人形機(jī)器人行業(yè)運(yùn)控專題：從“做出來”到“賣出去”

2目錄C

O

N

T

E

N

T

S人形機(jī)器人小腦（運(yùn)控）介紹誰有望搶占小腦發(fā)展的制高點(diǎn)？小腦在垂直場景有望率先成熟，小模型性價(jià)比凸顯投資邏輯：

聚焦二開本體廠商及動(dòng)捕企業(yè)123431人形機(jī)器人小腦（運(yùn)控）介紹1.1、人形機(jī)器人“小腦”概念人形機(jī)器人“小腦”：目前產(chǎn)業(yè)界對(duì)人形“小腦”的定義并沒有形成統(tǒng)一共識(shí)，一般認(rèn)為“小腦”就是運(yùn)動(dòng)控制，即由軟硬件構(gòu)成，硬件包括控制器、驅(qū)動(dòng)系統(tǒng)、編碼器等，軟件主要為部署在硬件上的控制和感知算法等。人形運(yùn)控與傳統(tǒng)運(yùn)控最大的區(qū)別在于：后者是根據(jù)已編程好的軌跡去完成實(shí)時(shí)控制，而前者需要通過各種場景的實(shí)時(shí)判斷來生成實(shí)時(shí)運(yùn)動(dòng)軌跡（即AI大模型訓(xùn)練學(xué)習(xí)后，實(shí)時(shí)生成運(yùn)控軌跡的指令），進(jìn)而實(shí)現(xiàn)控制。圖表1:機(jī)器人“小腦”構(gòu)成來源：雷賽智能招股書、整理41.1、人形機(jī)器人“小腦”概念“小腦”的主要功能：與“大腦”主要負(fù)責(zé)環(huán)境感知和智能交互不同，“小腦”更多地關(guān)注于機(jī)器人的運(yùn)動(dòng)控制和平衡調(diào)節(jié)，通過接收來自傳感器（如視覺傳感器、力覺傳感器、觸覺傳感器等）的信息，對(duì)這些信息進(jìn)行處理和分析，進(jìn)而指導(dǎo)機(jī)器人的運(yùn)動(dòng)。主要功能可以分為四類：運(yùn)動(dòng)執(zhí)行、協(xié)調(diào)運(yùn)作、反饋調(diào)節(jié)和動(dòng)態(tài)平衡。圖表2:人形機(jī)器人“小腦”主要功能來源：茶派科技公眾號(hào)、繪制51.2、人形機(jī)器人“小腦”的控制技術(shù)包括三類：①模型控制（MPC）?；诰_的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型，實(shí)現(xiàn)對(duì)機(jī)器人動(dòng)作的精準(zhǔn)控制，適用于特定任務(wù)的自動(dòng)化執(zhí)行，即傳統(tǒng)運(yùn)控范疇。②強(qiáng)化學(xué)習(xí)。通過在復(fù)雜環(huán)境中的自主探索，學(xué)習(xí)最優(yōu)控制策略，顯著提升了上肢和下肢在復(fù)雜任務(wù)中的效率、精度和適應(yīng)性。③模仿學(xué)習(xí)。通過模仿人類行為，減少對(duì)環(huán)境探索的依賴，利用人類行為數(shù)據(jù)訓(xùn)練智能體（動(dòng)捕是關(guān)鍵，即數(shù)據(jù)獲?。?，顯著提升任務(wù)執(zhí)行能力。圖表3:“小腦”的控制技術(shù)介紹來源：《人形機(jī)器人技術(shù)與產(chǎn)業(yè)發(fā)展研究》、繪制61.3、人形機(jī)器人“小腦”案例來源：茶派科技公眾號(hào)、整理制造商產(chǎn)品名稱控制技術(shù)控制系統(tǒng)方案本田ASIMO機(jī)器人模仿學(xué)習(xí)基于零力矩點(diǎn)（ZMP）判據(jù)及預(yù)觀控制算法，通過精確計(jì)算零力矩點(diǎn)（ZMP），規(guī)劃機(jī)器人的運(yùn)動(dòng)軌跡，確保在行走和運(yùn)動(dòng)過程中保持平衡和穩(wěn)定AIST-模仿學(xué)習(xí)通過ZMP判據(jù)及預(yù)觀控制算法，實(shí)現(xiàn)對(duì)自身運(yùn)動(dòng)的精確控制，確保在不同的工作場景下都能穩(wěn)定、高效地完成任務(wù)AgilityRoboticsDigit機(jī)器人強(qiáng)化學(xué)習(xí)利用強(qiáng)化學(xué)習(xí)算法，通過在仿真環(huán)境中不斷進(jìn)行訓(xùn)練和優(yōu)化，學(xué)習(xí)各種運(yùn)動(dòng)技能北京理工大學(xué)-學(xué)習(xí)采用模仿學(xué)習(xí)算法，以人機(jī)關(guān)節(jié)軌跡相似為目標(biāo)，通過非線性最優(yōu)化求解的動(dòng)作映射，規(guī)劃出合理的運(yùn)動(dòng)方案案例：目前業(yè)界基于強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí)已進(jìn)行多種嘗試，以美國Agility

