机器人走出实验室,具身智能为什么选 MQTT?
原创 杨威 2026-11-09 16:29 湖北
本文梳理具身智能场景中的通信分工,讲清楚 MQTT 管什么、不管什么,以及在规模化落地中需要注意的工程细节。
导语
一台机器人走出实验室之后,最先遇到的问题往往和模型无关——
设备现在在线吗?新的模型怎么推到几千台设备上?指令发出去,怎么确认它真的执行了?
本文梳理具身智能场景中的通信分工,讲清楚 MQTT 管什么、不管什么,以及在规模化落地中需要注意的工程细节。
一、先看全景:一台机器人的通信链路里都使用了哪些通信协议
大部分人关注机器人的模型能力,但很少注意到通信链路。实际上,一台具身智能机器人从关节驱动器到云端,内部至少跑着四五种通信协议,它们分工明确、互不替代。
先看一张整体架构图——云端在上面,设备本体在下面,中间是三条跨公网的通道:
图 1:具身智能通信架构总览。
这张图有三个要点:
1.
设备本体内部有两层——实时控制(关节、驱动器)和机内感知决策(相机、规划、VLA 推理)。它们都在设备内部,不经过公网。
2.
跨公网的通道有三条——MQTT 管信令,HTTPS/COS 管文件,WebRTC 管媒体。三者并列,职责不同。
3.
MQTT 只是其中一条——它既不进入关节伺服,也不搬运视频文件。
决定用哪种协议的,不是「哪个更先进」,而是这条链路要满足什么约束:
1. 五种职责,五个区域
按职责划分,具身智能系统的通信可以分成五类:
图 2:五种职责与对应的常见协议。
2. 各区域的协议在干什么
本体实时控制:机器人的「脊髓」
关节伺服和运动控制对确定性要求最高——不是「平均很快」,而是要在系统的实时截止时间内稳定完成。这类场景通常使用 EtherCAT(Ethernet for Control Automation Technology)、CAN-FD(Controller Area Network with Flexible Data-Rate)等现场总线,传输目标位置、速度、力矩,以及回传的实际角度、电流、温度、故障码。
机内感知与决策:机器人的「神经中枢」
机内的感知和决策需要多个软件模块高效协作:相机驱动、定位建图、规划器、VLA 模型……ROS 2(Robot Operating System 2)是这类场景的常见框架,它常见的实现基于 DDS(Data Distribution Service),也可使用其他 RMW(ROS Middleware Interface)实现,提供去中心化的发布/订阅和细粒度的 QoS 配置。
实时音视频:媒体面
远程视频巡检、与人语音对话属于媒体面。WebRTC(Web Real-Time Communication)与 RTP(Real-time Transport Protocol)自带抖动缓冲、前向纠错、自适应码率,这是为音视频流专门设计的。
HTTPS / 对象存储:大块数据搬运
训练数据动辄 GB 级,适合用 HTTPS 分片上传直接写入对象存储,追求吞吐与成本,而不是实时性。
MQTT:机器人与云之间的协同层
当通信需要跨出机器人本体、面对公网环境时,问题的性质就变了:IP 会变、网络会断、设备会掉电、带宽时好时坏,而且设备数量从一台变成一万台。这正是 MQTT 发挥价值的地方。在传输层上,腾讯云消息队列 MQTT 版已正式商业化支持 MQTT over QUIC,可与 TCP、WebSocket 接入点并行使用。QUIC 能改善弱网和切网下的连接体验。
3. 一句话的分界线
一句话总结这条分界线:
机身之内、有硬实时要求的 → EtherCAT、CAN-FD 和实时中间件
跨出机身、走公网、管理海量设备的协同与编排 → MQTT
音视频 → WebRTC
