作者按：“具身智能”概念自2022年左右興起以來，迅速成為機器人研究領域的前沿方向。它強調(diào)機器人系統(tǒng)在物理世界中的感知、決策與操作能力的統(tǒng)一，融合空間智能、強化學習、擴散策略（Diffusion Policy）以及視覺語言動作（Vision-Language-Action, VLA）范式，使機器人能夠在復雜環(huán)境下完成高維度操作規(guī)劃。隨著這一概念的普及，具身智能研究在頂級學術(shù)會議上頻頻出現(xiàn)創(chuàng)新成果。

PNP機器人展示的具身智能遙操作平臺

Franka機器人憑借其獨特硬件設計、力控能力以及廣泛的科研生態(tài)，成為了全球科研機構(gòu)、工業(yè)實驗室以及AI公司首選的平臺。無論是谷歌DeepMind、META，還是斯坦福大學、伯克利大學，F(xiàn)ranka機器人都被用來驗證最前沿的研究成果，為具身智能的發(fā)展提供了堅實的硬件基礎。本文代表PNP機器人將系統(tǒng)梳理Franka機器人在具身智能方向的核心優(yōu)勢、關鍵科研案例及全球應用生態(tài)，分析其成為首選平臺的原因。

1. Franka機器人面向具身智能方向的基因

Franka機器人自2016年問世以來，其設計理念就與具身智能研究的核心需求高度契合，體現(xiàn)了在高自由度操作、力控能力以及科研生態(tài)方面的獨特優(yōu)勢。

7自由度設計為具身智能高維操作提供了關鍵條件

在2020年前，市面上大多數(shù)工業(yè)機器人仍是六軸設計，而七軸的引入為逆運動學求解提供了無限解，使機器人能夠在執(zhí)行復雜動作時靈活調(diào)整末端姿態(tài)。對于當前火熱的VLA方向而言，這意味著使用Franka等7軸機器人，可以通過高維度規(guī)劃末端姿態(tài)，機器人內(nèi)部逆運動學解算，7自由度避免陷入奇異解和復雜修正的困境，從而大幅提升高維度任務規(guī)劃的效率。七軸設計不僅增強了操作靈活性，也為多機器人協(xié)作提供了更多策略空間，使其在科研實驗和工業(yè)應用中都具有顯著優(yōu)勢。

Franka七軸FR3結(jié)構(gòu)鏈

筆者在學生時代是學機器人方向，根據(jù)目前我了解的情況絕大多數(shù)VLA模型（如RT-1、RT-2、Pi0.5、Diffusion Policy等）傾向輸出末端位姿、位移、速度、力輸出或接觸意圖，而不是直接輸出關節(jié)角度。這個具體原因我來總結(jié)為

• 末端位姿與人類指令、視覺感知語義更一致
• 維度更低，易于大模型學習
• 機器人逆運動學（IK）或控制器可將其轉(zhuǎn)換為關節(jié)角度
• 更容易泛化到不同結(jié)構(gòu)的機器人

穩(wěn)定性持續(xù)保持輸出——機器人關注的是末端姿態(tài)

一些更底層的控制任務中，模型會直接輸出joint position / joint torque / joint velocity多見于：DeepMind動力學一致性實驗、某些強化學習RL + VLA混合框架， 但缺點明顯：

• 不同機器人無法共享（不可跨平臺）
• 學習難度大、可泛化性差

未來通用人工智能的方向應該是端位姿主導，關節(jié)角度由底層控制器負責，VLA模型更像“高層策略”，關注的是：“機器人應該做什么動作”，而不是“每個關節(jié)如何動”。

從這個角度來講，未來7軸機器人是具身智能方向的標配。對此感興趣的讀者，可以參考我另外一篇文章《未來七軸機器人會占據(jù)主流？深度解析具身智能方向當前六軸機器人和七軸機器人的區(qū)別，七軸力控機器人發(fā)展會加快嗎

