8月19日，宇树科技登陆科创板，人形机器人被推到聚光灯下。上市意味着行业从“实验室秀肌肉”进入“量产比交付”阶段，感知系统的一致性、成本、供应链稳定性，比单点性能更关键——传感器选型的逻辑也变了。

图片来源于“宇树科技”公众号

这篇不聊宇树的方案，外部也拆不到，就聊通用的人形机器人传感器选型。这个拆需求的流程，我用数字FAE跑顺了：需求喂进去，传感器清单逐项列出，选型范围立刻收敛。

机器人能不能稳定干活，先看感知稳不稳：走路靠IMU撑着，避障靠视觉盯着，拿东西靠力觉兜底。三个里任何一个选错，整机表现都打折扣。

三类传感器，各看各的

IMU：姿态基准。选型看三件事：六轴还是九轴、输出带宽、长期漂移。九轴带磁力计，但磁力计在电机附近容易受干扰，装机位置要避开磁场源。另外IMU对震动敏感，装配时的减震处理，比选型本身更影响实际表现。

视觉：感知主力。动手前先回答两个问题：图像数据谁来算、用什么接口接进主控。深度相机走USB简单，但帧率上不去；双目走MIPI带宽高，主控要有对应处理能力。接口不匹配，是视觉方案最常见的返工原因。分辨率也不用追高：导航避障1080P够用，识别精细物体才需要更高，先定场景再定参数。

力觉：交互关键。先定量程和过载保护，再谈精度——量程定错，精度再高也没用。六维力精度高但价格贵，关节力矩传感器量程大、要看和减速器的配合。预算有限就先做末端一维力，后续再升级。

怎么配：按层级定，别按清单堆

别把传感器全堆上去。我的建议是分层：控制层（编码器）优先，姿态层（IMU）其次，感知层（视觉）看算力预算，交互层（力觉）按产品定位决定。分层定了，每层的数量、接口、成本区间就都清楚了。

这个清单我写进数字FAE的需求描述，它输出的框图会把每个传感器的接口通道逐项列出来，接口不够的主控在匹配阶段就被排除——省了挨个对引脚的功夫。选型不是越全越好，是够用且留扩展。

参考口令：

设计人形机器人传感器方案，按4层分层匹配，不堆叠。

分层要求：
1) 控制层（编码器）：多路电机编码器接口，运动控制优先；
2) 姿态层（IMU）：六轴或九轴，避开电机磁场；
3) 感知层（视觉）：按主控算力选型，接口匹配主控；
4) 交互层（力觉）：按产品定位选型，可分阶段上。

硬性指标：
- 每层传感器接口通道需逐项列出；
- 接口不足的方案在匹配阶段排除；
- 选型留扩展余量，但避免堆叠。

预算约束：视觉和力觉是成本大头，预算不平均分配；原型阶段按"够用"配，量产阶段按"一致性+供应链"配。优先货源稳定、量产供货成熟的主流器件。
 

给正在看人形机器人方案的朋友一句话：传感器预算别平均分配，把钱花在决定“站得稳”和“看得清”的传感器上，力觉可以按产品定位分阶段上。

原型验证的项目，传感器按“够用”配，快速跑通；要量产的项目，按“一致性+供应链”配，宁可少上一种传感器，也不选一颗交期不稳的。

成本上也有个参考：感知系统在整机BOM里占比不低，视觉和力觉是两大头。选型阶段就把成本梯度定好，比量产时再砍价实在。

传感器选型没有标准答案，但先拆需求、再分层、再匹配，这条路径是通用的。数字FAE把“拆需求”这一步自动化，最终量程、预算、供应链的取舍，还是人来拍板。

宇树上市带火人形机器人，传感器选型该怎么做？IMU、视觉、力觉三类传感器怎么配，用数字FAE先拆需求再匹配的思路讲清楚。

数字FAE｜人形机器人｜传感器选型｜具身智能｜IMU