GB 级数据 → 对象存储
各协议各司其职,共同构成完整的通信链路。
二、为什么跨出本体之后,选的是 MQTT
把范围收窄到「机云协同」这一层。具身智能对通信提出了六个要求,下面逐一看 MQTT 是如何回应的。
需求 1:设备在弱网里,断了要能恢复
具身设备面临的网络环境,往往比较复杂:
数据采集设备随人走进不同的工厂、商超、居民楼,连的是现场 Wi-Fi;
服务机器人在楼层间移动,AP 切换是常态;
户外作业设备依赖 4G/5G,信号随位置变化。
MQTT 的回应:长连接 + 会话恢复。
设备与 Broker(消息代理服务端)之间维持一条长连接,通过 Keep Alive(保活)机制探活。断线后,可以通过持久会话让 Broker 保留订阅关系和未送达消息,设备重连后继续投递。
这里有几个容易被忽略的细节:
协议 3.1.1:通过 Clean Session = false 保持会话;
协议 5.0:首次可建立新会话,断线前需配置非零的 Session Expiry Interval(会话过期间隔);恢复时使用稳定的 ClientId(客户端标识)+ Clean Start = false(不清空启动),并检查 CONNACK(连接确认报文)中的 Session Present(会话已存在)标志确认会话是否真的恢复;
协议不负责自动重连。客户端的退避重连、本地缓存、任务状态机,仍需要业务侧实现。
如果设备经 QUIC 接入,还能从传输层减少重连。 QUIC 以 Connection ID(连接标识)而非 IP 与端口标识连接:Wi-Fi 与蜂窝网络切换、NAT(Network Address Translation)地址变化时,可通过连接迁移延续原连接,避免 MQTT 会话重建;确需重连时,持有会话票据的客户端可做 0-RTT(Zero Round-Trip Time)恢复,缩短握手等待。机器人穿过电梯、地库或跨 AP 漫游,是这类能力的典型受益场景。
但连接迁移不覆盖长时间断网或设备重启;网络限制 UDP 时,客户端还需回落到 TCP。因此持久会话、退避重连和业务恢复逻辑仍应保留。
换句话说,MQTT 提供了会话保持的机制,QUIC 在传输层减少了断连,但「断了要能自己回来」这件事,仍需要协议配置和客户端实现共同完成。
需求 2:关键指令要可靠送达
一条 OTA 通知、一个采集任务下发、一组云端生成的动作序列——这些消息丢了,轻则任务失败,重则设备状态错乱。
MQTT 的回应:三档 QoS。
QoS 0(At most once,至多一次):发出即结束,适合高频心跳,丢一次下一次就补上;
QoS 1(At least once,至少一次):通过 PUBACK(发布确认报文)确认,未确认则重发,可能重复;
QoS 2(Exactly once,恰好一次):通过 PUBLISH(发布)/ PUBREC(发布收到)/ PUBREL(发布释放)/ PUBCOMP(发布完成)四报文流程,在协议层面避免重复。
这里必须澄清一个常见误解:
QoS 保障的是相邻 MQTT 对等端之间的消息交付,不等于业务动作已经执行。 发布者收到 Broker 的 PUBACK,只说明 Broker 收到了;订阅设备是否收到、是否执行成功,需要设备应用层回执确认。
所以工程上常见的组合是:QoS 1 + 持久会话 + 业务侧幂等。即使偶尔重复收到,业务按 commandId(指令唯一标识)去重即可。
图 3:过期检查、幂等、业务回执和本地安全共同构成闭环。
需求 3:设备掉线,要能及时知道
上万台设备分散在各地,靠人工巡检或云端轮询判断「谁掉线了」,既慢又贵。
MQTT 的回应:遗嘱消息(Will)。
