一部機械人就算睇得清楚、諗得周詳，如果連工作地點都去唔到，部署仍然會喺第一步卡住。Direct Drive 的主張係，對具身 AI（Embodied AI）嚟講，早期最先要解決的未必係「大腦夠唔夠聰明」，而係機械人有冇能力進入真實世界中各種唔規則的環境。

如果機械人過唔到路壆、門檻、爛路、斜坡或者泥地，佢唔單止做唔到嗰度的工作，亦收集唔到嗰類環境下的真實互動數據。對需要靠實際操作持續改善的具身智能而言，身體的活動範圍亦會直接限制智能可以發揮到幾遠。3437

呢個講法唔代表軟件同模型唔重要。具身智能本身需要「本體、環境、智能」三者配合，而機械人的身體能力會限制整個系統的表現。19 其他行業分析亦指出，真實世界數據不足、泛化能力有限、硬件成熟度、算力同可靠性，全部係互相扣連的瓶頸。41 Direct Drive 比較特別的地方，在於佢提出一個先後次序：先解決機械人能否進入更多環境，再逐步擴大智能同商業覆蓋面。

第一關：機械人要先「入到場」

好多室內移動機械人都係按照平坦、規整的地面設計。喺工場、倉庫或者經過特別整理的室內空間，呢套假設可能成立；但一去到日常環境，路線隨時會出現門檻、路壆、樓梯、鬆散泥土、破損路面、急斜轉折，甚至室內外地面交接位。

一部停喺呢啲邊界前面的機械人，可能仍然可以喺指定設施內運作得唔錯，但就覆蓋唔到完整任務，亦無法喺自己最需要學習的環境收集數據。

Direct Drive 及相關報道將問題形容為「載體問題」：欠缺的未必只係更多錄影設備或者更大訓練預算，而係一個真正有能力去到困難地形的平台。一部只可以喺平地行走的機械人，無論運行幾耐，都唔會產生樓梯或者泥地上的運動數據。模擬環境同影片可以協助預訓練，但具身智能研究亦指出，受控或模擬環境同動態實體互動之間，仍然存在明顯落差。3445

所以，Direct Drive 的部署思路唔係要求環境遷就機械人，例如大規模加建專用斜道、鋪設視覺標記、劃出限制路線，或者將工作範圍改造成一個高度規整的「機械人專區」；相反，機械人應該盡量適應人類原本已經使用緊的空間。

對要往返行人路、建築物、服務區域同戶外地形的任務嚟講，呢種能力尤其關鍵。因為真正的工作現場，通常唔會好似實驗室咁平整同可預測。

點解要將車輪同腿結合？

車輪同腿部的取捨，通常被簡化成「效率」對「適應力」。Direct Drive 的答案唔係二揀一，而係將兩者放入同一套移動系統。

• 車輪：喺平滑地面、走廊同道路上行駛速度快、效率高，但會受台階高度、縫隙、鬆散地面同凹凸路面限制。
• 腿部：可以抬高機身、改變姿勢、跨越地面斷層，但控制、能源消耗同工程複雜度通常較高，未必適合所有日常路段。
• 輪足：以滾動作為預設模式，當遇到門檻、路壆或者斜坡，就利用腿部關節抬升、跨越、穩定機身或者調整姿勢。

NVIDIA 對 TITA 的描述亦採用類似框架：將輪式移動的速度同敏捷度，配合腿式機械人的適應能力，並使用直驅關節同輪轂馬達技術。1 換句話講，目標唔係要機械人全程用「行路」方式前進，而係平地就用車輪慳力快速移動，環境變複雜時先切換至更有能力的動作策略。

實際上，機械人可以喺走廊上滾動前進，遇到門檻時由腿部關節抬高機身，喺斜坡上調整重心，去到戶外較平坦路段再恢復輪式行駛。呢種設計希望減少任務因為一個小障礙而被迫中止，亦減少改造場地的需要。

直驅執行器可以幫到咩？

要做到快速而受控的姿勢轉換，機械人需要對動力同關節動作有即時控制。直驅輪轂馬達將推進力直接施加喺車輪；直驅或者準直驅關節，則提供抬升機身、改變姿勢、穩定平衡同跨越障礙所需的扭力。TITA 的資料明確提到，平台同時採用直驅關節及輪轂馬達技術。17

減少對傳統齒輪箱等傳動組件的依賴，理論上可以令扭力控制更加直接，亦有助提升動作反應速度。不過，直驅唔係一個「冇代價」的方案：馬達、機架、散熱系統同控制軟件，仍然要承受高負載以及反覆撞擊。

