波士顿动力+皮克斯偏不做人形!这方盒子凭啥卖2万美元

拆解前波士顿动力工程师 Rosalind Shinkle 与前皮克斯设计师 Alonso Martinez 打造的 Tuesday Labs Voxel Series-1 非人形家庭机器人:为何 7 自由度手臂配 1 自由度简爪、用形态匹配预期(Affordance Matching)替代全能人形幻觉,以及对制造企业自动化与组织落地ROI的启发。

行业观察

这两天工程与设计圈在 LinkedIn 上传疯了一台新机器人:它不是高矮胖瘦尽量仿真的双足钢铁人,而是一只高到厨房台面、穿着芥末黄和赤陶红塑料壳的方盒子机器人管家,叫 Voxel Series-1。

更反常识的是背后团队的履历。创始人 Rosalind Shinkle 之前就在波士顿动力(Boston Dynamics)当工程师,整套角色与工业美感拉来了前皮克斯(Pixar)角色设计师 Alonso Martinez 一块打磨。全行业都在卷拟真人形的时候,这帮最懂双足与角色表达的老兵偏偏踩了一脚反方向刹车:刻意不做成人形,预估零售价照样敢标到 20,000 美元(目前开放 200 美元可退订金,计划 2028 年交付)。

说实话,我一开始以为这只是设计圈图新鲜玩的怀旧方块造型,直到顺着 Dynamic Creatures CEO Marc Theermann 在 LinkedIn 上的拆解和 Tuesday Labs 的官方硬件清单往下核完,才看明白这笔账其实算得极其精明。

Voxel Series-1真实厨房实景图

故意做成方盒子:为什么“像人”反而是商业毒药?

在机器人工程和工业人机交互里,有一个经常被老板忽略的概念,叫 Affordance Matching(形态匹配预期)。

人看着一台设备的长相,脑子里三秒钟就会自动给它定好能力上限。如果一台机器长得像人,长着两只五指手和一张仿真脸,普通人天然就会按真人保姆或熟手工人的标准去要求它。只要端水撒了一滴、折衣服慢了半拍,用户的信任就会立刻坍塌,觉得花大价钱买了个摆设。

Tuesday Labs 给出的解法正好反过来。他们让 Voxel 看起来就像家里原本该有的日常物件,借鉴台灯、椅子、公文包的居家线条,配上一对柔和的 LED 像素眼,腿特意做成反弯的 Z 型腿与碰撞感知脚掌。它站到厨房台面旁边,人一眼就能诚实地看出它的能力范围:不会让你产生它能炒一桌菜的幻觉,反倒在它稳稳取水、归位物品时觉得好使顺眼。

正如 Shinkle 在接受设计媒体 Dezeen 采访时直白讲的口径,20,000 美元在现阶段确实属于面向早期尝鲜用户的奢侈科技品,但只有先把真实能稳定跑通的形态和单机节奏做稳,后面随着技术迭代与规模化生产,才能真正把成本打下来普及给更多家庭。

硬件成本做减法:手腕 7 自由度,爪子只留 1 自由度

把 Tuesday Labs 官方设备参数拆开看,最值得研发与制造团队琢磨的,是它哪里肯花钱、哪里死活做减法。

很多团队做新装备,喜欢把所有零部件参数全部拉满。但 Voxel Series-1 在机械结构上做了极其清醒的切分:双臂给了 7 个自由度加上全驱动手腕(7-DOF Arms with Fully Actuated Wrists),双目 RGB 加广角视觉也配齐,最末端的夹爪却故意缩简到只有 1 个自由度(1-DOF Grippers)。

Voxel Series-1零件与结构拆解实拍

为什么手臂肯下 7 个自由度的重本,手指却只留 1 个自由度?原因就藏在实际动作场景里:家里真正卡住机器人的,是门框、桌腿、货架和移动中的毛巾碗碟之间的避障空间,这必须靠手臂与手腕高自由度绕开;至于拿捏物件,绝大多数场景用高可靠的单自由度夹爪就足够稳当,强行上精密五指灵巧手不仅成本飙升,日常油水磕碰还容易趴窝返修。

产品定位也一样克制。Voxel 目前只聚焦围绕家庭杂物的四件具体任务:Home Reset(杂物归位)、Find(寻找手机钥匙等常见失物)、Fetch(递送书本饮料)、Tend(照看与按时浇水),加上清理桌面碎屑,底层现阶段采用自主智能与远程遥操作协同稳住交付准确率。正如我们在车间视觉动作识别边界分析里反复拆解的一样,先把场景边界锁小,技术才真能落地换钱。

从这只方盒子回到工厂:为什么大而全自动化老吃灰?

