0.引言

本文解析具身智能爆火的技术逻辑，以松灵机器人的底盘为例，详解移动底盘对比纯机械臂的优势，结合 ROS2 生态、多款底盘方案与 Mobile ALOHA 落地案例，讲解移动底盘如何支撑 VLA 模型与机器人全域作业

1. 移动底盘为何是具身智能机器人的核心关键载体

随着 LLM、VLM、VLA 等多模态大模型快速迭代，具身智能成为机器人行业焦点。即便 AI 模型拥有强大的推理能力，机器人依旧需要可靠的硬件载体实现环境交互。移动底盘作为连接 AI 决策与物理执行的桥梁，是当前 VLA 机器人落地现实场景的必备核心部件。

因此，在当下这个具身智能百家齐放的今天，一个趋势正在形成 —— 机器人在拥有一双灵巧的手的同时还需要一对能够自由行走的腿。移动底盘正是连接智能决策与真实世界执行的重要桥梁。

2.具身智能爆火：多模态 AI 技术融合驱动行业变革

2.1 行业变迁：从机械臂单点研究到全域具身智能

如果时间拉回到三年前，在各类大语言模型刚刚步入到人们眼前之时，机器人行业主要讨论的话题集中于机械臂控制、SLAM以及强化学习。而今天，几乎所有机器人会议、论坛和创业项目都离不开“具身智能”四个字。

背后的原因并不复杂。下面我将用一个逻辑图的形式进行展示：

首先大模型的出现赋予机器人更强大的大脑，机器人将不再只执行预设程序，而能够理解自然语言指令，并将其拆解为执行的流程框架。接着VLM模型的发展让机器人识别复杂场景及理解任务目标的能力逐渐加强，而VLA模型的出现进一步将视觉输入转化为机器人的动作输出。与此同时，世界模型、强化学习以及Sim2Real技术不断成熟，使得机器人能够在仿真环境中完成大量训练之后，再迁移到真实世界执行任务。

以上技术的融合，共同推动具身智能的发展。

2.2 自主具身智能机器人必备四大核心能力

具身智能并不是所谓单纯由“大模型”+“机器人”拼接在一起的的架构，若想真正搭配一个具备自主能力的机器人，需要同时具备以下四种能力：

（1）感知

机器人需要知道自己看到了什么。

其中包括：

• 摄像头获取图像

• 激光雷达感知环境

• 深度相机获取空间信息

（2）推理

机器人需要理解当前场景。

当用户说：

“帮我把桌子上的矿泉水拿过来”

机器人需要知道：

• 什么是矿泉水

• 矿泉水在哪里

• 自己应该怎样完成任务

（3）行动

理解任务只是第一步。

机器人还必须能够移动到目标位置，并完成抓取、搬运等操作。

（4）学习

现实环境远比实验室环境更复杂，机器人需要通过持续的数据累计不断优化策略，而并非依赖写死的算法。

3. 移动底盘不可替代：纯机械臂的局限性与行业演进

3.1 为什么机械臂无法独立完成具身智能任务？

在具身智能没有爆火之前，基于机械臂的强化学习训练，一直是国内外学者研究的重心，但若一个想实现一个机器人真正自主做出决策，仅依赖机械臂往往是不够的。

归根到底是由于固定位置的训练，使得模型获得训练数据集受限，制约模型的能力，我们可以看到机械臂的工作范围是有限的，当目标对象超出工作范围，机械臂将无法独立完成工作，例如仍然是命令机器人执行去隔壁会议室拿一瓶矿泉水的工作，这个任务不仅需要包含抓取工作，还涉及到移动到指定的位置，其中需要实现：

• 搜索目标

• 自主导航

• 障碍物识别

• 路径规划

3.2 移动操作（Mobile Manipulation）：主流机器人架构

以上的能力都已经超出传统机械臂的范畴，因此行业也逐渐从固定移动向移动操作（Mobile Manipulation）演进。

所谓Mobile Manipulation，本质上就是：

移动底盘

+

机械臂

+

感知系统

+

AI模型

这样的组合让机器人同时拥有：

• 移动能力

• 操作能力

• 环境理解能力

近年来，无论是高校实验室还是产业界项目，都在逐步采用这一架构。因为对于真实场景来说，大部分任务并不是“抓取”，而是“先找到目标，再完成抓取”，而找到目标这件事，本质上依赖移动能力。

3.3 移动底盘三大核心价值：感知、运动、数据闭环

1.拓展全域感知边界，为 VLA 模型供给高质量输入

机器人获取环境信息的基础是可视、可触。若视觉传感设备固定不动，感知视野会被锁死；搭载移动底盘后，机器人可自主完成三项关键动作：主动靠近作业目标、灵活调整观测视角、自主遍历探索陌生空间。充足多变的环境画面、空间视角素材，能给 VLA 视觉 - 语言 - 动作模型输送更丰富、多元的原始输入，大幅提升模型对真实场景的适配度。

