丝滑灵活，春节你只管“放手去嚯嚯”！一台“黑豹”机器人帮你清洁就够了

优质文章学习记录

05 Apr 2026 — 25 min read

2025年下半年始，人形机器人行业正在经历一场从“概念追捧”到“交付验证”的深刻认知升级。

没过多久，就有平台爆料多家机器人被工厂赶了出来。据说Demo阶段都非常亮眼，也成功说服了客户在产线上测试，但实际的表现却很拉胯。对于流水化的工厂来说，需要机器人在几十秒内完成动作，实际操作往往需要几分钟，完全无法胜任产线上的工作。

尴尬之余，这个状况也是共像，是整个行业真实“进厂打工”的现状。

只能做做demo，没办法满足客户的期望，技术上未有实质性突破，场景上必然表现的很差，这也可能导致损失很多客户。不少团队感觉到，具身正在开始收敛。这也表示，新的一年行业对各家公司要求都会很高，找准商业化落地场景，将是主线。

开年不到两个月，行业已经产生超过三十起的融资事件。但量产和落地的“达摩克利斯之剑”仍悬在头上：“有多少机器人实际在真实场景下工作？”“能给公司降本增效么？”“是否稳定运转？”

整个具身领域，正在逐渐褪去华丽的外衣，回归技术和产业的本质。

原文链接：丝滑灵活，春节你只管“放手去嚯嚯”！一台“黑豹”机器人帮你清洁就够了

（一）能做动作只是第一步，真实场景才是“终局”

“干净熟悉”的操作环境，已经不能满足技术实力展示的要求。25年下半年，具身领域刮起了一阵“真实风”，真机、真实场景、真实测试、真实反馈。

想象下，一个开阔的房间内只有一件“杂乱”的衣服需要收拾，机器人无论是把衣服叠起来还是放到收纳箱里都非常容易。然而真实场景大多是，房间内有乱放的椅子、鞋子，还有没收拾的被子、枕头，甚至喝水的杯子和外卖都在桌上。

面对脏乱的环境，机器人是否会“一脸懵逼”？

现实的任务，要求机器人必须走出“整洁”的环境，进入门店、厨房、酒店、办公等日常应用场景。而 “真实”，这把无形的尺子正在测量着每款产品的边界。

相比于那些漂亮的动作展示，机器人在日常场景中面临的不确定性更多：空间狭窄、路径拥堵、目标遮挡、物体形变、人与设备随机进入作业区域……

现实世界中，每一类突发情况都会导致机器人“手足无措”，预期和执行的偏差让“机器人服务”变得很不稳定。“察言观色、能思考”，是机器人的必备能力，持续稳定地完成任务将会是每个产品的“终局”。

这不仅仅是本体的提升，还考验着整个机器人的“大脑”与感知能力。

全栈自研的号角已经吹响，这也必将成为进入具身决赛圈的基础。而苏州的一家公司，正在本体、算法和场景上同时发力，它就是Unix AI，一个00后耶鲁博士归国创业的公司。近日，Unix AI正式推出了自己的第三代产品，从本体到算法上的跨层升级。

（二）第三代机器人“Panther”黑豹

去年到现场看到了Unix AI正在“打包发货”的车间，这家年轻的公司成立没多久就完成了单月百台的交付。组装调试、装箱，一台台机器人陆续发往全国各地。

这一次赶在春节前，他们也正式发布了第三代轮式操作机器人：Panther，在硬件和软件上的全面升级。“在高度大运动范围的平台上搭载量产级 8 自由度仿生机械臂与自适应智能夹爪，并采用全向四转四驱底盘”，这一设计，带来了更加灵活的机动能力与更稳定的作业表现。

相比上一代，Panther 实现 80cm 上半身升降并支持触地作业；更广的头部视野与底盘的横移/原地旋转，让机器人在门店、走廊、工位等复杂环境中移动更顺滑、取放更稳。在动力和稳定性上，Panther这次设计了48V的供电平台，整机输出更充沛，爆发动作与高速控制的稳定性显著提升。