Robotics的Digit機(jī)器人為例，其利用強(qiáng)化學(xué)習(xí)算法，通過在仿真環(huán)境中不斷進(jìn)行訓(xùn)練和優(yōu)化，學(xué)習(xí)各種運(yùn)動(dòng)技能（行走、奔跑、轉(zhuǎn)彎、上下臺(tái)階）。在實(shí)際應(yīng)用場景中，Digit機(jī)器人與亞馬遜合作，負(fù)責(zé)倉庫物流，能夠根據(jù)環(huán)境的變化和任務(wù)需求，自主規(guī)劃路徑，快速準(zhǔn)確地完成物品的搬運(yùn)和分揀。Digit在物流領(lǐng)域中的成功應(yīng)用，不僅提高物流效率，還降低人力成本，為物流行業(yè)的發(fā)展帶來了新的解決方案。圖表4:人形機(jī)器人制造商“小腦”環(huán)節(jié)方案（部分）71.4、人形機(jī)器人“小腦”面臨的挑戰(zhàn)來源：茶派科技公眾號(hào)、整理挑戰(zhàn)：主要包括如何進(jìn)一步提高AI模型在機(jī)器人控制中的實(shí)時(shí)性、魯棒性和可解釋性，以確保機(jī)器人在復(fù)雜環(huán)境中的穩(wěn)定運(yùn)行和安全可靠。此外，如何將控制與感知、決策和規(guī)劃更緊密地結(jié)合，構(gòu)建端到端的自主系統(tǒng)，亦是未來重要的研究方向。圖表5:“小腦”面臨的挑戰(zhàn)面臨的問題詳細(xì)內(nèi)容實(shí)時(shí)性問題機(jī)器人需要對(duì)環(huán)境變化做出快速響應(yīng)，但在復(fù)雜環(huán)境中快速行走、躲避障礙物或與人類進(jìn)行實(shí)時(shí)交互時(shí)，大模型的計(jì)算和推理過程可能會(huì)產(chǎn)生較大的延遲。實(shí)時(shí)性問題的產(chǎn)生主要源于大模型的復(fù)雜性和計(jì)算量。魯棒性難題現(xiàn)實(shí)世界中，環(huán)境容易變化，如光線、溫度、地形、障礙物分布等，這些因素都會(huì)對(duì)機(jī)器人的運(yùn)動(dòng)控制產(chǎn)生影響，進(jìn)而導(dǎo)致運(yùn)動(dòng)規(guī)劃和控制出現(xiàn)偏差。可解釋性缺失AI的告訴發(fā)展使得越來越多復(fù)雜算法和模型被應(yīng)用于機(jī)器人的運(yùn)控中，但它們往往是黑盒模型，難以理解其決策過程和輸出結(jié)果的依據(jù)。其他方面“小 、決策和規(guī)劃的結(jié)合方面存在不足，這些環(huán)節(jié)往往存在脫節(jié)的現(xiàn)象，導(dǎo)致機(jī)器人的整體性能受到影響，嚴(yán)重阻礙了構(gòu)建端到端的自主系統(tǒng)。89小腦在垂直場景有望率先成熟，小模型性價(jià)比凸顯2.1、人形機(jī)器人落地難度和市場規(guī)模：To

C

＞To

B來源：搜狐網(wǎng)、中國信息通信研究院、整理TO

B有望率先落地和放量，原因：技術(shù)適配與需求剛性：B端客戶，如工業(yè)、醫(yī)療、物流等需求明確且結(jié)構(gòu)化，技術(shù)更易適配。例如，工廠中的搬運(yùn)、質(zhì)檢等任務(wù)對(duì)機(jī)器人的運(yùn)動(dòng)控制、環(huán)境感知能力要求較高，但場景相對(duì)封閉，無需復(fù)雜的人機(jī)交互。ToC場景家庭環(huán)境復(fù)雜多變，需要高度靈活性與自然交互能力。成本與價(jià)格敏感度：企業(yè)用戶注重性價(jià)比，TO

B產(chǎn)品量產(chǎn)萬臺(tái)后價(jià)格預(yù)計(jì)可降至20-30萬元（以優(yōu)必選機(jī)器人為例），而C端對(duì)性能要求高，目前To

C主流產(chǎn)品售價(jià)在9.9萬元-65萬元（以宇樹科技機(jī)器人為例）。政策與法規(guī)支持：政策明確支持工業(yè)場景開放與標(biāo)準(zhǔn)化；To

C場景下，隱私、安全等倫理問題尚未解決，制約C端場景落地。圖表6：B端和C端機(jī)器人場景對(duì)比 圖表7：人形機(jī)器人未來規(guī)模預(yù)測(cè)來源：思瀚產(chǎn)業(yè)研究院，繪制To

B場景 To

C場景應(yīng)用場景 工業(yè)、醫(yī)療、物流 作為家庭助手，幫助用戶完成家務(wù)、陪伴老人和兒童等任務(wù)價(jià)格 量產(chǎn)萬臺(tái)后價(jià)格預(yù)計(jì)可降至20-

主流產(chǎn)品售價(jià)在9.9萬元-65萬30萬元 元2024年約2000臺(tái)，預(yù)計(jì)在2030

預(yù)計(jì)2030、2035年分別達(dá)到2銷售量 、2035年分別達(dá)到15萬臺(tái)、80- 萬臺(tái)、120-130萬臺(tái)90萬臺(tái)技術(shù)成熟度 諧波減速器/傳感器國產(chǎn)化率高

雙足行走/情感交互技術(shù)未閉環(huán)深圳市推出“雙一百”政策：

倫理法規(guī)待完善，暫無明確政政策支持 開放100個(gè)應(yīng)用場景與百億基金 策持續(xù)發(fā)力推動(dòng)人工機(jī)器人發(fā)展10來源：繪制2.2、TO

