新闻中心
力控与运控的融合，共话具身智能“小脑”进化的破局之道
作者：
钛媒体（本文经编辑）
随着具身智能从“会思考”走向“会操作”，其背后的运动控制系统——“小脑”，正成为决定机器人能否真正落地工业场景的核心。在具身智能“小脑”进化的路径上，力控与运控代表着两条极具影响力的技术路线。力控派以力觉反馈为核心，模拟人类指尖感知与柔顺交互，追求“像人一样精准用力”；运控派以轨迹规划+全身协同为核心，模拟人类肢体联动与平衡控制，追求“像人一样灵活移动”。如果说传统工业机器人是依靠预设坐标点完成动作的“程序执行者”，那么如今具备先进运动控制能力的机器人，已经在向真正的“运动智能体”进化。
一、力控与运控：互补的技术路线
力控技术侧重于机器人与环境交互时的力感知与力调节。通过部署在关节输出端的力传感器，机器人不再是依赖位置控制的“硬碰撞”执行者，而是能够感知接触力并实时调整姿态的“柔性协作体”。自适应机器人融合了高精度力控、视觉感知与AI算法，具备环境适应与自主决策能力，其核心在于构建“感知-决策-执行”的闭环，实现类人的手眼配合。力控技术使机器人在装配、打磨、插拔等工序中能够感知并自适应调整力度，避免损坏工件，是实现柔顺操作的关键基础。
运控技术则侧重于机器人的运动轨迹规划与全身协调控制。例如，当机器人在行走中遇到地面湿滑时，运控小脑可直接根据力传感器反馈，实时调整腿部关节的支撑力度与步态，避免摔倒，同时将环境信息同步给感知大脑，供其更新路径规划，实现“安全响应”与“智能决策”的并行处理。在工业场景中，运控技术保证了多关节联动的精度与动态响应速度。
两条路线各有侧重：力控派强调柔顺性与力感知，适用于精密装配、打磨等需要精细力调节的场景；运控派强调动态响应与全身协同，适用于多关节联动、复杂动作控制的场景。然而，在真实工业环境中，机器人往往需要同时具备精准用力和灵活运动的能力，单一技术路线难以覆盖所有需求。行业专家普遍认为，两条技术路线分别适合不同场景，而机器人既需要精准运动，也需要理解受力反馈，触觉传感、端到端模型和云边协同正在推动机器人从“会动”走向“会操作”。
二、“小脑”技术的持续演进与市场增长
经过多年技术迭代，“小脑”领域已取得突破性进展——从打网球、乒乓球，到跳舞、武术表演、完成复杂的全身动作，如今的人形机器人已能驾驭一系列高度复杂的运动控制任务。运动控制能力的持续提升，让机器人的行为越来越贴近人类，也为其走入实际场景奠定了技术基础。
技术方面，“大脑”“小脑”与本体三大维度正在协同进化。通用AI大模型让机器人“大脑”认知能力飞速提升；灵巧手、关节、减速器等负责运动控制的关键零部件国产化率显著提高。根据相关产业规划，到2027年，我国计划在具身大小脑系统、整机控制芯片、全身运动控制能力等方面实现重大突破，推动具身智能机器人实现智能、高效的规模化应用。
市场层面，具身智能正迎来快速增长。据行业研究机构统计，2025年全球一体化具身大小脑系统收入规模约17亿元，预计到2032年收入规模将接近85亿元，年复合增长率超过25%。2025年人形机器人产业有望从“技术验证期”向“规模化商用期”快速过渡。资本层面亦持续加码，多家机器人企业完成大额融资，投资方普遍认为运动控制等底层技术是补全“大脑”与物理世界之间关键缺口的核心。
三、融合之路：从“分离”到“协同”
近年来，行业逐渐认识到力控与运控的深度融合是“小脑”进化的必然方向。这一融合正在多个维度展开：
在控制架构层面，力/位混合控制成为关键技术方向。力控主导的多传感器协同控制体系，以力/力矩传感器作为主导单元，同时融合视觉与激光定位，实现“接触作业精准控制”的感知-控制一体化架构。通过在每轴关节内置高精度力矩传感器，可以在不显著增加硬件成本的前提下，同步实现高精度运动控制和柔顺力控操作能力，力矩测量分辨率可优于0.1Nm，关节力控闭环频率可达数千赫兹。
在产业应用层面，全身采用力控技术的机器人，在双臂协同阻抗控制、车臂协同规划控制及车臂牵引拖动等方面具备优势，躯干具备碰撞检测等能力，确保机器人自主防护与人机协作安全性。
在技术生态层面，开源开放正在加速融合进程。行业研究机构发布了贯通仿真训练到真机部署的泛机器人小脑智能框架，以及面向人形机器人的全身控制框架。同时，面向具身小脑能力的VLA模型以及为模型提供数据训练支持的大规模数据集也陆续开源。这些开源成果有效降低了小脑技术的研发门槛，促进了力控与运控的融合创新。
四、产业挑战与未来图景
尽管“小脑”技术取得了长足进步，但产业落地仍面临多重挑战。
首先，当前人形机器人技术呈现一定程度的“偏科”——运动控制能力已有显著突破，但认知理解、灵巧操作和环境适应能力距离市场需要仍存在差距。有观点指出，当前机器人在稳定性、耐用性、灵巧性上仍面临较大挑战，具身智能还停留在实验和数据采集阶段，远未达到生产生活所需的实时感知反馈和快速决策水准。
其次，具身智能涉及的AI大模型、精密机械、驱控系统等“大脑—小脑—肢体”组件尚未完全打通，存在技术融合的“堵点”。行业建议设立国家重点研发专项，强化技术源头防控，突破“大脑-小脑-肢体”协同堵点。
再次，高质量的跨本体全身运动数据采集仍是瓶颈。头部具身智能企业往往绕开运动控制这一核心技术壁垒，而中小本体公司在运动控制上的追赶更为艰难。
面对这些挑战，行业共识逐渐清晰：“小脑”由于主要负责运动控制的落地，技术路线壁垒高、复杂性大，很难通过弯道超车实现突破，具备相关技术储备的企业将在竞争中占据先机。对于具身智能系统而言，“大脑”负责场景理解和任务序列生成，“小脑”负责高精度、高可靠性地控制硬件本体。再“聪明”的智能体走向现实世界也需要正确地驱动“身体”。
当前，人形机器人正进入量产元年的新阶段，全球将有万台以上人形机器人进入工厂场景训练。工厂训练是破除具身智能数据不足与实用性低下之间“引力束缚”的关键，也是积累高质量、大规模应用数据的必要手段。可以预见，随着力控与运控的深度融合，具身智能机器人的“小脑”将不断进化，推动工业机器人从“程序执行者”向真正具备感知、决策与执行闭环的智能体持续迈进。
地址：苏州市吴中区越溪街道北官渡路38号12幢1-2楼
