开云·(KaiYun)中国科技服务平台 - 官方网站

告别硬碰硬！HPM 芯片支持力位混合控制，让机器人关节学会“顺势而为”

Mon, 05 Jan 2026 04:30:22 +0800

【导语】人形机器人抓取玻璃杯时，关节太“硬”易打翻，太“软”难抓稳，理想的执行器需像人臂般刚柔并济。力位混合控制正是为解决这一难题而生，它让关节“可软可硬”，在精确跟踪与环境顺应间找到平衡。HPM MCL v2电机控制库集成该功能，不改变现有架构，仅在上层加外环，就能让关节按任务阶段切换刚度，实现稳定、安全的交互。

想象这样一个场景：你的人形机器人正在弯腰拾起一个玻璃杯。如果关节太“硬”，手一碰到杯子就急停，可能打翻它；如果太“软”，又会陷进去，无法稳定抓取。理想的执行器，应该像人的手臂——既能稳稳托住物体，又能顺应外力微调姿态。

这正是力位混合控制（Hybrid Force-Position Control）要解决的核心问题。

在人形机器人这种带减速器的高动态关节中，开发者常面临两难：

纯位置控制太“硬”：接触瞬间产生电流尖峰，易触发过流保护，机械冲击大；
纯力/电流控制太“软”：难以维持期(qī)望(wàng)姿(zī)态(tài)，容(róng)易(yì)漂(piào)移(yí)，缺(quē)乏(fá)“支(zhī)撑(chēng)感(gǎn)”。

为(wèi)平(píng)衡(héng)这(zhè)两(liǎng)者(zhě)，我(wǒ)们(men)在(zài) HPM MCL v2 电(diàn)机(jī)控(kòng)制(zhì)库(kù)中(zhōng)集成(chéng)了(le)轻(qīng)量(liàng)级(jí)力(lì)位(wèi)混(hùn)合(hé)控(kòng)制(zhì)器(qì)。它(tā)不(bù)改(gǎi)变(biàn)现(xiàn)有(yǒu) FOC 电(diàn)流(liú)环(huán)架(jià)构(gòu)，仅(jǐn)在(zài)上(shàng)层(céng)增(zēng)加(jiā)一(yī)个(gè)外(wài)环(huán)，即(jí)可(kě)让(ràng)关节(jié)具(jù)备(bèi)可(kě)调(diào)的(de)刚(gāng)度(dù)与(yǔ)阻(zǔ)尼(ní)，在(zài)精(jīng)确(què)跟(gēn)踪(zōng)与(yǔ)环(huán)境(jìng)顺(shùn)应(yīng)之(zhī)间(jiān)找(zhǎo)到(dào)最(zuì)佳(jiā)平(píng)衡(héng)点。

更关键的是：在“抓取/接触”这类任务里，关节并不存在唯一的最佳刚度。

接触与对齐阶段更需要柔顺（低刚度）来降低冲击、避免打滑或卡死；
抓稳与支撑阶段更需要稳定（高刚度）来维持姿态、承载负载。

力位混合控制让执行单元具备这种“刚度可调”的能力：不是在硬/软之间二选一，而是按任务阶段切换到合适的状态。

它解决的是执行单元的真实工程痛点

当关节需要与外界接触（地面、桌面、人体、装配件等），若只追求位置刚性，系统往往会出现：

接触瞬间的力矩/电流尖峰，带来热应力与保护风险；
因阻尼不足或速度噪声引发振荡、“弹跳”；
接触后位置难以收敛，要么抖动，要么持续偏移。

力位混合控制的价值在于：在不改动底层驱动的前提下，为执行单元增加一层可(kě)控(kòng)的(de)“阻(zǔ)抗(kàng)行(xíng)为(wèi)”。无(wú)论(lùn)外(wài)部(bù)扰(rǎo)动(dòng)如(rú)何(hé)变(biàn)化(huà)，关节(jié)都(dōu)能(néng)按(àn)预(yù)设(shè)的(de)刚(gāng)度(dù)和(hé)阻尼响应，使接触过程更平滑、更可预测。

在“大小脑”架构中的定位：属于执行单元侧

在典型的人形机器人分层控制架构中：

大脑（任务层） 负责感知与决策，如“抓杯子”“迈步上台阶”；
小脑（运动规划层） 将任务转化为关节轨迹、末端力目标或全身优化指令；
执行单元（伺服驱动层） 则负责将这些目标高速、稳定地转化为电机电流。

HPM MCL v2 的力位混合控制明确归属于执行单元侧。它不参与任务规划，也不决定“该施加多大的力”，而是接收上层给出的期望位置、速度（以及可选的前馈力矩），在电机侧实时合成一个符合设定刚度/阻尼特性的力矩指令，并通过 FOC 电流环精准执行。

简言之：上层决定“想要什么”，我们(men)负责把它稳定、安全、可控地做出来。

注：虽然“阻抗控制”与“导纳控制”在理论层面常被区分，但在实际系统中，只要采样率与带(dài)宽(kuān)匹(pǐ)配(pèi)，二(èr)者(zhě)可(kě)通(tōng)过(guò)数(shù)学(xué)变(biàn)换(huàn)等(děng)效(xiào)。对(duì)执(zhí)行(xíng)单(dān)元(yuán)而(ér)言(yán)，最(zuì)终(zhōng)落(luò)地(de)需(xū)要(yào)一(yī)个(gè)高(gāo)带(dài)宽(kuān)、带(dài)限(xiàn)幅(fú)与(yǔ)滤(lǜ)波(bō)的(de)力(lì)矩(ju)执(zhí)行(xíng)链(liàn)路——这(zhè)正是本方案的定位。

核心思想：让关节“可软可硬”，且行为一致

力位混合控制的本质，是将位置误差和速度误差映射为力矩输出

输出力矩 = 刚度(kp) × 位置误差 + 阻尼(kd) × 速度误差 + 前馈力矩(tau_ff)

其中：

Kp 决定刚度：值越大，抵抗外力变形的能力越强；
Kd 决定阻尼：值越大，运动越平稳，抑制振荡；
tau_ff 为可选前馈力矩，用于补偿重力或惯性项。

执行单元将输出力矩除以电机转矩常数 Kt，得到 q 轴电流指令，交由 FOC 电流环执行。整个过程可在微秒级完成，确保阻抗行为实时响应。

这里要强调的是：低刚度与高刚度都是正常系统状态。

低刚度适合“触碰/对齐/人机交互”等需要顺应的阶段；
高刚度适合“抓稳/定位/支撑”等需要稳态保持的阶段。

力位混合控制的价值在于让这种行为“可调且一致”，并在执行层用限幅/滤波把它做得可控、可实现。

为什么 HPM 芯片能高效支持这一功能？

力位混合控制虽逻辑简洁，但对计算实时性与控制带宽要求高。先楫高性能 RISC-V MCU 为此提供了关键硬件支撑：

主频高达 800MHz 以上，确保外环控制周期可短至 1μs；
内置硬件加速 FOC 单元，减轻 CPU 负担；
高精度同步 ADC 与 PWM 触发机制，保障电流环与位置环的严格时序对齐。

得益于此，开发者无需牺牲现有 FOC 架构，仅需调用一个函数，即可启用可调阻抗行为。

在 HPM SDK 中如何快速集成？

我们已在 hpm_sdk_extra 仓库中提供完整的力位混合控制示例，集成过程极为简洁，仅需四步：

从编码器读取当前关节位置 q 与速度 dq；
调用mcl_hybrid_ctrl_step()，传入期望位置/速度、刚度 Kp、阻尼 Kd（以及可选前馈力矩），即可获得目标力矩tau_cmd；
根据电机转矩常数 Kt，计算 q 轴电流指令：iq_cmd = tau_cmd / Kt；
调用hpm_mcl_loop_set_current_q(iq_cmd)，交由底层 FOC 电流环执行。

整个外环逻辑不到十行代码，却能让原本“非硬即刚”的伺服系统，具备按需调节的柔顺交互能力(lì)——无(wú)需(xū)改(gǎi)动(dòng)现(xiàn)有(yǒu)驱(qū)动(dòng)架(jià)构(gòu)，开(kāi)箱(xiāng)即(jí)用(yòng)。

实(shí)际(jì)效(xiào)果(guǒ)一(yī)：面(miàn)对(duì)“穿(chuān)墙(qiáng)指(zhǐ)令(lìng)”，谁(shuí)更(gèng)聪(cōng)明(míng)？

为(wèi)了(le)直(zhí)观(guān)展(zhǎn)示力位混合的价值，我们设计了一个典型场景：上层控制器给出一个“穿过物理限位”的目标位置（例如指令要求转到 1.2 rad，但机械限位在 1.0 rad）。这在抓取、装配或足式行走中非常常见。

我们并排对比三种策略：

左：传统位置控制（固定高增益）
中：力位混合 + 低刚度（适用于接触、对齐阶段）
右：力位混合 + 高刚度（适用于抓稳、支撑阶段）

图中关键信息已标注：

灰色粗线：物理限位（无法越过）
红色虚线：上层给出的“穿墙”目标位置
底部数字：顶墙后关节稳定输出的力矩值（单位：N·m）

可以看到：

传统位置控制持续输出接近限幅的力矩（约 0.60 N·m），相当于“死命顶墙”，既浪费能量，又增加电流与发热风险；
力位混合控制则根据设定刚度，自动收敛到合理的稳态力矩：
- 低刚度模式仅输出约 0.20 N·m，轻柔贴合；
- 高刚度模式输出约 0.50 N·m，提供强支撑。

这意味着：同一个执行单元，可在不同任务阶段动态切换“手感”——接触时柔顺，抓持时稳固，全程不超限、不失稳。

实际效果二：突加外力冲击，谁更稳健？

再看一个更贴近真实世界的场景：在稳定运行中，关节突然受到外部扰动（例如人手推一下，或机器人脚踩到石子），我们模拟为 +0.5 N·m 的阶跃力矩，持续 100ms。

对比结果如下：

模式	峰值输出力矩 (N·m)	最大位置偏转 (°)
传统位置控制	0.60（已达限幅）	2.66
力位混合（低刚度）	0.41	10.28
力(lì)位(wèi)混(hùn)合(hé)（高(gāo)刚(gāng)度(dù)）	0.54	6.41

表(biǎo)面(miàn)看(kàn)，低(dī)刚(gāng)度(dù)偏(piān)转(zhuǎn)更(gèng)大(dà)，但(dàn)这(zhè)恰(qià)恰(qià)是(shì)主动(dòng)顺(shùn)应(yīng)的(de)表(biǎo)现(xiàn)：它(tā)通(tōng)过(guò)允(yǔn)许(xǔ)可(kě)控(kòng)的(de)微(wēi)小(xiǎo)位(wèi)移(yí)，显(xiǎn)著(zhe)降(jiàng)低(dī)了(le)力(lì)矩峰值和电流冲击。而传统位置控制因“拒绝任何偏移”，反而被迫输出最大力矩对抗扰动，极易触发过流保护。