因此，直驅唔會取代智能，而係提供一個物理底層，決定高層規劃出來的動作能否喺不平坦地面上可靠執行。

TITA 正好展示咗呢幾層技術點樣結合。Direct Drive 列出的規格包括 8 個自由度、峰值扭矩 120 N·m、10 公斤動態負載、可熱插拔電池、NVIDIA Jetson Orin NX 16GB 處理器，以及標稱 100 TOPS AI 算力。平台亦支援 ROS 2，同時提供較完整的軟件及硬件介面作開發用途。91132

感知方面，TITA 配備雙目相機、超聲波感測器同 SPAD 感測器，讓系統可以偵測障礙並作出反應。9 真正值得留意的，唔係某一項規格單獨有幾突出，而係感知、決策同機械身體之間的連接：當路面唔再平坦，機械人唔只係「知道」前面有障礙，仲要有能力改變自己位置去應對。

由刑天到 TITA，再到 D1

Direct Drive 的產品路線，可以睇成由展示輪足移動概念，逐步走向更強的開發平台同可變形機械人。

刑天：較早期的商用輪足驗證

公司將刑天定位為較早期的商用直驅雙輪足機械人。後續公司及業界資料形容，刑天結合輪式高速移動同腿式越障能力，並透過開放 SDK 支援二次開發。21

放喺產品演進入面，刑天的意義係先證明一個基本命題：一個緊湊的輪足機身，可以比傳統輪式底盤進入更多具有地面落差的環境，同時又唔需要所有路段都採用純腿式行走。

TITA：面向開發者的輪足平台

TITA 於 2023 年推出，將概念擴展成 8 自由度的輪式雙足平台。佢加入更完整的執行器同感測系統、模組化安裝導軌，以及面向研究同應用開發的軟硬件介面。2

公開規格包括 ROS 2 支援、熱插拔電池、主動避障、20 厘米最高跳躍高度，以及最高 3 米／秒速度；更高速度則需要透過 API 解鎖。91132

TITA 被定位用於巡檢、配送、物流、農業同研究等場景。呢啲屬於公司或者產品的定位，唔等於每一種應用都已經獲得商業化證明；但佢反映出 Direct Drive 的方向：用同一個移動底座，處理由規整室內設施延伸至較難預測戶外路線的任務。321

D1：機械人本身都可以改變形態

D1，部分報道亦稱為 D-Infinite，將概念由固定輪足機身再推前一步。平台可以單獨以站立的雙輪足形態運作，亦可以將模組組合成較低、更穩定的四輪匍匐形態。26

相關規格列出，D1 的最高越障高度為 70 厘米；四輪匍匐模式最高負載可達 100 公斤，另一種站立配置則列出 80 公斤負載。24 呢種模組化設計，讓機械人可以因應任務，在機身尺寸、靈活性、穩定性同載重能力之間作取捨。

例如，站立形態可能較適合需要較窄機身、行走人行道或者處理樓梯的情況；組合後的低位形態，則可以為重物運送同較粗糙地形提供更穩定的支撐。背後的想法係，一部通用機械人未必需要一副「完美形態」，而係需要一個可以隨工作改變物理配置的平台。

呢套策略證明咗乜，又未證明乜？

Direct Drive 的架構確實針對一個真實限制：機械人去唔到的地方，就做唔到當地工作，亦收集唔到當地的互動數據。輪足設計提供咗純車輪效率同純腿式適應力之間的一個可能折衷，而直驅執行器則將高層移動計劃同即時物理控制連接起來。143

但「入到場」只係第一道門，唔係全部瓶頸。機械人仍然需要可靠感知、操作能力、導航、安全行為、能源管理、可負擔的維修方案，以及可以適應環境變化的模型。政府及業界分析亦指出，高質素真實世界數據稀缺、實驗室同現場之間存在落差、硬件規模化可靠性不足，全部都會限制具身智能由驗證走向大規模商用。41

商業證據亦需要小心解讀。Direct Drive 的產品頁面同公司資料主要描述指定配置下的能力、應用同性能；呢啲資料唔等於已經有獨立證據證明其具備通用自主能力，或者已經大規模部署。獨立報道亦形容，公司本身的機械人業務目前商業化程度仍然有限，雖然相關產品線有所增長。36

對具身 AI 最大的啟示：先解決「物理進入」，再擴大「業務覆蓋」

Direct Drive 提出的次序相當直接：

1. 先造一個可以進入更多工作環境的身體。
2. 利用呢種進入能力完成任務，並收集更豐富的真實互動數據。
3. 透過持續部署，改善感知、控制同泛化能力。
4. 由具體應用逐步擴展至更廣泛的商業場景。

所以，Direct Drive 的輪足機械人唔只係另一種底盤設計，而係代表一套對具身 AI 發展次序的判斷：機械人要成為真正通用的系統，第一步唔係先講到幾宏大的模型，而係要有足夠的物理自由，去接觸佢聲稱要理解的世界。