Franka的多模態(tài)力控能力在具身智能研究中發(fā)揮了重要作用。

每個關節(jié)均配備高精度力傳感器，實現(xiàn)0.05N的感知靈敏度。這種能力為機器人提供實時力反饋，使其能夠在操作過程中精確感知環(huán)境變化，從而支持柔性抓取、微操作、力敏感任務等高難度操作。Franka機器人力控技術(shù)的積累來源于德國航空航天中心（DLR）的長期研究，使其在科研和工業(yè)場景中都具備可靠性和高精度優(yōu)勢。這種高精度力控結(jié)合七軸設計，使Franka機器人在執(zhí)行復雜操作任務時具備前所未有的穩(wěn)定性和靈活性。

FR3的每個關節(jié)力矩實現(xiàn)主動（initiative）精密力控

Franka在科研和工業(yè)界形成了具身智能行業(yè)的成熟生態(tài)

從2016年面世以來，其面向科研和教育市場，提供1000Hz快速響應的FCI接口，支持高頻率控制和數(shù)據(jù)采集，使研究者能夠快速驗證新算法和控制策略。基于Franka機器人的論文每年超過1000篇，累計超過10000篇，并且大多數(shù)開源。

每年超過上千篇具身論文使用FRANKA

科研人員可以在已有算法基礎上進行迭代，而無需從零開始開發(fā)控制系統(tǒng)和硬件接口。這種全球性開源生態(tài)不僅加速了科研進程，也鞏固了Franka機器人在具身智能領域的領先地位。PNP機器人也基于Franka開發(fā)了大量實驗方案，為科研機構(gòu)和企業(yè)提供了可快速部署的實驗平臺，進一步增強了Franka在高自由度操作和VLA任務驗證中的核心優(yōu)勢。

PNP問題思考：具身智能時代7軸機器人和力控誰更重要？

2. 谷歌DeepMind、豐田研究院、META等全球頂尖AI機構(gòu)的引領

全球頂尖人工智能機構(gòu)普遍選擇Franka機器人作為具身智能研究平臺，這不僅體現(xiàn)了其硬件能力，也顯示了其科研生態(tài)的成熟性。

谷歌DeepMind-GERMINI平臺

谷歌DeepMind為例，其GERMINI平臺基于Franka機器人結(jié)合大語言模型（LLM）和視覺語言動作范式，搭建了覆蓋多模態(tài)感知、策略規(guī)劃和動作執(zhí)行的綜合研究體系

GERMINI ROBOTICS平臺

在該平臺上，DeepMind探索了高維任務規(guī)劃、多任務遷移及多模態(tài)操作策略，為復雜環(huán)境下的智能操作提供實驗驗證。

基于Germini的雙臂 FRANKA機器人操作

谷歌DeepMind-ROBOBALLET發(fā)表于《Science Robotics》

DeepMind還開展了多機器人任務協(xié)作研究，例如ROBOBALLET項目，探索了多臺機器人之間的動作同步、物理空間交互和策略優(yōu)化，成果發(fā)表于《Science Robotics》。Franka機器人的高自由度設計和精密力控使其能夠承載復雜多機器人實驗，同時保證實驗結(jié)果的可重復性。

2025年9月《Science Robotics》封面文章ROBOBALLET

豐田研究院、哥倫比亞大學Diffusion policy策略

田研究院、哥倫比亞大學等則基于Franka機器人開展擴散策略研究，通過生成高維動作序列，實現(xiàn)對復雜操作任務的策略優(yōu)化。其研究成果成為后續(xù)多篇擴散策略論文的基礎，并推動了相關算法在工業(yè)和科研中的落地。

豐田研究院改進型擴散策略

(4)META視觸覺傳感以及VR遙操作

META也在其實驗中廣泛采用Franka機器人，提出視觸覺感知等先進方案，驗證VLA范式和高自由度操作策略，為跨公司、跨實驗室的科研合作提供了共同基礎?；贛ETA VR的研究，用于Franka機器人數(shù)據(jù)采集和操作訓練，也極大方便了科研工作者對于機器人的操作。

基于META VR的研究

PNP機器人團隊曾在ROS中國區(qū)大會和中國具身智能大會上展示相關成果，說明Franka機器人在國內(nèi)外科研社區(qū)均有重要影響力。這些全球頂尖機構(gòu)的選擇，體現(xiàn)了Franka機器人在硬件靈活性、力控精度和生態(tài)完善性上的優(yōu)勢，使其成為具身智能研究的首選平臺。

