意法半导体认为，仿人机器人应利用机载传感器与摄像头在本地处理快速响应任务，仅将全身协调任务交由中央GPU完成，因为往返GPU会产生延迟，而移动中的机器人无法承受此类延迟。该公司仍在权衡是否需为该任务开发更强大的微控制器（MCU）或微处理器单元（MPU），这一决策取决于机器人市场的发展态势。
“每一毫秒都至关重要，”意法半导体机器人业务战略项目总监艾伦·拉加斯卡（Allan Lagasca）向EE Times表示，“若需快速响应，应将处理任务移至边缘端；若需整个系统协同工作，则由GPU承担此角色。”
拉加斯卡指出，将推理运算靠近任务执行端运行，可减轻中央GPU的负载，并避免因数据传输及指令返回所导致的延迟。在机器人领域，此类延迟可能直接影响物理运动表现。
例如，当两只机械手协同传递物体时，指令延迟可能导致关节偏离目标位置。即便单个关节仅偏移几毫米，累积效应也可能显著影响整体动作精度。
“若推理在边缘端执行，系统即可就地发送必要指令并实现更快响应。”他补充道。
拉加斯卡称，中央GPU——即他所称机器人的“大脑”——仍需负责同步头部摄像头、机器视觉与导航功能，并协调彼此无直接连接的关节传感器。若缺乏该层级协调，“机器人可能在错误时机同时迈出双脚”。需要说明的是，意法半导体并不生产GPU。
该公司当前的AI推理产品基于其神经网络处理单元（NPU）与微处理器单元（MPU）。是否开发性能更强的芯片，将视市场演变而定。
机器人目前仍属小批量市场，而作为集成器件制造商，意法半导体主要面向大批量生产。“通过持续跟踪该市场，我们将更清晰把握所需技术方向。”拉加斯卡表示。
www.eic.net.cn 易IC库存管理软件 在机器人系统中，各模块分工明确：多数传感器配备独立MCU，运动与电机控制功能亦各自集成MCU，AI推理则由专用NPU承担。“这形成一种分布式架构，而非将全部功能集中于单一处理器。”他强调。
手部自主决策能力
在印度电子展（electronica India）的一场机械手演示中，摄像头捕捉人类手部图像，AI模型识别21个关键点以判断手势，系统随后将信息转化为六电机驱动的机械手指令。手势识别任务运行于意法半导体STM32N6 32位微控制器上。
“映射关系并非简单一一对应，甚至非一对一或一对二，且必须在手部持续运动过程中实时运行。”拉加斯卡指出。
整个流程始于摄像头模块：它集成了图像传感器（用于成像）、惯性测量单元（IMU，用于确定摄像头姿态）以及飞行时间（ToF）传感器（用于测距）。“仅获取图像不够，还需测量距离。”拉加斯卡解释道，ToF读数决定了机械手何时闭合手指。
推理运算主要在摄像头端完成，部分出于隐私考量。他指出，只要图像仅用于本地推理而不被存储或外传，系统即可满足隐私与网络安全要求。
摄像头输出需进一步转换为电机可识别的指令格式。拉加斯卡介绍，该演示采用标准PLC作为AI输出与机器人控制之间的桥梁。“难点在于将AI生成的数据转化为标准PLC可接收并执行的格式。”
同样的边缘计算策略使机械手能动态调整握力。人类抓握水瓶几乎本能完成；而机器人需实时计算所需力度。
另一案例中，机械手先识别水瓶、测定距离，再动态调节握力以防压碎或滑脱。“此时由MCU（即STM32系列）执行该推理任务。”他说明。
www.eic.net.cn 易IC库存管理软件 意法半导体正探索将摄像头等技术直接集成至仿人机械手本体。尽管该公司不制造摄像头模组，但可联合合作伙伴整合技术方案。今年早些时候，意法半导体与摄像头模组厂商Leopard Imaging共同推出一款面向仿人机器人的多模态视觉模组，融合了意法半导体的成像技术、3D深度测绘与运动传感功能。该模组通过NVIDIA Holoscan传感器桥接器以以太网方式连接至NVIDIA Jetson计算机与Isaac机器人开发平台，专为适配仿人机器人严苛的尺寸、重量与功耗限制而设计。