设备建连时预先向 Broker 登记遗嘱:如果异常断开,请代为发布。设备掉电、程序崩溃、网络中断后,Broker 会把遗嘱发到指定主题,运维平台订阅即可收到通知。
关于遗嘱消息的使用有以下补充:
探测时机取决于 Keep Alive。协议约定,当 Keep Alive 非零时,服务端通常在1.5 倍 Keep Alive 时间内未收到控制报文即认为连接超时;
MQTT 5.0 支持遗嘱延迟(Will Delay Interval)。但只有在延迟期间恢复了同一个存续会话,延迟遗嘱才会被抑制——只配置延迟而不给会话保留窗口,是达不到预期效果的;
正常断开不触发遗嘱。客户端主动发送 DISCONNECT(断开连接报文)时,Broker 不会发布遗嘱。如果希望正常退出也显示为离线,需要在断开前主动发布一条离线状态。
需求 4:状态要「一订阅就拿到」,而不是反复查询
运维平台需要随时看到每台设备的电量、在线状态、型号、固件版本。如果每次都发请求去查,设备越多,查询流量越大。
MQTT 的回应:保留消息(Retained Message)。
设备在状态变化时,发布一条带 retain 标记的消息,Broker 会保存该主题的最新一条。新订阅者一订阅就能拿到当前值,无需轮询。
这里同样有个精确性问题:retain 保存的是最新已知状态,而不是「实时状态」。它有采样滞后,建议消息体自带时间戳、版本号与有效期,让消费方能够判断数据新鲜度。另外,「在线状态」和「电量」是两个不同的事实,不应混在同一条消息里互相覆盖。
把遗嘱和保留消息结合,可以构建一套在线状态机:
1.
连接时登记遗嘱:状态主题 = offline(保留);
2.
连接成功后主动发布:状态主题 = online(保留);
3.
异常断开时,Broker 代发遗嘱,状态变为 offline;
4.
重新连上后,设备再次发布 online,覆盖此前状态。
注意:遗嘱一旦发出不会自动撤销,只能靠新的上线消息覆盖。
需求 5:一对多下发、多方订阅
一次 OTA 要通知某一型号的全部设备;一台设备的状态要被运维平台、数据平台、告警系统同时消费。
MQTT 的回应:发布/订阅 + 主题通配符。
主题按层级设计,例如 {业务线}/{机型}/{设备ID}/status。通配符「+」和「#」只能用于订阅,不能用于发布。
批量通知:让设备订阅具体的群组主题(如 fleet/gripper/ota),云端向该主题发布,一次覆盖全部目标设备;
灰度升级:向目标设备逐台发布,或显式维护一个灰度组主题;
后端汇聚:用通配符订阅(如 fleet/gripper/+/status)来聚合设备状态。
发送方和接收方完全解耦,新增一个消费系统,不需要改动设备端代码。
需求 6:海量设备、低功耗、低成本
具身数据采集设备很多是电池供电的可穿戴设备,需要长期在线、频繁上报。
MQTT 的回应:轻量的协议开销与单连接双向复用。
MQTT 的固定报头最小只有 2 个字节,一条长连接上下行复用,不需要像传统短连接那样反复建立连接。
不过这里也要避免过度简化:2 字节只是最小固定报头,实际报文还要包含主题、属性、payload,以及 TCP/UDP/IP 与 TLS 的开销。而 HTTP 同样支持持久连接与多路复用。所以具体的功耗和成本,需要结合无线唤醒策略、上报频率、QoS 等级和扇出规模,通过实际压测得出,不能用协议头部大小简单推导。
小结:MQTT 在具身智能里用到的关键特性
具身场景需求
MQTT 特性
弱网、移动、断线恢复
MQTT over QUIC
指令可靠送达
消息等级 QoS 1 / QoS 2、离线消息
避免执行过时指令
Message Expiry
设备失联感知
遗嘱消息
状态即订即得
保留消息
一对多下发、多系统消费
发布/订阅、通配符主题