算法上也加持了自研的“三位一体”架构，可以说这次是拉满了硬指标。本体升级决定了能力上限，智能架构决定落地效率。

（三）所有的升级，只为真实场景

具身产品的迭代貌似都在减重、增加功能，但面向真实场景的性能提升才是“有效优化”。

作为面向真实场景任务交付打造的全新一代人形机器人，Panther 在硬件层面实现了全方位的平台级升级。 “更强机动、更大作业空间、更高输出与更稳高速控制、更强上肢表达与可达性” ，这四个层面上的提升为真实任务打造了坚实的硬件基础。

1）狭窄空间内，“来去自由”

更强机动：狭小空间里的“会走位的操作平台”。

在厨房、门店通道、工位走廊等场景里，空间往往不允许机器人“大转弯”。传统人形机器人的移动方式，也使其在狭小空间中极易出现走位偏差、无法贴边作业等问题。而Panther搭载的全向四转四驱系统让机器人可以：

横移避让、贴边通过：在遇到障碍物时无需大幅转向，横向移动即可轻松避开；
原地旋转快速掉头 ：在狭窄的通道中也能灵活调整作业方向；
贴边对齐 ：让抓取和放置动作的一致性大幅提升。

这一设计让其拥有了远超传统机器人的机动灵活性，不是只“走得到”，而是走得顺、对得准、停得稳。

2）“自地向上”，适配不同高度任务

能爬高和触地：80cm 升降 + 触地作业，更大运动空间，覆盖更多任务高度。

此前的人形机器人往往存在作业高度受限的问题，低位取放、地面拾取等动作难以完成，而 “能做一次动作” 和 “能把任务链跑通”，往往差的就是这份可达空间与姿态余量。

Panther 这次支持了80cm 上半身升降并支持触地作业，意味着机器人可以更自然地覆盖：

轻松完成地面拾取、低位取放等此前难以实现的动作；
也能自如进行货架多层位操作；
更能连贯完成门把手开启、桌面操作、挂钩取放等不同高度的连续任务。

无论是在零售门店进行货品整理、在厨房完成食材取放，还是在办公场景中进行工位物料配送，Panther 都能凭借更广阔的作业空间，实现完整任务链的执行，不再因高度限制而中断作业，大幅提升了任务完成的连续性。

3）动力拉满后的爆发，高速动作也能“游刃有余”

Panther的更高输出与更稳高速控制：48V 平台带来爆发与裕度。

实际应用中，人形机器人有时需要完成高速挥杆、快速击打、节拍演奏等爆发性动作。这类动作的核心要求并非单纯的 “速度提升”，而是在速度上去的同时，保持姿态的稳定，避免因输出不足或控制精度不够导致动作变形、作业失败。

这次Panther升级的 48V 平台提供更强瞬态输出与控制裕度，让高速动作的稳定性更可控⸺这是视频里“爆发力片段”能成立的关键硬件基础。

相比上一代产品，整机输出更为充沛，让机器人在完成爆发性高速动作时，依然能保持精准的姿态控制，让高速动作的稳定性处于可控状态。看一下

Panther打高尔夫的难度其实很大。

高尔夫挥杆是典型的复杂动力学问题，不仅要求挥杆轨迹的高度稳定、击球瞬间的力矩输出精准，更需要机器人的身体与双臂实现高度的协调配合，任何一个部位的动作偏差，都会导致挥杆与击球的失败。

Panther 在这一场景中，展现了精准力控与双臂闭链控制的整机动力学协同能力，同时依托重心与姿态进行实时动态补偿，抵消高速动作带来的姿态偏移，保障挥杆的稳定性。

这不仅是运动控制，更是整机动力学协同能力的体现。

4）一双灵活的上肢，才能执行更自然的动作

机械臂是人形机器人执行抓取、操作等动作的核心部件，其自由度直接决定了操作的可达性、灵活性和避障能力。Panther 搭载了量产级 8 自由度仿生机械臂与自适应智能夹爪，从而带来了更丰富的可达性与姿态自由度：