拉加斯卡表示，整体思路是将机器人划分为手、关节、足部与眼部等可适配不同应用场景与外形结构的模块化单元。
在这些模块内集成所需功能面临另一挑战：设计师需在有限电路板空间内整合处理单元、电机驱动与通信接口。他提及某客户提出6×6厘米的电路板尺寸要求。
若分别选用MCU、电机驱动器与通信器件，整套设计可能达140×330毫米，远超目标尺寸。为此，意法半导体在其机械手方案中将六个MOSFET与三个驱动器集成于单一封装内，使制造商仅需安装一个元件而非九个。
安全问题尚待解决
机器人智能分布化也引发安全隐忧。拉加斯卡指出，现有安全框架包括工业领域的安全完整性等级（SIL）与汽车领域的汽车安全完整性等级（ASIL）要求。随着汽车、工业自动化、智能手机及家用电器企业纷纷进军机器人领域，这些标准或将逐步适用。
但他强调，符合某项标准并不能确保整机安全。“即使满足相关SIL或ASIL标准，一旦传感器失效，机器人仍可能造成人身伤害。”
他补充道，AI还可能引入额外风险：系统若未能做出决策或决策错误，将加剧安全隐患。所有要素必须综合评估，方能判定机器人整体功能安全性。
此外，许多现行标准针对固定设备制定，而非移动式机器人。行业尚需明确适用于仿人系统、尤其是直接与人类交互场景下的标准与监管要求。
芯片厂商在仿人机器人物料清单中的角色
拉加斯卡透露，意法半导体可覆盖仿人机器人物料清单（BOM）中约600个位置，涉及500余种元器件。其成本占比取决于具体设计，如关节数量、传感器数量及AI功能复杂度等。
举例而言，若机器人BOM总值为600美元且全部由意法半导体供应，则其份额为100%；若BOM增至1000美元而意法半导体供货价值仍为600美元，则份额降至60%。
入门级机器人成本较低、自由度较少；中高端系统则需更复杂能力。拉加斯卡表示，随关节数量、传感器、摄像头及AI处理需求增加，意法半导体潜在覆盖位置可达800个以上。
从演示走向实际部署
尽管仿人机器人演示日益增多，拉加斯卡指出多数应用仍处于概念验证阶段。汽车制造与物流是早期关注领域，因其制造商可合理分摊自动化成本，并灵活调整产线以应对市场需求。
他援引波士顿动力与现代汽车的合作关系，以及Figure AI与宝马的合作案例，说明仿人机器人与汽车产业的紧密联系。现代汽车计划于2028年在其佐治亚州工厂部署Atlas机器人；宝马已在南卡罗来纳州斯帕坦堡车身车间开展Figure机器人测试。
从演示迈向实际部署面临多重挑战。训练数据即为一例：钻孔、焊接、烹饪与缝纫等活动可通过录制上传构建数据集。
电池技术尚未支持24小时连续运行，因此停机时间成为开发者必须考虑的实际因素。
最终落地的应用还将受制于安全与监管要求。拉加斯卡指出，仿人机器人与人类直接物理交互（如医疗场景）带来额外挑战。
网络安全亦不容忽视。他表示，芯片厂商与设备制造商须在产品与应用层面兼顾欧盟《网络弹性法案》等法规要求。“绝不能出现10,000台机器人投入实际运行后却被黑客入侵的情况。”
边缘处理器与中央GPU之间智能分配的最终形态，可能取决于行业尚未达成共识的根本问题：仿人机器人究竟应具备何种外形？拉加斯卡坦言：“系统架构尚未稳定。有开发者质疑：为何机器人只能有两只手而非六只？为何只能有两条腿？”
“我们尚不清楚最终配置会是什么样。”他总结道。