B場景下，開發(fā)統(tǒng)一的底層大模型難度大機(jī)器人下肢：運(yùn)動(dòng)關(guān)節(jié)相對(duì)固定，更容易形成一個(gè)統(tǒng)一的模型，可以設(shè)置“不摔倒、走得快”等作為獎(jiǎng)勵(lì)函數(shù)來強(qiáng)化學(xué)習(xí)。目前主流的下肢算法是英偉達(dá)的Issac

Gim底層算法+強(qiáng)化學(xué)習(xí)。機(jī)器人上肢：屬于精細(xì)運(yùn)動(dòng)范疇，尤其是靈巧手關(guān)節(jié)的控制，不同應(yīng)用場景下運(yùn)動(dòng)軌跡的規(guī)劃千差萬別，開發(fā)統(tǒng)一的底層大模型面臨兩大難題：①開發(fā)難度大，訓(xùn)練成本高，高能耗以及在特定場景下的性能瓶頸等；②高質(zhì)量的訓(xùn)練數(shù)據(jù)獲取難。

圖表8：機(jī)器人上肢和下肢特征及對(duì)應(yīng)算法

人形機(jī)器人下肢上肢特征

運(yùn)動(dòng)關(guān)節(jié)固定，有統(tǒng)一底層算法精細(xì)運(yùn)動(dòng)，沒有統(tǒng)一底層算法特征算法 Issac

Gim底層算法+強(qiáng)化學(xué)習(xí)難題①開發(fā)難度大，訓(xùn)練成本高；②訓(xùn)練數(shù)據(jù)缺失11來源：繪制2.3、難度①：上肢的底層運(yùn)控算法人形運(yùn)控產(chǎn)業(yè)未來將由一次開發(fā)(一開)商和二次開發(fā)(二開)商兩部分構(gòu)成。一開企業(yè)如特斯拉、華為、宇樹等做人形運(yùn)控算法的一次開發(fā)（即平臺(tái)型通用機(jī)器人企業(yè)），類似于iOS之于蘋果，不同廠商硬件規(guī)格和方案不同，運(yùn)控算法不兼容，因此運(yùn)控產(chǎn)業(yè)是平臺(tái)型企業(yè)的兵家必爭之地；二開企業(yè)是應(yīng)用廠商，類似于APP應(yīng)用開發(fā)商，在一開企業(yè)軟硬件基礎(chǔ)上，開發(fā)針對(duì)特定應(yīng)用場景的機(jī)器人（如針對(duì)教育、養(yǎng)老、消防、?；?、礦山、電力、冶金等領(lǐng)域開發(fā)機(jī)器人）。

圖表9：人形運(yùn)控產(chǎn)業(yè)一次開發(fā)商和二次開發(fā)商的關(guān)系

人形運(yùn)控產(chǎn)業(yè)教育(二開)商企業(yè)：特斯拉、二次開發(fā)華為、宇樹、figuer、1X、智元等，即平臺(tái)型企業(yè)公司：科大訊飛、優(yōu)必選等一次開發(fā)(一開)商養(yǎng)老消防?；V山其他公司：麥迪科技、歐圣電氣等公司：青鳥消防等公司：博實(shí)股份等公司：運(yùn)機(jī)集團(tuán)、華榮股份等電力、智能家居等領(lǐng)域12132.3、難度①：上肢的底層運(yùn)控算法針對(duì)特定應(yīng)用場景開發(fā)小模型有望漸成主流。隨著Deepseek的出現(xiàn)，通過蒸餾技術(shù)縮小模型規(guī)模，進(jìn)而將小模型植入人形端部成為可能，未來特定場景應(yīng)用的小模型會(huì)越來越多。小模型優(yōu)勢(shì)：小模型適用于特定場景，如工業(yè)制造、醫(yī)療護(hù)理、家庭服務(wù)等，能顯著降低開發(fā)與部署成本。相較于通用大模型需要海量數(shù)據(jù)和算力支持，小模型可以通過遷移學(xué)習(xí)或微調(diào)快速適配特定任務(wù)，減少數(shù)據(jù)標(biāo)注和訓(xùn)練周期。并且這種針對(duì)性的強(qiáng)化學(xué)習(xí)，使得垂直模型決策邏輯更貼近實(shí)際需求。

圖表10：小模型優(yōu)勢(shì)

來源：賢集網(wǎng)、整理優(yōu)勢(shì)主要內(nèi)容成本效益顯著大模型的訓(xùn)練成本呈指數(shù)增長，從早期Transformer到如今谷歌Gemini

Ultra模型近2億美元訓(xùn)練成本。而一些小模型通過精心設(shè)計(jì)和優(yōu)化，在保證性能的前提下，極大地降低了訓(xùn)練所需的計(jì)算資源和時(shí)間成本部署靈活性高小模型所需的計(jì)算資源和存儲(chǔ)空間較少，這使得AI技術(shù)能夠更貼近用戶，實(shí)現(xiàn)本地化的智能處理，減少對(duì)云端服務(wù)器的依賴，提高響應(yīng)速度專業(yè)性與針對(duì)性強(qiáng)與通用的大模型不同，小模型可以針對(duì)特定的專業(yè)領(lǐng)域或具體業(yè)務(wù)需求進(jìn)行定制化訓(xùn)練，從而在特定任務(wù)上展現(xiàn)出卓越的性能。美國生物技術(shù)公司Path

