行业与公司 * 运动控制行业 特别是人形机器人领域的运动控制（小脑）环节[1] * 工业机器人行业[5] * 涉及的公司包括第三方运动控制平台公司（如顾高、雷赛、华中）[22][23] 以及一体化布局的机器人公司（如拓斯达、埃斯顿、埃夫特）[19][24][25] 核心观点与论据 * 人形机器人发展重心从硬件转向软件 软件是通用人形机器人的核心痛点[1][2] * 人形机器人控制系统分为大脑（算力平台）和小脑（运动控制） 大脑技术快速迭代对小脑的响应速度和控制精度提出更高要求 从而提升小脑价值量[1][3] * 现代化人形机器人运动控制采用分散式多级结构 通过整体运动控制器下接多个MCU以均衡计算负担并降低延迟[6] * 未来人形机器人将更注重极致性能 推动独立小脑（运动控制平台）的出现 其价值量预计持续提升[7][8] * 人形机器人控制方式从工业机器人的预编程指令转向结合大语言模型（如VLA模型）和视觉模块 将任务指令映射为动作要求 以此降低算力需求和能耗 提高响应速度与效率[1][11] * 未来通用人形机器人将采用结合VLA模型和传统工业运控系统的混合架构 降低对GPU算力及电耗需求 提升响应速度与精度[3][13][14] * 小脑商业模式主要有三种：第三方运动控制平台（如西门子模式）、一体化布局（如拓斯达、埃斯顿）、深度合作定制化开发运控系统[19] * AI大模型主要用于优化运动控制系统中的数学计算过程 而非直接实现最终结果[21] * 随着大脑性能提升（如Figure发布的双系统大模型 其中小模型参数量为8000万 推理速度从每秒生成几个控制信号提高到每秒上百个信号） 对小脑性能要求更高 未来趋势是采用更多参数量小但架构优化、推理速度快（如100赫兹到200赫兹 甚至可能达到1000赫兹）的小模型[16] 其他重要内容 * 工业机器人的运动控制系统包括运动控制器、伺服驱动、电机和传感器 其基本工作原理是控制器接受输入信号 通过计算解码后转化为每个执行器的控制量 并通过伺服驱动传递电信号至电机 完成末端驱动[5] * 工业机器人多关节联动控制面临摩擦、惯性干扰等复杂变量 需要通过编码器进行位置检测 实现闭环回路来减少误差[10] * 人形机器人的上肢与下肢分别采用独立系统（上肢称为manipulation 下肢称为local motion）以简化建模过程[12] * 运动控制模块在工业应用中主要提供通用平台 企业可根据自身需求进行二次开发 运动控制企业与主机厂之间是合作关系[20] * 具备竞争优势的公司展示了强大的多轴联动控制、高精度误差补偿和低延迟能力 例如雷赛实现了灵巧手驱控一体化及人形机器人运动控制器开发[22][23] * 工业机器人企业通过自研或收购技术向上游延伸以增强运动控制技术储备 例如拓斯达与华为合作微调大模型来实现类人形结构[24]