Hugging Face 发布 Microduck：会滑旱冰的开源机器人，加速具身智能落地

近日，Hugging Face 正式发布了开源机器人项目 **Microduck**，一款能够像滑旱冰一样灵活移动的小型轮式机器人。这一成果标志着这家以自然语言处理模型集散地闻名的公司，正式向具身智能（Embodied AI）领域迈出了实质性的一步。

技术亮点：从“仿真”到“真实”的低成本桥梁

Microduck 采用紧凑的轮式底盘设计，通过差速驱动实现零半径转向、急停、加速等动作，其运动模式酷似旱冰者的滑行姿态。在控制层面，项目基于强化学习（RL）与模仿学习（Imitation Learning）的混合框架：先在仿真环境中训练高速运动策略，再通过“零样本迁移”部署到真实硬件上。得益于轻量化的硬件设计（整机重量不足 1.5kg）和低成本传感器（仅使用 IMU 与单目摄像头），Microduck 能够在室内复杂地形（如地毯、瓷砖接缝、小坡度）中稳定滑行，速度可达 2.5m/s，显著优于同等尺寸的传统四足或轮式机器人。

开源生态：降低具身智能研究门槛

Hugging Face 将 Microduck 的全部设计文件、固件、训练代码以及预训练模型以 Apache 2.0 协议开源，并在其模型库中提供了可直接运行的策略权重。这意味着研究人员无需从零构建硬件或算法，只需下载 BOM 清单和 PCB 图纸，即可在数小时内组装出一台可复现的实验平台。此举直接挑战了当前具身智能领域“高门槛、高成本”的现状——以往类似性能的机器人（如 Unitree Go1 或 MIT Mini Cheetah）售价动辄数万元，而 Microduck 的物料成本可控制在 2000 元以内。

行业意义：加速“数据飞轮”闭环

具身智能落地的核心瓶颈在于真实世界数据获取的难度与成本。Microduck 作为一款开源、廉价、可批量化部署的硬件平台，有望成为“数据采集器”——研究者可以同时运行数十台 Microduck，在真实场景中收集视觉-运动数据，用于训练更鲁棒的导航、避障、抓取等通用技能。Hugging Face 团队表示，未来将把 Microduck 的传感器数据接入其开源数据集体系，形成“硬件-数据-模型”的闭环生态，这与他们此前在语言模型领域积累的社区协作模式一脉相承。

展望

Microduck 的发布不仅是 Hugging Face 对“多模态+物理世界”业务的战略延伸，更向行业传递了一个信号：具身智能的规模化研究不再需要天价投入。随着开源硬件与基础模型能力的持续下沉，AI 从“纸上谈兵”走向“落地行走”的进程，正在被显著加速。