中小盘周报：关注机器人小脑投资机会，防御型板块本周表现占优

小脑是机器人商业化掣肘环节，决定复杂运动协同性 机器人小脑通过搭建运动控制算法以及建立网络控制系统架构，使其满足复杂地形通过、全身协同精细作业等任务需求。其功能包括运动控制、协调、反馈调节以及稳定性和平衡。一套完整的运动控制系统由运动控制器、驱动器、电机、传感器件等核心部件构成。其中控制器主要包括PLC（可编程逻辑控制器）、独立式运动控制器、运动控制卡、专用运动控制器等。人形机器人控制的复杂程度远高于工业机器人，其控制器需要解决两个难题，分别是多轴协同控制和复杂轨迹规划。目前人形机器人小脑的运动控制方法包括基于模型和基于学习两类。基于模型的控制方法优势在于机器人身体更加稳健，稳定和准确性更强，但是开发过程复杂且成本高昂。基于学习的控制方法降低了小脑开发的难度，使得机器人能够适应不同场景下的任务需求，提升了产品的迭代速度。 本周机器人及固态电池板块动态频出，关注产业进展 本周机器人板块，市场聚焦全球首个人形机器人半程马拉松。通过21公里的长距离奔跑、复杂地形和极端天气挑战，对人形机器人的运动控制算法、关节抗冲击性、续航能力及环境感知技术进行了全面压力测试。本次马拉松也暴露了目前人形机器人商业化的几个核心痛点，包括续航能力、姿态控制能力、发热问题、智能化能力等。固态电池方面，长安汽车的全固态电池研发取得突破性进展，计划2026年实现装车验证，2027年逐步量产，能量密度目标达400Wh/kg。近半年来长安汽车在固态电池领域动作频频，2024年8月入股太蓝新能源，双方就“联合研发+业务合作”等内容达成一致。2024年11月举办了无隔膜固态锂电池技术发布会，明确了无隔膜产品量产时间表。 本周防御型板块整体表现占优，市场高标围绕内需和关税逻辑 本周涨幅靠前的板块以顺周期、权重板块为主，偏防御型。本周银行、地产、煤炭领涨中信一级行业，分别周跌幅达4.23%/3.78%/2.62%。国防军工、农林牧渔、计算机板块领跌 。 本周国防军工 、 农林牧渔 、 计算机板块分别下跌2.73%/2.03%/0.98%。综合指数上涨2.24%，市场迎来关税短期杀跌后的修复行情。 受益标的 工业控制系统相关厂商。受益标的汇川技术、信捷电气、伟创电气、雷赛智能、固高科技、华中数控、科德数控、拓斯达、埃夫特、埃斯顿等；具备垂直应用场景的二开本体厂商。受益标的景业智能、亿嘉和、瑞鹄模具等。 风险提示：机器人商业化不及预期；固态电池进展不及预期；宏观经济波动的风险。 1、小脑：机器人商业化掣肘环节，决定复杂运动协同性 机器人大脑是一种复杂的算法，将输入的数据进行自动处理，从而指导机器人的行动。机器人大脑的功能主要包括感知融合、决策和规划、学习和适应以及交互，其植入的复杂程序根据输入的数据自动计算出机器人的行为，关键技术包括深度学习和神经网络。（1）感知融合。大脑通过不同传感器捕捉数据，形成对周围环境的理解；（2）决策和规划。处理高级决策和任务规划，理解环境、识别目标、规划路径、处理语言和视觉信息；（3）学习和适应。通过机器学习算法，学习新的任务和适应新的环境；（4）交互。理解交互对象的指令并做出响应。在家庭服务场景中，当接收到诸如“打扫客厅”的指令时，“大脑”会结合视觉感知到的客厅环境信息，规划出清扫路径，指挥机器人前往执行清扫任务。 图1：RoboBrain系统通过模型训练整合任务规划、功能感知与轨迹生成 机器人小脑通过搭建运动控制算法以及建立网络控制系统架构，使其满足复杂地形通过、全身协同精细作业等任务需求。小脑的功能包括运动控制、协调、反馈调节以及稳定性和平衡。（1）运动控制。小脑处理大脑传来的动作指令，确保动作的准确性和流畅性；（2）协调。协调关节和执行器的动作，确保动作的同步和平衡； （3）反馈调节。小脑实时监控运动状态，根据反馈信息调整动作；（4）稳定性和平衡。以双足机器人为例，小脑模拟人类小脑的平衡机制，在行走、奔跑或执行复杂动作时，不断分析传感器数据。