PNP機器人在ROS大會分享協(xié)作機器人到具身智能萌芽

(5)PNP問題思考：你認為將來先進的具身智能成果是來自于人工智能大廠還是高校的實驗室？

根據(jù)公開資料谷歌DeepMind團隊大約有5,000人，主要是工程師和博士研究員，國內(nèi)哪個大廠具有類似規(guī)模？另外根據(jù)目前現(xiàn)狀，你認為將來先進的具身智能成果是來自于人工智能大廠還是高校的實驗室？

3.成熟生態(tài)下數(shù)據(jù)采集與人工智能工廠的首選

在工業(yè)和科研結(jié)合的場景中，人工智能數(shù)據(jù)工廠對機器人平臺的選擇尤為嚴格。Franka機器人憑借其生態(tài)優(yōu)勢、部署便利性和高性能驗證能力，成為首選方案。首先，F(xiàn)ranka生態(tài)系統(tǒng)完善，涵蓋控制接口、開源算法庫以及大量科研成果，為數(shù)據(jù)工廠快速建立智能采集系統(tǒng)提供基礎支撐。其高自由度設計和精密力控保證了操作任務的穩(wěn)定性和安全性，即使在長時間、高頻次操作中仍能保持可靠性能。

(1)德國慕尼黑工業(yè)大學（TUM）AI工廠

以德國慕尼黑工業(yè)大學（TUM）AI工廠為例，超過100臺Franka機器人廣泛用于工業(yè)數(shù)據(jù)采集、智能裝配和高維操作任務驗證。其7軸設計和精密傳感器，使研究團隊能夠在抓取、組裝和復雜操作任務中進行高效實驗，成為歐洲最大的人工智能機器人訓練中心。

位于歐洲慕尼黑的AI FACTORY

(2)北京人形機器人創(chuàng)新中心ROBOMIND數(shù)據(jù)集

同時，北京人形機器人創(chuàng)新中心搭建了大量基于Franka、天工等機器人平臺，用于驗證高復雜度的智能操作算法。PNP機器人團隊也協(xié)助提供機器人開發(fā)和底層通信等支持，使實驗和工業(yè)場景能夠快速部署。

北京人形機器人創(chuàng)新中心發(fā)布的RoboMIND開源數(shù)據(jù)集

RoboMIND開源數(shù)據(jù)集機器人本體分布

(3)谷歌DeepMind牽頭開源數(shù)據(jù)集OpenX-Embodiment

谷歌DeepMind 牽頭推出的開源數(shù)據(jù)集OpenX-Embodiment是面向具身智能和機器人學習的重要資源，旨在為研究者提供大規(guī)模、高質(zhì)量的多模態(tài)操作數(shù)據(jù)，加速算法開發(fā)和真實世界遷移。在該數(shù)據(jù)集中，Franka 機器人貢獻了主要部分的數(shù)據(jù)，涵蓋高自由度操作、力控交互和復雜任務序列。

谷歌 DeepMind牽頭的OpenX-Embodiment 開源數(shù)據(jù)集FRANKA最多

(4)PI公司開源的PI0.5模型

此外，PI公司開源的PI0.5模型充分利用Franka機器人進行快速驗證，展示了Franka在算法迭代和策略測試中的高效率。Franka機器人標準化接口和成熟的軟件開發(fā)工具包（SDK）使其在研究實驗室和工業(yè)環(huán)境中都能快速上手，并保持長期穩(wěn)定運行。這種可重復性和部署便利性，使Franka機器人成為數(shù)據(jù)采集和人工智能工廠首選平臺，加速了算法從實驗室到工業(yè)應用的轉(zhuǎn)化過程。

(5)PNP問題思考：一種本體的數(shù)據(jù)采集之后，跨平臺遷移是否容易？

在大量數(shù)據(jù)采集完成后，為什么像Franka這樣的機器人平臺更容易實現(xiàn)算法的真實世界遷移？這種“可遷移性”究竟由哪些關鍵特性決定：是高一致性的硬件表現(xiàn)、標準化接口，還是其生態(tài)系統(tǒng)對研究范式的塑造？

4.具身智能方向領先的學術(shù)機構(gòu)的科研引領

Franka機器人以其高精度、7自由度機械臂和易編程特性，被斯坦福、伯克利、卡內(nèi)基梅隆、清華、北大等頂尖學術(shù)機構(gòu)廣泛采用。它支持從感知、控制到人機交互的全鏈路研究，推動具身智能算法在實際操作中的驗證與優(yōu)化，加速了智能機器人在復雜環(huán)境下自主決策與精細操作的前沿發(fā)展

