人形机器人前沿03：运动控制产业命脉守护者20230815 中金

中金-人形机器人前沿03：运动控制，产业命脉守护者原创陈显帆郭威秀等中金点睛2023-08-1507:45发表于北京中中金研究运动控制为设备大脑，见证产业发展进步，全球人形机器人运控层面出现新进展。7月底谷歌发布RT-2，将机器人VLM模型升级为VLA，打通视觉-语言-动作控制模型，执行成功率较RT-1翻倍。在此基础上，我们正式发布人形机器人前沿03系列报告，聚焦机器人(含人形机器人)运动控制整体系统搭建，探索新技术变化趋势。摘要2022年我国运动控制器152亿元，PC-based及专用增速更快。1)市场空间：广义运动控制系统包含运动控制器、伺服系统(驱动及电机)、执行器。聚焦运动控制器，我们测算2022年PLC/PC-Based/专用控制器市场空间分别约62/43/47亿元，据《伺服与运动控制》，2015-2020年复合增速分别约-7%/+13%/+9%。2)竞争格局：我们观察国内PLC/PC-based/专用控制器竞争格局差异较大，近几年国产替代突破。参考fanuc经验，横向拓展为运控综合平台企业成长之路。人形机器人对运控系统提出高阶要求。动平衡为人形机器人第一要义，运控系统呈现一整套时空分布模式。1)监测感知平台，近期通过融合GPT、多模态技术可提高任务理解力与环境泛化能力；2)调度协调模块，各任务间调度作用；3)全身运动规划：从动力学算法为主，向正向仿生学算法过渡；4)关节运动控制：近几年学术成果关于SEA串联弹性驱动器、PA准直驱驱动器(以UCLA-Artemes为代表)频频出现。供应链探讨：垂直一体化供应vs第三方专业分工。我们发现，不同于机床(含激光)、纺织包装机械等市场，机器人领域专业运控商较明显受设备企业自制趋势挤压，根据高工2022年机器人领域第三方控制器占比仅为27%。特殊点在于：1)四大家族印痕效应；2)底层代码共通性差；3)资本市场估值分化效应。纵观全球人形机器人新晋企业，延续运控垂直一体化趋势，如特斯拉“Dojo芯片算力+路径运动轨迹优化+仿人运动捕捉”、傅利叶智能打造“生物力学+运动科学+康复医学”伽利略系统。我们认为，无论哪种供应形态，算法层面向应用的正向循环尤为重要。风险宏观经济不及预期，人形机器人落地进展不及预期。正文具身智能对运控产生新要求，Google试水大模型+运控全球科技巨头纷至沓来，人形机器人对运控产生新要求人形机器人产业趋势引关注，全球科技巨头纷至沓来。自特斯拉2022年6月宣布其人形机器人擎天柱方案后，科技巨头纷纷推出其机器人计划。近期，三星电子系统LSI部门总裁ParkYong-in表示将于10月举行的三星技术日上公布其系统半导体愿景[1]，准备在会上详细阐述其创建的“Semicon人形机器人”计划，即拥有类人的嗅觉味觉能力。早在2023年3月，三星曾向韩国机器人厂商RainbowRobotics投资590亿韩元增持其股份至10.3%，RainbowRobotics旗下拥有全球首个商用两足步行机器人“hubo2”，截至3Q22企业累计销售额为104亿韩元。图表：三星投资RainbowRobotics旗下的双足机器人Hubo-2资料来源：上海菁特智能科技，中金公司研究部人形机器人要求运动控制技术由方程解耦向深度学习方向发展。1)传统运动控制架构：多依赖工程师的物理公式解耦，从而计算出电机的运动点位，决策过程由工程师完成。全球人形机器人龙头波士顿动力曾采用该传统架构，解耦速度影响人形机器人场景迁移。2)DRL模型：2010年后，深度学习突破了传统控制每个场景依赖工程师解耦问题，通过深度学习进行自主路径决策，但深度学习过程黑箱，决策质量依赖大量有效数据训练。