我国人形机器人创新体系初步建立后，接下来需从技术研发、数据采集、软件生态、场景应用、政策支持、产业协同等多方面“破壁”，具体如下：
一、技术研发层面
突破关键共性技术：
国内人形机器人产业尚未形成完整协同创新体系，需通过建立跨部门、跨行业的合作机制，推进关键共性技术研发，并把成果面向行业开源，打通行业关键技术环节。
整合行业力量夯实智能机器人技术底座和共性技术平台，尽快形成自主的生态。例如，如何将深度学习算法压缩至仅靠电池供电的机器人端侧，并实现接近人脑的能效比，是技术攻坚的关键。
提升硬件性能：
在整个关节驱动能力方面，高爆发的电机、高精度的减速器和高爆发的驱动器都需要进一步提升性能。为了实现类人尺寸下的灵活运动，这些核心零部件需要进一步攻关和解决。
二、数据采集层面
挖掘场景优势加速积累数据：
商业化需以场景驱动，通过应用端的数据反馈加速技术迭代。针对数据不足问题，建议从两方面着手：一方面，通过多方合作搭建实景训练场景来改善；另一方面，可尽快发掘中国应用场景上的优势，在应用端形成数据的积累。
例如，提出“封闭作业域”开发策略，即通过细分场景（如炒菜、焊接等）降低数据采集复杂度。
降低数据采集成本：
利用虚拟仿真场景收集数据成本较低，但仅可用于人形机器人预训练场景。可以考虑由政府牵头，组织多个高校和企业联合建设多场景大规模的集中实训平台，进而摊薄成本，提高效率。
三、软件生态层面
开发自主操作系统：
未来机器人还应该有像手机、电脑一样的操作系统，这个操作系统能够把人的技能植入到机器人当中，从而可以情感交互。
优化大模型：
目前大模型不断迭代，已出现包含多种能力的“全能选手”，但仍存在感知模态不足、实时性差和泛化能力弱等问题。未来需要不断优化训练模型结构、训练方法和数据集，将多模态感知信息纳入模型，同时提高控制指令的生成速度和大模型的泛化和涌现能力。
四、场景应用层面
聚焦容错率高的应用场景：
在发展初期，人形机器人应聚焦于容错率高的应用场景，通过在这些场景中的实践，不断积累经验，提升技术成熟度。
拓展愿意为通用性支付溢价的场景：
通用性与效率性往往存在矛盾，而某些特定场景可能更看重机器人的通用性而非仅仅是效率。人形机器人应积极拓展这些场景，通过提供通用性解决方案，满足市场需求。
五、政策支持层面
参考“首台套”政策加大支持：
可以参考“首台套”政策，对早期应用场景提供补贴，从而降低企业试错成本，加速技术迭代与场景验证。
制定安全标准等规范：
政府在加大资金支持的同时，应牵头制定安全标准等规范，深度牵引人形机器人进入公共养老服务机构等应用场景。
六、产业协同层面
加强产学研用合作：
通过建立产学研用合作机制，促进高校、科研机构和企业之间的紧密合作，共同推动人形机器人技术的研发和应用。
推动产业链上下游协同发展：
整合产业链上下游资源，形成协同发展的合力。例如，推动机器人企业与下游制造业客户充分合作，以实际场景需求为牵引推动技术创新，加速我国人形机器人产业化落地进程。