如果連現場都未能抵達，最聰明的模型都只可以停留喺原地。

一部機械人就算睇得清楚、諗得周詳，如果連工作地點都去唔到，部署仍然會喺第一步卡住。Direct Drive 的主張係，對具身 AI（Embodied AI）嚟講，早期最先要解決的未必係「大腦夠唔夠聰明」，而係機械人有冇能力進入真實世界中各種唔規則的環境。

如果機械人過唔到路壆、門檻、爛路、斜坡或者泥地，佢唔單止做唔到嗰度的工作，亦收集唔到嗰類環境下的真實互動數據。對需要靠實際操作持續改善的具身智能而言，身體的活動範圍亦會直接限制智能可以發揮到幾遠。3437

呢個講法唔代表軟件同模型唔重要。具身智能本身需要「本體、環境、智能」三者配合，而機械人的身體能力會限制整個系統的表現。19 其他行業分析亦指出，真實世界數據不足、泛化能力有限、硬件成熟度、算力同可靠性，全部係互相扣連的瓶頸。41 Direct Drive 比較特別的地方，在於佢提出一個先後次序：先解決機械人能否進入更多環境，再逐步擴大智能同商業覆蓋面。

第一關：機械人要先「入到場」

好多室內移動機械人都係按照平坦、規整的地面設計。喺工場、倉庫或者經過特別整理的室內空間，呢套假設可能成立；但一去到日常環境，路線隨時會出現門檻、路壆、樓梯、鬆散泥土、破損路面、急斜轉折，甚至室內外地面交接位。

一部停喺呢啲邊界前面的機械人，可能仍然可以喺指定設施內運作得唔錯，但就覆蓋唔到完整任務，亦無法喺自己最需要學習的環境收集數據。

Direct Drive 及相關報道將問題形容為「載體問題」：欠缺的未必只係更多錄影設備或者更大訓練預算，而係一個真正有能力去到困難地形的平台。一部只可以喺平地行走的機械人，無論運行幾耐，都唔會產生樓梯或者泥地上的運動數據。模擬環境同影片可以協助預訓練，但具身智能研究亦指出，受控或模擬環境同動態實體互動之間，仍然存在明顯落差。3445

所以，Direct Drive 的部署思路唔係要求環境遷就機械人，例如大規模加建專用斜道、鋪設視覺標記、劃出限制路線，或者將工作範圍改造成一個高度規整的「機械人專區」；相反，機械人應該盡量適應人類原本已經使用緊的空間。

對要往返行人路、建築物、服務區域同戶外地形的任務嚟講，呢種能力尤其關鍵。因為真正的工作現場，通常唔會好似實驗室咁平整同可預測。

點解要將車輪同腿結合？

車輪同腿部的取捨，通常被簡化成「效率」對「適應力」。Direct Drive 的答案唔係二揀一，而係將兩者放入同一套移動系統。

• 車輪：喺平滑地面、走廊同道路上行駛速度快、效率高，但會受台階高度、縫隙、鬆散地面同凹凸路面限制。
• 腿部：可以抬高機身、改變姿勢、跨越地面斷層，但控制、能源消耗同工程複雜度通常較高，未必適合所有日常路段。
• 輪足：以滾動作為預設模式，當遇到門檻、路壆或者斜坡，就利用腿部關節抬升、跨越、穩定機身或者調整姿勢。

NVIDIA 對 TITA 的描述亦採用類似框架：將輪式移動的速度同敏捷度，配合腿式機械人的適應能力，並使用直驅關節同輪轂馬達技術。1 換句話講，目標唔係要機械人全程用「行路」方式前進，而係平地就用車輪慳力快速移動，環境變複雜時先切換至更有能力的動作策略。

實際上，機械人可以喺走廊上滾動前進，遇到門檻時由腿部關節抬高機身，喺斜坡上調整重心，去到戶外較平坦路段再恢復輪式行駛。呢種設計希望減少任務因為一個小障礙而被迫中止，亦減少改造場地的需要。

直驅執行器可以幫到咩？

要做到快速而受控的姿勢轉換，機械人需要對動力同關節動作有即時控制。直驅輪轂馬達將推進力直接施加喺車輪；直驅或者準直驅關節，則提供抬升機身、改變姿勢、穩定平衡同跨越障礙所需的扭力。TITA 的資料明確提到，平台同時採用直驅關節及輪轂馬達技術。17

減少對傳統齒輪箱等傳動組件的依賴，理論上可以令扭力控制更加直接，亦有助提升動作反應速度。不過，直驅唔係一個「冇代價」的方案：馬達、機架、散熱系統同控制軟件，仍然要承受高負載以及反覆撞擊。