请求-响应式调用
MQTT 5.0 Response Topic / Correlation Data
设备身份与权限隔离
X.509 证书双向认证、主题级授权
设备规模横向扩展
单连接双向复用、轻量报头
三、MQTT 在具身智能场景里具体做什么
讲完「为什么」,来看「做什么」。结合实际落地情况,MQTT 在具身智能领域主要承担五类任务。
场景 1:设备状态同步
设备周期性或在状态变化时上报电量、在线状态、设备型号、固件版本、VLA(Vision-Language-Action,视觉-语言-动作)模型版本等信息。云端运维平台据此掌握整个设备群的健康度。
用到的特性:QoS 0/1 上报、保留消息、遗嘱消息。
设计要点:状态消息携带时间戳与版本,消费方据此判断新鲜度;在线状态与业务遥测分开设计,避免互相覆盖。
场景 2:任务下发与遥操作编排
云端向机器人下发任务指令:导航到某个点位、执行某个动作序列、开始录制示教数据、回放已录制的动作。
这里需要划清界限:
本文讨论的「遥操作」指任务级编排,而不是用摇杆实时控制每一个关节。连续交互控制(如远程同步操作)需要单独预算时延、抖动与丢包,并必须保留本地安全闭环。
用到的特性:QoS 1、持久会话、MQTT 5.0 请求-响应。
场景 3:OTA 升级与模型下发
具身智能设备的固件、配置参数,以及更新频繁的 VLA 模型,都需要可靠、可控地推送到设备端。典型流程是:
1.
云端通过 MQTT 向目标机型下发升级通知(含版本号、包地址、校验值);
2.
设备从对象存储下载升级包;
3.
设备通过 MQTT 回报下载进度与升级结果;
4.
云端按结果决定是否扩大灰度范围。
控制与数据分离:MQTT 负责「通知」和「回执」,升级包本身走对象存储下载。
用到的特性:通配符订阅、QoS 1、结果回报。
场景 4:数据采集任务编排
这是近一年增长较快的场景。由于真机采集数据成本较高,「无本体数据采集」正在成为行业探索方向:采集员佩戴两指夹爪、头戴视觉设备完成真实作业,同步采集第一视角视频、位姿轨迹和触觉数据。
一条典型的数据采集链路走两条通道:控制面用 MQTT 承载设备状态、配置下发与任务管理;数据面用 HTTPS 把视频、位姿轨迹、触觉时序直传对象存储。
图 4:MQTT 编排任务与回报状态,HTTPS 直传 COS;具身专用处理由数据平台与算法工具完成。
这个架构的核心设计原则:
MQTT 编排任务与回报状态,文件传输走 HTTPS 直传 COS。
云端通过 MQTT 下发任务,并向设备发放短期有效、最小权限的上传凭证;设备持凭证直传 COS(Cloud Object Storage,腾讯云对象存储),传完再通过 MQTT 回报结果。MQTT 全程只传几百字节,却掌控着整个流程的编排、重试和状态追踪。
两个安全注意点:
不要在宽泛的主题里广播上传凭证。凭证应按设备单独下发,且有效期尽量短、权限尽量小;
上传完整性、任务对账与失败重试,由应用层实现。MQTT 只负责通知和状态回报,不保证文件传完。
为什么大文件不直接走 MQTT?因为 MQTT Broker 是为「小包、高并发」设计的,单条数十 MB 级消息会挤占整个集群的吞吐,影响所有设备的心跳与指令。让每种协议做它最擅长的事,是大规模系统稳定运行的前提。
用到的特性:QoS 1、保留消息(任务参数)、MQTT 5.0 请求-响应。
场景 5:失联感知
当设备意外离线时,云端需要及时感知并做出反应:告警、暂停对该设备的任务分派、通知现场人员。遗嘱消息让这件事的实现成本大幅降低。
一个重要的边界:云端的失联告警,不能替代本地的安全机制。
本体的看门狗、急停、安全控制器与安全降级逻辑,应当根据风险分析独立实现,不能依赖 MQTT 遗嘱或公网回执来触发。
