4月19日，北京亦莊人形機器人半程馬拉松賽事在萬眾矚目中落下帷幕。北斗星通高精度定位模塊、高精度定位天線、以及代理的激光雷達產品等方案組合默默助力了數個領先團隊取得佳績，見證了中國人形機器人技術的全維度突破，與有榮焉。正如北京人形機器人創(chuàng)新中心在感謝信中所說，“這份耀眼的成果不單是某項賽事的個人金牌，更是屬于整個中國具身智能行業(yè)的團體金牌！”。

此次賽事中自主導航、高速運控、長時續(xù)航、液冷散熱等核心技術突出，彰顯了具身智能從技術驗證到落地生態(tài)有了關鍵技術底座。下面我們站在GNSS定位角度，聊一聊具身機器人與GNSS高精度定位。

定位需求的技術本質

人形機器人的自主導航與作業(yè)能力，依賴于絕對定位與相對定位的深度融合。在室內外過渡場景（如園區(qū)巡檢、物流配送、應急救援）中，GNSS高精度定位提供了不可或缺的全局時空基準，使多機器人協(xié)同、云端調度與地理圍欄管控成為可能。區(qū)別于標準精度的Tracker方案只解決"在哪里"的問題，高精度GNSS解決"精確在哪里、朝向何方、與隊友的精確相對關系"的問題，是自主導航從"能移動"邁向"可信賴"的技術分水嶺。

GNSS模塊與天線選型的工程考量

與早期自動駕駛產業(yè)（主平臺提供芯片，Tier 1做集成，OEM做整車）的分工邏輯類似，具身機器人廠商往往優(yōu)先解決機械結構、關節(jié)執(zhí)行器、基礎運動控制等，將全自主導航視為下游集成商或終端用戶的二次開發(fā)空間。

GNSS模塊層面，人形機器人通常選用多頻多星座接收機，以抑制電離層誤差并提升城市峽谷環(huán)境下的可用性。鑒于機器人本體對載荷與功耗的嚴苛限制，模塊選型需在定位精度、功耗預算、尺寸形態(tài)之間取得平衡。主流方案包括和芯星通UM982/UM980系列，以期在復雜多徑環(huán)境下展現出更強的信號跟蹤魯棒性。

而天線設計是人形機器人GNSS性能的關鍵環(huán)節(jié)。由于機器人軀干對衛(wèi)星信號的遮擋與多徑反射，控制系統(tǒng)、電機運行帶來的干擾噪聲，傳統(tǒng)貼片天線難以滿足需求。工程實踐傾向于采用小體積的螺旋天線或疊層陶瓷天線，配合地平面優(yōu)化設計與射頻前端濾波，以提升低仰角增益與帶外抑制能力。此次半程馬拉松賽事中有團隊采用的是北斗星通旗下華信天線的四臂螺旋天線CUX623A。

高精度定位服務的架構選擇

人形機器人獲取高精度定位修正數據，主要依賴兩條技術路徑：

NRTK技術：通過4G/5G或Wi-Fi鏈路，接入真點TruePoint等服務商的RTK差分改正數據流。該方案成熟度高，初始化時間短（<30秒）。

星基增強定位：以Unicore芯與TruePoint云為代表的架構，通過L-Band衛(wèi)星鏈路播發(fā)狀態(tài)空間域改正數，實現全球覆蓋、無需地面通信網絡的厘米級定位。此方案特別適用于通信基礎設施薄弱的野外作業(yè)場景，但收斂時間相對較長，需與IMU緊組合以維持衛(wèi)星信號短時間失鎖的精度。

多源融合：

GNSS與LiDAR、IMU的協(xié)同

人形機器人的定位系統(tǒng)絕非GNSS的單點作戰(zhàn)，而是多源異構傳感器的融合：

LiDAR（激光雷達）：提供高頻率（10-20Hz）的相對位姿估計與三維環(huán)境建圖，在GNSS受限的室內環(huán)境中成為主導定位源。然而，長走廊、開闊廣場等幾何退化場景會導致LiDAR SLAM失效，此時需GNSS提供絕對位置約束以抑制累積漂移。本屆賽事中我司代理的Livox MID360被客戶采用。

IMU（慣性測量單元）：作為高帶寬的姿態(tài)與運動傳感單元，IMU填補GNSS與LiDAR的更新間隙。MEMS IMU與GNSS接收機構成緊組合架構，在衛(wèi)星數不足時仍可利用原始偽距與多普勒觀測值輔助導航，顯著提升城市峽谷與林蔭道的連續(xù)性。

融合算法層面，將GNSS的絕對位置、LiDAR的相對位姿、IMU的高頻運動學約束進行聯(lián)合估計。

對于人形機器人的自主導航——定義為在復雜環(huán)境中安全、高效、可預測地執(zhí)行精確任務——高精度GNSS不是可選增強，而是架構必需的"基礎設施"：

全局坐標系的錨點，使數字指令與物理世界精確映射；

多源融合的基準，約束視覺/激光雷達的累積漂移；

協(xié)同作業(yè)的時鐘，保障分布式系統(tǒng)的時空一致性；

圖片所示為天工“雙冠王”——2025年半馬冠軍，以及2026年機器人勇士挑戰(zhàn)賽冠軍

我們相信，未來隨著LEO-PNT 低軌衛(wèi)星導航增強技術的推進，人形機器人有望通過低軌星座獲得更高功率、更低延遲的導航信號，進一步壓縮城市峽谷與室內的定位盲區(qū)。同時，GNSS/INS/LiDAR/視覺的多源融合架構，結合AI，將成為下一代人形機器人定位系統(tǒng)的技術標配，支撐其在非結構化環(huán)境中的全自主作業(yè)。