机器人走向“精细活”，ADI底层芯片如何撑起系统协同

机器人产业正从“能动”走向“能干精细活”，底层器件的协同能力日益成为规模化落地的关键。蔡振宇表示，ADI此次展示的重点不是单颗芯片，而是围绕机器人真实工况形成的系统级方案。随后，他逐一参观演示，并就力觉、触觉、驱动、连接、视觉、供电和位置感知等环节回答了提问。在他看来，机器人仅靠一颗主控远远不够，每一环都需要底层芯片支撑。

从“端稳小球”到“感知指尖”：力控与触觉是精细作业的底座

机器人要完成精细作业，首先要解决“感知”问题。在力觉感知展区，一台六自由度机械臂演示了托盘小球平衡场景。机械臂末端托着托盘，小球需沿预定轨迹运动，即便受到外部持续干扰，系统仍能保持稳定。蔡振宇告诉gongkong®，关键在于关键关节处布置的六维力传感器：机械臂依据力传感器反馈实时判断小球位置，动态调整托盘姿态。“这个演示看似‘端盘子’，实际考验的是整机力控与实时轨迹规划能力。”蔡振宇表示，六维力感知是机器人完成稳定接触作业的基础。

在传感器内部，前端惠斯通电桥受力后产生电压变化，ADI低噪声运算放大器和高精度ADC负责信号采集与转换。每片ADC控制四个通道，两片合计支持八个通道，再通过算法实时解耦力与力矩，为力控算法提供底层硬件支撑。对于需要持续、稳定输出精确力或力矩的场景，六维力传感方案具有较强适用性。

更精细的是用于DexHand的多模态触觉传感器。指尖电路板外覆压力传感器，拥有32×32、约1000个感知点，还集成了IMU、振动传感、位置传感和骨传导麦克风，配合多模态AI算法判断表面光滑或粗糙、需要施加多大力。蔡振宇提到，指尖最小可分辨0.01牛顿的力，抓纸张、衣服、螺丝等精细动作可形成闭环反馈。去年ADI还与NVIDIA联合发布相关成果，利用指尖在数据中心进行穿线作业。结合工信部对人形机器人“安全可靠产业链”的部署[2]，力觉与触觉不是点缀，而是机器人进入产线精细工位的门槛。

从“关节驱动”到“线束精简”：驱动、连接与视觉链路决定落地形态

感知解决了“用多大力”的问题，但力最终需要通过关节执行，驱动与连接就成为了下一环节的关键。在驱动与连接方案展示区，蔡振宇在介绍时表示，机器人能否在紧凑空间内稳定落地，驱动和连接链路同样关键。合作方案中的灵巧手采用6个主动自由度、整体11个自由度架构，四根手指各一个主动自由度，拇指两个主动自由度，每个主动自由度由一颗电机驱动，电机控制采用ADI TMC6460全集成伺服驱动芯片。该芯片将功率器件和电机控制算法集成于小体积封装，MCU只需下发指令，芯片即可完成转动圈数、方向和力矩控制。现场灵巧手持续运行，面向工业场景可提供约300牛握力，相当于约30公斤物体重力。

灵巧手内部空间极为有限，线束数量是另一道约束。ADI将汽车领域验证过的E2B、10BASE-T1S等技术引入灵巧手连接：通过少量双绞线即可把信号从主控传到各关节末端，并支持多节点挂接，各关节从节点可通过同一总线连到主控，明显减少线束数量。该方案通信速率较灵巧手中常用的CAN FD有明显提升，并可在同一对双绞线上同时传输数据和电源。

视觉链路的逻辑类似。ADI展示的基于3D视觉与GMSL互联的人形机器人感知方案，头盔内通常布置4—6个摄像头，每个摄像头用一根同轴线引出，双目摄像头也可用一根同轴线拉到GPU；四个独立摄像头通过四合一方式进入GPU做图像处理。蔡振宇强调，GMSL本质是接口技术，摄像头端加串、GPU端解串，3D相机厂商和人形机器人厂商都会采用。中国工控网认为，机器人内部空间越紧凑，接口芯片越像“隐形基础设施”：不显眼，却决定线束数量、带宽和可维护性。

从“断电不失位”到“高压电子保险丝”：供电与位置可靠性是规模化隐形门槛

驱动和连接之外，机器人要跑、要跳、要长时间作业，供电与位置可靠性就成为规模化门槛。ADI展出的LTC7000是高边NMOS静态开关驱动器，支持较宽的电压范围，在机器人中多用作电子保险丝，监测电源总线。机器人电机供电电压因应用场景而异，并呈现向更高电压演进的趋势；当电压或电流超过设定阈值时，器件可触发保护并切断供电，防止后端控制板烧毁。工业场景中还存在母线先降压、再供给控制环节的电源架构，宽压产品更容易兼容未来供电电压升级。

位置可靠性的技术体现于ADMT4000这款产品。大型工业机器人通常会加装后备电池，避免断电时丢失位置信号，但电池数年之后就需要维护更换，产线停机也会产生额外成本，无电位置检测为此提供了新的解决思路。ADMT4000应用于线性执行器，核心特点是在无电状态下依然可以检测电机位置与圈数，它的价值在断电瞬间尤为突出：当机器人手部停在夹持位置时，以往重启后往往需要重新回原点校准；在具备无电检测能力后，机器人停在哪个位置，就可以直接从该位置继续恢复作业。

IMU新品ADIS16607则面向动态姿态稳定。ADI在高性能MEMS IMU领域长期积累，这款精密微型IMU最大特点是“小”：ADI将汽车、无人机领域验证成熟的高性能IMU技术做到芯片级尺寸，以适配人形机器人有限的内部空间。现场独轮车演示中，IMU通过检测两侧平衡，使独轮车在杠杆上安全前后左右移动；人形机器人动作中的晃动，也常通过在腰部布置两个IMU来保持稳定。工厂里机器人原地绕圈作业、反复回到零点不能有位置偏差，则考验IMU对“零漂”“温漂”的抑制。机械臂关节多、运动范围大时，主控难以仅靠编码器判断末端手部姿态，部分方案也会在机械臂上布置IMU，实时监测臂段和末端姿态变化。

从现场展示看，ADI此次呈现的内容正呼应了蔡振宇所强调的思路：把器件放进机器人真实工况中协同，而非孤立展示参数。通过系统化展示，ADI拼出了一张面向机器人系统级的芯片版图：感知、驱动、连接、供电与位置可靠性在真实工况中协同考量。机器人产业竞争也正从整机参数转向底层器件与系统协同，谁能把这些环节做得更紧凑、更可靠，谁就更接近规模化落地。

责任编辑：李斌

文章来源：http://www.anfangnews.com/2026/1022/16658.shtml