3)基于大模型的DRL模型：2021年后，GPT大模型尝试融入运动控制决策阶段，通过GPT的记忆与规则解决信息获取难度大、学习过程黑箱问题，并提高决策质量。图表：运动控制由方程解耦向深度学习发展资料来源：《Rt-1:Roboticstransformerforreal-worldcontrolatscale》 (AnthonyBrohan等，2022)，《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》(AnthonyBrohan等，2023)，中金公司研究部谷歌DeepMind试水，运动控制开启大模型新篇章大模型赋能运动控制决策有三种常见形态，使得赋能后机器人控制可以不用逐一场景训练，运动控制的学习和推理能力进一步增强。目前，行业常见的赋能方式有三种：►LanguagetoCode：大模型通过与API库链接直接生成指令代码，详见我们此前报告《AIGC新篇章：全球智能机器人时代前瞻》，该方法受制于有限API库的边界；►LanguagetoReward：通过反馈奖励机制，督促大模型编程合理的运动控制代码，例如，希望机器人运动躲避开路上的树，那么大模型根据视觉建模环境后，树周围的点位奖励非常低，这样机器人会自动选择一条奖励值最►LanguagetoAction：运用VLA模型(视觉-语言-动作)，通过大模型在网络学习到的视觉语言信息与机器人动作的代码token一起训练，直接将自然语言映射到动作指令代码。我们认为该方法仍存在机器人可训练动作偏简单、训练数据量需求大等问题，Google新推出的RT-2模型在该领域首次试水。图表：三种大模型应用到运动控制的模式对比资料来源：《Rt-1:Roboticstransformerforreal-worldcontrolatscale》 (AnthonyBrohan等，2022)，《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》(AnthonyBrohan等，2023)，中金公司研究部DeepMind于LanguagetoAction领域推出RT-2，运控被赋予更广推理能力。2022年Google推出RT-1模型，通过在130k个“情景”的大型真实世界机器人数据集上，标记机器人输入和输出的动作进行训练，从而在运行时实现高效推理。2023年7月，DeepMind在RT-1基础上进一步推出RT-2(LanguagetoAction模型)，该模型将在网络学习到的视觉、语言信息与机器人动作代码token一起训练，直接将自然语言指令映射到动作代码，我们判断其将大幅提升对新事物的适应性，并展现出对未出现指令的解释和推理能力。图表：RT-2模型仍存在数据需求量大、只适用低级机器人动作等问题资料来源：《Rt-1:Roboticstransformerforreal-worldcontrolatscale》 (AnthonyBrohan等，2022)，《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》(AnthonyBrohan等，2023)，中金公司研究部此外，近年来运动控制技术还向通用泛化、智能化、网络化、专用化等方向发展：►通用泛化：2023年6月，DeepMind推出用于机器人运动控制的自我改进AI智能体RoboCat[2]，能够通过对100到1000次新情景体验的小数据集进行微调，适应新任务及新机器人，泛化能力提高，从而显著降低获取新技能的成本。制参数能够保存在系统单元内部，并方便在运动过程中被修改和观测；当系统发生故障时可自动提供故障的类型、可能引起故障的原因、检查方法和消除故障的步骤等信息。