打造一台功能完整的人形机器人，所需花费正在从千万级研发预算向个人可及的范围滑落。新加坡Menlo Research公司近日推出了一款名为Asimov的开源人形机器人DIY套件，定价约1.5万美元，已逼近其物料清单成本，旨在将双足机器人技术从隐秘的企业实验室推向爱好者与独立开发者的工作台。

这款身高1.20米、重约35公斤的机器人拥有超过25个自由度，其交付形态为完全未组装的套件，并配有详细的组装手册和教学视频。它并非消费级成品，而是一个可深度定制的科研平台。一个突出的技术特征是它的模块化架构：独立的腿部、手臂、躯干和头部通过通用电机安装接口连接，用户无需重新设计整机即可更换或升级组件。这种做法既降低了维护复杂度，也为快速试验新型执行器和控制系统扫清了障碍。

在脚踝结构上，Asimov采用了一种并行的旋转-球面-万向节（RSU）机构，为滚动和俯仰运动提供两个自由度。该设计优化了扭矩分布，使机器人能更自然地应对不平坦地形和行走时的地面反作用力。为简化步态控制，它使用了被动铰接脚趾而非主动驱动，这些无动力关节辅助从支撑到蹬离的过渡，在减少计算开销和机械复杂性的同时提升了抓地力和平衡性。其结构件大多针对多射流熔融（MJF）3D打印进行优化，能以低成本制造坚固轻巧的部件，且便于后续替换。

在软件层面，Asimov采用了一种“处理器在环”（PIL）仿真方法，刻意背离理想化的模型假设。该训练环境注入逼真的运行缺陷来映射真实世界的条件，包括模拟高达9毫秒的CAN总线通信延迟，以产生陈旧或失同步的控制信号，以及通过I2C仿真层人为制造传感器噪声。这种设定旨在复现物理机器人系统固有的不可预测性和延迟。

其学习核心基于非对称Actor-Critic强化学习框架。“评论家”网络可获取仿真实体中的真值数据，精准评估状态与奖励；而“行动者”网络则在受约束条件下运行，仅接收类似真实机载硬件的噪声延迟传感器输入。通过在这种信息不匹配下进行训练，策略学会了容忍不确定性和部分可观测性，最终实现了零样本的从仿真到现实迁移——无需额外调校和标定，机器人就能在硬件上直接完成前进、后退及外部推力下的恢复行走。

该套件将完整的物料清单公布在GitHub仓库中，允许开发者自行采购零部件以降低成本。有评论指出，虽仍是一笔可观投入，但相较于早期动辄需要数百万美元研发资金的人形机器人系统，这一路径已将准入门槛显著拉低。