoid

3.https://1ms.ai/

排版：胡莉花

注：封面/首图由 AI 辅助生成