2.承载长距离运动执行，直接决定任务整体成功率

绝大多数商业化落地场景都包含长距离移动环节，比如仓储物料转运、楼宇物资配送、实验室辅助服务、厂区园区巡检等。在整套作业流程里，自主导航移动耗费的时长远高于抓取操作环节。行业项目实测数据显示：单次完整移动操作任务中，超80%的工时消耗在移动行进阶段，底盘的稳定性、导航精度、运动性能，会直接左右整套任务能否顺利完成。

3.打通环境交互的数据闭环，支撑模型持续迭代进化

数据是驱动具身智能成长的核心燃料，机器人只有持续和真实物理环境交互，才能源源不断产出可用于训练的样本数据。依托移动底盘的行走能力，机器人能够穿梭更多作业场景、接触多样化物件、采集海量完整运动轨迹数据。这些高质量交互样本，是强化学习、模仿学习体系中不可替代的训练资源，支撑整机 AI 策略不断自我优化升级。

3.4 具身智能机器人底盘怎么选？差速、四驱四转与履带方案对比

纵观近两年各类机器人开源项目，我们能发现一个高度统一的趋势：绝大多数项目均以 ROS2 作为核心开发框架，整个具身智能框架日趋成熟。

依托 ROS2 庞大的工具组件库，开发者可直接调用开箱即用的成熟模块，无需重复开发：

• Navigation2：直接实现机器人自主导航、路径规划与避障

• MoveIt2：实现机械臂运动规划、抓取姿态控制

• Gazebo：搭建物理仿真环境，完成真机上线前的功能调试

• Isaac Sim：支撑高精度数字孪生与大规模 Sim2Real 训练

• LeRobot：快速搭建模仿学习数据集，适配具身智能训练需求

基于上述标准模块，科研团队与开发人员不必从零搭建底层驱动、通信、调度框架，可把绝大多数研发重心聚焦在大模型算法优化、具身智能策略迭代与实际业务场景落地之上

4.场景化选型：三类主流移动底盘对比与适配方案

若想真正发挥底盘在具身智能领域的应用价值，根据不同场景选择适合的底盘类型必不可少。

4.1 场景化选型：三类主流移动底盘对比与适配方案

（1）四轮差速底盘：具身智能开发的经典入门方案

对于大多数具身智能项目而言，四轮差速底盘通常是最先接触的移动平台。

其控制原理简单，仅通过左右轮速差即可实现前进、后退和转向，因此拥有成熟的算法生态和大量开源案例。在ROS2环境下，无论是Navigation2导航、SLAM建图还是VLA模型验证，差速底盘都能快速完成部署。

对于高校实验室、科研团队以及初次开展移动操作（Mobile Manipulation）研究的开发者来说，差速底盘往往能够以较低的学习成本搭建完整的机器人系统。

典型应用场景包括：

• 室内自主导航

• 具身智能算法验证

• ROS2教学与科研

• 移动操作机器人原型开发

典型代表——松灵 SCOUT MINI： 支持 ROS 2，拥有开放的二次开发接口。其出色的越障与爬坡能力，使其不仅适用于室内，也能在轻度户外（草地、砂石路）为 VLA 模型的实车训练提供高质、稳定的数据采集支持。

（2）四驱四转底盘：面向真实场景部署的全地形方案

当机器人从实验室走向园区、工厂或户外环境时，地面条件往往不再像室内那样平整。

减速带、斜坡、碎石路面以及复杂转弯场景，都对机器人底盘提出了更高要求。

四驱四转底盘通过独立驱动与独立转向结构，使机器人能够兼顾机动性、通过性和稳定性。在狭窄区域转弯、复杂路面通行以及高速移动场景中，相比传统差速底盘拥有更好的运动表现。

这类底盘特别适用于：

• 园区配送机器人

• 户外巡检机器人

• 智能安防平台

• 野外数据采集系统

• 户外具身智能研究

典型代表——松灵 RANGER MINI 3.0： 将四轮四转的灵活性发挥到极致。在室内货架通道、实验室或医院等逼仄环境中，RANGER MINI 3.0 能在不改变车头朝向的情况下完成横移避障，与 VLA 模型的空间动作规划（Spatial Action Planning）完美契合。

