"Welcome to the era of open-source affordable robots to democratize physical AI and world models!"— Clement Delangue, CEO of Hugging Face

2026 年 8 月 27 日，美国东部时间的一个普通早晨，Hugging Face 与其收购的法国机器人公司 Pollen Robotics 开启了一款名为 Microduck 的双足机器人预售。

6 小时后，订单金额突破 100 万美元。24 小时内，累计超过 260 万美元——相当于 6500 多台，高峰期平均每 4 秒卖出一台。

官方在结账页面挂出红色横幅："The community ordered a lot of ducks." 新订单的交付周期已排到 4-6 个月。

5 天后，Clement Delangue 宣布预售超过 10,000 台，按 $399 计算收入约 400 万美元。

这不是一个玩具的爆火。这是一个信号：物理 AI（Physical AI）正在经历它的"iPhone 时刻"——从实验室的昂贵原型，变成普通人可以拥有、修改、再创造的开放平台。

---

一、它是什么：一只"会学习"的鸭子

Microduck 的参数单看起来并不惊人：

规格	详情
身高	~25 cm
体重	~800 g
电机	15 个 Dynamixel XL330 伺服电机
处理器	Rockchip RK3566
传感器	摄像头、LiDAR 深度传感器、双 IMU
控制频率	50 Hz
续航	~1 小时
存储	32 GB
配色	Cream / Graphite / Lavender / Sky（4 种）
价格	$399

但真正的革命藏在软件里。

开箱即用，它能走路、轮滑、捡东西、自己站起来、踢球、甚至前空翻。但与传统机器人不同，这些行为不是硬编码的——它们是在模拟器中通过强化学习训练出来的神经网络策略，通过 ONNX 格式部署到机器人上。

更妙的是：如果你不喜欢它的走路方式，你可以自己训练一个新的。

Pollen Robotics 在官方博客中这样解释设计哲学：

"Microduck is not Reachy Mini with legs. Reachy Mini was designed around interaction... Microduck starts from the other side of physical AI: action."

---

二、技术解剖：从 MuJoCo 到 Rust Daemon 的 sim2real 链路

Microduck 的技术栈是一个教科书级的 sim2real（模拟到现实）工程范例。整个链路分为两个仓库：

1. microduck_rl：在虚拟世界里"学会走路"

这是训练环境，基于 MuJoCo Warp（NVIDIA 加速的物理引擎）和 PPO 算法。

但真正的工程深度在于执行器建模。对于一台 800g 的双足机器人，微小的伺服电机误差会被放大成灾难性的不稳定。Pollen Robotics 没有使用理想化的 PD 控制器，而是采用了 BAM（Better Actuator Model）：

• 电压控制律（而非理想力矩控制）

• 反电动势建模

• 库仑摩擦 / 斯特里贝克摩擦 / 负载依赖摩擦

• 电池电压降的域随机化

• 甚至包括 ±1° 的齿轮反向间隙（backlash）建模

电池电压被作为一个随机化参数——这不是为演示而发明的细节，而是一个在真实世界中踩过的坑：一个在满电时走得很好的策略，在电量降到 40% 时可能会摔倒。

训练规模也很惊人：在 4096 个并行环境 中，只需 1-2 小时 就能获得一个可用的步态。

训练好的策略通过 ONNX 导出，带着观测归一化器 baked-in，确保部署时输入输出的一致性。

2. microduck： onboard 的"机器人操作系统"

onboard 软件全部用 Rust 编写，没有使用 ROS 或其他框架，而是一个自研的多 daemon 架构：

Daemon	职责
robotd	50 Hz 控制循环 + 电机总线
updaterd	签名固件更新 + 健康检查回滚
configd	WiFi + 设备身份
btd	蓝牙（手机连接）
padd	游戏手柄输入
mediad	WebRTC 摄像头流
tofd	深度传感器

所有 daemon 通过 JSON-RPC over Unix sockets 通信。这种设计选择很有意思：没有 ROS 的复杂依赖，没有 DDS 的开销，只有一个轻量、可靠、可验证的 RPC 契约。

updaterd 的存在尤其值得注意——它实现了原子化、可回滚的固件更新。如果一次更新导致机器人无法启动，系统会自动回滚到上一个健康版本。对于一台会走路的机器人来说，这意味着你可以在它"活着"的时候给它换大脑，而不必担心把它变砖。

---

三、从社区到商业：Open Duck Mini → Microduck 的进化论

Microduck 不是凭空诞生的。它的基因可以追溯到社区项目 Open Duck Mini（by Antoine Pirrone）。

Open Duck Mini 是迪士尼 BDX Droid 的开源迷你复刻版，约 35cm 高，使用 Isaac Gym + AWD 训练策略，Raspberry Pi Zero 2W 作为 onboard 计算机。它证明了：一个爱好者，用开源工具，就能做出会走路的双足机器人。

