300台人形机器人要跑半马，谁来保证关节编码器不在第3公里就“瞎眼”？

4月19日，北京亦庄，300多台人形机器人要在同一条半马赛道上开跑。

一、半马不是秀场，是一场把编码器拖上赛道的压力测试

这个新闻最吸睛的地方，表面上是“人形机器人终于开始像人一样跑步了”，但真正让硬件工程师后背发紧的，根本不是热闹，而是另一个问题：这21.0975公里，不是谁先跑完就算谁赢，而是谁能在整整几万步的重复冲击里，始终不把自己的位置感知跑丢。2026北京亦庄人形机器人半程马拉松目前公开的信息很明确，比赛将于4月19日举行，报名申请来自76家主体、超百支队伍，覆盖26个品牌、300余台人形机器人，其中自主导航参赛队伍占比约38%。这已经不是一场小圈子的技术秀了，它更像一次公开的、长时间的、带负载的系统压力测试。

很多人看机器人跑步，先盯的是电机功率、减速器寿命、控制算法、续航，甚至是摔倒时能不能自己爬起来。可真正把一台机器人从“能动”推到“能稳定地动”，中间有个特别不显眼、但又绝不能出错的东西，就是编码器。

因为对一个跑步中的关节来说，电机给多大力不重要，控制器先得知道它此刻到底转到了哪儿。这个“知道”，在实验室里看上去很简单，放到赛道上就一点都不简单了。跑半马不是转台测试，不是恒温箱，不是把关节锁在支架上看波形漂不漂。它是连续几小时的重复落脚、反复加减速、电机持续发热、结构持续震动、线束持续摆动，外加驱动器一直在旁边用PWM和换相制造电磁噪声。

对编码器来说，这种工况最可怕的地方从来不是误差慢慢变大，而是某一个瞬间，它突然“认错了自己在哪个周期里”。

这也是我觉得这场比赛真正有意思的地方。它第一次把很多平时躲在参数表后面的东西，硬生生拖到了公开环境里。你平时可以说自己静态精度多漂亮、重复性多好、标称分辨率多高，可一旦开始跑，问题立刻就变成另一套语言：高温下还稳不稳，冲击下还连续不连续，杂散磁场压过来时会不会误判，偶发尖峰来了以后会不会直接跳错一格。真正决定机器人会不会在第3公里突然腿软的，不一定是平均误差，而是那个最坏瞬间有没有越界。

很多做磁编码器的人都知道，类似游标这类多对极绝对位置算法最怕的，不是“噪声大一点”，而是参考通道在某个瞬间越过了解模糊边界。拿最典型的一类结构来说，假设内圈是N极对，高分辨率角度来自内圈，外圈提供低频参考，帮助系统判断当前落在哪个内圈周期里。那么这类融合算法能不能稳定输出唯一绝对角度，核心并不在“平时大概准不准”，而在参考误差是否始终被压在一个硬边界里。很多实现最后都会收敛到类似这样的判据：

这不是营销文案，这是解模糊唯一性的底线。比如N=32时，右边就是1/64圈，也就是机械角约5.625°。只要参考通道的瞬时误差始终小于这个边界，系统就还能知道自己在哪个32分之一周期里；一旦跨过去，事情就不再是“精度从0.2°掉到0.8°”，而是可能直接跳错一个极对周期。对32极对来说，那一下就是11.25°级别的突变。放在图表上也许只是曲线突然蹦 了一下，放在跑步中的膝关节或踝关节上，就可能是一次完全不该出现的虚假收腿或者虚假落脚。

二、真正危险的，不是平均误差，而是那个最坏瞬间会不会越界

这里最容易被外行误判的一点是，很多人总爱拿“典型精度”安慰自己。比如说，外圈参考在常温静止时误差也就一两度，离5.625°还远着呢，看起来挺安全。

但问题是，半马这种场景从来不按典型值出牌。磁体会温漂，霍尔或MR前端会漂，机械支架在冲击下会有微小位移，线束拉扯会带来结构应力，电机换相和大电流PWM又会带来时变杂散场。每一项单拎出来，可能都没到致命程度，可怕的是它们会在同一时刻叠到同一个参考通道上。

磁体磁通密度随温度升高而下降是公开的常识，NdFeB磁体常见的剩磁温度系数大约在每摄氏度负百分之零点几这个量级，温升一上来，幅值、相位、线性都可能跟着变。

功能安全标准谈的是危险失效发生的概率、容错和系统性失效控制，不是“这颗传感器一般情况下挺准”；EN ISO 13849-1也是围绕安全相关控制系统的性能等级和安全功能实现来展开，而不是单拿一个静态误差值就宣布系统安全。

所以这类高精度系统真正该看的，不是均值，不是RMS，不是“我们上周在台架上测得挺好”，而是包络峰值，是最坏时刻，是越界事件到底有没有可能发生。工程上最危险的一句话，就是“这个情况概率很低”。因为半马不是一分钟测试，它是长时间、重复、高循环次数的运行。单步里概率很低的异常，只要乘上足够多的步数、足够多的关节、足够多的机器人，最后就会变成一个非常现实的东西：你到底有没有机会在公开赛道上亲眼看到它摔。