在实际应用中，你完全可以：

接触/探索阶段：启用低刚度，提升安全性与适应性；
作业/支撑阶段：切换至高刚度，保证精度与刚性。

这种“按需调节”的能力，正是力位混合控制的核心优势。

黑芝麻智能与联想研究院机器人实验室达成战略合作

Sun, 04 Jan 2026 13:00:26 +0800

【导语】12月30日，黑芝麻智能与联想研究院机器人实验室达成战略合作，双方将融合芯片计算与系统算法优势，携手打造新一代智能机器人产品，加速机器人技术创新与规模化应用，为机器人商业化落地注入新动能。

黑芝麻智能与联想研究院机器人实验室的战略合作，旨在通过技术深度融合，汇聚双方在芯片计算与系统算法领域的尖端能力，构建行业领先的机器人智能解决方案，加速智能机器人的创新与规模化应用。

12月30日，黑芝麻智能宣布与联想研究院机器人实验室达成战略合作，双方将深度融合技术优势，积极在机器人计算平台和软件应用算法技术等领域深入合作，共同提升在机器人领域的自主创新能力和场景落地能力。本次合作将加速黑芝麻智能芯片与算法在机器人行业的广泛应用，同时为联想机器人产品研发注入强劲动力。

本次合作中，双方将基于黑芝麻智能SesameX多维具身智能计算平台携手打造新一代机器狗等智能机器人产品，并重点在具身智能机器人领域开展探(tàn)索(suǒ)。

黑芝麻智能将机器人视为重要的布局板块，依托智能汽车方面的研发和量产经验，推出了业界首个机器人商业化专属部署平台——SesameX多维具身智能计算平台。SesameX是一整套“从端侧模组到全脑智能的体系化计算平台”，从硬件、软件、工具链到模型生态，全栈自研。主要硬件为Kalos、Aura、Liora三款模组，分别对应视觉驱动、感控协同与认知进化这三个机器人发展层级，满足从送餐机器人、迎宾机器人等低速轮式机器人，到多足机器人、智能机械臂等，再到具身智能人形机器人的需要。

联想研究院机器人实验室是联想的公司级研发机构，专注于机器人与具身智能技术的研发，多年来，承担了多个国家级和市级科研项目，累计获得300余项国内外发明专利。机器人实验室的核心研发方向包括机器人感知、决策与行动一体化技术，推动机器人在复杂环境中的自主学习与适应。通过软硬件的深度协同，推出了一系列标准化的机器人解决方案，广泛应用于制造、电力、教育、服务等多个行业。

联想研究院高级总监钟将为表示：“我们非常高兴与黑芝麻智能达成战略合作。黑芝麻智能在机器人计算平台与芯片算法方面的深厚积累，与联想在智能设备系统集成与场景化落地方面的优势高度互补。双方将携手推动机器人技术从实验室走向规模化应用，共同打造更具竞争力和实用价值的机器人产品。”

黑芝麻智能首席市场营销官杨宇欣表示：“此次合作是黑芝麻智能机器人生态布局中的重要一环。联想在全球化品牌、市场渠道与产品化能力方面具有显著优势，结合我们在机器人专用计算平台上的全栈自研实力，必将加速机器人技术在更多真实场景中的商业化落地。”

黑芝麻智能与联想研究院机器人实验室达成战略合作，体现了双方对于机器人市场的展望和布局高度契合。这是一次产业链上游创新力量的强强联合，双方将以技术创新为驱动，为机器人产品落地和成功商业化注入新动能。

当前，机器人技术正逐步重塑生产与生活方式。黑芝麻智能在发布SesameX多维具身智能计算平台的同时，也已构建起机器人合作生态并取得阶段性商业化成果。在构建机器人合作生态的愿景下，黑芝麻智能合作伙伴的名单还将不断加长，将聚合产业链的力量，推(tuī)动(dòng)机(jī)器(qì)人(rén)加(jiā)快(kuài)迈(mài)向(xiàng)规模化应用。

TCXO、差分晶振到OSC：SJK晶振在10万亿机器人市场的隐形守护

Wed, 31 Dec 2025 10:30:33 +0800

【导语】12月28日吴晓波年度演讲中，具身智能机器人被看好成为中国未来四大10万亿级市场之一。随着其从演示迈向实际应用，系统一致性难题凸显，而晶振这一关键元器件，在动作协同、环境感知、高速通信等方面保障系统稳定运行。SJK晶科鑫针对不同机器人及工业场景，提供多样晶振应用方案与选型要点，助力具身机器人工程验证与规模化发展。

12月28日，在吴晓波年度演讲中，具身智能机器人被反复提及。吴晓波指出，它将成为中国未来四个10万亿级市场之一。

这一判断并非基于概念热度，而是产业结构变化。在全球 AI竞争的G2格局中，中国正在形成完整的硬件体系。当前，机器人与智能设备的核心零部件中，约65%来自本土供应链。

当 AI不再停留在算法层，而是进入实体系统，一个问题随之出现：系统运行是否可控，是否可长期运行，是否具备工程可复制性。

答案，藏在一个极少被讨论，却无处不在的元器件——晶振。

一、具身智能系统的一致性难题

具身智能机器人正在从演示阶段进入实际应用阶段，这一转变的关键，不在模型参数规模，而在系统协同能力。

当机器人开始行走、抓取、协作，多关节同时工作，对控制系统提出明确要求。

动作是否同步，传感数据是否按时采集，通信是否连续。系统并不依赖单点性能，而依赖整体一致性。晶体振荡器为系统提供基础时钟信号，决定各模块是否在同一时间基准下运行。

二、晶振在机器人系统中的作用

1.动作协同：无源晶振、有源晶振为伺服电机和控制单元提供统一时序。在多关节系统中，时序偏差会直接影响动作协调。

2.环境感知：在防爆机器人、移动机器人中，VC-TCXO用于传感器与控制模块。其作用是保证采样与处理过程在温度变化下保持一致。

3.高速通信：在人脸识别、光通信、边缘计算等场景中，差分晶振用于高速接口。其作用是降低时序误差，保障数据链路连续。

系统运行时间越长，对频率稳定性的依赖越明显。

三、不同机器人系统的晶振应用方案

SJK晶科鑫从事频控器件研发与制造几十余年，针对不同机器人系统，形成对应的器件配置方式。

1.人型机器人：3225有源晶振，32.768kHz，3.3V，用于RTC与低功耗唤醒模块，适配空间受限的系统结构。

2.防爆机器人：VC-TCXO 3225，38.4MHz，精度 0.5ppm，LVCMOS输出，用于在温差与振动环境中维持控制系统的频率一致性。

3.移动机器人AGV / AMR：5032 2PIN 8MHz 20PF，3225 25MHz 18PF，用于导航、定位与动力控制模(mó)块(kuài)，适(shì)配(pèi)长(zhǎng)期(qī)运行需求。

智能交互与跟拍机器人：2016 SMD 24MHz 12PF，3225 SMD 12MHz 20PF用于图像处理与语音识别主控芯片，匹配高速处理需求。

四、工业 5.0的系统级基础

在全球 189座灯塔工厂中，中国占79座，覆盖汽车、电子、能源等多个行业。工业5.0的核心，并非单一设备自动化，而是系统级的长期协同与可复制运行。

在工业交换机、通信网关和控制网络中，系统能否稳定运行，取决于各模块是否工作在统一的时间基准下。晶振正是为这些系统提供基础时钟信号，支撑多模块协同与 7×24小时连续运行。

以工业通信与机器人系统为例，SJK晶科鑫的晶振配置包括：

无源晶振：3225封装（25/27/10/30.1MHz）及2012封装（32.768kHz），用于基础时序与低功耗计时电路。

有源晶振：3225 OSC（48/25MHz）与5032 OSC（10MHz），为通信接口与控制(zhì)单(dān)元(yuán)提(tí)供(gōng)稳(wěn)定(dìng)时(shí)钟(zhōng)驱(qū)动(dòng)。

目(mù)前(qián)，相(xiāng)关方(fāng)案(àn)已(yǐ)广(guǎng)泛(fàn)应(yīng)用(yòng)于(yú)工(gōng)业(yè)通(tōng)信(xìn)设(shè)备(bèi)、具(jù)身(shēn)机(jī)器(qì)人(rén)及(jí)机(jī)械(xiè)臂(bì)电(diàn)机(jī)控(kòng)制(zhì)系(xì)统(tǒng)中(zhōng)。

五(wǔ)、常(cháng)见(jiàn)晶(jīng)振(zhèn)类(lèi)型(xíng)与(yǔ)机(jī)器(qì)人(rén)选(xuǎn)型(xíng)要(yào)点(diǎn)

在(zài)具(jù)身(shēn)机(jī)器人走向规模化应用的过程中，晶振选型直接关系到系统的一致性与长期稳定性。

1.展频晶振：通过展频技术降低电磁辐射，在保持±20ppm频率稳定度的同时，有助于系统通过EMC测试，适用于工业AI质检、电机监控等强干扰环境。

2.贴片晶振：如7U（3225）、7E（2520）、7F（2016）、7Y（1612）等系列，具备耐高温、防潮湿及成本可控的特点，适用于能源监控传感器、基础AI检测设备等需大规模部署的场景。

恒温晶振：通过恒温控制实现ppb级超高频率稳定度，抗干扰能力强，温漂极小，常用于高压电检测与关键工业控制系统。

六、工程选型中通常重点关注以下因素：

1.频率稳定性：例如7050封装的156MHz差分晶振，用于系统级同步与高速接口。

2.封装尺寸：2016及更小封装已成为高集成度系统的常见选择(zé)。

3.负载电容匹配：需与主控电路匹配（如9PF、12PF、18PF），以避免频率偏差。

具身机器人正步入工程验证与规模化阶段，系统稳定性已成为决定性因素。

晶振虽不直接参与算法运算，却决定了整个系统能否在统一的时间基准下可靠运行。SJK晶科鑫提供覆盖2016至7050封装的全系列晶振产品，包括TCXO、差分晶振及OSC等，全面支持机器人及各类工业系统的基础时序需求。

如何利用NVIDIA Cosmos Cookbook提升机器人操作能力

Wed, 31 Dec 2025 10:30:32 +0800

【导语】机器人操控系统在动态现实环境中面临诸多挑战，如难以应对持续变化的环境因素、仿真与现实差距以及工具设计局限等。为此，NVIDIA 机器人研发摘要 (R²D²) 带来新方法探索，涵盖 ThinkAct 框架实现推理与动作执行、仿真与现实协同训练策略、RobotSmith 工具设计框架，以及借助 Cosmos Cookbook 缩小仿真与现实差距等内容，助力开发者深入了解物理 AI 与机器人应用领(lǐng)域的最新突破。

机器人操控系统在进入动态现实环境时，难以应对持续变化的物体、光照条件及接触动力学。此外，仿真与现实之间的差距，以及未经过优化的抓手或工具，通常限制了机器人在多样化任务中的泛化能力、长视距任务的执行能力，以及实现类人灵巧操作的可靠性。

本期 NVIDIA 机器人研发摘要 (R²D²) 探讨了提升机器人操作技能的新方法。在本博客中，我们将介绍三项研究工作：利用推理大语言模型、仿真与现实协同训练，以及视觉语言模型来设计操作工具。