(1)斯坦福大學空間智能

斯坦福大學李飛飛團隊在空間智能研究中使用Franka機器人進行實驗，通過精確控制和多模態(tài)傳感，實現(xiàn)機器人在復雜環(huán)境下的空間理解和操作策略優(yōu)化。

斯坦福大學空間智能

(2)斯坦福大學長序列操作實驗PTPBEST PAPER @RSS2025

斯坦福大學Marcel Torne,Chelsea Finn等，利用Franka機器人開展長序列操作實驗（PTP, Pick-Then-Place），通過高自由度和精密力控驗證復雜任務的可行性，為具身智能任務規(guī)劃提供實證基礎。論文在RSSConference on Robot Learning2025RSS獲得最佳論文.(Best Paper Award at the Robot Representations Workshop atRSS）

斯坦福大學長序列操作實驗PTP

(3)卡內(nèi)基梅隆大學（CMU）提出的Neural MP-Best Student Paper@IROS2025

在2025年IROS大會上，卡內(nèi)基梅隆大學（CMU）提出的Neural MP通用神經(jīng)規(guī)劃器基于Franka機器人進行實驗，實現(xiàn)了跨環(huán)境和跨任務的高效規(guī)劃。該論文獲得IROS 2025 Best Student Paper Award Winner。

卡內(nèi)基梅隆大學（CMU）提出的Neural MP

(4)加州大學伯克利DSRLBest Paper@CORL 2025

CORL 2025最佳論文DSRL來自加州伯克利大學，驗證深度強化學習策略在復雜操作任務中的泛化能力，也依賴Franka平臺。

加州大學伯克利DSRL

(5)麻省理工學院FABRICABest Paper@CORL 2025

CORL 2025最佳論文來自麻省理工學院FABRICA項目使用Franka機器人進行裝配任務研究，展示其在精密操作和協(xié)作場景中的優(yōu)勢。

麻省理工學院FABRICA

這些學術(shù)實踐表明，Franka機器人不僅為復雜操作任務提供穩(wěn)定硬件支持，也促進了全球?qū)W術(shù)界在具身智能領域的協(xié)同研究。研究者能夠在共享硬件平臺和開源算法的基礎上快速迭代實驗成果，加速科學發(fā)現(xiàn)和技術(shù)落地。

(6)PNP問題思考：具身智能策略訓練慮成本vs時間？

具身智能科研成果更新頻率越來越快的情況下，你會為考慮成本而犧牲時間做大量底層重復的開發(fā)嗎？還是沿用成熟生態(tài)在此基礎上更新迭代？

5. 全球頂尖人工智能與機器人實驗室的主流平臺

不僅在個別科研機構(gòu)，全球多個有影響力的人工智能和機器人實驗室也將Franka機器人作為具身研究的主要平臺。

(1)加拿大多倫多大學機器人研究所

例如，加拿大多倫多大學機器人研究所是該國最大的機器人研究機構(gòu)，其廣泛采用Franka機器人開展高自由度操作、力感知控制和VLA實驗。Franka的穩(wěn)定性和可重復性，使多組研究團隊能夠在同一平臺上協(xié)作實驗，提高科研效率。

多倫多大學機器人研究所

(2)慕尼黑工業(yè)大學和AI FACTORY

在歐洲，慕尼黑工業(yè)大學和AI FACTORY也將Franka作為核心實驗平臺，進行高精度操作、機器人協(xié)作和力控研究，支持復雜任務的快速迭代與驗證。

慕尼黑工大AI FACTORY

(3)卡內(nèi)基梅隆大學機器人研究所

美國卡內(nèi)基梅隆大學機器人研究所長期使用Franka機器人進行跨任務規(guī)劃、通用神經(jīng)規(guī)劃器和多機器人協(xié)作研究，其高自由度和靈敏力控提供了可靠實驗基礎。這種系統(tǒng)化和長期化應用，使Franka機器人在全球頂級實驗室形成標準化具身智能研究平臺。