机器人的上肢动作更舒展，轨迹更⾃然；
在抓取不同位置、不同形态的物体时，拥有更多的可行解，让动作规划更容易成功；
在狭小空间中，8DoF 双臂也能实现更精准的避障与对齐，避免因机械臂自由度不足而无法调整姿态，导致抓取失败。

这一升级不仅提升了 Panther 的动作表现力，更直接转化为真实任务的成功率与稳定性提升，无论是精密的刺绣操作，还是日常的物品夹取，自适应智能夹爪搭配 8DoF 双臂，都能让操作更精准、更柔顺，适配不同形态、不同材质的物体抓取需求。

（四）真实场景下的极限实力

不仅仅是高尔夫，黑豹在多个真实场景下均表现极佳。无论是做饭还是倒酒，甚至是刺绣，都极为专业和稳定。

1）简单的一顿饭，很考验“多级协同”的能力

厨房是典型的长流程、多工序、多人协作的复杂环境，绝非单一动作的操作场景。

这对机器人的任务规划、多机协同、空间调度能力提出了极高要求。

Panther 在这一场景中实现的核心突破，在于真正具备了任务级编排与多机生产协同能力。一台负责切配与翻炒的核心烹饪工序，另一台同步完成取盘、递送与餐后清理，形成完整的烹饪任务链。

Unix AI依托长程推理规划架构：

机器人能将 “做一道菜” 的整体任务拆解为多个子任务，并根据作业进度动态分配给不同机器人，实现任务的并行执行；
同时系统可完成共享空间建模，实时计算多台机器人的机械臂轨迹，精准规避轨迹交叉与干涉问题；
更能实现节奏同步控制，让翻炒完成的动作与装盘动作精准衔接，无停顿、无延迟。

这一系列能力，标志着 Panther 不再是只能执行单一指令的 “机械手臂”，而是开始具备“生产协同能力”。

2）倒酒这件事，需要毫秒级的判断

倒酒看似是简单的日常动作，却是机器人控制领域的典型难题。其核心难点在于液体的非刚体特性 —— 液体流动状态实时变化，液面上升存在明显的惯性与延迟，“满而不溢” 的本质上是一个预测问题，而非看到液面满后再停止的反馈问题。

优理奇第三代系统为 Panther 赋予了液体预测控制与毫秒级判断能力，彻底解决了这一难题：

基于高频视觉刷新技术，机器人能实时精准识别液面高度变化；
结合内置的流速模型，对液面上升趋势进行精准预测；
在液面接近临界高度前提前减速，从源头上避免液体溢出。

这一能力的核心背后，不再是被动接收视觉信息后做出动作响应，而是能主动根据视觉做出预测判断，这其实也是世界模型的能力。

3）掼蛋场景也能搞定，精细长时序力控

掼蛋场景挑战，不在规则，而在物理特性：牌体极薄且摩擦系数低，极易出现粘连、弯曲问题，同时发牌、整理、出牌的全过程要求长序列动作的稳定执行。

Panther 在这一场景中，验证了超薄物体操作与长序列任务稳定执行的系统级能力：

精细的指端力控，精准控制抓取力度避免牌体弯曲；
薄片分离算法，解决了扑克牌的粘连问题，实现单张分离的高精度操作；
更凭借硬件平台的高稳定性与智能架构的闭环控制，保障了连续发牌、整理、出牌等长序列动作的无中断执行。

这是对Panther “微操作稳定性” 的极致考验，也证明了 Panther 在处理轻薄、易损、易粘连等特殊物理特性物体时，具备了更成熟的操作能力。

4）刺绣场景下的“毫米级”定位

刺绣是对机器人轨迹控制与重复精度的极端测试，柔性布料的随时形变、毫米级的针脚位置要求、极高的轨迹连续性需求，让刚性的机械系统很难实现精准操作，而这正是 Panther 展现精密控制能力的核心场景。其技术突破体现在三大方面：