ThinkAct：通过增强视觉潜在规划实现视觉语言动作推理

用于仿真与现实策略联合训练的通用域自适应方法

RobotSmith：面向复杂操作技能获取的生成式机器人工具设计

我们还将介绍如何利用 Cosmos Cookbook 中的数据增强及其他方法来提升机器人操作性能。该指南是一项开源资源，汇集了 NVIDIA Cosmos 在机器人与自动驾驶领域中的实际应用案例。

借助 ThinkAct 提升机器人推理与动作执行能力

在机器人开发中，视觉语言动作(VLA)模型能够根据视觉信息和自然语言等多模态指令生成相应的机器人动作。一个高效的 VLA 模型应具备理解并执行动态环境中复杂多步骤操作的能力。然而，当前的机器人操作方法通常采用端到端的方式训练 VLA，无需显式的推理过程。这种方式使得模型在规划长距离任务时面临挑战，也难以灵活适应多样化的任务和环境。

ThinkAct 通过在双系统框架中整合高级推理与低层动作执行，以缩小这一差距。该“先思考后行动”的框架由强化的视觉潜在规划实现。

首先，多模态大语言模型(MLLM)经过训练，能够生成供机器人遵循的推理计划。这些计划通过强化学习生成，其中视觉奖励机制促使 MLLM 制定出符合物理规律的执行路径，以实现目标任务。为此，ThinkAct 利用人类与机器人操作的视频数据，实现基于视觉观察的推理。这种训练方式确保了机器人所生成的规划不仅在理论上合理，还能根据实际视觉反馈在物理环境中切实可行。这一过程构成了“思考”部分。

现在进入“行动”部分。推理过程中的中间步骤被压缩为一条紧凑的潜在轨迹。该表征包含计划中的核心意图与上下文信息。随后，潜在轨迹引导一个独立的动作模型，使机器人能够在不同环境中执行相应动作。通过这种方式，高层推理得以指导并优化现实场景中的底层机器人行为。

图(tú) 1。ThinkAct 概述。

ThinkAct 已通过机器人操作和具身推理基准测试。在具身 AI 任务中，它成功实现了少样本部署、长视距操作以及自校正功能。

图 2。长视野操作任务的可视化展示。

使用 Sim-and-Real 策略进行联合训练

训练机器人执行操作任务需要在不同任务、环境和对象配置之间收集数据。一种常用的方法是行为克隆，即在现实世界中采集专家演示。理论上，这种方法具有可行性，但实际应用中成本较高，难以大规模扩展。现实世界的数据采集依赖人工操作员手动提供演示或监控机器人运行，过程耗时且受限于机器人硬件的可用性。

一种解决方案是在仿真环境中收集演示，这种方式能够实现自动化和并行化，从而高效便捷地获取大量数据。然而，在模拟数据上训练的策略往往难以有效迁移到现实场景中，其根本原因在于仿真与现实之间存在差距：仿真系统无法完全复现真实世界中物理特性、动力学行为、噪声干扰以及反馈机制的复杂性。

仿真和现实策略协同训练通过结合仿真环境与少量真实世界演示，学习通用的操作策略，从而弥合仿真与现实之间的差距。该方法构建了一个统一的仿真与现实协同训练框架，旨在学习一个共享的潜在空间，使仿真观察结果与真实世界数据实现对齐。该框架基于仿真与现实协同训练的相关研究，并采用了更具表达能力的表示空间。这种表示方式不仅提升了对齐效果，还能够捕捉与动作相关的信息。其核心思想是使观察结果与其对应的动作保持一致，从而使策略能够在仿真和真实环境中均有效运行。

这些表征是通过一种称为最优传输 (OT) 的技术来学习的。OT 能帮助策略识别仿真与真实世界数据中的相似模式，确保无论输入来自模拟还是真实环境，用于选择操作的关键信息保持一致。由于模拟数据通常远多于真实数据，因此可通过扩展至非平衡 OT (UOT) 框架来应对这种数据不均衡问题。UOT 采用特定的采样方法，即使在数据集规模差异较大的情况下，也能使训练过程更加高效。

图 3。基于 OT 的仿真与现实策略协同训练概述。

使用此框架训练的策略能够成功泛化至现实场景，即使这些场景仅在训练数(shù)据(jù)的(de)模(mó)拟(nǐ)部(bù)分中出现。在提升、堆叠立方体以及将箱子放入垃圾桶等机器人操作任务中，对该方法的仿真到仿真及仿真到现实的迁移能力进行了评估。

图 4。通过仿真与现实协同训练，该策略仅需最多 25 次演示即可学习长视野任务，例如将物体分类到封闭的抽屉中。

使用 RobotSmith 改进机器人工具设计

多数机器人操作任务涉及使用不同的工具和物体。使用工具是机器人与环境交互并执行复杂操作的关键功能。然而，为人类设计的工具因具有多样且复杂的外形尺寸，导致机器人难以有效操作。当前的机器人工具设计方法通常依赖不可定制的预定义模板，或采用未针对此目的优化的3D生成技术。

RobotSmith 通过提供一种利用视觉语言模型(VLM)的自动工具设计框架来应对这一挑战。VLM 擅长推理 3D 空间与物理交互，同时能够理解在包含不同对象的环境中机器人可执行的动作。这些关键能力使其在高效的工具设计中发挥重要作用。

RobotSmith 将视觉语言模型(VLM)中的先验知识与仿真环境中的联合优化过程相结合，以生成面向特定任务的工具。其三大核心组件为：

Critic Tool Designer：两个 VLM 智能体协作生成候选工具几何图形。

工具使用规划器：依据设计的工具与场景生成操作轨迹，并在模拟中执行和评估候选轨迹及抓取效果。

“Joint Optimizer” (联合优化器)：在仿真中联合微调工具几何图形与轨迹参数，以尽可能提升性能。此过程对剔除可能导致任务失败的次优工具与轨迹组合至关重要。

RobotSmith 以这种方式为推送、扫描或封闭等任务生成不同的工具设计方案。

图 5。RobotSmith 迭代工具设计，确定高效的设计，并利用所设计的工具生成轨迹，以完成用户任务。

在仿真环境和现实世界任务中对 RobotSmith 进行了评估，完整的实验与结果详见论文。制作煎饼作为一项实际测试任务，框架针对每个步骤(例如压平和抹面)设计并使用了不同的工具，表明该框架能够成功执行长距离任务。

图 6。RobotSmith 设计并使用针对长视野操作场景中各子任务优化的专用工具。

通过 NVIDIA Cosmos Cookbook 缩小仿真与现实之间的差距

在本博客前面，我们探讨了仿真与现实之间的差距，并介绍了如何利用合成数据训练机器人策略。逼真且多样化的合成数据集能够生成可靠的策略，使其更好地适应现实世界。NVIDIA Cosmos 开放世界基础模型(WFM)，特别是其中的 Cosmos Transfer，能够通过单次模拟生成逼真且多样化数据，从而扩展合成数据集。完整的流程可在Robotics Domain Adaption Gallery(机器人领域自适应图库)的示例中找到。

除了此工作流之外，NVIDIA Cosmos Cookbook 还提供了分步指导和后训练脚本，帮助快速构建、定制和部署适用于机器人、自主系统及代理式系统的 Cosmos WFM。内容深入探讨了以下示例与概念：

快速启动推理示例以实现快速部署与运行。

高级后训练工作流程，支持特定领域的精细微调。

经过验证的可扩展、生产就绪的部署方案。

涵盖基础主题、核心技术、架构模式及工具文档的核心概念。

Cosmos Cookbook 是物理 AI 社区分享 Cosmos WFM 实践知识的资源平台。我们欢迎各方通过 GitHub 贡献内容，包括工作流、方法、优秀实践以及针对特定领域的调整方案。

入门指南

在本博客中，我们探讨了提升机器人操作能力的新工作流程。我们展示了 ThinkAct 如何通过“先思考后行动”的框架，对机器人动作进行推理与执行。接着，我们讨论了如何在通用操作策略的训练中结合使用模拟与真实数据。我们还分享了 RobotSmith 如何生成机器人工具设计，以优化完成复杂任务时的工具使用效率。最后，我们介绍了 Cosmos Cookbook 如何借助 Cosmos 模型，为物理 AI项目提供示例和共享空间。

查看以下资源，深入了(le)解(jiě)本(běn)博(bó)客(kè)中(zhōng)讨(tǎo)论(lùn)的工作：

ThinkAct：论文、项目网站

针对仿真与现实策略联合训练的通用领域适应性：论文、项目网站

RobotSmith：论文、项目网站

Cosmos Cookbook：网站、GitHub

NVIDIA 研究团队在 NeurIPS 2025 上发表了多篇论文，涵盖 ThinkAct、Generalizable Domain Adaptation 和 RobotSmith 等研究方向。

本文是 NVIDIA 机器人研发摘要 (R2D2) 的一部分，旨在帮助开发者深入了解 NVIDIA Research 在物理 AI 与机器人应用领域的最新突破。

关于作者

Asawaree Bhide 是 NVIDIA 的 AI 嵌入式工程实习生，致力于优化和部署边缘设备上的深度学习模型。她目前正在乔治亚理工学院攻读计算机科学硕士学位，她对解决由具体代理自主导航的复杂感知任务感兴趣。Tomasz Lewicki 是 NVIDIA 的嵌入式工程实习生。他拥有圣何塞州立大学计算机工程硕士学位，华沙工业大学华沙工业大学机器人工程学学士学位。他的兴趣集中在计算机视觉和机器人应用的深度学习上。

兆易创新GD32H7系列MCU适配Micro-ROS的完整技术指南

Wed, 31 Dec 2025 04:30:28 +0800

【导语】在具身智能技术推动下，机器人加速向消费级、服务级领域渗透，对“边缘控制精度”与“生态协同能力”提出更高要求，Micro-ROS 作为专为资源受限嵌入式设备设计的 ROS 2 轻量级框架，成为连接“边缘控制层”与“云端算力层”的关键桥梁，而兆易创新GD32H7系列MCU凭借自身优势成为适配Micro-ROS的优选方案，本文将从开发到测试提供适配的完整技术指南。

随着具身智能技术爆发，机器人从工业场景向消费级、服务级领域快速渗透，小到家庭陪伴机器人，大到工业协作机器人，均对“边缘控制精度”与“生态协同能力”提出更高要求。据行业数据显示，一台中型服务机器人需集成10-15个传感器节点与8-12个执行器控制单元，而人形机器人的自由度关节更是突破20个，这类场景下，传统“MCU+简单控制程序”的模式已无法满足多节点协同需求——需同时实现实时电机控制、传感器数据预处理与云端/主机端数据交互，这也推动了“轻量化机器人操作系统（ROS）+高性能MCU”的技术组合成为行业主流。

作为ROS 2的轻量化分支，Micro-ROS凭借“资源适配性强”“生态兼容性高”“实时性优异”三大优势，已成为嵌入式(shì)机(jī)器(qì)人(rén)领(lǐng)域的(de)核心框架。其关键价值在于打破资源受限设备与ROS生态的壁垒：仅需几十KB内存即可在MCU端实现完整ROS 2通信能力（包括主题发布/订阅、服务调用、参数管理等核心功能），且能无缝对接Linux主机端的ROS 2节点。在机器人实时电机控制、智能传感器节点、边缘计算预处理等场景实现规模化应用，成为连接“边缘控制层”与“云端算力层”的关键桥梁。

