嗨，我是 Mech Muse 👋
今天想跟你聊一台長得像人、腳下卻是輪子的新機器人 —— Unitree 剛發表的輪式人形機器人 G1-D。
這篇文章會帶你搞懂幾件事：- G1-D 跟之前的 G1 有什麼不一樣？為什麼要把「腿」換成「輪子」？
- Unitree 從機器狗、會翻跟斗的人形，到現在 G1-D，中間的演化路線是什麼？
- 為什麼他們一直強調「從資料收集、模型訓練到導入」的一站式方案？這跟現在 AI 大戰有什麼關係？
- 最後，如果你是工程師、研究者或投資人，G1-D 代表的是哪一種新趨勢，可以從哪幾個角度去觀察？
如果你對「人形機器人到底會不會真的走進生活」好奇，或是平常有在關注 embodied AI、生產線自動化，這篇可以當成一個整理好的速讀包，讓你快速補完這一波消息。😄
G1-D 是什麼？從「賣機器」升級成「硬體＋資料＋AI 服務」
先用一句話總結：
G1-D 不是只多了一組輪子，而是把 Unitree 的人形上半身，變成一台為「收集資料和訓練 AI 模型」量身打造的移動平台。
1.「人形上半身＋輪式底盤」的折衷設計
G1-D 本質上，是把原本二足人形 G1 的上半身（7 自由度手臂、可換指爪或五指靈巧手），直接搬到一個 差速驅動的輪式底盤 上，再加上一根可以升降的中柱。
官方把 G1-D 分成 Standard 和 Flagship 兩個版本：
- 高度範圍（Flagship）：約 1.26–1.68 公尺（中柱可升降），大概從小學生到 160 幾公分成人的身高範圍
- 重量：Standard 約 50 kg、Flagship 約 80 kg
- 自由度（不含末端手部）：Standard 17 DOF、Flagship 19 DOF（雙手各 7 DOF，加上腰部與柱子）
- 手臂負載：單臂約可搬 3 kg
- 底盤：差速驅動，可原地 360 度旋轉，Flagship 行駛速度約 1.5 m/s
- 感測器：頭上一組雙目相機，底盤配 LiDAR＋兩組深度相機，加上碰撞與低障礙偵測感測器
- 運算：內建 8 核 CPU，可選配 NVIDIA Jetson Orin NX 16GB（約 100 TOPS）
比較關鍵的差別在續航力 🔋：
- 上半身＋底盤各自有電池，Flagship 版本整機標稱可連續運作約 6 小時
- 相比之下，原本雙腳版 G1 官方標示的電池壽命大約是 2 小時
對要長時間做資料蒐集、重複任務的實驗室或工廠來說，這「多出來的幾個小時」，不是紙上談兵，而是非常實際的差別。
2. 從「會走會跳」變成「好用、好控、好養」
如果你之前有看過 G1 那支「會打功夫、踢腿、側翻」的影片，大概會有一種：哇，好帥，但好像很難養欸。😅
G1 的設計就是在追求接近人類的敏捷度：
- 關節馬達數量在 23～43 個之間
- 最高時速可達 7 km
- 能跑、能跳，還能翻跟斗
（可參考 Futurism 對 G1「學功夫」影片的報導）
但這種二足人形有幾個現實問題：
- 維持平衡很耗電：為了站穩、走穩，馬達要一直出力，電池通常一兩小時就見底
- 跌倒風險高：對長時間、重複動作的「資料收集」任務來說，很容易被中斷
- 維護成本高：跌一次，關節、外殼、感測器都有可能要換或維修
G1-D 有點像是「承認現實」之後做的選擇：
在很多需要搬東西、開關門、操作機台的場景，輪子真的比雙腳實際多了。
把腳換成輪子之後：
- 穩定度提升、振動變小 → 手眼協調更穩，操作時收回來的資料品質也比較好
- 續航直接拉到 6 小時等級 → 比較符合「一整個班次」的產線節奏
- 跌倒風險顯著下降 → 很適合作為 Tele-op（遠端操控）和自動化任務的主力平台
你可以把 G1-D 想像成：
把原本「秀肌肉、跑跳翻」的人形上半身保留，下面換成一台耐操的 AGV（自走車）。
看起來少了點「科幻感」，但在真實世界的應用上，反而更接地氣。
3. 真正的重點：一條「資料 → 模型 → 部署」的流水線
這次 G1-D 的發表，有一個在媒體報導裡幾乎都被提到的關鍵句：