AI利用小模型在圖像處理方面的優(yōu)勢(shì)，對(duì)病理圖像進(jìn)行自動(dòng)化分析，輔助醫(yī)生進(jìn)行疾病診斷，其專業(yè)性和準(zhǔn)確性在實(shí)際應(yīng)用中得到了有效驗(yàn)證能源消耗低由 算復(fù)雜度相對(duì)較低，對(duì)高性能硬件資源的需求較少，因此在運(yùn)行過程中能耗大幅降低2.3、難度①：上肢的底層運(yùn)控算法特定應(yīng)用場景小模型一般是基于通用底層大模型進(jìn)行的二次開發(fā)。為了給模型注入特定領(lǐng)域知識(shí)，就需要用該領(lǐng)域內(nèi)的語料進(jìn)行繼續(xù)的預(yù)訓(xùn)練，進(jìn)而通過SFT激發(fā)模型理解該領(lǐng)域內(nèi)各種問題并逐漸具備回答的能力，最后通過RLHF可以讓模型的回答對(duì)齊人們偏好，比如行文的風(fēng)格。

圖表11：特定應(yīng)用場景小模型開發(fā)的基本思路

來源：機(jī)器學(xué)習(xí)社區(qū)、142.3、難度①：上肢的底層運(yùn)控算法小模型應(yīng)用案例：工業(yè)質(zhì)檢場景：小模型可基于少量缺陷樣本實(shí)現(xiàn)高精度識(shí)別，開發(fā)成本較通用模型顯著降低。醫(yī)療護(hù)理場景：養(yǎng)老機(jī)構(gòu)中，小模型結(jié)合多模態(tài)傳感器數(shù)據(jù)（語音、觸覺、體溫），實(shí)現(xiàn)老人跌倒檢測(cè)與應(yīng)急響應(yīng)，誤報(bào)率降低，響應(yīng)時(shí)間縮短。家庭服務(wù)場景：1X的NEOGamma家用機(jī)器人通過垂直模型實(shí)現(xiàn)衣物分類與清潔力度自適應(yīng)調(diào)節(jié)，識(shí)別準(zhǔn)確率提升，能耗降低。農(nóng)業(yè)與物流場景：農(nóng)業(yè)采摘機(jī)器人通過小模型識(shí)別果實(shí)成熟度，結(jié)合地形感知調(diào)整抓取路徑，采摘效率提升，同時(shí)損壞率降低。15162.4、難度②：數(shù)據(jù)采集行業(yè)痛點(diǎn)：人形機(jī)器人訓(xùn)練數(shù)據(jù)嚴(yán)重短缺數(shù)據(jù)需求激增：在特斯拉2024年第四季度財(cái)報(bào)電話會(huì)上，馬斯克指出，人形機(jī)器人所承擔(dān)的任務(wù)及用途，相較汽車自動(dòng)駕駛而言復(fù)雜得多，大概有1000倍之多，所需的訓(xùn)練數(shù)據(jù)規(guī)模也會(huì)隨之?dāng)U大至10倍左右。數(shù)據(jù)現(xiàn)狀難以支撐訓(xùn)練：目前可用于訓(xùn)練人形機(jī)器人的開源數(shù)據(jù)集，無論是在數(shù)量上還是規(guī)模上都極為匱乏，難以支撐高效訓(xùn)練。圖表12:人形機(jī)器人與自動(dòng)駕駛開源訓(xùn)練數(shù)據(jù)集大小對(duì)比來源：51CTO、整理自動(dòng)駕駛數(shù)據(jù)集數(shù)據(jù)集描述人形機(jī)器人數(shù)據(jù)集數(shù)據(jù)集描述Waymo包含1150個(gè)場景、2030個(gè)20s片段、1260萬個(gè)3D標(biāo)注框RoboSet包括7500條軌跡BDD100K 包含10萬段40s高清視頻Open

X-EmbodimentGoogle整合的60個(gè)已有機(jī)器人數(shù)據(jù)集，包含22個(gè)機(jī)器人的527個(gè)技能訓(xùn)練數(shù)據(jù)DetectionBoxy

Vehicle

包含20萬張高分辨率圖像G1宇樹G1人形機(jī)器人擰瓶蓋倒水、疊三色積木等5種操作Lyft

L5包含1805個(gè)場景、4.6萬張圖像、約130萬個(gè)3D標(biāo)注框AgiBot

World

智元機(jī)器人開源數(shù)據(jù)集，涵蓋80余種日常生活動(dòng)作nuScenes包含1000個(gè)20秒場景，140萬張相機(jī)圖像，39萬次激光雷達(dá)掃描Argoverse包含多個(gè)城市的駕駛場景數(shù)據(jù)4.4萬張圖像數(shù)據(jù)、約99萬個(gè)3D標(biāo)注框ALOHA

2.0 ALOHA機(jī)器人的操作HumanPlus 結(jié)合了機(jī)器人仿真數(shù)據(jù)和人類運(yùn)動(dòng)數(shù)據(jù)2.4、難度②：數(shù)據(jù)采集來源：VR圈中圈，整理數(shù)據(jù)來源與采集方式：雙軌并行：真實(shí)數(shù)據(jù)+數(shù)字孿生。人形機(jī)器人的數(shù)據(jù)來源主要為真實(shí)人類運(yùn)控?cái)?shù)據(jù)采集及數(shù)字孿生兩類，需要兩者結(jié)合，即先在孿生環(huán)境中將真實(shí)數(shù)據(jù)進(jìn)行倍增，跑通基礎(chǔ)模型，再通過sim

to

real的遷移學(xué)習(xí)，疊加真實(shí)人類運(yùn)動(dòng)數(shù)據(jù)采集矯正，從而完成一套動(dòng)作學(xué)習(xí)。真實(shí)數(shù)據(jù)采集來源為動(dòng)捕及傳感器信息輸入。動(dòng)捕系統(tǒng)通過捕捉目標(biāo)對(duì)象關(guān)鍵點(diǎn)位位移信息，并將其轉(zhuǎn)化為數(shù)字信號(hào)，進(jìn)而生成三維空間中的運(yùn)動(dòng)數(shù)據(jù)。采集工具包含vision

pro、動(dòng)捕裝置等，在精細(xì)程度、環(huán)境約束條件、成本上有所差異。數(shù)字孿生：虛擬環(huán)境模擬，通過“sim-to-real”遷移學(xué)習(xí)提升模型泛化能力。