兆易创新GD32H7系列MCU，凭借Cortex-M7内核，高达600MHz主频、1MB级SRAM（含512KB紧耦合内存）、多接口集成等硬件特性，完美匹配Micro-ROS的轻量化与实时性需求，成为国产MCU中适配Micro-ROS的优选方案。

本文将从开发板介绍、环境搭建、适配开发、测试验证四个维度，提供GD32H7系列MCU适配Micro-ROS的完整技术指南。

GD32H7系列MCU适配Micro-ROS的工程代码已在GitHub上开源，欢迎开发者下载使用。

Github仓库链接：

https://github.com/GigaDeviceSemiconductor/GD32H7-micro_ROS

Micro-ROS技术特性与架构

Micro-ROS是专为资源受限嵌入式设备设计的ROS 2轻量级实现框架，其核心特性可概括为七点：

优化的客户端API：针对MCU资源特性优化，支持所有ROS 2核心概念（节点、话题、服务、参数等）；

无缝生态集成：可直接与Linux主机ROS 2节点通信，无需额外协议转换；

轻量化中间件：采用DDS-XRCE中间件，内存占用低至8KB，适配资源受限场景；

多RTOS支持：兼容FreeRTOS、Zephyr、NuttX等主流实时操作系统，本文基于FreeRTOS开发；

宽松许可证：基于Apache 2.0许可证，商用无限制；

活跃社区支持：提供完善文档、示例代码与问题反馈渠道，生态持续迭代；

长期可维护性：遵循ROS 2架构规范，确保与后续版本的兼容性。

△micro-ROS的系统架构

（图片来源：micro-ROS官方网站）

GD32H7开发板规格与接口定义

本文适配测试基于两款GD32H7系列开发板：GD32H759I-EVAL与GD32H75EY-EVAL，两者分别支持串口、USB、以太网与Micro-ROS Agent通信，核心规格与接口定义如下：

1GD32H759I-EVAL板

主控芯片：GD32H759IMK6（Cortex-M7内核，最高600MHz主频）；

供电方式：GD-Link Mini USB接(jiē)口(kǒu)或(huò)DC-005连(lián)接(jiē)器(qì)（5V）；

核(hé)心(xīn)外(wài)设(shè)：Ethernet网(wǎng)口(kǒu)、USB HS0接(jiē)口(kǒu)、3路CAN-FD、SDRAM、SPI-LCD、USARTx（多(duō)串(chuàn)口(kǒu)）等；

Micro-ROS关键接口定义：

打印串口：USART0（引脚PA9、PA10）；

串口通信（与Agent）：USART2（引脚PB10、PB11）；

以太网通信（与Agent）：ETH0网口（需将JP48、JP51、JP57、JP59、JP60、JP70跳帽接至ETH）；

USB通信（与Agent）：USB_HS0接口。

2GD32H75EY-EVAL板

主控芯片：GD32H75EYMJ6（Cortex-M7内核，最高600MHz主频）；

供电方式：GD-Link Mini USB接口或DC-005连接器（5V）；

核心外设：USB HS0接口、2路CAN-FD、SPI、I2C、USARTx（多串口）等；

Micro-ROS关键接口定义：

打印串口：USART2（引脚PB10、PB11）；

串口通信（与Agent）：USART0（引脚PB6、PB7）；

USB通信（与Agent）：USB_HS0接口。

1ROS 2与Micro-ROS开发环境搭建（Host：Ubuntu 22.04）

1.1ROS 2Humble环境安装

ROS 2是Micro-ROS的主机端核心依赖，本文选择稳定版Humble，安装步骤如下：

1.1.1 基础依赖安装

打开Ubuntu终端，执行以下命令安装系统依赖：

sudoapt update &&sudoapt install -y curl gnupg2 lsb-release

1.1.2 环境变量与源配置

确保系统支持UTF-8编码：

sudolocale-gen en_US en_US.UTF-8sudoupdate-locale LC_ALL=en_US.UTF-8LANG=en_US.UTF-8exportLANG=en_US.UTF-8

添加ROS 2 apt仓库密钥与源：

sudocurl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpgecho"deb [arch=$(dpkg --print-architecture)signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu$(lsb_release -cs)main"|sudotee/etc/apt/sources.list.d/ros2.list > /dev/null

1.1.3 ROS 2软件包安装

更新仓库缓存并安装桌面版：

sudoapt update &&sudoapt upgrade -ysudoapt install -y ros-humble-desktop# 可选：安装开发工具（编译依赖、调试工具）sudoapt install -y ros-humble-ros-base python3-colcon-common-extensions python3-rosdep

配置环境变量（每次打开终端需执行，或添加至～/.bashrc）：

source/opt/ros/humble/setup.bash

1.1.4 环境验证（Talker-Listener测试）

终端1：运行发布节点（talker）：

source/opt/ros/humble/setup.bashros2 run demo_nodes_cpp talker

终端2：运行订阅节点（listener）：

source/opt/ros/humble/setup.bashros2 run demo_nodes_cpp listener

若终端2能接收终端1发布的“Hello World”消息，则ROS 2环境安装成功。

1.2Micro-ROS构建系统安装

Micro-ROS依赖专属工具链实现固件编译与Agent通信，安装步骤如下：

1.2.1 工具链下载与依赖安装

加载ROS 2环境并创建Micro-ROS工作空间：

source/opt/ros/humble/setup.bashmkdir-p ~/micro_ros_ws/src &&cd~/micro_ros_wsgitclone-b humble https://github.com/micro-ROS/micro_ros_setup.git src/micro_ros_setup

安装依赖（rosdep与pip）：

sudo rosdep init && rosdep updaterosdep install--from-pathssrc--ignore-src-ysudo apt install -ypython3-pippip3 install -U colcon-common-extensions

1.2.2 工具链编译与环境加载

编译Micro-ROS工具链：

colcon build --packages-select micro_ros_setupsourceinstall/local_setup.bash

创建固件工作空间：

ros2run micro_ros_setup create_firmware_ws.sh host

执行后将在~/micro_ros_ws/firmware目录下生成Micro-ROS工程结构，包含示例代码与编译脚本。

1.2.3 Micro-ROS环境验证（Ubuntu主机端测试）

以“ping-pong”示例验证环境（主机端模拟MCU节点）：

编译ping-pong固件：

cd~/micro_ros_ws/firmwarecolcon build --packages-select micro_ros_demos_rclcsourceinstall/local_setup.bash

终端1：运行Micro-ROS Agent（UDP模式）：

ros2run micro_ros_agent micro_ros_agent udp4 --port8888

终端2：运行ping-pong节点：

source~/micro_ros_ws/firmware/install/local_setup.bashros2 run micro_ros_demos_rclc ping_pong

终端3：订阅ping话题验证通信：

source/opt/ros/humble/setup.bashros2 topicecho/ping

若终端3能接收ping消息，则Micro-ROS环境搭建成功。

2GD32H7系列MCU适配Micro-ROS开发

2.1核(hé)心(xīn)适(shì)配(pèi)逻(luó)辑(ji)：静态库集成

由于GD32H7基于FreeRTOS开发，Micro-ROS适配采用“静态库集成”方案：先在Ubuntu主机端编译生成适配Cortex-M7内核的Micro-ROS静态库（含核心API、中间件、通信适配层），再将静态库与头文件导入GD32 Embedded Builder工程，配合底层驱动（串口、USB、以太网）实现通信。

静态库编译参考Micro-ROS官方教程（https://micro.ros.org/docs/tutorials/advanced/create_custom_static_library/），本文已提供预编译完成的静态库（包含libmicroros.a及相关头文件），直接导入工程即可使用。

2.2工程导入与编译（基于GD32 Embedded Builder）

GD32 Embedded Builder是GD32系(xì)列(liè)MCU的(de)专(zhuān)属(shǔ)IDE，支(zhī)持(chí)工(gōng)程(chéng)管(guǎn)理(lǐ)、编(biān)译(yì)、下(xià)载(zài)，适(shì)配(pèi)步(bù)骤(zhòu)如(rú)下(xià)：

2.2.1 工(gōng)程(chéng)结(jié)构(gòu)与(yǔ)静(jìng)态(tài)库(kù)导(dǎo)入(rù)

下(xià)载(zài)GD32H7 Micro-ROS工(gōng)程(chéng)包(bāo)（含(hán)GD32H759I_Eval_FreeRTOS_MicroROS与 GD32H75E_MicroROS两个工程）；

打开GD32 Embedded Builder，导入目标工程（如 GD32H759I_Eval_FreeRTOS_MicroROS）；

将Micro-ROS静态库（libmicroros.a）放入工程Lib目录，头文件放入Inc/microros目录，并在IDE中配置库路径与头文件路径。

2.2.2 不同通信接口的工程编译

GD32H759I-EVAL支持串口（中断/DMA）、USB CDC、以太网UDP三种通信方式，

GD32H75EY-EVAL支持串口（中断/DMA）、USB CDC两种方式，编译时需选择对应目标：

以GD32H759I-EVAL的串口（中断）为例，编译步骤：

右击工程→Build Configuration→Set Active→选择(zé)gd32h7_microros_usart_it；

点击“Build”按钮，编译完成后生成.elf与.hex文件；

其他通信方式的编译步骤类似，仅需切换目标工程即可。

3GD32H7 Micro-ROS功能测试

3.1测试准备

硬件：GD32H7开发板、GD-Link调试器、串口线（USB-TTL）、以太网网线（仅GD32H759I-EVAL）、12V电源；

软件：Ubuntu 22.04（已装ROS 2与Micro-ROS Agent）、串口调试助手（如SSCOM）。

3.2分接口测试步骤

3.2.1 串口通信测试（以GD32H759I-EVAL为例）

硬件连接：

打印串口：USART0（PA9→TX，PA10→RX）接USB-TTL，用于查看调试信息；

通信串口：USART2（PB10→TX，PB11→RX）接另一USB-TTL，连接Ubuntu主机。

Agent启动（Ubuntu终端）：

source/opt/ros/humble/setup.bashros2 run micro_ros_agent micro_ros_agent serial --dev /dev/ttyUSB0 -b 115200

（注：/dev/ttyUSB0为Ubuntu识别的串(chuàn)口(kǒu)设(shè)备(bèi)，可(kě)通(tōng)过(guò)ls/dev/ttyUSB*查(chá)看(kàn)）

固(gù)件(jiàn)下(xià)载(zài)：

在(zài)GD32 Embedded Builder中(zhōng)选(xuǎn)择(zé)gd32h7_microros_usart_it工(gōng)程(chéng)，点(diǎn)击(jī)“Download”下(xià)载(zài)固(gù)件(jiàn)；

打(dǎ)开(kāi)串(chuàn)口(kǒu)调(diào)试(shì)助(zhù)手(shǒu)（波(bō)特率115200），可看到开发板打印的初始化信息。