PNP問題思考：工具具身方向vs學術(shù)研究的異同？

在各大知名機器人研究機構(gòu)中，對于機器人的選擇和現(xiàn)實工業(yè)界的需求一樣嗎，有什么不同？

▍結(jié)束語

Franka機器人在具身智能領域發(fā)揮著引領作用，其優(yōu)勢體現(xiàn)在硬件設計、力控精度、科研生態(tài)及全球應用等多個方面。七軸結(jié)構(gòu)、多模態(tài)力控和高頻接口為復雜操作提供基礎，高度開放的科研生態(tài)使研究者能夠快速驗證和迭代算法成果。全球頂尖科研機構(gòu)和工業(yè)實驗室的廣泛采用，使Franka機器人成為具身智能研究的標準平臺。PNP機器人作為Franka機器人負責方，持續(xù)推動其在數(shù)據(jù)采集、操作策略驗證和應用場景搭建中的落地，為具身智能的發(fā)展提供了可靠支撐。Franka機器人通過提供高自由度、高精度、可重復的實驗環(huán)境，使研究者能夠站在前人成果的基礎上進行創(chuàng)新，顯著縮短了科研周期，成為具身智能研究不可或缺的平臺。

作者簡介：

包文濤，PNP機器人，創(chuàng)始人/CEO，畢業(yè)于哈爾濱工業(yè)大學機器人技術(shù)與系統(tǒng)全國重點實驗室，機器人方向；2006-2015年間，在傳統(tǒng)工業(yè)機器人巨頭ABB工作于美國、加拿大等北美地區(qū)，高級管理職位；2015-2020年，在全球協(xié)作機器人先驅(qū)Universal Robots（優(yōu)傲機器人）任職，中國區(qū)負責人之一，從0到1推廣了“協(xié)作機器人”概念。2021年至今-創(chuàng)始人，集智聯(lián)機器人/PNP機器人，面向具身智能機器人方向，聚焦即插即用（“PLUG&PLAY”）機器人技術(shù)和應用。PNP機器人負責Franka機器人技術(shù)支持、市場、渠道等,提供具身智能機器人解決方案。

參考資料：

(1)RoboMIND: Benchmark on Multi-embodiment Intelligence Normative Data for Robot Manipulation Beijing Innovation Center of Humanoid Robotics, State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University,Beijing Academy of Artificial Intelligence. arXiv:2412.13877v3.27 May 2025

(2)Cheng Chi, Siyuan Feng, Yilun Du, Zhenjia Xu, Eric Cousineau, Benjamin Burchfiel, and Shuran Song.Diffusion policy: Visuomotor policy learning via action diffusion.RSS, 2023.

(3)Songming Liu, Lingxuan Wu, Bangguo Li, Hengkai Tan, Huayu Chen, Zhengyi Wang, Ke Xu, Hang Su, and Jun Zhu.RDT-1b: a diffusion foundation model for bimanual manipulation.In The Thirteenth International Conference on Learning Representations, 2025.

(4)Sami Haddadin; Sven Parusel; Lars Johannsmeier; Saskia Golz; Simon Gabl; Florian Walch. The Franka Emika Robot: A Reference Platform for Robotics Research and Education. IEEE Robotics & Automation Magazine PP(99):2-14.December 2024

(5)Octo Model Team, Dibya Ghosh, Homer Walke, Karl Pertsch, Kevin Black, Oier Mees, Sudeep Dasari, Joey Hejna, Tobias Kreiman, Charles Xu, et al.Octo: An open-source generalist robot policy.In Proceedings of Robotics: Science and Systems, 2024.

(6)Murtaza Dalal Jiahui Yang Russell Mendonca Youssef Khaky Ruslan Salakhutdinov Deepak Pathak . Neural MP: A Generalist Neural Motion Planner IROS 2025 Best Student Paper Award Winner. arXiv:2409.05864v1 [cs.RO] 09 Sep 2024

(7)Andrew Wagenmaker.Steering Your Diffusion Policy with Latent Space Reinforcement Learning. arXiv:2506.15799v2 [cs.RO] 25 Jun 2025

(8)Yunsheng Tian, Joshua Jacob et. Fabrica: Dual-Arm Assembly of General Multi-Part Objects via Integrated Planning and Learning.arXiv:2506.05168. 5 Jun 2025

(9)K. Black, N. Brown, D. Driess, A. Esmail, M. Equi, C. Finn, N. Fusai, L. Groom, K. Hausman,B. Ichter, et al. π0: A vision-language-action flow model for general robot control. arXivpreprint arXiv:2410.24164, 2024.