圖表13：穿動(dòng)捕服進(jìn)行數(shù)據(jù)捕捉

圖表14：RoboGen流程來源：新智元公眾號(hào)，整理172.4、難度②：數(shù)據(jù)采集來源：Chen

Wang

etal,

MimicPlay:

Long-Horizon

mitationLeaming

by

Watching

Human

Play,

2023、A1

寒武紀(jì)公眾號(hào)、新智元公眾號(hào)、整理真實(shí)數(shù)據(jù)采集依賴動(dòng)捕設(shè)備：動(dòng)作捕捉按技術(shù)路線可以分為慣性式、光學(xué)式、光慣混合式與搖操作式（VR頭顯加手柄）。其中，慣性式和光學(xué)式是目前較為主流的兩種技術(shù)路線，分別適用于不同的動(dòng)捕場景。光慣混合式結(jié)合了慣性式和光學(xué)式兩種方式。搖操作式因精度和維度較小，只適用于做簡單的多模態(tài)感知訓(xùn)練，不適用于復(fù)雜應(yīng)用。國內(nèi)各大人形機(jī)器人本體廠均采用光學(xué)動(dòng)捕與慣性動(dòng)捕結(jié)合的方式進(jìn)行數(shù)據(jù)采集。

圖表15:光學(xué)動(dòng)捕和慣性動(dòng)捕的差異點(diǎn)對(duì)比表

特性光學(xué)動(dòng)捕慣性動(dòng)捕原理通過攝像頭捕捉標(biāo)記點(diǎn)或物體的位置和運(yùn)動(dòng)通過慣性傳感器（如加速度計(jì)、陀螺儀）測(cè)量運(yùn)動(dòng)18精度高精度，尤其在靜態(tài)環(huán)境下精度較高，但可能隨時(shí)間累積誤差實(shí)時(shí)性實(shí)時(shí)性較好，但可能受處理速度影響實(shí)時(shí)性非常好，延遲極低環(huán)境要求需要特定環(huán)境（如光線、空間、無反光干擾）對(duì)環(huán)境要求低，可在各種環(huán)境下使用設(shè)備復(fù)雜度設(shè)備復(fù)雜，需要多個(gè)攝像頭和標(biāo)記點(diǎn)設(shè)備簡單，只需佩戴傳感器成本成本較高，尤其是高精度系統(tǒng)成本相對(duì)較低便攜性便攜性差，安裝和校準(zhǔn)復(fù)雜便攜性好，易于攜帶和安裝機(jī)器人領(lǐng)域適用場景上肢等精細(xì)運(yùn)動(dòng)的捕捉

全身運(yùn)動(dòng)的捕捉192.4、難度②：數(shù)據(jù)采集全球動(dòng)捕市場由海外廠商主導(dǎo)。根據(jù)MarketsandMarkets數(shù)據(jù)，2023年動(dòng)作捕捉市場規(guī)模約32億美元，其中Vicon占38，OptiTrack占25

，Motion

Analysis占15

。來源：各公司官網(wǎng)，整理中國瑞立視基于自主研發(fā)的紅外光學(xué)相機(jī)硬件和動(dòng)作捕捉算法，為多個(gè)領(lǐng)域提供沉浸式交互應(yīng)用解決方案荷蘭Xsens慣性動(dòng)捕領(lǐng)軍企業(yè)，動(dòng)捕系統(tǒng)精度高，不易受外界環(huán)境干擾中國諾亦騰自主研發(fā)的慣性傳感器+光學(xué)/慣性混合運(yùn)動(dòng)測(cè)量兩大核心技術(shù)圖表16:競爭格局技術(shù)路線 地區(qū)廠商名稱優(yōu)勢(shì)光學(xué)動(dòng)捕英國Vicon全球視覺運(yùn)動(dòng)捕捉技術(shù)領(lǐng)域處于領(lǐng)導(dǎo)地位，擁有先進(jìn)的紅外攝像技術(shù)和計(jì)算機(jī)視覺算法，實(shí)時(shí)追蹤記錄三維運(yùn)動(dòng)數(shù)據(jù)美國Optitrack具備高精度、低延遲和實(shí)時(shí)數(shù)據(jù)處理能力，廣泛應(yīng)用于電影、游戲、VR等領(lǐng)域的高端動(dòng)作捕捉美國MotionAnalysis光學(xué)動(dòng)作捕捉系統(tǒng)具備高精度、高可靠性，在科研、影視制作等領(lǐng)域具有很強(qiáng)的競爭力瑞士Qualisys提供高速精度動(dòng)作捕捉相機(jī)以及先進(jìn)的動(dòng)作數(shù)據(jù)跟蹤分析軟件，專門為醫(yī)療和工業(yè)領(lǐng)域提供光學(xué)動(dòng)作捕捉平臺(tái)中國度量科技自主研發(fā)、制造和銷售三維動(dòng)作捕捉系統(tǒng)中國凌云光自主研發(fā)的