功能验证：

打开新Ubuntu终端，订阅Micro-ROS节点发布的/gd32h7_microros_publisher话题：

source/opt/ros/humble/setup.bashros2 topicecho/gd32h7_microros_publisher

若能接收32位整数数据，则串口通信测试成功。

3.2.2 USB CDC通信测试（以GD32H759I-EVAL为例）

硬件连接：

打印串口：USART0接USB-TTL（查看调试信息）；

USB通信：开发板USB_HS0接口接Ubuntu主机。

Agent启动（Ubuntu终端）：

source/opt/ros/humble/setup.bash# 查看USB CDC设备（通常为/dev/ttyACM0）ls/dev/ttyACM*# 启动Agentros2 run micro_ros_agent micro_ros_agent serial --dev /dev/ttyACM0 -b 115200

瀚博半导体受邀出席2025人工智能产业大会

Wed, 31 Dec 2025 04:30:27 +0800

【导语】12月24日，2025人工智能产业大会在北京开幕，瀚博半导体出席。此前其已担任AIIC多个工作组要职，此次会上牵头发布《人形机器人 AI 软硬件生态融合发展白皮书(2025)》，指出产业挑战、提出发展路径，为产业生态提供指引，未来将继续携手伙伴推动产业高质量发展。

12月24日，2025人工智能产业大会在北京隆重开幕，瀚博半导体(简称“瀚博”)出席了本次盛会。本次大会立足国家统筹推进算力基础设施建设(shè)、推(tuī)动(dòng)高(gāo)质(zhì)量发展的战略需求，聚焦人工智能科技创新与产业创新深度融合，特邀院士专家等就人工智能产业发展进行深度解析与前瞻性研判，并发布一批标志性成果。在会上正式发布了瀚博牵头主编的《人形机器人 AI 软硬件生态融合发展白皮书(2025)》。

躬身入局：牵头关键工作组

瀚博半导体凭借在高性能边缘计算领域的技术沉淀和产品实践，持续参与国家层面的产业生态建设。此前，瀚博已担任人工智能产业工作委员会(AIIC)下设的“边缘智能工作组”组长单位和“人形机器人AI软硬件生态融合工作组”副组长单位。此次发布白皮书，正是瀚博履行其生态职责、贡献产业智慧的具体行动。

擘画路径：发布行业白皮书

当前，人形机器人产业正处于从技术突破迈向规模化、商业化应用的关键转型期。瀚博半导体依托人形机器人AI软硬件生态融合工作组，牵头主编了《人形机器人 AI 软硬件生态融合发展白皮书(2025)》，系统性地指出了制约产业发展的三大挑战：算力孤岛、软件割裂、模型场景脱节，并创新性地提出了“算力池化、算法模块化、场景定制化”的发展路径，旨在通过架构层面的解耦与重构，实现底层资源复用与上层应用开发。

此外，白皮书全面梳理了全球技术与产业竞争格局和核心技术体系，并结合中国产业实践，为各方参与者提供了切实建议。尤其是其中前瞻性绘制的 “2025-2030年产业发展路线图”，为构建协同、开放、共赢的产业生态提供指引。

未来，瀚博将继续以云端与边缘的全系列高性能计算产品为基石，携手产业伙伴，共同破解关键瓶颈，推动人形机器人产业高质量发展，为“人工智能+”的深度融合构筑坚实、可靠的算力底座。

关于人工智能产业工作委员会(AIIC)

人工智能产业工作委员会是在工信部电子司指导下，联合人工智能产业链上下游单位发起成立，英文名为Artificial Intelligence Industry Working Committee，缩写：AIIC。工委会聚焦人工智能产业各环节，聚合行业力量，着力开展人工智能产业技术趋势研究、标准制定、测试验证、生态培育、应用推广等工作，成为畅通政府与行业间、产业链上下游间、国内与国际间的沟通渠道，推动产业合作的公共平台。

9988元捅破天花板！2025消费级四足机器人，52分钟销售千台

Tue, 30 Dec 2025 12:30:23 +0800

【导语】2025 年机器人赛道火爆，市场虽已有扫地机等产品，但可供选择的仍有限。维他动力作为今年发布首款产品 Vbot 超能机器狗的新企业，宣称 2026 年国内四足机器狗市场预计占六成份额。其产品有何竞争力？这款全球首款无需遥控的消费级具身智能机器狗，融合高阶 AI 等能力，上线 52 分钟订出 1000 台，究竟表现如何？

2025年，机器人赛道十分火爆，不管是创业公司、资本市场，还是消费者。年初，宇树的跳舞机器人点燃了全国人民的热情。但现实中，我们能买到的机器人产品却非常有限，包括扫地机、机器狗、割草机，或是酒店里的送餐机器人。

“2026年，国内四足机器狗市场规模预计将达到7–8万台，我们预计会占六成市场份额。” 维他动力（Vita Power）联合创始人赵哲伦近日在“2025聚合智能产业发展大会”表示。

2025年，宇树科技的机器狗出货量达到1.68万台，约占全国市场70%。据悉宇树科技明星产品Unitree Go1四足机器人累计出货量超5万台。其机器狗产品在工业、巡检、物流等场景已实现规模化应用。维他动力作为今年才发布第一款产品Vbot 超能机器狗的企业，为何有这样的豪言壮语？产品的竞争力和优势如何？本文进行详细解读。

聚焦消费场景的四足机器人，维他动力打入差异化市场

近日，在2025地平线技术大会上，Vbot维他动力创始人&CEO余轶南表示，公司专注打造生活空间机器人，使命是 “让世界上每一个人都能拥(yōng)有(yǒu)机(jī)器(qì)人(rén)”。

图(tú)：Vbot维(wéi)他(tā)动(dòng)力创始人&CEO余轶南

在今天的技术范式下，我们把机器人拆解成三层架构：第一层是本体智能，也就是我们常说的 “小脑”，主要负责控制所有肌肉的运动；第二层是空间智能，相当于 “大脑”，用来理解、识别、感知整个环境；第三层是Agent智能，即专业技能 —— 我们每个人生下来不会走路，先会爬再学走，小时候没什么技能，直到上学后才慢慢习得各种专业能力，Agent 智能就是机器人的 “专业技能库”。

无人机的核心是四旋翼飞控，主要用于航拍；轮式机器人的代表是送餐机器人。下一个机器人是什么样的？我们认为是具备通用能力的机器人，主要分为四足和人形两类：四足机器人能轻松应对各种地形，台阶、山坡，空间理解能力堪比自动驾驶，专业技能可以是领路、运载等，维他动力和北京一家酒店洽谈，让机器人帮游客带路。人形机器人的控制技术近年进展很大，能应用在家务、工厂、餐厅等场景。

Vbot 超能机器狗：高阶AI能力、大算力，情感化交互+使用功能融合

余轶南指出，现在市场上的四足机器狗，“小脑”（全地形能力）已经做得很好，但在空间理解、Agent 专业技能方面还有很大欠缺，几乎没有真正投入市场且成本可控的产品 —— 这正是 Vbot 要做的事。

维他动力以“四足机器狗”作为切入消费级机器人市场的首款产品。2025年底，维他动力推出的 Vbot 超能机器狗（昵称“大头”或“Bobo”）被定位为全球首款无需遥控的消费级具身智能机器狗，其核心优势在于将高阶AI能力、全地形移动性、情感化交互与实用功能深度融合。售价不到一万块的Vbot超能机器狗大头BoBo，在京东上线52分钟内订出1000台。

图片来自维他动力官方微信

余轶南介绍，这款四足机器狗在头部集成了360° 超宽带（UWB）定位芯片、360° 高精度激光雷达，四个麦克风的阵列，和双目深度摄像头，这个配(pèi)置(zhì)基(jī)本(běn)上是一台智能汽车的传感器配置。大脑算力芯片采用地瓜S100P芯片，算力达128TOPS，也是目前量产机器人中算力最高的，支持本地运行多模态大模型。

这款机械狗可以负载12 公斤（可背菜篮、露营装备、快(kuài)递(dì)箱(xiāng)等(děng)），最(zuì)大(dà)拖(tuō)拽力可以达到100公斤，可轻松跨越22厘米高台阶，全地形通过性优于多数竞品。

支持大头Bobo实现灵活运行的是12个关节电机，余轶南表示，这12台N45高永磁电机是维他动力团队自研的，最大扭矩达 24.5 N·m，重量仅0.4公斤。平均每条腿都有3个关节电机。另外还有2个小电机，位于大头Bobo的头部，让它的脑袋可以做到更“拟狗”的摆动。采用的电池是亿纬锂能提供的18650车规级电芯，大约600W的电量可以支持5小时的续航。除了240瓦全功能Type-C充电，它还配有自动家充站，没有电的时候，会像扫地机器人一样自动去充电。

据悉，大头Bobo不仅能自主完成取快递、拿外卖、扔垃圾等日常任务，还可实现运动陪伴、家庭状态记录，甚至承担起“家庭小管家”的角色。消费级四足机器狗，突破了以往以展示、获客、表演价值为主的价值局限，首次具备了被个人用户认可和接受的情感陪护与生活辅助价值。

维他动力第一代产品已预留完备的硬件接口，支持扩展机械臂、相机、云台等外设，未来甚至可连接投影仪、冰箱等家电设备。维他动力官宣，12月23日全国开启预售。

本文由电子发烧友原创，转载请注明以上来源。微信号zy1052625525。需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱zhangying@huaqiu.com。

深度解析48V系统如何革新机器人技术

Tue, 30 Dec 2025 04:30:23 +0800

【导语】工业自动化浪潮下，机器人技术飞速发展，对供电系统提出更高要求，推动其从 12V 向 48V 转型。48V 架构优势显著，能满足高功率、高能效需求，优化电机控制，还符合安全法规要求。Allegro 提供全面 48V 驱动器产品系列，助力行业迈向 48V 时代，拥抱此变革，将赢得工业自动化与机器人领域战略先机。

工业自动化对更强大、更高效机器的需求持续增长，机器人技术正以惊人的速度迅猛发展。这一趋势推动了供电电子系统的重大变革——从传统的 12V 架构向更高电压，尤其是 48V 系统转型。

这一转型为现代机器人设计带来了多重关键优势：可满足更高负载需求、提升系统集成度，并通过提升能效降低能耗成本、增强生产力。显然，机器人与工业自动化领域的电源体系正在经历深刻变革。随着电压等级的提升、机器人日益融入日常生活，理解这一底层技术变革尤为重要。

满足高功率和高能效需求

48V 架构为机器人设计带来显著优势，从根本上改变了制造商在半导体解决方案上的思路。在相同功率输出下，更高的电压意味着更低的电流，可以大幅降低线缆损耗。系统能够采用更轻、更细的导线，不仅显著降低成本，还可全面提升能效。

除能效优势外，48V 系统还具备承载更大负载和实现更高电机转速的能力，可为高达 50 公斤的重载机器人应用提供了必要的灵活性。更高的功率与扭矩对于需要高速运行或搬运重物的任务至关重要。与此同时，许多先进的 48V 驱动器配备可调栅极电流等功能，使设计人员能够灵活调节系统性能，有效抑制辐射和传导过程中的电磁干扰（EMI）。