但 Open Duck Mini 也有明显的局限：

• 需要 3D 打印、自行采购 BOM、手工组装

• 机械设计有改进空间（"too much play at some joints"）

• 没有成熟的软件生态

Microduck 正是对这个社区需求的商业化回应。它的软件栈完全开源——控制固件、RL 训练环境、MuJoCo 模型、ONNX 导出工具全部托管在 GitHub 上，采用 Apache 2.0 许可证。但需要注意：硬件设计文件（CAD、PCB、BOM）目前尚未开源。Pollen Robotics 已明确要求媒体在现阶段不要将其描述为"开源硬件"。

这意味着你可以自由修改它的"大脑"——训练新策略、重写控制逻辑、接入自己的 AI 模型——但如果你想从零造一台，目前还做不到。

这是一个经典的开源社区孵化 → 商业产品放大的路径。Open Duck Mini 证明了可行性，Microduck 让可行性变成了可及性。

---

四、Hugging Face 的物理 AI 野心：LeRobot 全栈

2025 年 4 月，Hugging Face 收购了 Pollen Robotics。当时很多人不解：一个做模型托管和 NLP 工具的公司，为什么要买一家机器人公司？

Microduck 就是这个问题的答案。

Hugging Face 正在构建一个从数据到部署的物理 AI 全栈，核心就是 LeRobot：

层级	工具/产品	作用
数据层	LeRobotDataset	标准化格式（Parquet + MP4），解决机器人数据碎片化问题
模型层	内置策略库	ACT、Diffusion、VLA（Pi0、Pi0Fast、GR00T 1.7）、World Models（VLA-JEPA）、Reward Models
训练层	Hugging Face Jobs  + NVIDIA 合作	云端训练、Cosmos 3 世界模型、Isaac Teleop
硬件层	Reachy Mini （交互）+ Microduck（行动）+ SO-101/LeKiwi 等	软件开源的硬件平台
部署层	ONNX 导出 + robotctl	一键部署到真实机器人

LeRobot 的野心不止于代码库。它已经发表了 ICLR 2026 论文，被学术界认可为端到端机器人学习的开源基础设施。

NVIDIA 与 Hugging Face 的深度合作更是加速了这一生态：Isaac GR00T 1.7 人形基础模型、Isaac Teleop 遥操作、Cosmos 3 世界模型——这些顶级工业界资源正在通过 LeRobot 流向每一个开发者。

Thomas Wolf 说得很好："Open source is how a field turns advanced research into something people can study, adapt and build on."

NLP 领域在 2019 年经历了 Transformer 的开源爆发，才有了今天的大模型生态。Hugging Face 相信，物理 AI 需要同样的人口基数——不是几个顶级实验室，而是成千上万的人亲自走过 sim2real 的闭环。$399 的价格，就是为了让这个基数足够大。

---

五、产品矩阵：Reachy Mini vs Microduck

Pollen Robotics 目前有两款消费级机器人，定位清晰互补：

	Reachy Mini	Microduck
形态	桌面固定	双足移动
价格	$299（Lite）/ $449（无线版）	$399
核心能力	交互 （语音、视觉、表情、LLM 对话）	行动 （走路、RL、sim2real）
头部	6 自由度 + 动画天线	单眼 + 喙
计算	Raspberry Pi 4 / 外接 PC	Rockchip RK3566 onboard
目标用户	想探索 AI 对话和感知的人	想探索机器人控制和强化学习的人

截至 2026 年 5 月，Reachy Mini 累计销量约 10,000 台。

社区创造了大量应用：有人把它变成 Theremini 电子乐器，有人接入 GPT-4o-realtime 做情绪表达，有人在探索本地运行的全管道。

这个矩阵很聪明：它覆盖了物理 AI 的两个核心维度——感知与交互，以及运动与控制。而且两者都基于相同的技术哲学（软件开源、Python/PyTorch、Hugging Face Hub 生态），用户可以在两个平台之间迁移知识和技能。

---

六、国内开发者如何参与：hf-mirror 镜像站

对于国内开发者来说，访问 Hugging Face 官方资源如果不用代理的话基本会遇到网络问题。这时候 hf-mirror.com 就派上了用场。

hf-mirror 是国内最主流的 Hugging Face 镜像站，实时同步官方的模型、数据集和文件。使用方式非常简单：

方法 1：环境变量

export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download --resume-download google/paligemma-3b-pt-224