►网络化：传统机械设备采用一对一直连方式，存在信号干扰问题。近年采用高速工业总线成为趋势，运动控制器、伺服驱动器和I/O模块之间除了常规的控制命令及反馈信息传递外，还可以根据需要实时调节伺服驱动器的各参数，从而实现更为复杂灵活的控制要求。另外，工业现场总线与工业软件网络进一步互联，实现高效可控。运动控制：百亿赛道，从单一产品到平台化服务运动控制：系统工程，驱控一体可大幅提高传输效率运动控制(MotionControl)通常是指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，实现机械运动精确的位置控制、速度控制、加速度控制、转矩或力的控制。广义运动控制系统通常由以下部分组成，1)运动控制器用以生成轨迹点和闭合位置反馈环；2)伺服系统(驱动器和电机)用以将来自运动控制器的控制信号(通常是速度或扭矩信号)转换为更高功率的电流或电压信号；3)反馈传感器，如光电编码器、光栅尺、磁栅尺等用以反馈执行器的位置给控制器；4)众多执行器，如齿轮箱、轴、滚珠丝杠、齿形带、联轴器等。►运动控制器：控制电机或动力装置的专用控制器，比如通过行程开关控制交流接触器而实现电机拖动物体向上运行达到指定位置。►伺服系统：接受运动控制器指令，使物体的位置、方位、状态等输出被控量能够跟随输入目标任意变化的控制系统，由驱动器和电机组成。主要起到作用：1)以小功率指令信号去控制大功率负载；2)实现远距同步传动；3)使输出机械位移精确跟踪电信号。一般来看，伺服系统较运控控制器价值量更高，我们认为普遍在2：1价值比例。图表：运动控制系统简要示意图资料来源：固高科技招股书，中金公司研究部效率为王，驱控一体已成为运动控制系统发展新主流。传统的运动控制器和伺服系统多独立开发，通过线缆进行通讯，可能存在布线复杂、空间浪费、信号传输不稳定等问题。近10年来，行业积极探索驱控一体技术，可有效节约空间、提升数据交换效率、提升抗干扰性。代表性产品为西门子SIMOTIOND。其控制系统SIMOTIOND将PLC功能、工艺功能和运动控制功能直接集成在SINAMICSS120驱动系统的控制模块中，有效节约50%空间，可实现0.125ms较短循环周期。图表：西门子驱控一体化产品矩阵市场空间：百亿市场，行业垂类分布趋势明显整体市场：中国运动控制器市场152亿元，增速领跑全球2022年中国运动控制系统市场规模约474亿元(包括控制器、驱动器和伺服电机)。据InteractAnalysis，2022年全球运动控制系统市场规模约177亿美元，预计2022-2027年年CAGR约为4.6%，2027年全球市场空间约222亿美元。其中，2022年中国地区运动控制系统市场份额约37%，合计474亿元，是全球最大且增速最快的运动控制系统市场。图表：中国运动控制系统市场增长率高于全球平均水平资料来源：自然资源部，MordorIntelligence，中金公司研究部聚焦运动控制器，2022年国内约152亿元。由于单个运动控制器可同时控制多个驱动器及电机，运动控制器市场需求远小于伺服驱动(驱动器和电机)，例如，全球高端PC-Based控制器龙头TRIO，其产品可以无缝控制1到128个伺服电机、步进电机或液压系统。据MIR，中国运动控制器市场规模约占运动控制系统(伺服系统+运动控制器)的30-40%，结合InteractAnalysis数据，我们预计2022年中国运动控制器市场空间约152亿元。细分市场：下游行业垂类布局，PC-Based加速渗透运动控制器主要分为PC-Based、PLC和专用控制器。据研华，目前PLC运动控制器/PC-Based/专用控制器市场规模占比约为41%/28%/31%。