FZMotion

動(dòng)捕系統(tǒng)精度高中國青瞳視覺自主研發(fā)并生產(chǎn)的紅外光學(xué)動(dòng)作捕捉系統(tǒng)具有高精度、低延時(shí)、遠(yuǎn)距離、高魯棒性等優(yōu)勢(shì)慣性動(dòng)捕2.4、難度②：數(shù)據(jù)采集國內(nèi)市場：光學(xué)動(dòng)捕國內(nèi)品牌和國外品牌各占部分市場份額。人形機(jī)器人應(yīng)用領(lǐng)域：國內(nèi)主要做光學(xué)動(dòng)捕的企業(yè)包括：度量科技、青瞳視覺和凌云光等。圖表17:國內(nèi)動(dòng)捕設(shè)備廠商在人形機(jī)器人領(lǐng)域的產(chǎn)品應(yīng)用來源：各公司官網(wǎng)，整理動(dòng)捕設(shè)備廠商動(dòng)捕產(chǎn)品合作人形機(jī)器人本體廠商凌云光動(dòng)捕產(chǎn)品Fzmotion可實(shí)現(xiàn)0.01精度的穩(wěn)定捕捉，擁有先進(jìn)骨骼結(jié)算算法，在遮擋情況下能實(shí)現(xiàn)數(shù)據(jù)自動(dòng)修復(fù)宇樹科技、優(yōu)必選、小米20諾亦騰PN

Studio慣性動(dòng)作捕捉套裝低成本、環(huán)境適應(yīng)性強(qiáng)，HybridTrack

光學(xué)運(yùn)動(dòng)測(cè)量系統(tǒng)具有強(qiáng)魯棒性和高精度智元機(jī)器人、千尋智能度量科技Mars系列、Plotu系列、Orbit系列、VRT系列以及水下動(dòng)作捕捉相機(jī)青瞳視覺MC系列、R系列、K系列、D系列以及U系列捕捉相機(jī)2.4、難度②：數(shù)據(jù)采集產(chǎn)業(yè)鏈價(jià)值分布：光學(xué)動(dòng)捕設(shè)備：高精度光學(xué)攝像頭+光學(xué)標(biāo)記點(diǎn)+輔助硬件+軟件與算法。其中,高精度光學(xué)攝像頭單價(jià)高，占絕大部分硬件成本；光學(xué)標(biāo)記點(diǎn)單價(jià)低但用量大，需定期更換，屬消耗品。核心壁壘：軟件算法+高精度傳感器技術(shù)來源：產(chǎn)業(yè)鏈調(diào)研、整理圖表18:產(chǎn)業(yè)鏈價(jià)值分布表主要構(gòu)成 價(jià)值量占比高精度光學(xué)攝像頭30

-40技術(shù)特點(diǎn) 代表廠商紅外攝像頭為主，需高幀率（如120- Vicon（英國）、OptiTrack（美1000Hz）、高分辨率及低延遲 國）、Qualisys（瑞典）光學(xué)標(biāo)記點(diǎn)5-10分為被動(dòng)反光球（低成本）或主動(dòng)發(fā)光標(biāo)記（高精度場景）輔助硬件5-10包括校準(zhǔn)設(shè)備、支架、同步控制器等，技術(shù)門檻較低，競爭激烈軟件與算法20

-30包括數(shù)據(jù)采集、實(shí)時(shí)跟蹤、噪聲濾波、骨骼綁定等功能模塊，算法優(yōu)化（如遮擋處理）為核心競爭力21Motion

Analysis（光學(xué)）、Xsens（側(cè)重慣性+光學(xué)融合）223 誰有望搶占小腦發(fā)展的制高點(diǎn)？來源：整理人形運(yùn)控有五大玩家：①本體企業(yè)（一開企業(yè)）：負(fù)責(zé)機(jī)器人基礎(chǔ)硬件和軟件架構(gòu)設(shè)計(jì)（如特斯拉Optimus骨骼動(dòng)力學(xué)模型）、核心控制器開發(fā)、傳感器標(biāo)定等。②應(yīng)用企業(yè)（二開企業(yè)）：基于本體企業(yè)軟硬件平臺(tái)，進(jìn)行二次開發(fā)，應(yīng)用企業(yè)需針對(duì)不同行業(yè)需求，優(yōu)化控制算法，提升機(jī)器人在特定場景的性能與安全性。③傳統(tǒng)工控企業(yè)：負(fù)責(zé)執(zhí)行層面，與傳統(tǒng)機(jī)器人控制類似，但人形需要更高密度的驅(qū)動(dòng)技術(shù)和力控融合技術(shù)等，如SCHUNK的EcoGrip

60系列觸覺夾持器，實(shí)現(xiàn)精準(zhǔn)力控與柔順操作。④第三方“小腦”企業(yè)：提供SLAM+運(yùn)動(dòng)規(guī)劃融合方案，通過運(yùn)控算法給機(jī)器人企業(yè)進(jìn)行通用性賦能。⑤動(dòng)捕企業(yè)：前文已有詳細(xì)介紹，不再贅述。