因此，直驅唔會取代智能，而係提供一個物理底層，決定高層規劃出來的動作能否喺不平坦地面上可靠執行。

TITA 正好展示咗呢幾層技術點樣結合。Direct Drive 列出的規格包括 8 個自由度、峰值扭矩 120 N·m、10 公斤動態負載、可熱插拔電池、NVIDIA Jetson Orin NX 16GB 處理器，以及標稱 100 TOPS AI 算力。平台亦支援 ROS 2，同時提供較完整的軟件及硬件介面作開發用途。91132

感知方面，TITA 配備雙目相機、超聲波感測器同 SPAD 感測器，讓系統可以偵測障礙並作出反應。9 真正值得留意的，唔係某一項規格單獨有幾突出，而係感知、決策同機械身體之間的連接：當路面唔再平坦，機械人唔只係「知道」前面有障礙，仲要有能力改變自己位置去應對。

由刑天到 TITA，再到 D1

Direct Drive 的產品路線，可以睇成由展示輪足移動概念，逐步走向更強的開發平台同可變形機械人。

刑天：較早期的商用輪足驗證

公司將刑天定位為較早期的商用直驅雙輪足機械人。後續公司及業界資料形容，刑天結合輪式高速移動同腿式越障能力，並透過開放 SDK 支援二次開發。21

放喺產品演進入面，刑天的意義係先證明一個基本命題：一個緊湊的輪足機身，可以比傳統輪式底盤進入更多具有地面落差的環境，同時又唔需要所有路段都採用純腿式行走。

TITA：面向開發者的輪足平台

TITA 於 2023 年推出，將概念擴展成 8 自由度的輪式雙足平台。佢加入更完整的執行器同感測系統、模組化安裝導軌，以及面向研究同應用開發的軟硬件介面。2

公開規格包括 ROS 2 支援、熱插拔電池、主動避障、20 厘米最高跳躍高度，以及最高 3 米／秒速度；更高速度則需要透過 API 解鎖。91132

TITA 被定位用於巡檢、配送、物流、農業同研究等場景。呢啲屬於公司或者產品的定位，唔等於每一種應用都已經獲得商業化證明；但佢反映出 Direct Drive 的方向：用同一個移動底座，處理由規整室內設施延伸至較難預測戶外路線的任務。321

D1：機械人本身都可以改變形態

D1，部分報道亦稱為 D-Infinite，將概念由固定輪足機身再推前一步。平台可以單獨以站立的雙輪足形態運作，亦可以將模組組合成較低、更穩定的四輪匍匐形態。26

相關規格列出，D1 的最高越障高度為 70 厘米；四輪匍匐模式最高負載可達 100 公斤，另一種站立配置則列出 80 公斤負載。24 呢種模組化設計，讓機械人可以因應任務，在機身尺寸、靈活性、穩定性同載重能力之間作取捨。

例如，站立形態可能較適合需要較窄機身、行走人行道或者處理樓梯的情況；組合後的低位形態，則可以為重物運送同較粗糙地形提供更穩定的支撐。背後的想法係，一部通用機械人未必需要一副「完美形態」，而係需要一個可以隨工作改變物理配置的平台。

呢套策略證明咗乜，又未證明乜？

Direct Drive 的架構確實針對一個真實限制：機械人去唔到的地方，就做唔到當地工作，亦收集唔到當地的互動數據。輪足設計提供咗純車輪效率同純腿式適應力之間的一個可能折衷，而直驅執行器則將高層移動計劃同即時物理控制連接起來。143

但「入到場」只係第一道門，唔係全部瓶頸。機械人仍然需要可靠感知、操作能力、導航、安全行為、能源管理、可負擔的維修方案，以及可以適應環境變化的模型。政府及業界分析亦指出，高質素真實世界數據稀缺、實驗室同現場之間存在落差、硬件規模化可靠性不足，全部都會限制具身智能由驗證走向大規模商用。41

商業證據亦需要小心解讀。Direct Drive 的產品頁面同公司資料主要描述指定配置下的能力、應用同性能；呢啲資料唔等於已經有獨立證據證明其具備通用自主能力，或者已經大規模部署。獨立報道亦形容，公司本身的機械人業務目前商業化程度仍然有限，雖然相關產品線有所增長。36

對具身 AI 最大的啟示：先解決「物理進入」，再擴大「業務覆蓋」

Direct Drive 提出的次序相當直接：

1. 先造一個可以進入更多工作環境的身體。
2. 利用呢種進入能力完成任務，並收集更豐富的真實互動數據。
3. 透過持續部署，改善感知、控制同泛化能力。
4. 由具體應用逐步擴展至更廣泛的商業場景。

所以，Direct Drive 的輪足機械人唔只係另一種底盤設計，而係代表一套對具身 AI 發展次序的判斷：機械人要成為真正通用的系統，第一步唔係先講到幾宏大的模型，而係要有足夠的物理自由，去接觸佢聲稱要理解的世界。

如果連現場都未能抵達，最聰明的模型都只可以停留喺原地。