据此，我们算出2022年PLC/PC-Based/专用控制器(不包括伺服系统和电机)市场空间分别约62/43/47亿元。►PC-Based：由硬件(工控机和运动控制卡)和软件系统组成(下游厂商可依据其软件函数库进行二次开发)。优点如下：1)通用性强：除传统PLC语言，还兼容C++、Basic等语言进行编程；2)计算能力强：可满足更复杂的运动控制；3)可拓展性强：PC自带运行可视化软件，而PLC则需连接至HMI程序上。据MIR，PC-Based是目前增速最快的品种，2021年PC-Based运动控制器市场规模同比+30%，主要应用于半导体、雕刻机、激光加工机、工业机器人等对运控要求较高的下游。►专用控制器：集成现有控制器各类技术(可以是PC-Based或PLC)，针对行业应用开发软件功能块，且只能在行业专用设备内兼容，最早应用于机床领域，被称作计算机数字控制系统(CNC)。优点如下：1)定制性强；2)广泛应用于机床、高端工业机器人等各类专用设备制造下游。►PLC：一种基于PLC(可编程序控制器)技术的控制器，PLC是专为工业环境应用设计的数字运算操作电子系统。优点如下：1)系统简单：仅针对控制任务设计相应功能；2)成熟度高：抗干扰性强；3)功耗低：舍弃多余功能，有效降低功耗。广泛应用于各种通用离散制造行业，例如3C、锂电等。图表：中国运动控制器细分市场分类注：细分赛道市场规模参考研华数据资料来源：固高科技招股书，研华公司三类控制器下游交叉性强，行业垂类布局。我们认为PLC控制器或逐渐被取代，比如专用控制器在传统切削机床中发展较快；PC-Based在工业机器人、半导体、激光加工机等运用增长较快。但考虑到下游交叉性强，公司层面多选择垂直整合发展，锚定下游而非锚定控制器种类，我们认为投资者更应以下游市场的视角审视公司。竞争格局：PC-Based内资弯道加速，横纵向产品线持续延长三类市场虽交融发展，但历史原因导致竞争格局差异大：►PC-Based：据MIR，倍福国内稳居第一，2021年国内市占率18.3%；台资企业研华近年被大陆品牌冲击，市占率从2019年17.3%降至2021年14.7%；国产代表企业固高科技、雷赛智能、维宏电子2021年市占率分别为10.6%/5.6%/4.1%，中低端市场已实现进口替代，高端PC-Based市场主要由翠欧(埃斯顿全资收购子公司)和泰道(欧姆龙全资收购子公司)占据。►专用控制器：市场参与者可分为两类，1)以专用机床(木工机械、玻璃磨削机)控制领域新代、宝元、华中数控为代表专注特定行业的企业；2)以西门子、倍福为代表综合自动化企业。结合《伺服与运动控制》数据，我们预计2020年，专用控制器市场中新代和宝元国内市场份额超30%。IR2021年43.3%升至2022年46.6%，其余外资企业市占率小幅下滑，三菱电机由11.6%下降至9.5%，欧姆龙由11.3%下降至10.2%。国内企业主要发力小型PLC，据汇川年报，其在小型PLC市场占有率由2021年7.1%提升至B图表：2021年中国PC-Based运动控制器市场格局图表：2022年中国PLC运动控制器市场格局海外企业仍于高端领域占主导，我们认为主要系：1)技术壁垒，运动控制器核心难度在于软件架构，软件底层算法通常是非公开的，外资品牌先发优势明显，另外，二次开发等方面的差距使得国内产品在控制平台的易用性、响应速度等方面存在差距；2)品牌壁垒，高端运控市场新品牌取得客户认可难度高；3)运动控制讲究行业垂类经验，外资品牌在成熟行业已有丰富案例，内资企业只能找新技术作为突破。图表：海内外运动控制器主要厂商对比资料来源：各公司官网，中金公司研究部注：考虑到不同企业收入拆分差异较大，我们列举总收入规模。