圖表19：人形機(jī)器人運(yùn)控五大玩家存在“數(shù)據(jù)-算法-硬件”的關(guān)聯(lián)關(guān)系 3.1、人形機(jī)器人運(yùn)控重要環(huán)節(jié)的玩家動(dòng)捕數(shù)據(jù)第三方算法訓(xùn)練本體硬件集成應(yīng)用企業(yè)部署場景驗(yàn)證反饋工控執(zhí)行器適配23來源：Unitree宇樹科技、整理3.2、人形機(jī)器人運(yùn)控①：本體企業(yè)（一開廠商）如特斯拉已經(jīng)打通了FSD和機(jī)器人的底層模塊，實(shí)現(xiàn)復(fù)雜動(dòng)作支撐與平衡，為機(jī)器人運(yùn)動(dòng)奠定基礎(chǔ)。本體企業(yè)設(shè)計(jì)的架構(gòu)需適應(yīng)多場景，如工業(yè)、服務(wù)領(lǐng)域，滿足不同負(fù)載與運(yùn)動(dòng)需求。如宇樹M107高精度電機(jī)，關(guān)節(jié)動(dòng)態(tài)響應(yīng)精度顯著提升（誤差<0.1°）。全身動(dòng)力學(xué)實(shí)時(shí)解算能力，確保機(jī)器人在動(dòng)態(tài)環(huán)境中快速響應(yīng)與穩(wěn)定運(yùn)行。本體企業(yè)（一開廠商）是運(yùn)控產(chǎn)業(yè)鏈核心，軟硬件結(jié)合構(gòu)筑核心壁壘。前文提到，類似于iOS之于蘋果，本體企業(yè)將硬件和底層算法集成，以硬件為例，高精度關(guān)節(jié)模組是關(guān)鍵，如宇樹M107電機(jī)，關(guān)節(jié)動(dòng)態(tài)響應(yīng)精度顯著提升（誤差<0.1°）。圖表20：本體企業(yè)通過軟件結(jié)合構(gòu)筑壁壘，位居運(yùn)控產(chǎn)業(yè)鏈核心位置基礎(chǔ)架構(gòu)設(shè)計(jì) 核心硬件開發(fā) 技術(shù)壁壘24本體企業(yè)通過以高精度關(guān)節(jié)模組為代表的硬件與動(dòng)力學(xué)解算技術(shù)，構(gòu)建技術(shù)壁壘，不僅保護(hù)自身優(yōu)勢(shì)，還為產(chǎn)業(yè)鏈上下游合作提

供穩(wěn)定基礎(chǔ)與標(biāo)準(zhǔn)。應(yīng)用企業(yè)基于一開廠商產(chǎn)品進(jìn)行二次開發(fā)，以滿足特定下游需求。應(yīng)用企業(yè)（二開廠商）需要基于本體企業(yè)硬件平臺(tái)，針對(duì)不同行業(yè)需求，優(yōu)化控制算法，提升機(jī)器人在特定場景的性能與安全性。此外，應(yīng)用企業(yè)亦可以與工控企業(yè)聯(lián)合，針對(duì)特定場景定制末端執(zhí)行器，如汽車廠焊接機(jī)器人的耐高溫夾爪，滿足特定工藝需求。3.2、人形機(jī)器人運(yùn)控②：應(yīng)用企業(yè)（二開廠商）來源：萬國企業(yè)網(wǎng)、整理基于本體企業(yè)硬件平臺(tái)，開發(fā)行業(yè)專用控制協(xié)議，如醫(yī)療機(jī)器人手術(shù)臂適配ISO

13482安全規(guī)范。應(yīng)用企業(yè)需針對(duì)不同行業(yè)需求，優(yōu)化控制算法，提升機(jī)器人在特定場景的性能與安全性。圖表21：應(yīng)用企業(yè)基于一開廠商產(chǎn)品進(jìn)行二次開發(fā)場景適配開發(fā) 聯(lián)合定制模式與工控企業(yè)聯(lián)合定制末端執(zhí)行器，如汽車廠焊接機(jī)器人的耐高溫夾爪，滿足特定工藝需求。聯(lián)合定制模式促進(jìn)產(chǎn)業(yè)鏈協(xié)同，提升機(jī)器人在復(fù)雜工業(yè)場景的應(yīng)用效率與可靠性。商業(yè)價(jià)值拓展25應(yīng)用企業(yè)通過場景適配與定制，提升機(jī)器人在各應(yīng)用領(lǐng)域的滲透率與市場份額。商業(yè)價(jià)值拓展不僅依賴技術(shù)適配，還需與上下游企業(yè)建立緊密合作關(guān)系，實(shí)現(xiàn)互利共贏。3.2、人形機(jī)器人運(yùn)控③：工控企業(yè)（終端執(zhí)行器企業(yè)）來源：SCHUNK官網(wǎng)、整理高密度驅(qū)動(dòng)技術(shù)：如Harmonic

Drive的諧波減速器，提升執(zhí)行器功率密度與精度；力控融合技術(shù)：如SCHUNK的EcoGrip60系列觸覺夾持器，實(shí)現(xiàn)精準(zhǔn)力控與柔順操作。工控企業(yè)需與本體或應(yīng)用企業(yè)適配開發(fā)執(zhí)行器。在終端執(zhí)行器層面，人形機(jī)器人和傳統(tǒng)工業(yè)機(jī)器人差異并不明顯，只需配合本體或應(yīng)用企業(yè)開發(fā)適用于特定應(yīng)用場景的關(guān)節(jié)模組，如高密度的驅(qū)動(dòng)技術(shù)和力控融合技術(shù)。圖表22：工控企業(yè)在人形時(shí)代需要開發(fā)特定執(zhí)行器技術(shù)攻堅(jiān)突破 模塊化接口策略26通過模塊化接口，如ISO/TS