公网链路存在固有的不确定性;而具身设备涉及物理动作,安全相关的能力必须在本体侧闭环。MQTT 的遗嘱机制解决的是「云端如何知道设备失联」,不是「设备失联时如何保证安全」。
四、腾讯云 MQTT:面向规模化具身智能设备的消息队列
腾讯云消息队列 MQTT 版(TDMQ for MQTT)是一款分布式、高可用的 MQTT 消息服务,服务于车联网、物联网和具身智能等场景。面向具身智能场景,它提供以下核心能力。
1. 标准协议兼容
支持 MQTT 3.1、3.1.1 和 5.0 协议,提供 TCP、WebSocket 与 QUIC 三类接入点,开源社区与主流的多语言客户端(Java、C/C++、Go 等)可以复用。已支持 MQTT 5.0 遗嘱延迟(Will Delay),可用于过滤短暂网络抖动引起的误告警。
对于原本使用自建开源集群的团队,可以迁移到云上托管服务,把维护 Broker 的精力释放出来,专注于机器人本身。
2. MQTT over QUIC:面向弱网与切网
QUIC(Quick UDP Internet Connections)运行在 UDP 之上,把丢包恢复、拥塞控制、流量控制从内核搬到用户态,并将 TLS 1.3 直接融入握手流程。腾讯云 MQTT 已正式商业化支持 MQTT over QUIC,默认全面开放,与现有 TCP / WebSocket 接入点并行提供,不需要二选一:
协议兼容:兼容 MQTT 3.1 / 3.1.1 / 5.0,由客户端发起连接和创建 Stream,QUIC 只替换传输层,不改变 MQTT 语义;
连接迁移:连接身份由独立的 Connection ID 维护,而非 IP 与端口四元组。Wi-Fi 与蜂窝切换、NAT 地址变化时连接不需重建,加密上下文、拥塞控制状态与 MQTT 会话全部保留;
握手优化:首次建连 1-RTT(One Round-Trip Time,一次往返时延),持有会话票据的客户端重连可做 0-RTT。链路 RTT(Round-Trip Time,往返时延)越大收益越明显——同城内网接入收益有限,跨公网、跨地域、移动网络接入才真正显现;
传输层无队头阻塞:丢包恢复与流量控制在 Stream 粒度独立进行。当前实现将一条 MQTT 连接映射到一条双向 Stream,已消除物理丢包导致的传输层单点阻塞;将控制流与高低频业务流隔离到不同 Stream 的「业务级无阻塞」是后续演进方向;
默认全加密:TLS 1.3 内置于握手流程,无明文通道,无需额外设置;拥塞控制运行在用户态,可按场景调整,不受设备内核版本制约;
客户端 SDK:当前提供 C、C++、Java、Android 四个平台(基于 paho.mqtt.c / paho.mqtt.cpp / hivemq-mqtt-client 适配)。
什么场景值得上。 具身智能里最契合的是具身机器人与可穿戴采集设备:园区跨 AP(Access Point,无线接入点)漫游、边缘弱信号区、设备一直在动——弱网不是异常状态,而是常态。此外跨地域远控设备、周期性休眠的低功耗终端也能明显受益。
3. 海量连接与规格弹性
支持百万级客户端同时在线,实例规格可按业务增长在线升级,适应具身智能企业阶梯式增长的业务节奏——一次新产线投产、一个新业务上线,连接数可能短期内大幅增长。
4. 企业级安全体系
X.509 证书双向认证(mTLS,Mutual Transport Layer Security,双向传输层安全):设备与服务端双向验证身份,抵御伪造设备接入(一机一证等能力有实例版本要求);
自定义认证:支持对接自有的 HTTP 鉴权服务,复用已有账号体系;
令牌身份校验:可基于令牌中已签名的身份字段(如 sub)做权限判断;