（3）履带底盘：极端环境下的高通过性选择

对于楼梯、碎石、泥地、草地等复杂地形而言，传统轮式底盘往往会受到较大限制。

履带底盘通过增大接地面积和提升地面附着力，能够有效提高机器人在复杂环境中的通过能力。

虽然其控制和运动学模型相对复杂，转向效率也低于轮式平台，但在极端场景下仍具有不可替代的优势。

常见应用包括：

• 特种巡检机器人

• 应急救援机器人

• 电力与能源巡检

• 矿区与隧道作业

• 复杂户外环境探索

当项目目标是保证机器人能够“到达目标地点”时，履带底盘往往比运动灵活性更重要。

典型代表——松灵 BUNKER PRO： 具备 IP67 级高防护防尘防水能力，开放的 ROS 2 接口允许开发者快速挂接多模态感知设备。在极恶劣环境下，BUNKER PRO 能够保障底层物理移动的绝对高可靠性。

底盘类型	核心控制原理	核心优势	局限性	适配具身智能场景	松灵典型代表
四轮差速	左右轮速差转向	算法极其成熟，开源资源多，成本低	无法平移，越障能力上限较低	室内算法验证、高校科研、原型开发	SCOUT MINI SCOUT 2.0 TRACER 2.0
四驱四转	独立驱动 + 独立转向	零转向半径，可任意方向平移，灵活性极高	机械与控制结构复杂，成本较高	逼仄空间（医院/货架）、复杂园区巡检	RANGER MINI 3.0 RANGER DELTA UMR
履带式	履带差速驱动	接地面积大，抓地力极强，超强越障与防尘防水	转向效率低，对地面有一定损耗	极端户外（泥地/楼梯/特种巡检）	BUNKER PRO 2.0 BUNKER MINI 2.0

4.2 Mobile ALOHA 移动操作机器人落地实践

上文提到数据质量决定一个训练模型的上限以及可以泛化的场景，因此为获得高质多维数据，当下行业越来越多使用移动机器人进行数采。

传统机器人开发中的模仿学习数采方法通常采用：

桌面 + 固定视角 + 固定工作空间

而斯坦福大学在2024年提出的Mobile ALOHA方案收集数据的视角则采用：

房间 + 走廊 + 柜子 + 电梯 + 厨房 + 变化视角

获得的数据类型则转变为 Whole-body Data，而不单纯的为机械臂数据。

在该项目中，研究团队基于松灵机器人TRACER移动底盘与松灵PiPER系列双臂机械臂构建全身远程操作系统，通过人类示范采集高质量移动操作数据，并利用模仿学习训练机器人自主执行任务。机器人不仅能够完成传统桌面操作，还能够自主导航至目标区域，完成开柜门取放锅具、厨房烹饪、清洗餐具以及呼叫和乘坐电梯等涉及移动、感知、决策和双臂协同操作的复杂任务。相比传统固定工作站机器人，TRACER提供了环境探索、自主移动和任务扩展能力，Piper则负责精细抓取与双臂协同操作，两者结合形成了“移动能力+操作能力”的完整具身智能载体。

ALOHA的出现验证了基于ROS2生态的低成本移动操作平台同样能够支撑高质量数据采集、模仿学习训练以及自主任务执行，为LeRobot、OpenVLA等新一代具身智能框架提供了真实世界的数据来源和部署平台，也为高校、科研机构及企业构建具身智能机器人系统提供了可复制、可落地的参考方案。

5.总结：移动底盘成为具身智能长期发展的基础设施

过去机器人行业关注的是：“机器人能不能抓住物体？”，未来行业更关注的是：“机器人能不能找到物体、接近物体、抓住物体，并完成后续任务？”从这个角度来看，移动能力已经不再是附加功能，而是具身智能的重要组成部分。随着VLA、世界模型和强化学习技术不断发展，机器人将逐渐从固定工作站走向开放环境。而移动底盘，也将从传统意义上的“底层执行机构”，演变为具身智能系统中不可或缺的核心基础设施。

对于正在开展具身智能研发的团队来说，选择合适的移动平台、构建稳定的ROS2生态，并尽早建立移动操作能力，或许比单纯追逐最新模型更重要。

FAQ

Q1：具身智能机器人一定需要移动底盘吗？

不一定。

对于固定工位抓取任务，仅机械臂即可完成。

但对于仓储配送、家庭服务、实验室辅助等开放场景任务，机器人必须具备移动能力，因此移动底盘成为主流方案。

Q2：Mobile Manipulation是什么？

Mobile Manipulation指：

移动底盘 + 机械臂 + 感知系统 + AI模型

使机器人同时具备：

• 移动能力

• 感知能力

• 操作能力

• 学习能力

Q3：ROS2为什么成为具身智能标准？

原因包括：

• Navigation2

• MoveIt2

• Gazebo

• Isaac Sim

• LeRobot

形成完整开发生态。

Q4：Mobile ALOHA为什么重要？

因为首次验证：

Whole-body Data

比桌面操作数据具有更强泛化能力。