通过高精度视觉识别技术，实时捕捉布料形变并对针位进行动态校正，抵消柔性材料的形变误差；
将机械臂的轨迹误差严格控制在毫米级，保障每一个针脚的位置精准；
通过稳定的张力控制技术，在刺绣过程中保持布料的平整，从源头避免材料变形。

这一场景的背后，是 Panther 实现了 “刚性机械系统” 对 “柔性世界” 的精准驾驭，将硬件的精密控制与多模态感知的动态校正能力完美结合，让机器人在超高精度的工艺制作场景中，具备了落地应用的潜力。

5）迎宾待客，从“执行命令”到“理解行为”

机器人的意图识别至关重要，这也是从 “命令执行” 到 “行为理解”的非结构化交互。

迎宾时的递包、拿挎包动作，并非简单的抓取与放置操作，真实场景中用户的姿态不固定、衣物的形态随机变化、人机距离的持续动态调整，都让这一动作充满了非结构化的不确定性，传统机器人仅依靠预设指令根本无法完成。

Panther 在这一场景中实现了非结构化交互与人机意图识别能力的核心突破：

通过人体姿态识别技术，精准判断用户的递取意图，而非单纯接收固定的操作命令；
根据衣物的实时形态与人机距离的变化，动态更新抓取点，适配不同的衣物状态；
依托柔顺控制技术，在抓取与递送过程中精准控制力度，避免拉扯损坏衣物。

这一能力标志着 Panther 从 “被动执行命令” 的机械工具，开始走向 “主动理解人类行为” 的智能交互设备，为人形机器人在服务场景的落地奠定了人机交互的核心基础。

（五）一套组合拳，让机器人学得快、做得稳、跑得通

硬件跟上了，智能架构才好提升落地效率。

在 Panther 的真实场景展示中，几大亮点非常突出：多机协作、长程任务、精密操作、高速控制。

表面上是能力展示，而能力的背后，并非针对不同场景的定制化开发，也不是简单的 “场景堆砌”，而是团队自研的同一套智能架构在不同任务形态下的灵活复用。

1）别让数据成为“那堵墙”，提升泛化不止“加量”一条路

真机数据依然是香饽饽，但成本也让很多公司“退避三舍”，尤其是家居的日常场景操作数据极度匮乏。UniX AI提出了一套很巧的算法系统，通过解耦感知与操作模型，让机器人可以用极少量示教完成复杂任务的高效学习。同时结合预训练多模态感知模型，提升物体与场景操作的抗干扰泛化能力，在泛化场景操作中已初步展现涌现能力。

这套系统即是UniFlex，一个可泛化的模仿学习框架。

UniFlex一定程度解决了人形机器人操作数据极度匮乏的行业痛点，让机器人能快速学习并适配不同任务。这意味着在实际应用中，Panther 能快速适配零售、餐饮、办公等不同行业的不同任务，无需进行长时间的定制化训练，大幅提升了其商业化落地的效率。

其在泛化场景操作中展现出的涌现能力，也让其拥有了持续学习、不断进化的可能。

2）切身感受“薯片的脆弱”，视觉和触觉的真正“融合”

不止是这套模仿学习框架，UniX AI还提出了一套融合视觉和触觉的统⼀感知框架：UniTouch，这也是这位00后CEO擅长的领域。

在真实场景的操作中，仅依靠视觉感知往往难以完成精细操作，尤其是夹取软物、脆弱物体时，视觉无法精准判断接触力度，极易出现夹取过紧损坏物体、夹取过松导致物体掉落的问题。

UniTouch通过“视觉生成触觉”的方式补足精细操作所需的信息，使夹取软物、脆弱物体等任务更稳定、更可控，让“精细”“柔顺”“不过力”成为可工程化的能力。

这套框架的基础，恰好也是Unix AI的CEO杨丰瑜在耶鲁攻读博士期间的工作。

这让 Panther 既能完成刺绣这样超高精度的精密操作，也能轻松夹取水果、布料等软质、脆弱物体，大幅拓展了其操作的适用范围，让其在更多精细化作业场景中具备了落地能力。

