執行層：系統在做出決策后，對機器人本體做出控制。機器人各操控系統都與決策系統相鏈接，并按指令
精確執行。
⚫ 自平衡系統：機器人在不同環境下保持動態平衡（特別是外力沖擊下），需要軟件算法和機械設計共同作用。
軟件層面看，一方面通過傳感器獲取機器人的狀態信息，從而控制關節運動實現平衡；另一方面，通過預測機
器人的運動軌跡和所需動作，而提前應對。
⚫ 行走步態：零力矩點(ZMP)必須落在支撐面內，合理地規劃踝關節和髖關節，以保持動態行走時重心的穩定；
同時腿部應具備適當的機械柔順性，有效緩解來自未知高剛度環境的碰撞沖擊。這均要求算法與關節硬件相匹
配。
人形機器人需完成人類 各種動作,動作連續復雜,需頻繁的物理交互且操作因果性多,算法難度遠高于自動駕駛,來控制機器人身體做出動作規劃 并下發指令
人形機器人進入門檻高,科技巨頭擁有研發實力及軟件基礎,在視覺感知,算法,虛擬仿真等軟件方面領先優勢明顯,且與原有業務協同效應明顯
人形機器人本質是AI系統落地物理世界的最佳載體,但更核心問題在于是算法對運動能力的控制,包括本體平衡,行走的步態,部抓取等規劃與控制
預測全球25年人形機器人初步商業化,銷量3萬臺左右,30年這些領域就滲透率1.5-2%對應存量需求230萬臺,新增需求100萬臺+,2035年銷量有望突破1000萬臺
為人形機器人的成熟也是漸進式,可在細分市場的率先商業化,后逐步成熟轉為通用型機器人 ,由tob轉為toc,進入家政等市場,做人想做但是不能做的工作
硬件難點是靈敏度與承壓能力的協調,關節能力不能匹配運動規劃;軟件難點是訓練不同任務的運動規劃,實時反饋視覺檢測與理解,并對運動規劃做調整
感知模塊包括兩方面視覺和觸覺,視覺有純視覺路線,也有依靠雷達等多方式融合路線;決策模塊是機器人的大腦,核心是芯片與算法
人形機器人擁有更高級的感知交互系統,包括傳感模塊和軟件方面,人形機器人比服務機器人更高,靠雙足行走,對減速器負載和電機響應速度要求更高
具身智能與垂直大模型,人形與四足仿生機器人,三維感知模型和多模態信息融合,機器人新型核心零部件與靈巧操作,腦機接口,生肌電一體化與微納機器人
特殊場景服役機器人是指在特定環境或情況下執行任務的機器人,在消防救援,電力勘測,農業,建筑,核工業,反恐防暴,國防安全,空間探測等領域具有巨大需求
群體機器人技術的應用領域廣泛,集群智能作為人工智能的分支,將得到越來越多的應用,有望在機器人等領域創造出新的應用和創新
云服務機器人是指將機器人的核心計算和智能部分部署在云端服務器,云端大腦+本地機體”或“云端服務”機器人將成為規模化推廣與應用的重要模式之一
