给机器人装上嘴之后,它开始吐槽老板了

Animotion Robotics 为机器人 Éloi 打造 19 自由度嘴部,推动面部表达自然化。
Animotion Robotics 团队为机器人 Éloi 完成了完整头部组件,包含 3 自由度颈部,并将嘴部运动测试推进到 V3.0。Éloi 的嘴部系统由嘴唇 12 自由度、下巴 5 自由度和脸颊 2 自由度组成,合计 19 个自由度,旨在让说话时的面部动作更自然、活泼、有表现力。团队坦承动作平滑度和自然度仍有大量优化空间。演示中,Éloi 会吐槽创始人、要求 6 自由度脖子和更好的牙齿,体现了拟人化交互思路。文章指出,语音能力已非人形机器人短板,面部表达才是关键瓶颈,多自由度协同控制是核心难点。
在机器人研发圈子里,让机器「开口说话」从来不只是语音合成那么简单。真正难的是让它说话时的那张脸——嘴唇怎么开合、下巴怎么起伏、脸颊怎么配合,才能让一张机械面孔显得自然、生动、有情绪。
Reddit 上 Animotion Robotics 团队分享的进展,把这个难题讲得很具体:他们花了几个月时间,为机器人 Éloi 造了一张嘴。

从婴儿车里的光头机器人,到完整头部
如果你记得之前那个被推在婴儿车里、光着脑袋的机器人 Éloi,现在它已经升级了。团队为它装上了完整的头部组件,其中包括一个 3 自由度的颈部结构。
这本身就是一个阶段性跨越:头部不再是一个固定不动的壳,颈部可以转动、点头、侧倾,为后续的面部表达提供了基础支撑。而他们最新的进展,是嘴部运动测试已经推进到 V3.0 版本。
团队给出的目标很明确——让 Éloi 与说话相关的面部动作更自然、更活泼、更有表现力。这句话听起来简单,落到工程上却意味着大量自由度需要协同控制。
颈部自由度对人形机器人交互同样关键。一个 3 自由度颈部通常实现三个旋转轴:偏航(左右转头)、俯仰(点头/仰头)和横滚(侧倾),部分设计还会加入平移或额外旋转。颈部自由度直接决定机器人头部能否做出注视、点头、歪头等社交性动作,这些非语言线索在人机对话中承担重要的情绪与注意力传递功能。相比于固定头部,可动颈部能让机器人更好地模拟人类对话中的自然头部运动,但同时也带来重心偏移、线缆布线和运动学耦合等工程挑战,需要与身体其他部分协同控制。
一张嘴,19 个自由度
Éloi 的嘴部系统由三部分组成:
- 嘴唇:12 自由度
- 下巴:5 自由度
- 脸颊:2 自由度
加起来,单是嘴部区域就有 19 个自由度。这个数字放在人形机器人领域里算是相当细分的配置——很多机器人面部只做几个粗略的开合动作,而 12 个自由度的嘴唇意味着团队可以组合出多种唇形,比如圆唇、展唇、闭合、微张,从而在说话时对应不同的音素和情绪。
下巴的 5 个自由度则负责下颌的整体运动轨迹,脸颊的 2 个自由度用来制造面部肌肉的细微牵动。三者配合,才有可能跳出「机械开合」的观感,做出更接近人类说话时的表情变化。
当然,自由度多也意味着控制难度成倍上升。团队在原文中坦承,让动作更平滑、更自然还有很多工作要做。
自由度(Degree of Freedom, DoF) 在机器人学中指一个系统能够独立运动的参数数量。具体到关节型机器人,一个自由度通常对应一个可独立控制的运动轴,比如旋转、平移或弯曲。自由度越多,机构能实现的姿态空间越大,但同时也意味着驱动元件(如舵机、气动肌肉)数量增加、控制算法维度升高、系统复杂度与成本呈指数级增长。以人形机器人面部为例,人类面部约有 40 多块表情肌,工程上通常用几十个自由度来近似,而多数商用机器人面部仅含 5–10 个自由度,只能做粗略表情。Éloi 嘴部就堆叠 19 个自由度,属于面向高表现力交互的细分设计,其难点不在于单个关节精度,而在于多自由度协同控制——如何让 19 个电机在毫秒级时序内配合,产生平滑、协调、符合语音节奏的嘴部动作。
有了嘴之后,第一件事是吐槽
技术之外,这段分享最有意思的地方在于团队的幽默感。
Éloi 的嘴一能正常工作,第一件事就是抱怨创始人 Shane 造它花了太长时间。接着它又提出想要一个 6 自由度的脖子,好去尝试转呼啦圈;它还要求换一副更好的牙齿,并且拒绝管 Shane 叫「爸爸」。
这些设定当然是团队写好的台词,但它们透露了一个真实的产品视角:当机器人拥有了可动的面部,人与机器之间的互动就多了一层情绪投射。一张会动、会「顶嘴」的嘴,比一排闪烁的 LED 灯更能让人产生交流感。
从演示效果看,这个方向是成立的。团队把这段内容定义为嘴部运动的最新 demo,而不是最终成品,也说明他们对当前的自然度仍有清醒判断。
为什么「嘴」是人形机器人的硬骨头
从行业角度看,Éloi 的进展点出了人形机器人交互中的一个关键瓶颈:语音能力早已不是短板,面部表达才是。
大语言模型可以把对话内容做得足够流畅,但一张僵硬的脸会让整个交互瞬间出戏。嘴唇需要与语音在时间上精确对齐,不同音素对应不同唇形;表情变化又要与语义和情绪匹配,否则就会出现「语气很激动、脸却纹丝不动」的割裂感。这些都需要机械结构、驱动控制与内容生成三者的紧密配合。
Éloi 用 19 个自由度押注在嘴部细节上,本质上是在为「可信的表达」打基础。至于这套结构最终能做出多自然的效果,还要看后续 V3.0 之后的迭代。
至少现在可以确定一件事:他们给了 Éloi 一张嘴,而它已经有意见了。
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。