3）“手无足措”是因为机器人缺乏“思考”能力

UniFlex和UniTouch能让Panther具备一定的落地能力，但面对复杂的家居场景，还不足以完全胜任。

长程任务是所有具身机器人的终极问卷。

而在这个问题上，UniX AI交出的答卷叫做UniCortex：“面向复杂场景与多智能体协作，负责长程任务拆解、条件等待、事件同步、技能调用与闭环复位”。

真实场景中的任务往往并非单一动作，而是由多个连续动作构成的完整任务链，部分场景还需要多台机器人协同完成，这就要求机器人具备长程推理规划和多智能体协作的能力。

正如在上述视频中看到的，两台Panther协作做饭、和家人一起打牌。

UniCortex将一个复杂的长程任务，拆解为多个机器人可执行的单一动作，并合理规划动作的执行顺序、时间节点，同时能根据场景变化进行动态调整，若某个动作出现偏差，还能通过闭环复位进行修正，确保任务链的持续执行。

看起来是“机器⼈会思考”，本质是任务链条的时序、依赖与约束被系统化管理，最终体现为：任务跑得通、跑得顺、跑得稳定。

正是 UniFlex、UniTouch、UniCortex 三大模块构成的 “三位一体” 智能架构，让 Panther 拥有了完整的智能能力闭环。

而这套架构的通用性，使其能在不同场景、不同任务中灵活复用，无需针对每个场景重新开发智能算法。这也是 Panther 能实现多场景适配的核心原因，更是其相比传统人形机器人的核心优势。

（六）没有全栈自研，不可能“越来越丝滑”

然而，物理本体全栈自研并不是从 Panther 才开始。在上一代发布产品 Wanda 2.0 上，Unix AI已完成底盘、机械臂、关节模组与末端执行器等关键链路的自研可控，并在产品矩阵中持续复用与迭代。

Panther 的硬件升级和智能架构落地，都建立在这套自研底座之上，面向真实场景任务交付做出的平台级升级：

轮式全向底盘升级：狭小空间横移/原地旋转/贴边对齐；
量产级 8DoF 自研机械臂升级：更强可达性与姿态自由度；
关节模组与控制链路持续强化：一致性、刚性、长期稳定性；
自适应智能夹爪与末端执行器体系完善：更广泛的抓取与操作覆盖；
48V 平台升级：更强输出、更稳高速控制；
80cm 上半身升降 + 触地作业：更完整的任务高度覆盖。

这六大升级，并非孤立的硬件改造，而是基于全栈自研底座的系统性优化，各个部件之间能实现深度的协同适配，让硬件平台的整体性能实现 1 + 1 > 2 的效果。

物理本体全栈自研，加上 “三位一体” 智能架构，让优理奇实现了从硬件到软件的全链路自研可控，具备了打造出通用人形机器人的基础，这一模式让 Panther 拥有了独特的核心竞争力。

（七）具身智能，从“动作展示”走向“任务交付”

具身智能真正的分水岭不在“能demo演示”，而在能在真实场景持续稳定地完成任务。

如果把时间线拉长到5年，这句话的含金量还会持续提升。

新一代的Panther，不会是优理奇在具身领域的最终答卷，而是他们迈向落地量产的重要一环。

未来的人形机器人研发，必须以真实场景、真实任务为核心导向。

纵观人形机器人的发展历程，从最初的简单移动，到后来的复杂动作演示，行业经历了多年的技术积累，而 Panther 的出现，让这份技术积累真正转化为了实用价值。

不再追求单一动作的炫酷，而是聚焦于真实场景任务的完成；
不再局限于实验室的理想环境，而是直面复杂的真实场景；
不再是孤立的硬件或软件升级，而是实现了硬件与智能架构的深度融合。

当然，人形机器人的真实场景落地之路，依然还有很长的路要走。