「從資料收集、AI 模型訓練到導入的一站式解決方案。」
從官方資料以及專門追 humanoid 的媒體整理來看，Unitree 把這條流水線切成幾個階段：
- 資料收集（Acquisition）
- 用 Tele-op 或 VR／手持控制器來操控 G1-D
- 把操作流程標準化，讓不同實驗室／企業收集到的資料格式更一致
- 資料處理（Processing）
- 半自動標註與品質檢查
- 把人類動作、環境、物體互動整理成可訓練的數據集
- 模型訓練（Training）
- 與常見 robot learning 的開源框架整合
- 推出自家的 UnifoLM 世界模型，試著建一個「機器人理解世界」的統一表示方式
- Sim2Real（數位分身＋實機部署）
- 先在模擬環境裡試策略（數位分身）
- 再把策略丟回真實機器人，透過 OTA 更新
如果你平常有在看 humanoid 或 embodied AI 的論文，應該對這句話很有感：
大家缺的不是一台機器人，而是「好資料＋好工具」。
G1-D 的意思就是在說：
「我直接幫你把機器人、資料管線、模擬環境、世界模型，全部打包成一套產品。」
對 Unitree 自己來說，這就代表他們從過去主要靠賣硬體，往 「硬體＋資料平台＋模型授權」 的長期商業模式走。
從機器狗到 G1-D🐕🦺
接下來我們往回拉一點，把這幾年 Unitree 的動作串成一條時間線，你會更清楚 G1-D 在整個佈局裡的位置。
1. 2016–2023：從機器狗起家的機器人公司 🐕🦺
- 2016 年：Unitree（杭州宇樹科技）成立，總部在杭州，最早是靠四足機器狗打出名號（可參考維基百科 Unitree Robotics 條目）
- 後來陸續推出多款四足機器人，包括 B 系列、Go 系列，主打「相對平價、開發者友善」，面向個人與研究單位，也常被拿來跟 Boston Dynamics 的 Spot 比較（Futurism 等媒體都有報導）
這一階段的關鍵，其實是：
Unitree 練出了一身「做便宜但不廉價」機器硬體的本事。
他們很早就把價格壓到比國際對手低非常多，但在機械結構、驅動器、控制演算法上又不是真的玩具等級，這些經驗後來全部變成人形系列的基礎。
2. 2024–2025 初：G1 人形機器人登場，先拼「身體素質」
接著登場的是人形機器人 G1：
- 官方把 G1 定位成「小型、靈活的人形平台」
- 身高約 1.3 公尺、重量約 35 kg，關節總自由度最多可達 43 個
- 售價從約 13.5K 美金起跳（資料來自 Unitree 官網）
- 手部可以選配三指靈巧手，搭配力位混合控制，強調能像人類手一樣精細操作物體
2025 年 2 月，一支「G1 打功夫」的影片在網路上瘋傳：
- 影片裡 G1 會出拳、轉身、踢腿，還能跑、跳，展示高自由度關節和模仿學習能力（Futurism 有相關報導）
2025 年 3 月，又出現 G1 做「側翻、kick-up 起身」的影片，被 Asia Times 形容為中國在人形機器人敏捷度上的一大進步。
這段時間可以看出 Unitree 用 G1 在做幾件事：
- 跟國際競爭對手（例如 Boston Dynamics Atlas）比「身體能力」
- 把自家驅動模組、控制演算法的上限推高
- 用視覺效果超吸睛的影片，狂拉品牌能見度
不過，這些畫面雖然超帥，但一個很現實的問題是：
「能不能每天在工廠裡穩穩搬 8 小時箱子」，又是完全不同等級的挑戰。
3. 2025 年 7 月：便宜版 R1，把人形拉到「入門價位」
2025 年 7 月，Unitree 又丟出一個新型號 R1（可參考 CNX Software 的介紹）：
- 身高約 1.21 公尺、重量約 25 kg
- 標準版起價約 5,900 美金，比 G1 便宜非常多
- 犧牲部分功能（例如預設沒有完整的手），換來更輕、更入門、比較偏向研究與教育平台的定位
可以把 R1 當成：
「讓更多實驗室、開發者先玩起來」的門票，把人形機器人的入手門檻往下拉。
