机器人腱伸长 0.2 毫米，指尖却偏了 1.7 毫米——你的＂编码器＂只看得到绳的这一头

齿轮传动里"电机角 ÷ N = 关节角"基本成立，几何速度比是常数。腱不是：它有弹性、有预张力、会蠕变，绕过滑轮的摩擦还方向相关——变的不是几何比，是电机角和关节角之间那个负载相关的偏差 δ。而且腱伸长与指尖误差不是 1:1，中间隔着两级放大。最后你会撞见一个咬住自己尾巴的环。

先看一张 1X 官方放出来的传动特写。

1X（1X Technologies）是 OpenAI 投资的人形机器人公司，前身 Halodi Robotics，2014 年起步于挪威，主力产品是家用双足人形机器人 NEO。2026 年 7 月，它给 NEO 发布了一只 25 自由度的腱驱动灵巧手——手指力控、可反驱、带触觉，主打"接近人手"。下面这张，就是这只手的传动特写。

图源：1X 官方（版权归 1X，评述性引用）。注意：这张特写只证明得了末端是腱—滑轮传递，证明不了"没有别的传动或传感结构"——那都在取景框之外。

一颗大直径电机，一根绳，绕过两个滑轮。

看到这张图的时候，我脑子里冒出来的第一句话是：

那不是齿轮。

这句话听起来像废话。但它的工程后果，大得吓人。

因为所有做伺服的人，脑子里都刻着一个默认前提：

θjoint = θmotor ∕ N

电机在哪，我就知道关节在哪。这个前提在齿轮传动里基本成立——齿数比刻在金属上，除了背隙，几何速度比是常数。但换成一根绳，它就不成立了。

01 绳会干四件齿轮不会干的事

它有弹性。你一使劲，它就长。

它有预张力。装配时拧多紧，会一直跟着你。

它会蠕变。跑上几十万次，它就回不到原来的长度了。

它的摩擦是方向相关的。正着拉和反着放，不是一笔账。

说准确一点：变的不是那个几何速度比——在特定构型下它仍可近似为常数。变的是"电机角"和"关节角"之间，那个负载相关的偏差：

θjoint ≈ θmotor ∕ N − δ（张力, 温度, 磨损, 方向, 时间）δ = 腱的顺应性与迟滞

图1：同一个前提，两种命运。左边刚性齿轮，电机角除以 N 就是关节角，关系钉死在金属上；右边中间多了一段会伸缩的绳，电机和关节之间那条线，就断了。（原创示意图）

电机侧的编码器，永远只看得到绳的这一头。

02 别以为"腱伸长 0.2 mm"就等于"指尖偏 0.2 mm"

这是最容易想当然的一步。中间隔着两级换算。第一级——腱的线位移，先换算成关节角：

Δθj ≈ Δlt ∕ rt

rt 是腱轮半径，这一步是量纲换算——把毫米变成弧度。注意那个半径：通常只有几毫米。第二级——关节角，再映射到指尖：

Δxtip ≈ J(θ) · Δθ

J 是手指的雅可比，量级由指节长度决定——几十毫米。这一步不是简单乘一个常数——它取决于当前构型、是哪个关节出的误差、误差方向、多关节误差会不会互相抵消。所以不能笼统说"到指尖就是被放大的"。

但在最常见的单关节近似下，量级是这样的：

Δxtip ≈ (Leff ∕ rt) · Δlt

举个例子：腱轮半径 6 mm、有效力臂 50 mm——比值约 8.3。

腱伸长 0.2 mm → 关节偏约 1.9° → 指尖偏约 1.7 mm

图2：这笔账怎么被放大 8.3 倍——绳上那 0.2 毫米，先除以只有 6 毫米的腱轮半径换成 1.9° 的转角，再乘上 50 毫米的指尖力臂，就是 1.7 毫米。腱轮很小、力臂很长，放大就发生在这个比值里。（原创示意图；参数为典型量级示例，非任何厂商实际值）