我们对比国内外代表企业，得出以下结论：1)国外厂商提供控制-驱动-执行-信息-应用层的集成式解决方案，国内企业解决方案进程相对落后，导致国产企业体量相对较小；2)三类产品竞争格局截然不同，PC-Based市场国产替代积极，我们分析主要系此前空间小未形成稳定格局，近年来增速更快。据《伺服与运动控制》预计，PC-Based、专用控制器、PLC市场2015-2020年复合增速分别约+13%/+9%/-7%。图表：外资企业平台化控制解决方案布局领先MIR司官网，中金公司研究部复盘发那科发展历程，我们认为：1)横向拓展为先：从单一运控产品向驱控一体化乃至运控平台型企业布局是必经之路；2)纵向拓展为后：从控制层向驱动层、执行层、信息网络层以及终端应用延伸成为综合性服务商，是企业终局发展目标。图表：发那科横向/纵向生命线拓展图谱资料来源：发那科官网，中金公司研究部人形机器人运控：突破传统，重塑时代人形机器人运动控制架构拆解动平衡为人形机器人根本问题。人形较其他多足腿式机器人，由于：1)脚底板稳定支撑区域小；2)重心距离地面较高；3)双足为机器人满足足式运动的最小腿数，动平衡实现难度尤为挑战性。参考现有文献[3]，ZMP(零力矩点)为评估人形机器人步态稳定的最广泛标准。ZMP(零力矩点)由1972年南斯拉夫学者提出，现为全球评估双足机器人稳定性的经典理论。双足机器人脚底合力作用点——力矩为0的ZMP点，落在脚底板有效支撑范围，即为稳定。人形机器人运控系统为一整套时空分布模式，常见由上位机、传感器模块、主站、从站(全身运动规划、关节运动控制)构成。本质来看，上下位机的设计理念，模拟哺乳动物的“大脑—脊柱”神经架构，上位机由高性能CPU承担，下位机性能要求不高，但需具备多通信接口。图表：人形机器人运动控制系统框架图资料来源：《高效双足步行机器人关节多模式运动控制系统(2019)》，朱►上位机(监测感知平台)：位于人形机器人控制系统最上层，融合各类感知信号，实现人机交互。2023年全球两大技术变化对人形机器人赋能：1)任务理解：类ChatGPT大语言模型提升“人类自然语言—机器语言”转换力，机器人逻辑关系理解力提升。2)环境理解：多模态模型(图像、音频、文本等融合)提升复杂场景泛化能力，避免单一依赖。►主站(调度协调模块)：机器人各个任务间的轮转调度。►从站1(全身运动规划)：全身运动模型用来将运动规划轨迹映射到关节空间生成可执行的期望关节控制信号。在人形机器人中，传统静态稳定的控制方法不再适用“多自由度运动耦合、事变运动拓扑结构、强非线性”特点，基于动力学算法的控制理念成为主流。人形机器人全身动力学模型分为逆运动学、逆动力学两大部分。1)逆运动学：求解机器人为达到一定姿态，各个关节位置。2)逆动力学：在给定机器人关节的位置、速度和加速度，求解关节的驱动力矩。以哈工大2018年罗健文发表论文《双足机器人建模分析及其运动控制研究》为例，在全身运动规划系统包括：1)机器人质心的运动状态(高度、俯仰角、横滚角)反馈给落足点规划器，生成摆动腿期望轨迹；2)任务向量输入给全身动力学求解模块，计算关节力矩。图表：基于动力学算法的人形机器人全身运动规划模块资料来源：《双足机器人建模分析及其运动控制研究(2018)》，罗健文，中金公司研究部►从站2(关节运动控制)：各关节位置及力矩控制，接收调度协调模块的EtherCAT通讯信号，对关节控制及反馈信息。人形机器人面对频繁足底碰撞、摆腿重心切换，新一代柔顺控制方案成为学界探索焦点。通过现有文献，近几年串联弹性驱动器(SEA,SeriesElasticAcutator))、准直驱驱动器在人形机器人关节设计中频频出现，替代传统刚性驱动器结构。1)TEA刚性驱动器：“电机+大减速比减速器(如谐波)+位置传感器”，刚性驱动器虽然输出扭矩较大，以本田ASIMO为代表。