到這個時間點，Unitree 的產品線大致長成這樣：
- 高能力、價格較高的 G1
- 低價入門、重量更輕的 R1
- 一整個家族的四足機器人平台
但他們還缺一隻：可以長時間跑任務、穩定收資料的「工作馬（workhorse）」。
4. 2025 年 11 月：G1-D 發表，「腿換成輪子」＋「資料引擎」
來到關鍵時間點。
2025 年 11 月 13 日，Unitree 正式發表 G1-D，官方直接說這是他們的 第一款輪式人形機器人，而且會搭配一整套端到端的資料與 AI 解決方案一起賣。相關介紹可以在 Humanoids Daily、Unitree 官網與 gagadget 等媒體上看到。
這次的主軸，不再是拍一支「會翻跟斗」的炫技影片，而是：
- 讓 G1-D 可以在倉儲、工廠、辦公室等「地面平坦」的環境裡穩定移動
- 用差速輪式底盤換來 高續航、高穩定、跌倒風險低
- 把資料收集、標註、訓練、Sim2Real、世界模型通通打包成一個「data-in, model-out」的產品線
走到這一步，可以說 Unitree 的身份定位，正從：
「我們是會翻跟斗的人形機器人公司」
慢慢變成：
「我們賣的是訓練 embodied AI 的一整套工具和平台。」
為什麼要用輪子？G1-D 背後的三個重點：續航、資料、定位
接下來我們從讀者可能最有興趣的幾個問題，來拆解 G1-D 的設計選擇。
1. 為什麼「輪子＋伸縮柱」比「雙腳」更適合現在？🛞
想像幾個典型任務：「在工廠巡邏、看儀表板、拿東西、按按鈕」—— 其實有幾個共通點：
- 大多發生在 平坦地面，例如倉儲、產線、廠辦走道
- 重點是 手能不能伸得到、視角看不看得到，而不是一定得爬樓梯或跨過坑洞
- 任務時間常常是「幾小時一輪」，甚至一整個班次
在這些條件下，輪子相對雙腳有幾個天然優勢：
- 能量效率高：不用不斷為了平衡整個身體而出力，馬達負擔變輕，G1-D 可以把更多「電池預算」留給手臂與運算。
- 控制難度低：差速驅動＋ LiDAR＋深度相機，是導航與避障很成熟的組合。
- 穩定平台：機械手在做精細操作時，底座越穩越好，輪式底盤天生就比較穩。
再加上一根可以升降的中柱，讓它可以在 1.26–1.68 公尺之間調整高度：
- 柱子降下來，可以撿地上的東西、處理低層貨架
- 柱子升起來，可以操作胸口高度甚至偏頭部高度的控制面板或貨架
換句話說，G1-D 的設計是「先把多數工業場域的 80% 場景搞定」，暫時不去追逐那種「哪天可以上樓梯」的 20% 酷炫場景。
2. 為什麼大家都在搶「embodied AI 的資料」？📊
這次 G1-D 發表時，官方特別強調一個關鍵字：
要解決 embodied AI 的「資料瓶頸」。
做大型語言模型（LLM）時，我們很習慣聽到「網路文本、程式碼、技術文件」這些資料來源；但要訓練能操控真實世界的機器人，問題完全不同：
- 機器人要學的，不是單純的「字串」，而是 「感測器 → 動作 → 環境回饋」的完整互動序列
- 每一筆資料都很貴，要有真的機器、場地、人員和安全防護，還要花時間標註
- 每間實驗室都有自己的控制介面、資料格式，很難互通或共享
Unitree 這次提出的 G1-D ＋ UnifoLM 世界模型 ＋ 完整資料管線，本質上就是在說：
「我們提供你一個標準化的身體、一套標準化的控制＋感測介面，再加上一個我們自己維護的世界模型，讓你收回來的資料可以直接丟進同一條 AI 產線。」
對於：
- 想做 Tele-op 蒐集資料再訓練策略 的研究團隊
- 想在自家工廠先從「人類遠端操控＋半自動」開始，逐步提高自動化比例的企業
來說，G1-D 代表的是一個 「買一整條工具鏈，而不是只買一台機器」 的選項。
UnifoLM
3. 在 humanoid 版圖裡，G1-D 站在哪個位置？
如果大致把現在的 humanoid 市場分兩派，大概會是這樣：
- 全功能二足人形派
- 代表：Tesla Optimus、Figure 01/03、Unitree H2、XPeng IRON 等