这种精细调校能力对于符合监管标准并保持复杂系统的信号完整性至关重要。集成化的 48V 解决方案不仅能降低物料清单（BOM）成本，还可提升系统可靠性与稳健性。这类解决方案专为满足功能安全要求并应对恶劣瞬态环境而设计，非常适合可靠性要求极高的工业场景。向 48V 系统的演变正是对机器人行业“更智能供电”这一宏观趋势的直接响应 — 确保消耗的能量被高效的转化，从而降低电力成本，减少热损失。

优(yōu)化(huà)电(diàn)机(jī)控(kòng)制(zhì)：压(yā)摆(bǎi)率(lǜ)的(de)精(jīng)妙(miào)平(píng)衡(héng)

电(diàn)机(jī)控(kòng)制(zhì)优(yōu)化(huà)是(shì)现(xiàn)代(dài)机(jī)器(qì)人(rén)系(xì)统(tǒng)的(de)另(lìng)一(yī)关键环(huán)节(jié)，这(zhè)需(xū)要(yào)对(duì) MOSFET 的(de)压(yā)摆(bǎi)率(lǜ)及(jí)驱(qū)动(dòng)架(jià)构(gòu)进(jìn)行(xíng)精(jīng)细(xì)设(shè)计(jì)。压(yā)摆(bǎi)率(lǜ)决(jué)定(dìng)了(le)漏(lòu)源(yuán)极(jí)电(diàn)压(yā)的(de)切(qiè)换(huàn)速(sù)度(dù)，是(shì)影(yǐng)响(xiǎng) EMI 管(guǎn)控(kòng)与(yǔ)能(néng)效(xiào)表(biǎo)现(xiàn)的(de)重(zhòng)要(yào)参(cān)数(shù)。当(dāng) MOSFET 两(liǎng)端(duān)电(diàn)压(yā)在(zài)一(yī)定(dìng)时(shí)间(jiān)内(nèi)从(cóng)电(diàn)池(chí)电(diàn)压(yā)切(qiè)换(huàn)至零伏（或反向切(qiè)换(huàn)）时(shí)，若(ruò)压(yā)摆(bǎi)率(lǜ)控(kòng)制(zhì)不(bù)当(dāng)，开(kāi)关过(guò)快(kuài)会(huì)导(dǎo)致(zhì) EMI 增(zēng)大(dà)，过(guò)慢(màn)则(zé)造(zào)成(chéng)热(rè)损(sǔn)耗(hào)与(yǔ)效(xiào)率(lǜ)下(xià)降(jiàng)。因(yīn)此(cǐ)，压(yā)摆(bǎi)率(lǜ)控(kòng)制(zhì)需(xū)根(gēn)据(jù)具(jù)体(tǐ)系(xì)统(tǒng)需(xū)求(qiú)精(jīng)准(zhǔn)设(shè)定(dìng)。控(kòng)制(zhì)压(yā)摆(bǎi)率(lǜ)最(zuì)有效的方法是控制 MOSFET 的开关速度，而这直接取决于栅极驱动电流。

调栅极电流对 MOSFET 压摆率的影响

可调栅极驱动电流是现代驱动芯片（无论是半桥还是三相架构）中的重要特性。工程师可通过硬件设置或串行外设接口（SPI）调节驱动电流，从而精确控制 MOSFET 开关特性并优化“米勒平台”。米勒平台是 MOSFET 开关过程中漏源极电压开始变化的关键阶段。通过调节栅极驱动电流，设计人员可兼容多种 48V MOSFET，即使它们具有不同的 QGD（栅漏电荷）值。传统 48V MOSFET 通常拥有较高的 QGD，需要更大的栅极驱动电流；而随着技术进步，新的器件 QGD 更低，对栅极驱动电流的要求也相应降低。这种灵活性让不同类型的 MOSFET 均能在效率与 EMI 之间实现最佳平衡。

MOSFET封装需控制压摆率以追求最佳效率

在电机驱动架构设计上，工程师通常需要在性能、成本与布局便利性之间进行取舍。在众多机器人应用中，三相无刷直流电机因效率高、寿命长及良好的控制特性（速度、扭矩或位置）而备受青睐。驱动这类电机时，业界主要采用两种架构。其一是使用半桥栅极驱动器。该方案策略性地将驱动器布置在 PCB 上各电机相的近端。这种邻近布局大幅缩短了从半桥驱动器到高低边 MOSFET 的栅极驱动信号走线长度，能有效抑制振铃与过冲等寄生效应 — 而这些正是长期困扰硬件工程师的设计难题。以振铃现象为例，在切换电机相这类感性负载时，由于 MOSFET 的快速开关动作，会在 MOSFET 与电机相之间的开关节点引发高频振荡。而缩短走线长度不仅能提升信号完整性，还可降低传播延迟，从而获得更优的系统性能。不过，此方案因需使用多个半桥驱动器，可能导致物料清单（BOM）成本增加。

另一方面，三相驱动器方案则提供了更高的集成度 — 该方案通常将所有三相的控制功能整合至单颗芯片中，这有望降(jiàng)低整体 BOM 成本。然而，这种架构需要审慎评估因栅极走线延长可能引发的振铃及寄生效应问题，尤其在驱动器需要连接至分布于 PCB 各处的三个相位或六个 MOSFET 时更为关键。在半桥与三相驱动器之间的取舍，最终取决于系统设计者的核心诉求，需要在性能指标、PCB 布线难度与成本控制等多重因素间进行权衡。举例来说，倘若将抑制振铃、实现最佳信号完整性作为首要目标，那么即使半桥驱动器方案会导致较高的 BOM 成本，也可能成为首选方案。反之，若设计优先考虑成本与集成度，且工程师能够通过精细的布局设计和元件选型有效管控潜在的寄生效应，则三相解决方案更值得优先考虑。

推动机器人安全的法规要求

安全是机器人系统设计的首要原则。现代电机驱动器通过集成全面诊断功能，不仅保护元件安全，还必须符合严格的行业标准。这些诊断功能涵盖过压、欠压、过温等多种工况，保障 MOSFET 及其他组件免受损坏，确保系统在恶劣条件下依然稳定运行。这种保护与诊断功能的融合，有助于系统轻松满足 UL 2595、ISO 13484、IEC 61800 等安全标准。这些标准为在电子设备中构建安全性提供了可靠的指导框架。通过采用符合这些标准要求的设计特性，设计人员能够大幅减少对外部元件和复杂安全电路的依赖。这不仅有助于缩短设计时间，更能有效防范代价高昂的现场故障，例如直通现象 — 该状况下产生的大电流可能导致芯片爆炸或 PCB 严重损坏。

防护过压、直通及其他系统级故障

这些集成诊断功能的核心优势在于其自检能力。驱动器能够自行验证其诊断与保护功能是否正常，无需工程师配置外部比较器或附加电路来确认安全机制是否有效。

举例来说，驱动器可确保在检测到过压状况时准确执行关断操作，这为系统安全提供了额外保障。然而，诊断功能仅是安全体系的一个维度，真正的安全性还需要对系统在实际工况下的表现进行严格验证与确认。这包括测试系统对抗多种噪声干扰、不同电池状态、线路电压波动以及电机引起的负载突变等复杂场景的能力。确保系统在所有上述条件下均能满足设计要求并保持安全运行，对于在恶劣环境中维持长期可靠性至关重要。获得安全认证(zhèng)固(gù)然(rán)重(zhòng)要(yào)，但(dàn)同(tóng)等(děng)关键的(de)是(shì)确(què)保(bǎo)系(xì)统(tǒng)在(zài)现(xiàn)场(chǎng)环(huán)境(jìng)中(zhōng)能(néng)够(gòu)完(wán)全按(àn)照(zhào)设(shè)计(jì)意(yì)图(tú)可(kě)靠(kào)工(gōng)作(zuò)，从(cóng)而(ér)避(bì)免(miǎn)重(zhòng)大(dà)故(gù)障(zhàng)。来(lái)自(zì)工(gōng)程(chéng)实(shí)践(jiàn)的(de)经(jīng)验(yàn)教(jiào)训(xun)揭(jiē)示(shì)了(le) MOSFET 直(zhí)通(tōng)现(xiàn)象(xiàng)的(de)严(yán)重(zhòng)风(fēng)险(xiǎn)：当(dāng)扭(niǔ)矩(ju)或(huò)力(lì)突(tū)然(rán)变(biàn)化(huà)（如(rú)机(jī)器(qì)人(rén)抓取重物）而导致 MOSFET 中出现大电流尖峰时，可能引发芯片爆炸或 PCB 损坏等灾难性故障。因此，在芯片内部集成健全的诊断与保护功能，对于避免此类现场故障、保障机器人应用的安全性与使用寿命具有决定性意义。

Allegro 提供全面的真 48V 半桥和三相无刷直流栅极驱动器产品系列，专为满足日益发展的机器人应用需求而设计。我们的产品组合包括 AMT49502 和 A89503 等半桥驱动器，它们真正支持 48V 工作电压，并具备高达 80V 的最大额定电压，能够驱动大功率 MOSFET（即使采用并联配置），从而有效应对高负载应用场景。该系列产品集成了针对严苛环境设计的完备诊断功能，支持低至 –18V 的(de)挑(tiāo)战性瞬态电压，并提供电荷泵、监控引脚等多种集成特性，显著简化系统整体设计。针对机器人关节与手臂等空间受限且可靠性要求更高的应用，Allegro 还推出了 A89500 半桥驱动器——这是(shì)一(yī)款采用 3x3mm 封装尺寸的紧凑型解决方案。尽管体积小巧，该驱动器仍可高效控制大功率 MOSFET，并集成了功能安全管理机制所需的保护功能，非常适用于对尺寸有严苛要求，同时绝不妥协安全性的应用场景。

在三相驱动器产品线方面，Allegro 推出了 AMT49100 和 AMT49101 这两款支持 48V 工作电压的无刷直流驱动器，具备强大的栅极驱动电流输出能力。这一特性使其能够灵活驱动多种类型的 MOSFET，广泛适应不同的电机与负载需求。该系列集成式驱动器全面符合功能安全标准，对于要求高等级功能安全的可靠机器人系统尤为重要。它们还可耐受低至– 18V 的瞬态电压，确保在工业常见电压波动环境下稳定运行。此外，这两款三相驱动器具备高度集成性，内部集成了降压稳压器、电荷泵以及三个低边电流检测放大器，所有这些功能均集成在紧凑的 7×7 mm 封装内。这种高度集成性不仅有助于降低系统 BOM 成本，也大幅简化了 PCB 布局设计。Allegro 不仅提供器件，更提供全方位工程支持，包括评估板与技术文档（可在产品页面获取），协助工程师高效实现 48V 设计。我们的目标是帮助工程师构建高效、可靠、安全的机器人系统，并通过提供完整的工具链与技术支持，助力行业自信迈向 48V 时代。

结论

让我们积极拥抱采用 48V 系统的机器人技术。尽管传统的 12V 系统在成本控制方面具有一定优势，但 48V 架构在能效、功率及安全性方面带来的长期价值，对于构建具有前瞻性的设计至关重要。目前完善的技术工具与支持体系已准备就绪，可帮助您打造在能效、功率及安全方面均具备长期优势的解决方案 — 转型采用 48V 架构，将成为您在快速发展的工业自动化与机器人领域赢得战略先机的关键举措。