但刚性驱动器由于冲击时大减速比硬件容易损坏，且功率密度掣肘，近几年在学术论文中频率越来越低。2)SEA串联弹性驱动器：2005年MIT提出，引入柔性结构件，“电机+大减速比减速器+弹性元件+位置传感器”串联，具有被动柔顺性特征。SEA已应用在医疗外骨骼机器人、仿人机器人产品，有待研究方向包括：柔性结构件柔性结构件拓扑结构及尺寸优化、精确力感知等。图表：全球各类串联弹性驱动器(SEA)横向对比资料来源：《串联弹性驱动器设计、建模及在机器人上的应用(2021)》，孙宁等，中金公司研究部3)PA准直驱驱动器：“高扭矩密度的盘式外转子电机+小减速比减速器”，对比TEA/SEA，无需安装力/压力传感器，即可通过电流计算扭矩，解算足端反力。2016年Wensing等提出PA理念，市面上已有多款大直径、低轴径的外转UCLA-Artemes，亦采用准直驱关节方案，表现出卓越的高带宽力控，无系绳奔跑和行走速度超过2米/秒。图表：全球各类准直驱驱动器(PA)横向对比 供应链探讨：垂直研发架构，面向应用的正向循环尤为重要工业机器人时代，运控系统(尤其运动控制器)呈现设备商垂直一体化特征。相比机床(含激光)、纺织包装机械等市场，第三方运控商形成寡头垄断格局；而在机器人行业，专业运控企业市场空间，明显受机器人企业自制趋势挤压，据高工机器人研究所，2022年机器人控制器外采比例仅27%，我们认为特殊点在于：图表：2022年国内金属切削机床运控企业寡头垄断注：市占率以当年销售额计算►行业龙头印痕效应：自1980年代，工业机器人四大家族产业链布局链均涵盖上游核心零部件，带动后发企业倾向以“控制器+伺服驱动”构筑竞争壁垒。国内外大型工业机器人企业虽自制控制器，核心差距仍在于底层软件架构和动力学算法完备性。图表：2022年国内工业机器人运控倾向垂直一体化资料来源：埃夫特招股书，Wind，中金公司研究部图表：机器人控制器以自制为主资料来源：高工机器人，中金公司研究部►底层代码不共通：由于较为封闭的自制体系，各家机器人运控底层代码共通性差，缺乏行业统一语言架构，为专业第三方运控企业整合生态带来较大难度。我们认为目前第三方运控企业只能在长尾机器人企业觅得市场，在下游愈加寡头竞争的趋势下，数据可得性面临双重限制。►资本市场估值分化效应：1)运控算法性能提升，可降低机器人硬件超配要求，具备较高想象空间上限。2)基于动力学的运控算法，在其他自动化设备品类有底层共通性，可具备跨行业属性。因此，国内资本市场默认把不具备运控算力的企业，打入“集成商”角色定位，在一二级给予估值折价。由于国内机器人市场整体募资环境较为激烈，给予更多机器人企业入局运控的动能。纵观全球人形机器人企业，延续运控一体化趋势。2022年起，全球人形机器人步入发展新高潮，我们观察新晋企业均在运控端各显神通。如特斯拉“Dojo芯片算力+路径运动轨迹优化+仿人运动捕捉”、达闼主打“海睿云端机器人大脑架构”，傅利叶智能打造生物力学+运动科学+康复医学的伽利略系统，参考体测标准，训练GR-1运动能力。图表：特斯拉基于“工厂运动+人体运动捕捉”轨迹优化资料来源：2022年特斯拉AIDay，中金公司研究部我们认为人形机器人运控层面，存在如下技术变化：1)正向仿生算法注入，动力学算法本质为模型控制，预测结果精准，但消耗计算时间较长，泛化能力弱。参考人脑神经决策活动，各类仿生运控算法应运而生。以黄华的《柔性机械臂的仿生控制方法研究(2021)》为例，提出小脑模型控制器的仿生控制方案，每个关节控制算法由前馈补偿器+近似逆动力学模型的前馈控制器组成，通过反馈误差逼近运动目标。2)多模态决策带来挑战：人形机器人传感器品类大幅度提升，不局限于视觉