如机器人抬腿前进时，小脑感知重心变化，同步调整其他肢体关节的位置与角度。 图2：机器人小脑的结构主要包括运动控制器、驱动控制器等 一套完整的运动控制系统由运动控制器、驱动器、电机、传感器件等核心部件构成。可在复杂条件下，将预定的控制方案、规划指令转变成期望的机械运动，实现机械运动的高速精准位置控制、速度控制、转矩控制或力控制，进而实现先进工业装备“高速、高精度、高实时响应”的作业性能。机器人控制系统的特点包括重复定位精度高、信息运算量大等。机器人控制系统是一个多变量耦合控制系统，需要较高的重复定位精度（0.1mm），信息运算量极大，需对加（减）速阶段进行控制以保证平稳性和快速性。 图3：机器人控制过程细分为组织层/协调层/执行层 图4：机器人单关节位置控制作用于谐波和电机 控制器是是基于硬件平台（如MCU/DSP/PLC）和软件算法（控制逻辑、运动规划）的集成系统。控制器负责整合感知信息、执行控制指令并协调各部件协同工作，其设计直接决定了机器人的运动精度、响应速度和任务适应性。接收传感器数据（视觉、力觉、编码器）和上层指令，生成驱动信号控制执行机构。技术指标包括控制周期（工业机器人通常≤1ms）、同步精度（μs级）、轨迹误差（±0.1mm级）、故障响应时间（＜50ms）。核心模块包括运动控制引擎、传感器融合与状态监测、任务逻辑和交互接口。控制器主要包括PLC（可编程逻辑控制器）、独立式运动控制器、运动控制卡、专用运动控制器等。PLC相对来说更偏向于逻辑控制，运动控制功能相对弱一些，而运动控制卡、运动控制器更偏向于运动控制，逻辑控制处理相对弱一些。 （1）PLC PLC主要功能是对开关量进行逻辑控制，并有简单的运动控制（直线轨迹控制）、运算数据处理等功能，通常采用触摸屏作人机界面，适用于工业自动化中的顺序控制、信号处理等场景。为扩充其应用领域，各厂家为客户提供了各种选配功能模块，如多轴运动控制模块、网络通信模块、模拟信号与数字信号转换模块等。大部分PLC可以扩展到32轴。PLC具有工作可靠、编程简单等优点，编程方式主要采用梯形图、ST/SCL等编程语言，但其运动控制功能相对简单，若选用多轴运动控制模块，则价格较高。PLC的硬件基础包括CPU、存储器、IO模块以及电源模块，采用“周期性采集输入信号→按用户程序逻辑运算→集中更新输出信号”的工作模式。 图5：PLC的硬件基础包括CPU、存储器、IO模块以及电源模块 （2）运动控制卡 运动控制卡是专门进行运动控制的一种控制器，可以进行多达256轴的控制，包括脉冲型和总线型。通过PCI/PCIE/以太网连接到PC主机上，利用高级编程语言调用厂家API进行开发。支持多轴协同（256轴）、高速脉冲（MHz级）、直线插补、圆弧插补、螺旋插补、电子凸轮等复杂运动控制场景。 图6：运动控制卡结构由控制器、接口、编码器等组成 （3）独立式运动控制器 独立式运动控制器配有显示屏、按键和功能完善的控制指令，并有各种通信接口，控制电动机运动的能力比PLC强大。可完成直线插补、圆弧插补、轨迹控制等功能，且编程简单。与运动运动卡主要区别在于运动控制卡需要依赖于PC编程，而运动控制器可以独立运行，一般会有专门的IDE，使用偏底层的语言编程。 表1：PLC/运动控制卡/独立运动控制器在性能、实时性上存在差异 人形机器人控制器需要解决两个难题，分别是多轴协同控制和复杂轨迹规划。 以工业机器人为例，六轴机器人已属高难度，而人形机器人需要处理数十个轴的实时联动，对算法和算力提出极高要求，除此之外，响应速度也是一大挑战，从感知障碍物到调整步态，控制器必须在毫秒内完成数据采集、路径规划和指令下发，否则会导致机器人失衡。 图7：人形机器人轴数远多于工业机器人 人形机器人小脑的运动控制方法包括基于模型和基于学习两类。基于模型的控制方法优势在于机器人身体更加稳健，稳定和准确性更强，但是开发过程复杂且成本高昂。