15066標(biāo)準(zhǔn)快拆頭，實(shí)現(xiàn)跨本體平臺(tái)兼容，拓展市場應(yīng)用范圍。模塊化接口策略降低用戶更換成本，提升工控企業(yè)在產(chǎn)業(yè)鏈中的競爭力與靈活性。3.2、人形機(jī)器人運(yùn)控④：第三方“小腦”企業(yè)來源：橋介數(shù)物官網(wǎng)、第三方“小腦”企業(yè)類似于Android至于手機(jī)廠商，賦能機(jī)器人企業(yè)。iOS之于蘋果屬于閉源生態(tài)，在開源生態(tài)模式中，獨(dú)立第三方企業(yè)可以通過開發(fā)“小腦”底層運(yùn)控算法，賦能機(jī)器人企業(yè)。如橋介數(shù)物，其是國內(nèi)領(lǐng)先的具身智能控制系統(tǒng)開發(fā)公司，致力于構(gòu)建足式機(jī)器人的通用控制系統(tǒng)平臺(tái)，公司已幫助多家人形機(jī)器人公司完成從0到1的強(qiáng)化學(xué)習(xí)運(yùn)動(dòng)控制demo開發(fā)，并在2024年8月的世界機(jī)器人大會(huì)上，27家中有11家人形機(jī)器人廠商采購了其運(yùn)控解決方案。圖表23：搭載橋介數(shù)物“小腦”方案的機(jī)器人 圖表24：搭載橋介數(shù)物“小腦”方案的機(jī)器狗來源：橋介數(shù)物官網(wǎng)、人形機(jī)器人運(yùn)控⑤：動(dòng)捕企業(yè)，前文已有詳細(xì)介紹，不再贅述273.6、小結(jié)：小腦發(fā)展圍繞本體廠商展開，應(yīng)用落地是關(guān)鍵在整個(gè)人形機(jī)器人運(yùn)控產(chǎn)業(yè)鏈條中，本體廠商的軟硬件進(jìn)步驅(qū)動(dòng)行業(yè)發(fā)展，動(dòng)捕和工控企業(yè)的硬件進(jìn)步助推本體廠商持續(xù)迭代。隨著人形機(jī)器人量產(chǎn)時(shí)代來臨，尋找應(yīng)用場景成為關(guān)鍵（即生產(chǎn)出來的人形機(jī)器人賣不賣的出去），二次開發(fā)的廠商具備三大優(yōu)勢(shì)：①綁定某一細(xì)分領(lǐng)域客戶；②對(duì)特定下游（如電力、消防、礦山、養(yǎng)老等）工況有獨(dú)特理解；③有特定應(yīng)用場景的數(shù)據(jù)，并基于本體企業(yè)產(chǎn)品進(jìn)行訓(xùn)練，進(jìn)而滿足終端客戶需求。因此我們認(rèn)為，2025年基于應(yīng)用場景進(jìn)行二次開發(fā)的企業(yè)將成為最先放量，且最具彈性的方向。28294 投資邏輯：聚焦二開本體廠商及動(dòng)捕企業(yè)4.1、聚焦①：二開本體廠商環(huán)節(jié)具體業(yè)務(wù)公司名稱公司代碼2025/3/12EPS（元）PE最新評(píng)級(jí)股價(jià)（元）2023A2024A/E2025E2026E2023A2024A/E2025E2026E教育科研領(lǐng)域家庭養(yǎng)育陪伴，情感陪伴，stem教具科大訊飛002230.SZ51.800.280.250.370.51190.32209.29144.03104.49未評(píng)級(jí)優(yōu)必選9880.HK96.95(3.05)-------未評(píng)級(jí)養(yǎng)老康養(yǎng)領(lǐng)域養(yǎng)老陪護(hù)、康養(yǎng)陪護(hù)麥迪科技603990.SH15.63(0.88)(0.66)0.280.34--57.8247.62未評(píng)級(jí)優(yōu)必選9880.HK96.95(3.05)0.00(1.86)(1.04)----未評(píng)級(jí)歐圣電氣301187.SZ41.340.961.391.782.2545.8029.7124.7019.54未評(píng)級(jí)安防巡檢領(lǐng)域復(fù)雜場景簡單業(yè)務(wù)邏輯處理?？低?02415.SZ33.281.521.711.722.0022.1119.5119.5316.80未評(píng)級(jí)大華股份002236.SZ18.812.311.011.221.427.8718.6114.9012.80未評(píng)級(jí)特定領(lǐng)域巡檢電網(wǎng)能源領(lǐng)域業(yè)億嘉和603666.SH37.21(0.05)0.170.670.87-222.9559.4345.77未評(píng)級(jí)300853.SZ32.40(0.69)0.00(0.78)0.10---302.50未評(píng)級(jí)核電領(lǐng)域-景業(yè)智能688290.SH64.170.351.511.472.15203.4342.5848.4433.12未評(píng)級(jí)302025年，人形機(jī)器人關(guān)注度已逐漸從供給端轉(zhuǎn)向需求端，在量產(chǎn)的大背景下，具備垂直應(yīng)用場景的二開本體廠商無疑是最有可能放量的環(huán)節(jié)，預(yù)期差大，建議重點(diǎn)關(guān)注二開本體企業(yè)，包括：教育、養(yǎng)老、消防應(yīng)急、?；⒎辣?、礦山、