腱轮只有几毫米，指尖力臂却有几十毫米。

这只是一个算例，不是定律。具体比例取决于几何——而这些参数，做手的公司通常不公开。

03 正着拉和反着放，不是一笔账

还有一层，是齿轮完全没有的。绳绕过滑轮的时候，效率是方向相关的。

① 绳自己的弯折内摩擦。编织绳在滑轮上弯过去、再弯回来，纤维之间互相错动、耗散能量——拉紧和放松，这个耗散不对称。

② 若有任何固定导向面（而不是滚动轴承），还要叠加 capstan 效应：张力沿包角指数放大 eμβ。指数，不是线性。

同一个关节角度，“我正在推"和"我正在放”，电机侧看到的电流不一样。

于是力觉输出里，多了一个方向相关的迟滞环。而最阴的一点是：如果你的标定是"双向跑一圈取平均"做的——从最终那条误差曲线上，它就消失了。

原始的正反转数据里它还在。前提是你留了。

04 然后你会撞见一个咬住自己尾巴的环

把上面的东西连起来，会看到一件很漂亮、也很难受的事：

力估计，需要准确的关节角度。

准确的关节角度，需要知道腱变形了多少。

腱的变形，跟着张力走。

而张力……恰恰是从力估计来的。

角度 → 力 → 张力 → 腱变形 → 角度。

图3：你要的两个量，互为对方的输入。要算力，得先知道关节角；要知道关节角，得先知道腱变形了多少；腱变形跟着张力走；而张力，又是从力估计来的。（原创示意图）

它不是"编码器精度不够"这么简单——它是一个耦合回路：你要的两个量，互为对方的输入。解这个环，无非三条路：

① 在关节侧独立测角度，把环剪断。关节角直接观测，不依赖张力估计。代价：十几毫米的关节里塞传感器 + 多路走线。

② 用状态观测器联合估计。拿电机角、电流、运动响应和腱刚度模型，同时估出关节位置、腱变形和外力。代价：模型误差会一起进到角度和力里。

③ 建一个准确的腱模型，前馈掉。代价：这个模型会随磨损和温度过期——回到蠕变那个问题。

注意 ② 是能走通的——环不是"没有独立传感器就闭不上"。真正的差别在这里：

有独立观测，环靠"测"来闭。

05 下次评审，问这三个问题

1腱的变形，靠什么观测或补偿？关节侧编码器？张力检测？双编码器差值？还是纯靠模型？总得有一个。

2正着推和反着放，测出来的力差多少？如果你的标定是双向平均做的，你根本不会看到这个数。

3几百万次循环后，出厂标定的"电机角 → 关节角"映射还成立吗？腱在长期载荷下会蠕变、编织整定、端部沉降、残余伸长。有没有在线重标机制？

齿轮箱不只是在放大力矩。

刚性齿轮传动，还给了"电机在哪"和"关节在哪"之间，一套相对稳定的几何关系。

换成一根柔性腱，你减少的不只是摩擦。

那套关系，开始随负载、方向和时间变化。

— 知识卡片 —

边界说明

· 配图引自 1X 官网（版权归 1X，评述性引用）。这张特写只证明得了末端是腱—滑轮传递，证明不了"没有别的传动或传感结构"——那都在取景框之外。

· “腱轮 6 mm / 力臂 50 mm / 约 8.3 倍"是典型量级示例，不是任何厂商参数。第二级的雅可比映射并不必然是放大（取决于构型、出误差的关节、误差方向）。

· 腱驱动的顺应性、摩擦和蠕变会拖垮"仅靠电机编码器估关节位置"的精度——这是机器人手领域的公认问题，双编码器是文献里已有的路线之一。

· fig1 / fig2 / fig3 为原创示意图，用于把推理链画清楚；图中数字为典型量级示例，非任何厂商实测值。

微信公众号｜如是有为 · 机器人 · 编码器