- 長期目標：希望在工廠、物流、甚至家庭場景裡，能真正「取代部分人力」
- 特點：要解決非常棘手的步態、平衡、操作與安全問題
- 功能導向／特殊形態派
- 代表：輪式人形、部分上半身機器人、固定式雙臂等
- 目標：先專注解決特定任務，例如貨物搬運、操作特定機台、倉儲揀貨
- 特點：願意在外形、地形適應能力上妥協，換取成本、穩定度與落地速度
G1-D 很明顯是站在第二派，甚至可以說是：
「把人形上半身＋輪式 AGV 合體，專門為 AI 訓練與資料收集服務。」
這對整個產業丟出一個滿有趣的訊號：
- 不是所有公司都得先做出「像電影裡那種全能人形」才能開始賣產品
- 如果你相信未來幾年 embodied AI 的關鍵在於「誰手上有最多、最乾淨的操作資料」，那 像 G1-D 這種「有輪子的人形」反而有機會比較早賺到第一桶金 💰
整理重點📊
最後，我們把上面提過的內容濃縮成幾個觀察角度，當成你之後看相關新聞時的小筆記。
1. 腳不一定要是腳：輪式人形是「務實派」的進場方式
- 對多數室內工廠、倉儲、辦公環境來說，「能在平地穩定移動」已經解決 80% 的需求
- 把腳換成輪子，可以換來更高續航、更低跌倒風險、更穩定的操作平台，對資料收集和長時間任務都非常關鍵
- G1-D 利用伸縮柱來補足高度調整，就是一種典型的工程折衷：先用機構設計解決一大部份路徑問題
2. 真正的戰場在「資料與世界模型」，不是單純機械規格
- Unitree 在 G1 時期就已經開始提 UnifoLM 世界模型，G1-D 則是把資料收集、標註、訓練、Sim2Real 直接打包
- 對研究與企業客戶來說，真正要挑的不是「哪一台機器人最帥」，而是： 「哪一家公司可以把 embodied AI 的資料和工具整理得最省心？」
- 未來幾年，你大概會越來越常看到廠商談「資料平台、生態系、世界模型」，而不只是關節數、扭矩、速度這些規格表上的數字
3. Unitree 的策略：多產品線＋不同定位分工
從時間線拉回來看，Unitree 現在大致的產品分工可以這樣理解：
- 四足系列（Go2、B2 等）：已經成熟、商業化的巡檢／勘查／教育平台
- G1：展示高敏捷度、強調身體能力的人形平台，也是高階研究／開發用機器
- R1：壓低價格門檻，讓更多實驗室可以在入門預算內玩人形
- G1-D：輪式、穩定、長續航的資料收集與 AI 訓練「工作馬」，背後掛的是完整工具鏈
這一組產品線，某種程度上把「硬體營收」和「長期的 AI／資料營收」綁在一起：
先用不同價位、不同功能的硬體把市場鋪開，之後再慢慢把大家拉進自家的資料與世界模型生態系。
4. 對我們這些在旁邊看新聞的人，可以怎麼追後續？
如果你是工程師／研究者，可以觀察：
- 會不會有越來越多論文或開源專案，直接拿 G1-D ＋自家 Tele-op 或 RL 系統做實驗？
- 其他廠商會不會跟進推出類似的「輪式人形＋資料平台」產品？
如果你是投資人或對產業方向有興趣的讀者，可以看：
- 哪些公司在談 humanoid 的時候，重點已經從「能不能翻跟斗」，轉成「能不能每週穩定跑 X 小時任務、收回多少高品質操作數據」？
- 誰開始把「世界模型」「數位分身」「一站式資料管線」當成主力賣點，而不是只秀肌肉？
寫到這裡，如果你還看得到這行字，代表你對人形機器人真的很有耐心、也很有愛 ❤️
未來我會繼續整理像 Unitree、Tesla、XPeng 這些公司在人形機器人上的新進展，還有背後的商業邏輯與技術脈絡。
如果你喜歡，歡迎在方格子追蹤我 Mech Muse，也可以把這篇分享給也在關心機器人／AI 的朋友，我們下篇再聊 👋
延伸閱讀：
【Mech系列】 美國人型機器人公司總覽｜開場篇：含各公司詳細介紹🤖
【Mech系列】美國小型核能新勢力大揭密：8 大公司完整解析
【Mech 系列】全球機器人補助與政策總覽｜各國政策解析方向
【Mech系列】人形機器人核心硬體全解析：從零件開始的下一場科技革命