主题级授权策略:按客户端、IP、主题配置允许或拒绝规则,实现设备间权限隔离。
在「控制指令可能驱动物理设备」的具身场景下,这套安全能力是规模化部署的前提。
5. 多地域部署
目前腾讯云 MQTT 产品支持国内以及海外主要地域,便于具身智能企业「国内研发、海外交付」的业务布局,让海外设备就近接入、降低时延。
6. 开箱即用的可观测性
控制台提供连接、消息、认证与授权等监控指标,并对接腾讯云监控与告警;QUIC 连接数等指标也已接入监控;
支持消息查询和轨迹追踪,方便定位设备接入与投递问题;
支持按主题前缀聚合监控,按业务线查看流量趋势,无需自建 Prometheus + Grafana 监控体系。
7. 与腾讯云产品深度协同
具身智能的数据链路天然是「控制面 + 数据面」的组合。腾讯云 MQTT 可与对象存储 COS、数据万象 CI 等产品协同:MQTT 管设备与任务编排,COS 承载海量采集文件与清单管理,数据万象提供视频截帧、转码等媒体预处理能力。
这条链路的边界也很清楚:轨迹重建、跨模态时间同步、触觉质检与具身数据标注属于具身领域的专用处理,通常由企业自研算法或专用工具完成。 云产品负责把数据稳稳接进来、存下来、做好通用预处理,让团队把精力集中在真正有壁垒的算法环节。
五、客户实践
腾讯云 MQTT 已在多家具身智能企业落地,覆盖人形机器人、数据采集、消费级陪伴机器人、商用服务机器人等方向。
案例一:人形机器人企业 · 机器人与数采设备统一接入
客户背景:国内领先的人形机器人企业。为解决具身训练数据稀缺、真机采集成本较高的问题,该企业孵化了无本体数据采集业务,在全国多地建设数采工厂,并推出众包采集模式。
解决方案:基于腾讯云 MQTT 按业务划分建设多个独立实例,实现故障域隔离:
机器人接入集群:承载人形机器人接入,由原自建开源产品迁移上云,实现机器人遥操作与状态同步、模型更新与 OTA 升级;
数采设备集群:承载数采设备接入,支撑全国数采工厂及新上线的众包采集业务,实现采集设备统一运维监控、OTA 升级、采集任务下发与回传。
案例二:消费级陪伴机器人企业 · 多地域部署
客户背景:专注消费级家庭陪伴机器人,产品销往国内及海外市场。
解决方案:在多个海外地域与国内地域部署多个 MQTT 实例,承载机器人心跳及状态指令下发,海外用户的设备就近接入。
案例三:具身数据基础设施企业 · VLA 模型云端下发
客户背景:具身智能数据基础设施提供商,主营真机数据采集。
解决方案:建设生产、测试、UAT 三套环境,通过 MQTT 5.0向数采机器人推送模型更新通知与控制指令,模型文件本身经对象存储分发,设备执行结果经 MQTT 回报。
此外,食品加工机器人(航空配餐、原材料处理)、饮品制作机器人等商用服务机器人客户,也正在基于腾讯云 MQTT 进行测试与验证。
六、结语
具身智能场景底层离不开一套可靠的「连接与管理」基础设施。在这套基础设施里,各类协议各守其位:实时控制管关节,机内中间件管协作,WebRTC 管音视频,对象存储管海量数据,而 MQTT 管住「机器人与云之间」这条需要规模化、长期在线的协同链路。 当设备从一百台走向一万台、从一个城市走向多个地域,设备协同能力就是必须先打好的地基。
往期
推荐
《AI Registry:给企业 AI 资产办一本 “户口”》
《MQTT over QUIC 正式商业化:让弱网连接更稳、更快》
《8 月产品月报|MQTT 支持 QUIC 协议,弱网、跨网连接更稳定,消息查询与轨迹、客户端能力全面增强》
《AI 网关可观测体系:让大模型调用看得见、查得到、审得清》
扫描下方二维码关注本公众号,
了解更多相关产品信息!
戳原文,查看消息队列 MQTT 版的信息!