奕行智能：深耕RISC-V AI算力芯片，共建开放共赢的智算新生态

Mon, 29 Dec 2025 06:30:13 +0800

【导语】2025 年半导体市场在多重因素推动下强劲增长，开启技术与应用新革命。近期“2026 半导体产业展望”专题发布，其中奕行智能高管带来前瞻观点：AI 算力芯片加速演进，未来计算范式走向受关注，RISC-V 成为平衡通用与专用性的 AI 计算理想底座。奕行智能锚定 RISC-V AI 赛道，以多项创新打造芯片，2026 年将持续深耕，共建智算新生态。

2025 年半导体市场在AI需求爆发与全产业链复苏的双重推动下，呈现出强劲的增长态势。以EDA/IP先进方法学、先进工艺、算力芯片、端侧AI、精准控制、高端模拟、高速互联、新型存储、先进封装等为代表的技术创新，和以AI数据中心、具身智能、新能源汽车、工业智能、卫星通信、AI眼镜等为代表的新兴应用，开启新一轮的技术和应用革命。过去的一年，半导体助力夯实数字经济高质量发展的全新底座，新的一年，半导体行业又将如何推动端云协同、普惠智能的普及之路呢。

最近，由电子发烧友网策划的(de)“2026半(bàn)导(dǎo)体(tǐ)产(chǎn)业(yè)展(zhǎn)望(wàng)”专(zhuān)题(tí)正(zhèng)式(shì)发(fā)布(bù)。电(diàn)子(zi)发(fā)烧(shāo)友(you)网(wǎng)已(yǐ)经(jīng)连(lián)续(xù)数(shù)年(nián)策(cè)划(huà)并(bìng)推(tuī)出(chū)“半(bàn)导(dǎo)体(tǐ)产(chǎn)业(yè)展(zhǎn)望(wàng)”系(xì)列(liè)专(zhuān)题(tí)，每(měi)次(cì)一(yī)经(jīng)上(shàng)线(xiàn)都(dōu)反(fǎn)响(xiǎng)热(rè)烈(liè)、好(hǎo)评(píng)如(rú)潮(cháo)。这(zhè)里(lǐ)汇(huì)聚(jù)了(le)半(bàn)导(dǎo)体(tǐ)高(gāo)管(guǎn)们(men)对(duì)往(wǎng)年(nián)发(fā)展(zhǎn)的(de)回(huí)顾(gù)与(yǔ)总(zǒng)结(jié)，以(yǐ)及(jí)对(duì)新(xīn)年(nián)市(shì)场(chǎng)机(jī)会(huì)和(hé)形(xíng)势(shì)的(de)前(qián)瞻(zhān)预(yù)测(cè)。他(tā)们(men)的(de)睿(ruì)智(zhì)和(hé)洞(dòng)察(chá)给(gěi)了(le)产(chǎn)业(yè)界(jiè)莫(mò)大(dà)的(de)参(cān)考(kǎo)和(hé)启(qǐ)发(fā)。今(jīn)年(nián)来(lái)自(zì)国(guó)内(nèi)外(wài)的(de)半(bàn)导(dǎo)体(tǐ)创(chuàng)新(xīn)领(lǐng)袖(xiù)企(qǐ)业(yè)高(gāo)管(guǎn)们(men)又(yòu)带(dài)来(lái)哪(nǎ)些(xiē)前(qián)瞻(zhān)观(guān)点(diǎn)？此(cǐ)次，电子发烧友网特别采访了奕行智能，以下是他对2026年半导体产业的分析与展望。

2025年，全球人工智能产业蓬勃发展，芯片行业的竞争格局也在不断重构。

作为智算底座的核心(xīn)产(chǎn)品(pǐn)，AI算(suàn)力(lì)芯片加速演进。以Google TPU（张量处理单元）及Gemini 3.0大模型的成功为代表，领域专用架构（DSA）凭借其在特定计算任务中的性能和TCO（总体拥有成本）等优势迎来爆发。
另一方面，通用GPU（GPGPU）也融入了Tensor Core（张量核心）、TMA（张量内存加速器）等DSA类设计。12月，英伟达以200亿美元获得AI芯片独角兽Groq的推理技术授权，把Groq LPU（语言处理单元）纳入产品版图的同时，也将前谷歌TPU创始成员招入麾下，体现出GPU巨头在多元化技术架构上的战略布局。

未来的计算范式是否会走向极致的专用化？

随着算力与Token消耗的爆炸式增长，对于“每Token成本”与能效比的关注，无疑会继续推动DSA领域专用架构的发展。同时，AI软件、模型、算法等前所未有的创新速度，不断发展的智能化应用，仍需要AI算力芯片具备一定的通用性——可定制、可扩展，具有良好的可编程性和兼容性，以适应当下和未来AI场景的需求。
新的一年，软件和模型算法生态创新，将继续驱动计算芯片向专用与通用架构融合。

RISC-V：平衡通用性与专用性的AI计算理想底座

RISC-V开放、精简，指令集本身图灵完备，保障了通用计算能力，同时其模块化设计允许厂商在标准指令集基础上，自由拓展专用AI计算指令（如张量扩展），实现定制化加速。上述特点，使RISC-V成为平衡通用性与专用性的AI计算理想底座。
在AI计算中，尽管矩阵计算近年来备受瞩目，但AI算法中的许多关键步骤（如激活函数、归一化）仍依赖向量运算。作为RISC-V生态的关键组件，RISC-V向量扩展（RVV）原生支持复杂向量计算，它支持多种数据类型的混合精度计算，可扩展的向量长度以及宽度扩展和压缩运算，被视为AI计算的支柱之一。
更重要的是，RISC-V支持自主构建AI算力基石。传统的封闭式架构，因其固定指令集架构和许可模式限制了针对特定工作负载的深度定制，且可能受政策变化影响。RISC-V拥有开放标准、零授权成本的特点，赋能芯片厂商更加自由地进行创新，在保持技术和商业自主性的同时，共享全球范围内的生态创新成果。目前，GCC/LLVM等主流编译器已支持RISC-V，主流AI框架正在积极适配。
从Google TPU引入RISC-V处理器，到不久前Meta、高通收购高性能RISC-V初创企业，无不为RISC-V + AI方向的市场潜力背书。据RISC-V国际基金会数据，2024年全球基于RISC-V指令集的芯片出货量已突破百亿颗，其中30%应用于AI加速场景，相信未来这一数字还将持续上升。

奕行智能：锚定RISC-V AI赛道，引入VISA与Tile级动态调度架构创新

奕行智能选择“RISC-V + RVV”来构建AI芯片架构，并引入独创的虚拟指令（VISA）技术、基于Tile级动态调度架构等，打造满足客户极致TCO（总体拥有成本(běn)）需(xū)求(qiú)的(de)AI计(jì)算(suàn)芯(xīn)片(piàn)，提(tí)供(gōng)高(gāo)效(xiào)、灵(líng)活(huó)、可(kě)扩(kuò)展(zhǎn)的(de)AI计(jì)算(suàn)加(jiā)速(sù)解(jiě)决(jué)方(fāng)案(àn)。
独(dú)创(chuàng)的(de)虚(xū)拟(nǐ)指(zhǐ)令(lìng)（VISA）技(jì)术(shù)：在(zài)硬(yìng)件(jiàn)层(céng)面(miàn)通(tōng)过(guò)RVV的(de)向(xiàng)量(liàng)定(dìng)制(zhì)指(zhǐ)令(lìng)方(fāng)式(shì)提(tí)供(gōng)硬(yìng)件(jiàn)扩(kuò)展(zhǎn)能(néng)力(lì)，同(tóng)时(shí)VISA提(tí)供(gōng)了(le)软(ruǎn)件(jiàn)层(céng)面(miàn)的(de)向(xiàng)量(liàng)计(jì)算(suàn)扩(kuò)展(zhǎn)——将(jiāng)细(xì)粒(lì)度(dù)指(zhǐ)令(lìng)封(fēng)装(zhuāng)并(bìng)且(qiě)优(yōu)化(huà)成(chéng)具(jù)备(bèi)Tile语(yǔ)义(yì)的(de)微(wēi)内(nèi)核(hé)。这(zhè)样(yàng)一(yī)套(tào)软(ruǎn)硬(yìng)扩(kuò)展(zhǎn)的(de)方(fāng)案(àn)，使(shǐ)得(de)架(jià)构(gòu)在(zài)模(mó)型(xíng)数(shù)量(liàng)多(duō)变(biàn)化(huà)快(kuài)的(de)基(jī)础(chǔ)上(shàng)，解(jiě)决(jué)了(le)通(tōng)用(yòng)与(yǔ)效(xiào)率(lǜ)的(de)兼(jiān)顾(gù)。

在(zài)软(ruǎn)件(jiàn)与(yǔ)硬(yìng)件(jiàn)之(zhī)间(jiān)，VISA建(jiàn)立中间抽象层，让上层的算子及AI编译器软件建立在此抽象之上，隔离硬件变化对上层软件带来的冲击。针对AI编译过程中从高层抽象到底层硬件指令的陡降问题，VISA通过使用软流水、循环展开等方式进行优化，编译器以及算子实现只需关注到VISA层级，降低实现难度，提供额外的性能优化空间。

在软件方面，以Triton、TileLang为代表的Python化算子开发和基于Tile（数据块）编程的创新生态正在快速崛起，最近的CUDA更新中也推出了CuTile编程模型。
奕行智能的软件栈紧扣这一趋势。AI编译器不仅深度适配PyTorch生态、支持TensorFlow、JAX、ONNX等主流机器学习框架，且已经实现对于Triton的功能性支持，正通过扩展算子编程方式、生态共建、引入AI工具，进一步提升支持能力。
独家打造的Tile级动态调度架构，由Tile级虚拟指令集（VISA）、智能VISA编译器ACE和VISA调度器（Scheduler）组成，有效解决跨代兼容、动态硬件行为适配、静态优化天花板等核心挑战，从而更充分地发挥硬件潜能并快速实现上层生态对接。

2026年，奕行智能将继续深耕RISC-V AI算力芯片领域，致力于成为行业的技术引领者，持续推动产品规模化落地，并携手生态伙伴共建开放共赢的智算新生态。

极海半导体荣获2026 IC风云榜年度具身智能技术突破奖

Mon, 29 Dec 2025 04:30:13 +0800

【导(dǎo)语(yǔ)】12月(yuè)20日(rì)，“2026半(bàn)导(dǎo)体(tǐ)投(tóu)资(zī)年(nián)会(huì)暨(jì)IC风(fēng)云(yún)榜(bǎng)颁(bān)奖(jiǎng)典(diǎn)礼(lǐ)”在(zài)上(shàng)海(hǎi)落(luò)幕(mù)，极(jí)海(hǎi)凭(píng)借(jiè)G32R430编(biān)码(mǎ)器(qì)专(zhuān)用(yòng)MCU荣(róng)获(huò)“年(nián)度(dù)具(jù)身(shēn)智(zhì)能(néng)技术突破奖”。该MCU专为高精度运动控制设计，性能卓越。此外，极海还构建了全栈式机器人芯片及应用解决方案，未来将持续深耕，赋能具身智能行业高质量发展。