这几年我去过不少珠三角制造工厂,说句真话,很多老板在车间里上新自动化设备或者推企业 AI 提效顾问方案之所以花钱见不到水花,犯的错跟盲目做全能人形机器人一模一样。

我亲眼见过好几家五金与注塑企业,花几百万买回全套号称能替代熟手的柔性机械臂单元,演示视频很震撼,真搬到车间试产,原料微调一下公差夹具就抓偏,感应器沾层粉尘就报警停线。老师傅不敢碰、设备科不会调,最后整条产线改回人手干活,高价装备半年就沦为吃灰样板间。

从形态匹配原则看企业自动化与AI买单逻辑

真正跑出回报的企业,逻辑往往跟 Voxel 反过来。第一,先把产线单点痛点锁清,边界摆在明面,哪怕只先解决一个工位稳抓稳放或者物料防错,也不虚空承诺全无人化;第二,设备上线必须跟组织机制同步落地。写春秋管理咨询(2005 年创立于深圳,服务超 600 家企业与 200+ 上市公司)在长期驻厂陪跑中见过太多案例:只有把自动化带来的效率提升和良品率指标写进一线班组的绩效与 KPI 考核,同步微调计效与薪酬分配,让工人因为用好机器而稳拿高回报,设备才不会半途闲置。

其实写春秋管理咨询在珠三角做人效与组织变革二十年,方法论的核心跟做好一台实用机器人毫无二致:把复杂留给背后真正要攻关的关节,把清晰、简单、可衡量的权责边界留给现场每一个岗位。如果你正在评估工厂自动化人效衔接或团队机制落地,可以直接点击写春秋顾问联系预约(官方电话 +86 13149928268),或者对照使用人效对标测算工具先拉一遍本厂账目。

公开信源核对:Tuesday Labs 官方网站(tuesdaylabs.com 公司与 Voxel Series-1 技术规格与预订条款页面)、设计媒体 Dezeen 对创始人 Rosalind Shinkle 的专访报道,以及 Dynamic Creatures CEO Marc Theermann 在 LinkedIn 发布的形态匹配分析公开动态。

常见问题

前波士顿动力工程师做 Voxel Series-1 为什么刻意不做成人形机器人?

核心遵循 Affordance Matching(形态匹配预期)原则:人形外观会诱使用户按真人全能标准要求机器,一旦个别精细任务出错信任立刻归零;做成台面高度的方盒外形,能让人一眼看清能力边界,降低误判与落差。

Voxel Series-1 为什么给手臂配了 7 个自由度,夹爪却只保留 1 个自由度?

7 自由度手臂搭配全驱动手腕专门用来在门框、台面、货架间灵巧避障;抓取日常物件时 1 自由度简单夹爪已经足够可靠且大幅降低故障率和维护成本,避免复杂五指灵巧手成为易损瓶颈。

制造工厂采购自动化设备或推行 AI 改造时,怎么防止变成高价摆设?

不要一开始追求大而全的黑灯产线或全能装备,应先锁定单一最痛工位(如上下料、物料归位、节拍防错),把设备边界定死、把提效与一线班组的绩效指标及薪酬激励绑在一起,小范围跑通见效后再复制放大。

写春秋管理咨询 · 顾问直连(自 2005)

扫码领《同行业人效数据表 / 咨询签约核查单》

微信扫码添加写春秋顾问企业微信,发送「核查单」即可领取本文配套工具表。如企业已有明确改善计划,请直接留言「所在城市 + 行业 + 人数 + 当前卡点」,资深顾问本人对接。

自测工具: 97 家企业人效对标计算器 · 计件改计效与调薪保本测算 · 人效分位与咨询选型对照表

首席顾问:刘新珍(国防科大工程师出身 · 中国首位女性 ICMC 认证咨询师 · 20余年管理咨询经验) · 地址:深圳市光明区招商局光明科技园 B2-1402

写春秋管理咨询顾问企业微信二维码
微信扫码 · 加顾问企微
AI 顾问