国金证券发布人形机器人“小脑”行业深度报告，指出运动控制系统是机器人实现精准动作的核心，由控制器+伺服驱动器+电机+传感器构成。人形机器人下肢即有14个自由度，运动学模型比工业机器人复杂数倍。随着Figure VLAs模型等“大脑”技术快速迭代，“小脑”由于技术壁垒高、复杂性大，或成为人形机器人产业化的“卡脖子”环节。具备高端装备多轴联动控制能力的厂商有望在本轮成长中脱颖而出。

各类机器人的基本组成较为相似，以执行机构、驱动装置、检测装置、控制系统和复杂机械为主，背后运动控制的逻辑也较为相通。运动控制（Motion Control）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，实现精确的位置控制、速度控制和转矩控制。

机器人的运动控制系统即“小脑”，主要由运动控制器、伺服驱动器、执行器、运动反馈单元等构成。运动控制器是核心，从上位机获取数据，控制伺服驱动器完成执行，并基于传感器反馈信息确保控制按规划完成。在机器人成本构成中，减速器、伺服电机、控制器分别占35%、20%、15%，合计占比达70%。“小脑”相关零部件是机器人硬件成本中价值量最高的部分。

工业机器人的运动控制目标是对各个关节进行联动控制实现轨迹跟踪。一般可通过一台计算机集中控制、多个CPU主从分级控制或模块化分散控制。运动控制器通常包括轨迹生成器、插补器、控制回路、步序发生器等模块，具有较强的“软件”属性。

工业机器人控制涉及正向运动学计算和逆向运动学求解，对应驱动末端位姿运动的各关节参数需要实时计算。由于工业机器人场景固定、关节数量少（一般不超过7轴），可以在离线状态下精准计算和优化。但到了人形机器人领域，仅下肢即可简化为14自由度系统（髋关节3自由度、踝关节3自由度、膝关节1自由度），控制轴数大幅增加，运动学模型呈指数级复杂化。

人形机器人运动控制相比工业机器人有三大变化：输入端更复杂、控制难度更高、运动学模型更复杂。

输入端方面，工业机器人通过PC作为上位机由工程师输入指令后重复执行，人形机器人上位机变为依托大语言模型的“大脑”，可直接将自然语言转化为控制指令。这不改变运动控制系统作为“小脑”的作用，但控制层级提升至人工智能级，具备自然语言理解和自主执行能力。

控制难度方面，人形机器人需要同时控制的上肢和下肢自由度大幅增加，单下肢即14个自由度。如果再考虑上下肢协同、姿态平衡控制、持物平衡控制、抓取控制等场景，多关节联动控制的复杂度远超工业机器人。

运动学模型方面，人形机器人需要针对各类复杂场景进行建模分析，倒立摆模型是最基础的平衡控制模型，但实际控制策略需要基于强化学习的控制技术、基于动力学的模型预测控制技术等多项技术的支撑和融合创新。

Figure发布的Helix视觉-语言-动作（VLAs）模型是“大脑”技术的重要突破，通过部署两个模型解决了VLMs响应速度慢的问题——系统2“慢思考”高层次目标，系统1“快思考”实时执行和调整动作。这是首个能够实现人形机器人全部上肢控制的高速连续控制输出模型。

Figure提出全新的人形机器人规模化曲线，面向不同场景的泛化任务处理能力将持续增强。随着预训练大语言模型、视觉语言模型、视觉语言动作模型等技术快速迭代，“大脑”成熟有迹可循且正在加速。而“小脑”由于负责运动控制的落地执行，技术路线壁垒高、复杂性大，难以通过弯道超车实现突破。

人形机器人的技术进步是基础模型、运动控制、传感技术互相加强的正向循环。当“大脑”的决策速度越来越快、任务越来越复杂时，对“小脑”的运动控制精度、响应速度和自适应能力的要求也会越来越高。这一互相加强的循环中，“小脑”作为执行端的短板效应可能日益突出。

机器人成本构成（核心零部件占比）

零部件	成本占比
减速器	35%
伺服电机	20%
控制器	15%
合计	70%

国金证券研报认为两类企业有望在人形机器人“小脑”成长机会中脱颖而出：

第一类：具备高端装备高速、高精多轴联动控制能力的企业。这类企业原先下游集中在半导体设备、工业母机等高端装备领域，在插补算法、误差补偿、高速高精伺服控制、复杂系统轨迹规划等领域具备先发优势。建议关注固高科技、华中数控、科德数控。

第二类：具备工业机器人运动控制能力的企业。这类企业通常在通用多轴运动控制平台基础上进行自主研发，提供自研运动控制系统，国内头部工业机器人企业已开始配套自研控制器。建议关注拓斯达、埃斯顿、埃夫特。人形机器人成长空间较大，“小脑”有望成为重要的主赛道，具有相关技术储备的企业有较好成长前景。