(10)Carolina Higuera, Akash Sharma,Chaithanya Krishna Bodduluri,Sparsh: Self-supervised touch representations for vision-based tactile sensing.arXiv:2410.24090v1 [cs.RO] 31 Oct 2024

(11)William Yang and Michael Posa.Dynamic On-Palm Manipulation via ControlledSliding. Robotics: Science and Systems. Delft, Netherlands, July 15-July 19, 2024

(12)Kevin Black, Noah Brown, Danny Driess, Adnan Esmail, Michael Equi, Chelsea Finn, NiccoloFusai, Lachy Groom, Karol Hausman, Brian Ichter, et al. pi0: A vision-language-action flowmodel for general robot control. arXiv preprint arXiv:2410.24164, 2024.

(13)Johan Bjorck, Fernando Castaneda, Nikita Cherniadev, Xingye Da, Runyu Ding, Linxi Fan, Yu Fang, Dieter Fox, Fengyuan Hu, Spencer Huang, et al. Gr00t n1: An open foundation modelfor generalist humanoid robots. arXiv preprint arXiv:2503.14734, 2025.

(14)Steven Morad, Ryan Kortvelesy, Matteo Bettini, Stephan Liwicki, and Amanda Prorok. POPGym:Benchmarking partially observable reinforcement learning. In The Eleventh International Conference on Learning Representations, 2023. URLhttps://openreview.net/forum?id=chDrutUTs0K.

(15)Soroush Nasiriany, Sean Kirmani, Tianli Ding, Laura Smith, Yuke Zhu, Danny Driess, Dorsa Sadigh, and Ted Xiao.Rt-affordance: Affordances are versatile intermediate representations for robot manipulation, 2024a.URLhttps://arxiv.org/abs/2411.02704.

(16)Feng Siyuan, Burchfiel Ben, Albina Toffee, and Tedrake Russ. 2023. TRI’s Robots Learn New Manipulation Skills in an Afternoon. Here’s How.Accessed: May 20, 2024.

(17)Physical Intelligence (π)https://www.physicalintelligence.company/

(18)Open X-Embodiment: Robotic Learning Datasets and RT-X Models,Open X-Embodiment Collaboration, arXiv:2310.08864v9 [cs.RO] 14 May 2025,robotics-transformer-x.github.io

(19)Meta. 2024. Meta XR Interaction SDK OVR Samples. Accessed: May 26, 2024.

(20)Alexander Khazatskyetc.,Droid: A large-scale in-the-wild robot manipulation dataset.In Proceedings of Robotics: Science and Systems, 2024.

(21)Visualizing Hand Force with Wearable Muscle Sensing for Enhanced Mixed.Reality Remote Collaboration. IEEE Transactions on Visualization and Computer Graphics 2023.

(22)Yiming Liu, Raz Leib, and David W Franklin. 2023. Follow the force: Haptic communication enhances coordination in physical Human-Robot.interaction when humans are followers. IEEE Robotics and Automation Letters 2023.

(23)New Solutions for the Industry of the Future.Digital Twins and Cybersecurity Strategies for the Modern World of Workhttps://www.research-in-bavaria.de/industry-of-the-future/

(24)Germany’s Hub for Robotics and AI Excellence https://robotics-institute-germany.de/

(25)Jiahao Chen, D. Antony Chacon, Muhammad Bilal, Qiushi Zhou, Wafa JohalAuthors Info & Claims.Mr.LfD: A Mixed Reality Interface for Robot Learning from Demonstration.OzCHI '24: Proceedings of the 36th Australasian Conference on Human-Computer Interaction. 29 September 2025

(26)University of Toronto’s hub for multidisciplinary robotics research and innovationhttps://robotics.utoronto.ca/

(27)The Robotics Institute at Carnegie Mellon Universityhttps://www.ri.cmu.edu/

(28)Franka Robotics GmbH.Franka robotics, 2025.URL https://franka.de/.

(29)PNP Robotics CO.Ltd. PNP ROBOTS, 2025.URL,https://www.pnprobotics.com