说白了，这场比赛对编码器的拷问，根本不是“你在最顺的时候能有多准”，而是“你在最乱的时候还会不会认错周期”。

三、路线之争，拼的不是谁参数好看，而是谁更懂失效模式

这就把话题带到了路线选择上。不同方案，在半马这种工况下面临的不是同一类风险。

最便宜的那种方案，问题不是准不准，而是信息量本来就不够。三霍尔或者极粗粒度位置反馈，能不能让电机转起来是一回事，要不要拿它去支撑一个人形机器人长时间稳定跑步，是另一回事。它的问题不是偶尔漂一点，而是底层可观测性就有限。你让它在低速启停、反复冲击、动态姿态切换里一直把换相、扭矩和步态配合好，难度太大了。它便宜，但它天然更接近“能动”，离“能跑完”还有距离。

再往上一档，单磁环、单绝对角的离轴磁编方案，是很多机器人的现实选择。成本、体积、装配、供应链，都比较友好。它真正的挑战不在纸面分辨率，而在动态鲁棒性。也就是说，静止时你可以做到很好看，但跑起来以后，机械偏心、安装偏角、温漂、杂散场、振动，会不会把你从“误差连续变化”推到“解算偶发断裂”，这才是分水岭。很多团队最后拼的，不只是芯片本身，而是磁路设计、结构公差、装配控制、前端滤波、异常值拒判和整个伺服环的联调功底。真正能打的方案，往往不是最漂亮的，而是最不容易在脏工况里失态的。

再往上，就是双通道、双传感器、双位置源交叉验证的路数。电机侧一个，输出侧一个；高速环看一个，位置环再看一个；或者同轴不同原理互相交叉。它贵，复杂，布置也麻烦，但逻辑很朴素：你既然知道单一位置源总有盲区，那就别把全部命运押在一个传感器上。这条路不是为了把静态精度从0.05度卷到0.01度，而是为了防止某一颗传感器在最倒霉的时刻突然说胡话，系统却没人能识别出来。

也正因为如此，我一直觉得人形机器人对编码器的真正筛选，不是“谁的宣传册写得更猛”，而是谁更理解“失效模式”这四个字。你到底担心的是幅值塌陷、相位扰动、偏心导致的周期性误差、换相点附近的瞬时偏移、强冲击下的机械相对位移，还是历史滤波把真实突变错当噪声给抹掉？每一种担心，最后对应的设计方法都不一样。你靠堆分辨率没用，靠堆位数也没用，甚至靠把曲线校到特别圆，有时候也没用。因为真正要命的那一下，往往不是“整体不准”，而是“局部突然不连续”。千万不要把"隐藏问题"当成"解决问题"。

四、半马真正筛掉的，不是落后的品牌，而是不敢面对最坏工况的方案

这就是为什么我反复说，半马真正考的不是静态精度，而是动态边界。实验室里一张很漂亮的Lissajous图，到了赛道上不一定还漂亮；台架上连续转十分钟没问题，到了落地冲击和热饱和叠加的工况下，未必还能一样。你如果把文章写成“哪种编码器绝对最好”，那就俗了。真正更狠的写法，是把问题缩成一句：在21公里的真实扰动里，你的参考通道有没有可能越界。只要这句话立住，整篇文章就有骨头了。

从这个角度看，4月19日亦庄这场比赛，其实比很多发布会都更诚实。因为发布会只会告诉你机器人能跑，赛道会告诉你机器人为什么跑着跑着就不稳了。对做传感器的人来说，这种场合最残酷，也最公平。谁的方案能在长时间、高冲击、强耦合工况下把位置连续性保住，谁就真的值钱。谁只是平时参数好看，一上强度就开始偶发跳变、漂移失控、误判周期，那它在量产时代就早晚会被筛掉。

2026年大家都在说人形机器人进入量产元年，这话没有错。但量产这个词一旦成立，编码器行业面对的就不再只是“能不能做出来”，而是“敢不敢长期交付”。便宜但不稳的方案，最后会被售后拖死；贵但可靠的方案，随着规模起来，反而有机会把成本压下来，变成新的行业基准。真正的达尔文主义，不发生在PPT上，发生在真实运行里。

所以这篇文章最想说的，其实不是“机器人跑半马很酷”，而是另一句更冷的工程话：对编码器来说，最难的从来不是在最好的情况下测得准，而是在最差的时候也别跳错。前者叫性能，后者才叫底线。

如果4月19日那天，真有机器人在赛道上跑着跑着突然步态一乱、关节抽了一下、控制开始补救却越补越怪，那背后大概率不是一句“算法没调好”就能解释完的。很多时候，真正的罪魁祸首，恰恰就是那个平时谁都不愿意认真展开讲的词：失效边界。

而一个真正成熟的编码器方案，最终要回答的也只有一句话：你到底是大多数时候都不错，还是最坏那一下也不会错。