要理解 Hugging Face 最新發布的 LeRobot Humanoid 專案在做什麼，得先知道機器人 AI 是怎麼訓練的。目前的標準流程是，先在電腦模擬裡讓虛擬機器人反覆練習走路，等 AI 學會了，再把它裝到真實機器人上測試。
模擬這一步無論是誰都可以用電腦做到，但走到真機測試階段卻是少數專業實驗室的特權。一台商用人形機器人要價數萬美元，系統封閉，壞了不能自己修，想改裝也動不了。結果就是大量研究永遠停在模擬階段。
LeRobot Humanoid 是什麼
LeRobot Humanoid 目前的實體成果是，一雙約 2,500 美元、用 3D 列印零件和市售電子元件組成的人形機器人腿，也就是一個會站、會走的雙足下半身，還沒有手臂和軀幹。但這個專案真正要交付的不只是機械腿，而是一整套讓任何人都能「自己造一台機器人、拿它來訓練 AI」的完整工具包，包括設計圖、零件清單、組裝說明，加上模擬、訓練、控制所需的全部軟體，通通免費公開。
結構零件全部用 3D 列印，壞了就重印一個；馬達和電路板都選市面上買得到的便宜型號；配線圖和組裝步驟逐一寫成文件。Hugging Face 機器人工程師 Virgile Batto 說，「如果你在找最先進的人形機器人，這不是。但如果你想要一台可以自己組裝、理解、修理、模擬、拿來做學習實驗的人形機器人，這就是我們想做的。」
從硬體到軟體，每個設計都衝著同一個問題來
硬體之外，團隊把配套軟體也一同公開。在電腦裡測試用的模擬環境、讓 AI 練走路的訓練環境、一套同時能操控虛擬機器人和真實機器人的控制程式，還有一個關鍵工具，可以把真機實際跑出來的數據拿回去修正模擬器，讓模擬愈來愈貼近現實。
這對應的正是機器人 AI 最頭痛的「模擬到現實」（sim-to-real）問題：AI 在模擬裡練好的動作，搬上真機經常失靈。LeRobot 的整套設計，就是希望讓「模擬訓練、真機驗證、回頭修正模擬」這個循環，便宜到普通研究者也跑得起來。當能做真機實驗的人，從幾十個實驗室變成幾千個團隊，整個領域累積知識的速度就會不一樣。
Hugging Face 一貫的打法：把技術攤開，讓社群接手
這不是 Hugging Face 第一次做這種事，執行長 Clem Delangue 曾向《TechCrunch》說明其動機，就是要讓機器人變得便宜，並避免這個產業被少數大公司壟斷。換句話說，這正是 Hugging Face 一貫推動的「機器人民主化」策略，把過去只屬於少數實驗室的完整研究流程，變成任何人都能展開的實驗。
在這雙機械腿出現之前，公司已經開源過一支 3D 列印機械手臂；2025 年 5 月宣布與法國機器人公司 The Robot Studio 合作開發目標售價 3,000 美元的 HopeJR 人形機器人；另外也正在販售 299 美元、主打與人互動的桌上小機器人 Reachy Mini。從官方路線圖上可看到，這雙腿之後還會接上上半身，逐步拼出完整的人形機器人。
整個策略和 Hugging Face 在 AI 模型領域做的事一模一樣，就是把全部技術攤開，讓社群接手改進。
資本持續湧入，但商業競爭已經開始反映代價
LeRobot Humanoid 登場的時機，正好是人形機器人商業市場的一個微妙時刻。根據麥肯錫 2026 年 4 月的報告，商用人形機器人目前一台仍要 3 萬到 15 萬美元。中國機器人製造商宇樹科技已經把部分機型賣到 2 萬美元以下，並準備在上海科創板募資 6.1 億美元上市；但《南華早報》指出，宇樹最新一季營收成長 68%、利潤卻暴跌 53%，被歸因於成本飆升和激烈的價格戰，公司自己也承認人形機器人的熱度可能正在退燒。
儘管如此，資金仍在持續湧入。2023 到 2025 年，機器人領域的創投資金成長超過三倍，去年突破 400 億美元。據報導，現代汽車集團正計劃在美國喬治亞州的電動車工廠量產旗下 Boston Dynamics 的人形機器人 Atlas，還在評估建一座年產 35 萬具機器人關節馬達的工廠。
一邊是利潤被價格戰壓垮，一邊是資本和產能繼續加碼，這就是 LeRobot Humanoid 登場時的產業現況。
開源與商業，服務的是不同的人
把這雙 2,500 美元的機械腿放回市場裡看，開源低成本硬體的價值不在於取代商業機器人，其價值在於讓原本只能跑模擬的研究者，終於有真實機器人可以做實驗。
宇樹的利潤崩跌說明，在商業市場上純粹削價競爭撐不久；而開源和商業本來就在服務不同的人，前者給研究者一個能拆能改的實驗平台，後者給企業一個能直接上工的產品。兩者不必然競爭，反而可能互相餵養。今天開源平台上的研究成果，很可能就是明天商業機器人的核心技術。
Hugging Face 自己也強調，LeRobot Humanoid 是一台開放的研究機器人，不是消費性產品。要在真機上跑 AI，校準、安全檢查、可靠的斷電開關，一樣都不能少。但它確實把一套過去只屬於少數實驗室的完整流程，變成任何人都能展開的實驗。
【推薦閱讀】
◆ NVIDIA 把機器人實驗交給 AI 代理：研究速度的瓶頸，原來不只是演算法
◆ 四隻手、沒有腿，Helios 四臂機器人如何做到為太空站而生？
◆ AI 機器人最缺的不是模型而是資料，新創 XDOF 如何切入這個基礎設施缺口？
＊本文開放合作夥伴轉載，參考資料：《Arstechnica》、Virgile Batto，圖片來源：LeRobot
（責任編輯：鄒家彥）
