行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

从“做出来”到“卖出去” —人形机器人运控专题

机械设备 2025-03-12 王可中泰证券测试专用号2高级版

人形机器人运控专题

1. 人形机器人“小脑”（运控）介绍

概念：人形机器人“小脑”指运动控制，由软硬件构成，硬件包括控制器、驱动系统、编码器等，软件主要为部署在硬件上的控制和感知算法等。与传统运控最大区别在于，后者根据已编程轨迹完成实时控制，而前者需实时判断生成运动轨迹。
主要功能：运动执行、协调运作、反馈调节和动态平衡。
控制技术：模型控制（MPC）、强化学习、模仿学习。
案例：本田ASIMO、AIST、AgilityRoboticsDigit、北京理工大学等。
面临的挑战：实时性、鲁棒性、可解释性，以及控制与感知、决策和规划的结合。

2. 小脑在垂直场景有望率先成熟，小模型性价比凸显

To B vs To C：To B场景（工业、医疗、物流）有望率先落地和放量，原因包括技术适配与需求刚性、成本与价格敏感度、政策与法规支持。To C场景（家庭）环境复杂多变，需要高度灵活性与自然交互能力，且伦理问题尚未解决。
To B场景下开发统一底层大模型的难度：机器人下肢运动关节相对固定，易形成统一模型；而上肢精细运动，不同场景运动轨迹规划千差万别，开发统一底层大模型难度大，训练成本高，且高质量训练数据获取难。
人形运控产业构成：由一次开发（一开）商和二次开发（二开）商构成。一开企业如特斯拉、华为、宇树等，做平台型通用机器人；二开企业如科大讯飞、优必选等，开发针对特定应用场景的机器人。
小模型性价比凸显：针对特定应用场景开发小模型有望渐成主流。小模型适用于特定场景，如工业制造、医疗护理、家庭服务等，能显著降低开发与部署成本，决策逻辑更贴近实际需求。
小模型开发思路：基于通用底层大模型进行二次开发，用领域内语料进行预训练，通过SFT激发模型理解该领域问题，最后通过RLHF让模型回答对齐人们偏好。
小模型应用案例：工业质检、医疗护理、家庭服务、农业与物流场景。
数据采集挑战：人形机器人训练数据严重短缺，开源数据集匮乏。数据来源为真实人类运控数据采集及数字孪生，需两者结合，即先在孪生环境中跑通基础模型，再通过sim to real的迁移学习，叠加真实人类运动数据采集矫正。
动捕设备：按技术路线可分为惯性式、光学式、光惯混合式与摇操作式。惯性式和光学式为主流，国内各大人形机器人本体厂均采用光学动捕与惯性动捕结合。
全球动捕市场：由海外厂商主导，Vicon、OptiTrack、Motion Analysis等占据主要市场份额。
国内动捕市场：光学动捕国内品牌和国外品牌各占部分市场份额。主要厂商包括度量科技、青瞳视觉和凌云光等。
产业链价值分布：光学动捕设备中，高精度光学摄像头占最大价值量，核心壁垒为软件算法+高精度传感器技术。