12月20日，由半导体投资联盟主办、爱集微承办的“2026半导体投资年会暨IC风云榜颁奖典礼”在上海圆满落幕。本次活动旨在搭建全球半导体领域顶级交流平台，聚焦产业趋势与投融资机遇，表彰在技术创新、市场应用及产业推动方面表现卓越的企业与产品。

载誉而归

极海荣获年度具身智能技术突破奖

本届颁奖典礼上，极海G32R430编码器专用MCU凭借卓越性能表现，荣获“年度具身智能技术突破奖”，这一荣誉既是行业对极海技术创新的高度认可，更是对国产芯片赋能具身智能行业发展的充分肯定！

极海G32R430编码器专用MCU

构建具身智能高精度“感知核芯”

极海G32R430编码器专用MCU，为高精度运动控制与位置反馈场景设计，具备高效运算性能、灵敏信号采集、微秒级电角度计算、低延迟响应等优势特性，可精准匹配具身智能对实时性、高精度(dù)、低(dī)功(gōng)耗(hào)的(de)产(chǎn)品(pǐn)性(xìng)能(néng)需(xū)求(qiú)，显(xiǎn)著(zhe)提(tí)升(shēng)人(rén)形(xíng)机(jī)器(qì)人(rén)关节(jié)及(jí)灵(líng)巧(qiǎo)手(shǒu)的(de)控(kòng)制(zhì)精(jīng)度(dù)与(yǔ)响(xiǎng)应(yīng)速(sù)度(dù)。

高(gāo)能(néng)效(xiào)&低(dī)延(yán)迟(chí)：搭(dā)载(zài)先(xiān)进(jìn)Cortex-M52内(nèi)核(hé)，全温(wēn)全压(yā)下(xià)最(zuì)高(gāo)主频(pín)达(dá)128MHz，支(zhī)持(chí)ITCM/DTCM紧(jǐn)耦(ǒu)合(hé)存(cún)储(chǔ)，实(shí)现(xiàn)指(zhǐ)令(lìng)与(yǔ)数(shù)据(jù)“零(líng)”等(děng)待(dài)访(fǎng)问(wèn)；配(pèi)合(hé)4KB Cache高(gāo)速(sù)缓(huǎn)存(cún)，可(kě)显(xiǎn)著(zhe)提(tí)升(shēng)代(dài)码(mǎ)执(zhí)行(xíng)效(xiào)率(lǜ)；

微(wēi)秒(miǎo)级(jí)电(diàn)角(jiǎo)度(dù)计(jì)算(suàn)：内(nèi)置(zhì)硬(yìng)件(jiàn)TMU单(dān)元(yuán)，支(zhī)持(chí)极(jí)海(hǎi)自(zì)研(yán)ATAN电(diàn)角(jiǎo)度(dù)计(jì)算(suàn)扩(kuò)展(zhǎn)指(zhǐ)令(lìng)，实(shí)现(xiàn)复(fù)杂(zá)三(sān)角(jiǎo)函(hán)数(shù)硬(yìng)件(jiàn)化(huà)，ATAN测(cè)量(liàng)精(jīng)度(dù)＜0.0001°，编(biān)码(mǎ)器(qì)电角度输出延迟(chí)＜1μs；

高(gāo)精(jīng)度(dù)感(gǎn)知(zhī)能(néng)力(lì)：G32R430集成(chéng)2个(gè)16位(wèi)高(gāo)精(jīng)度(dù)ADC（有(yǒu)效(xiào)位(wèi)≥13.5 bit）、1个(gè)12位(wèi)ADC、2个(gè)10位(wèi)DAC、1个(gè)高(gāo)精(jīng)度(dù)温(wēn)度(dù)传(chuán)感(gǎn)器(qì)，可(kě)精(jīng)准(zhǔn)感(gǎn)知(zhī)、采集、反(fǎn)馈(kuì)人(rén)形(xíng)机(jī)器(qì)人(rén)的(de)运(yùn)动(dòng)姿(zī)态(tài)，保(bǎo)障(zhàng)动(dòng)作(zuò)控(kòng)制(zhì)的(de)稳(wěn)定(dìng)性(xìng)；

灵(líng)活(huó)扩(kuò)展(zhǎn)适(shì)配(pèi)性(xìng)：配(pèi)备(bèi)USART（最(zuì)大(dà)传(chuán)输(shū)速(sù)率(lǜ)16Msps）、I2C（最(zuì)高(gāo)支(zhī)持(chí)400kHz）、SPI（主从(cóng)模(mó)式(shì)最(zuì)大(dà)传(chuán)输(shū)速(sù)率(lǜ)50Mbit/s）等(děng)丰(fēng)富(fù)高(gāo)速(sù)通(tōng)信(xìn)接(jiē)口(kǒu)，兼(jiān)容(róng)多(duō)摩(mó)川(chuān)/BiSS-C/SSI/SPI等(děng)编(biān)码(mǎ)器(qì)协(xié)议(yì)。

极(jí)海(hǎi)全栈(zhàn)式(shì)机(jī)器(qì)人(rén)芯(xīn)片(piàn)及(jí)应(yīng)用(yòng)解(jiě)决(jué)方(fāng)案(àn)

夯实机器人核心技术底座

在具身智能行业快速发展的浪潮下，极海依托20余年深厚的集成电路芯片设计经验，已构建有"控制+驱动+传感"全栈式机器人芯片及应用解决方案，全面覆盖感知、决策、执行全链路，可助力打造更智能、更安全、更高效的机器人。

智能关节电机驱动系统方案：电机控制系统采用APM32M3514电机控制专用SoC，内置MOCP协处理器，高效实现FOC算法，确保机器人关节系统低抖动、高静音、大转矩稳定运行；编码器系统采用G32R430编码器专用MCU，适配多种编码器类型，可高精度检测电机位置，并低延迟反馈给控制系统，有助于提升机器人整体运动控制精度。

低压伺服控制方案：采用APM32F425/427高性能MCU，软件设计采用电流环、速度环、位置环的三环级联模式；硬件系统由电源模块、控制核心模块、信号处理模块、功率驱动模块、保护模块等组成；整体方案输出电压20V~70V，典型功率400W。整体方案可实现对无框电机力矩的高频、高效、平滑控制。

BMS电池管理方案：主控芯片采用APM32F103/F072系列工业通用MCU，支持15~16串锂电池组应用，可实现电池状态精准监测、均衡控制与过充过放保护，保障机器人续航与安全。

视觉传感器方案：采用GURC01超声波传感器，0.1~7m优异测距范围，可编程驱动频率范围30kHz~83kHz，提供传感器信号调理、数据采集与传输的全链路支撑，有助于提升机器人环境感知能力。

未来极海将持续深耕半导体核心技术，不断完善机器人芯片与解决方案矩阵，加强产业链上下游协同，以国产芯动力赋能具身智能行业高质量发展，助力全球智能制造创新升级！

Cadence与爱芯元智深化合作以推动人形机器人发展

Sun, 28 Dec 2025 05:01:00 +0800

【导语】近日，楷登电子 Cadence 与边缘 SoC 领军企业爱芯元智达成重要合作，爱芯元智在其旗舰级 AX8850N 平台集成 Cadence Tensilica Vision 230 DSP，此举将推动人形机器人等边缘应用发展。双方高层均肯定合作价值，在 2025 年嵌入式视觉峰会上，相关演示更彰显了该平台应对前沿趋势的能力，且 Tensilica 产品系列在多领域成果斐然。

近日，楷登电子 Cadence 与边缘 SoC 领军企业爱芯元智共同宣布，爱芯元智在其最新的 AX8850N 平台上集成了 CadenceTensilicaVision 230 DSP，以共同推动人形机器人、智慧城市与边缘应用的发展。此举标志着双方合作的一个重要里程碑，致力于为下一代智能设备提供高性能、低功耗的解决方案。

AX8850N 是爱芯元智专为人形机器人、智能摄像头、工业自动化等边缘应用打造的旗舰级 SoC。AX8850N SoC 集成了爱芯元智自主研发的 72 TOPs NPU，以及两颗 Tensilica Vision 230 DSP。作为子系统的一部分，Vision 230 DSP 协助执行预处理与后处理任务，并执行无法映射到 NPU 的操作，作为协处理器，充当稳健的备用方案。此外，与前代 Vision DSP 相比，Vision 230 DSP 在架构层面显著增强，性能提升超过两倍，同时具备更高的可扩展性和定制化能力。

爱芯元智联合创始人兼副总裁刘建伟表示：“我们非常高兴与 Cadence Tensilica 携手，为客户带来前沿技术。Tensilica Vision 230 DSP 在我们的 AX8850N 平台上发挥着重要作用，在性能与效率方面带来了进一步的提升。此外，Vision 230 DSP 针对 SLAM 应用的增强支持与优化库，大大改善了人形机器人和自动驾驶车辆的导航性能，使 AX8850N 成为这类应用的理想平台。”

Cadence 芯片解决方案事业部 Tensilica DSP 产品管理和营销总监 Amol Borkar 表示：“我们与爱芯元智的合作展现了先进的 Tensilica DSP 技术在新一代机器人和(hé)物(wù)联(lián)网(wǎng) SoC 中(zhōng)的(de)价(jià)值(zhí)。Vision 230 DSP 凭(píng)借(jiè)其(qí)高(gāo)效(xiào)架(jià)构(gòu)，在(zài)深(shēn)度(dù)学(xué)习(xí)和(hé)机(jī)器(qì)学(xué)习(xí)应(yīng)用(yòng)部(bù)署(shǔ)的(de)关键环(huán)节(jié)，即(jí)预(yù)处(chù)理(lǐ)与(yǔ)后(hòu)处(chù)理(lǐ)阶(jiē)段(duàn)，兼(jiān)顾(gù)了(le)高(gāo)性(xìng)能(néng)与(yǔ)低(dī)功(gōng)耗(hào)。此(cǐ)外(wài)，Vision DSP 成熟的软件库可以加速算法移植，缩短产品上市周期，还可以保证现有代码的向后兼容。”

在近期举行的 2025 年嵌入式视觉峰会上，Cadence 展示了完全基于 Vision 230 DSP 运行的 SWIN Transformer。该演示在搭载 AX8850N SoC 的 Sipeed MaixBox M4N（爱芯派 Pro）开发板（链接[1]）上实现。SWIN Transformer 是新一代深度学习任务的通用“核心架构”，此次演示充分彰显了 AX8850N 与 Vision DSP 在应对市场前沿趋势方面的能力。Tensilica DSP 也支持 Tensilica 指令扩展（TIE）语言，使供应商能够在处理器流水线中添加新指令，实现处理器的定制化。过去十年中，Cadence Tensilica Vision DSP 已广泛应用于移动设备、自动驾驶汽车、智能家居、工业物联网乃至人形机器人等多个领域，并取得了卓越成果。除 Vision DSP 外，Tensilica 产品系列还包括 HiFi DSP、LX 控制器及 NX 控制器，它们分别在语音/音频(pín)与(yǔ)微(wēi)控(kòng)制(zhì)器(qì)领(lǐng)域展(zhǎn)现(xiàn)了(le)出(chū)色(sè)的(de)性(xìng)能(néng)。