激光雷达在人形机器人领域的角色正从"主传感器"转变为辅助定位工具，主要负责SLAM导航和避障，而将交互任务交给视觉系统。相比车载激光雷达，人形机器人需要更轻量化、广角化(360°×90°)、近距离(30-50米)且盲区小的解决方案，典型产品如Livox Mid-360凭借小体积、低成本和广视野成为主流选择。虽然视觉技术发展可能使激光雷达逐渐边缘化，但目前它仍是确保机器人安全定位的关键冗余，未来趋势将向数据融合和4D感知方向发展。

在具身智能（尤其是人形机器人）领域，激光雷达（LiDAR）的地位正在经历一场微妙的**“降权”**。

在自动驾驶中，LiDAR 是无可争议的“主传感器”（C 位）；但在人形机器人上，它正在退居**“辅助位”，主要负责导航与建图 (SLAM)**，而把识别与交互的任务交给了视觉。

以下是具身智能专用激光雷达的选型逻辑与技术特点：

---

一、 为什么具身智能还需要 LiDAR？

虽然 Tesla Optimus 宣称“纯视觉”，但对于大多数服务型机器人来说，LiDAR 依然是安全与定位的底线。

1. SLAM 建图神器：
   • 视觉 SLAM (vSLAM) 在**白墙、暗光、纹理重复（长走廊）**环境下极易“迷路”（定位漂移）。
   • LiDAR 依靠几何结构定位，不管光线多暗、墙多白，它测出来的距离永远是准的。
2. 绝对避障底线：
   • 视觉深度算法（特别是单目）可能会把玻璃门看透，或者算错距离。LiDAR 测距是物理级的，有障碍物就是有，能防止机器人“硬撞”。

---

二、 具身智能 LiDAR 的特殊需求 (vs 车载)

人形机器人对雷达的要求与汽车截然不同：

维度	车载 LiDAR	具身智能 LiDAR
视场角 (FOV)	水平宽，垂直窄。<br>(看前方 120° x 25° 即可，主要看路面和车)	超大广角 (360° x 90°)。<br>不仅要看四周，还要看脚下（防跌落）和头顶（防碰撞）。
探测距离	远 (200m - 500m)。<br>高速行驶需要提前感知。	近 (30m - 50m)。<br>室内或园区活动，不需要看那么远。
盲区	大 (车头几米内通常看不见)。	极小。<br>必须能看见脚边 10cm 的障碍物。
体积/重量	宽容度高。	极致轻量化。<br>最好 < 500g，放在头上不能太重，否则脖子扭不动。
成本	数千元。	千元级。<br>机器人总成本敏感。

---

三、 主流技术路线与代表产品

1. 3D 机械/半固态雷达 (主流高端)

这是目前 Unitree H1、小米 CyberOne 等高端机器人的标配。

• 代表产品：
  • Livox Mid-360 (大疆览沃)：
    • 地位： 具身智能界的“神机”。
    • 特点： 体积小（拳头大）、360° 水平 FOV（单机就能看一圈）、盲区极小（能看脚下）、价格极低（千元级）。
    • 原理： 独特的旋转棱镜扫描，点云像花瓣一样散开，时间越长扫描越密。
  • Unitree 4D LiDAR (宇树自研)：
    • 特点： 专为机器狗和人形机器人设计，盲区极小，集成度高。

2. 单线/2D 激光雷达 (低端/底盘专用)

主要用于扫地机器人或轮式底盘的导航。

• 代表产品： Slamtec (思岚) RPLIDAR 系列。
• 局限： 只能看一个平面。如果机器人前方有个悬空的桌子，单线雷达只能扫到桌子腿，机器人头可能会撞到桌面上。不适合人形机器人主雷达。

3. dToF 固态雷达 (消费级)

• 代表产品： iPhone 上的 LiDAR (Sony 芯片)。
• 特点： 纯固态，没动件，像个摄像头。
• 现状： 正在尝试用于手部近距感知或面部识别。

---

四、 发展趋势

1. “退居二线”：
   • 在 Tesla 的引领下，视觉大模型（VLA）能力越来越强，LiDAR 可能会被逐渐移除，或者只保留一个极低成本的作为安全冗余。
2. 融合化：
   • LiDAR 不再输出原始点云，而是直接输出已经和摄像头对齐好的 RGB-D 数据。
3. 4D 化 (FMCW)：
   • 虽然现在贵，但如果能降价，FMCW 雷达能直接测出人的行走速度，对机器人在人群中穿梭极其有用。

总结： 具身智能目前离不开激光雷达（为了 SLAM 稳），但不依赖高性能车载雷达。像 Livox Mid-360 这种“小而美、广角低盲区”的产品是当下的最优解。