方法 2：Python 代码

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
from huggingface_hub import login, snapshot_download
login()  # 输入你的 hf_ 开头 token
snapshot_download(repo_id="pollen-robotics/microduck-policies")

方法 3：修改 LeRobot 源码对于 LeRobot 的数据集可视化等工具，可以将源码中的 URL 从 https://huggingface.co/ 替换为 https://hf-mirror.com/：

# 在 visualize_dataset_html.py 中
url = f"https://hf-mirror.com/datasets/{repo_id}/resolve/main/" + ...

这意味着国内开发者完全可以无障碍地使用 Microduck 的完整软件生态——下载预训练策略、分享自己训练的策略、使用 LeRobot 的数据集和模型库。

---

七、它为什么重要：三个深层意义

1. 强化学习的"平民化"

在此之前，sim2real 强化学习是顶级实验室的专属：

• 需要昂贵的动作捕捉系统

• 需要定制的液压/电机平台

• 需要专门的模拟环境工程师

Microduck 把这一切压缩到了一个 $399 的盒子里。一个学生，用一台带 CUDA 的笔记本，几小时就能训练出一个可部署的走路策略。

2. 机器人软件的"安卓时刻"

机器人的历史一直被困在碎片化中：每个实验室有自己的模拟器、自己的数据集格式、自己的部署管道。LeRobot + Microduck 正在推动一种标准化：

• 统一的 Robot 类接口（已支持 SO100、LeKiwi、Koch、Reachy2、Unitree G1、OpenARM 等十几种硬件）

• 标准化的 LeRobotDataset 格式

• 可共享的 ONNX 策略 + Hugging Face Hub 分发

这意味着：你在 Microduck 上训练的策略，未来可能可以直接迁移到其他支持 LeRobot 的机器人上。

3. 从"自动化"到"可教育"

传统机器人是自动化的——它们执行预设程序。Microduck 是可教育的——你可以训练它做新的事情，然后分享给社区。

uv run publish 命令让你可以把一个策略上传到 Hugging Face Hub，任何人都可以下载并安装到自己的 Microduck 上。

这创造了一个行为市场的雏形：未来的 Microduck 主人可能不只是使用者，而是行为的设计师和交易者。

---

八、局限

任何客观的分析都必须承认边界：

1. 尚未发货：预售开启于 2026 年 8 月 27 日，预计圣诞节前发货。所有演示都是受控环境，真实家庭场景中的表现仍是未知数。

2. 续航限制：约 1 小时的电池续航，意味着它更像一个"实验平台"而非"家庭伴侣"。

3. 算力天花板：Rockchip RK3566 足够运行 ONNX 策略，但不足以运行大型 VLA 模型。复杂的视觉-语言-动作推理仍需云端或外接计算。

4. 机械精度：BAM 模型已经考虑了反向间隙，但 800g 双足机器人在复杂地形上的鲁棒性仍有挑战。

5. 不是家电，是开发平台：正如一位 Hacker News 评论者所说："I would describe the Microduck as more of a toy than Beni... you'll struggle to get Microduck to do anything genuinely useful."

   这公平——它的价值在于学习过程，而非即插即用的功能。

6. 硬件未开源：虽然软件栈完全开源，但机械 CAD、PCB 和 BOM 目前不公开。这意味着你无法从零复制一台，只能购买整机后在其软件层进行二次开发。

---

九、结语：一只鸭子，一个时代

Microduck 的可爱外形可能会让人低估它的意义。但当你看到一只 $399 的机器人，用从 MuJoCo 模拟器里学来的神经网络，在真实地板上稳稳走路、轮滑、捡东西、自己站起来时，你看到的是物理 AI 的门槛正在崩塌。

从 Open Duck Mini 的社区火花，到 Pollen Robotics 的工程淬炼，再到 Hugging Face 的生态放大，Microduck 代表了一条清晰的路径：开源社区的创新 → 商业产品的普及 → 整个领域的加速。

Clement Delangue 说这是一个"开源 affordable robots 的时代"。

也许更准确地说：这是物理 AI 从论文走向客厅的时代。而那只鸭子，只是第一个敲门的。

---

附：核心资源链接

资源	链接
Microduck 主仓库（软件）	github.com/pollen-robotics/microduck
Microduck RL 训练环境	github.com/pollen-robotics/microduck_rl
官方产品页	pollen-robotics.com/microduck
Open Duck Mini（社区前身）	github.com/apirrone/Open_Duck_Mini
Reachy Mini 博客	huggingface.co/blog/reachy-mini
LeRobot	github.com/huggingface/lerobot

​​​​​​​