基于学习的控制方法降低了小脑开发的难度，使得机器人能够适应不同场景下的任务需求，提升了产品的迭代速度。 （1）基于模型的运动控制方法 基于模型的控制方法是通过建立机器人精确的运动学和动力学模型，来实现对机器人运动轨迹的规划以及平衡控制。该方法优势是身体能够稳健精准的控制，但是开发过程较为复杂，成本高昂，不仅包括模型建立过程中的人力、物力成本，还包括在实际运行中对算力的高要求所带来的成本。但是由于模型的高度定制化，不利于产品的快速迭代，一旦机器人的结构或任务需求发生变化，就需要重新调整和优化。典型的基于模型的控制算法包括ZMP判据及预观控制、混杂零动态规划、虚拟模型解耦控制。ZMP判据及预观控制算法基于简化的倒立摆模型或小车模型，通过计算机器人的零力矩点（ZMP）来进行质心点运动规划和控制。通过精确的动力学模型来准确计算ZMP点的位置以及复杂的在线控制策略来实时调整机器人的运动状态以跟踪ZMP点，以确保机器人身体的重心落在ZMP点上，从而保证机器人在运动过程中不会发生倾倒和滑动。 图8：三维倒立摆由一个集中了所有质量的点和一条无质量的腿组成 （2）基于学习的控制方法 基于学习的控制方法利用端到端的人工智能技术，替代了传统的复杂运动学模型，通过从数据中学习控制策略，使机器人能够适应不同的环境和任务需求。典型的基于学习的控制算法包括强化学习和模仿学习。强化学习一般包含两个最主要的部分，即学习者（Agent）和环境，其核心问题是使Agent在与环境的交互过程中学会完成特定任务的策略。Agent将已经学到的策略与从环境中获得的反馈相结合，不断调整自身应对环境的策略，直到获得最大化的奖励。 图9：强化学习的学习过程在学习者和环境之间循环 图10：基于AC强化学习算法设计在线稳定控制器来调整机器人步态 机器人小脑的商业模式主要包括三种，分别是第三方模式、一体化模式以及深度合作二次开发。（1）第三方模式：通过提供标准化运动控制解决方案，实现规模效应，支撑研发投入。类似数控系统领域的龙头企业发那科，在数控机床行业成功实现了高壁垒和通用性强的商业模式，下游主机厂很难通过自研实现替代；（2）一体化模式：企业从创立之初就专注于运控技术开发，后续逐步发展为软硬一体的布局，凭借其在运控技术上的稀缺性积累形成竞争优势；（3）深度合作二次开发：制造业龙头企业可能采取这种模式，与“小脑”第三方供应商进行合作，在供应商的运动控制系统平台上进行深度二次开发，快速实现产业化落地，并掌握一定运控技术的核心壁垒，从而加速切入人形机器人领域。 2、本周机器人&AI&固态电池动态汇总 本周机器人市场聚焦全球首个人形机器人半程马拉松。通过21公里的长距离奔跑、复杂地形（如坡道、碎石、沙地）和极端天气（如大风、低温）挑战，对人形机器人的运动控制算法、关节抗冲击性、续航能力及环境感知技术进行了全面压力测试。本次马拉松也暴露了目前人形机器人商业化的几个核心痛点，包括续航能力、姿态控制能力、发热问题、智能化能力等。天工和松延机器人表现相对亮眼。"天工Ultra"获得冠军，该机器人身高1.8米，采用通用具身智能平台"慧思开物"，通过一体化关节和轻量化设计实现12km/h峰值速度。松延动力 N2 是全场唯一全程无人陪跑、自主导航的本体，其1.2米机身采用轻量化铝合金与复合材料，配备18个自由度（单腿5个/单臂4个），关节扭矩超150N·m。 表2：本周机器人&AI动态汇总（4.14-4.19） 表3：本周固态电池动态汇总（4.14-4.19） 3、本周中小盘行情复盘 本周涨幅靠前的板块以顺周期、权重板块为主，偏防御型。本周银行、地产、煤炭领涨中信一级行业，分别周跌幅达4.23%/3.78%/2.62%。关于地产板块，市场存在一定的关于“稳地产”的政策预期。国防军工、农林牧渔、计算机板块领跌。本周国防军工、农林牧渔、计算机板块分别下跌2.73%/2.03%/0.98%。综合指数上涨2.24%，市场迎来关税短期杀跌后的修复行情。 图11：本周涨幅靠前的板块