人形机器人由大脑、小脑、肢体三部分组成。“大脑”主要基于AI 大模型，根据环境、任务和目标等信息，自主做出最优决策，以实现自主导航、任务执行、人机交互等功能。“小脑”基于人工智能、自动控制、机器人操作系统（ROS）等技术，实现复杂环境下的运动控制。“肢体”基于多种传感器，能够感知非结构化场景并根据不同情况做出反应，实现高动态、高精度的运动。机器人大模型和通用大模型有一定区别，难以直接共用。LLM

人形机器人由大脑、小脑、肢体三部分组成。“大脑”主要基于AI 大模型，根据环境、任务和目标等信息，自主做出最优决策，以实现自主导航、任务执行、人机交互等功能。“小脑”基于人工智能、自动控制、机器人操作系统（ROS）等技术，实现复杂环境下的运动控制。“肢体”基于多种传感器，能够感知非结构化场景并根据不同情况做出反应，实现高动态、高精度的运动。机器人大模型和通用大模型有一定区别，难以直接共用。LLM

人形机器人由大脑、小脑、肢体三部分组成。“大脑”主要基于AI 大模型，根据环境、任务和目标等信息，自主做出最优决策，以实现自主导航、任务执行、人机交互等功能。“小脑”基于人工智能、自动控制、机器人操作系统（ROS）等技术，实现复杂环境下的运动控制。“肢体”基于多种传感器，能够感知非结构化场景并根据不同情况做出反应，实现高动态、高精度的运动。机器人大模型和通用大模型有一定区别，难以直接共用。LLM

2026年2月24日，宇树科技发布轻量行业级四足机器人Unitree As2。此前，宇树科技2025年8月发布了行业级四足机器人Unitree A2，2023年11月其发布了工业级四足机器人Unitree B2，均为超40kg的较重型产品。2023年7月12日推出的消费级仿生四足机器人Unitree Go2。此次发布的Unitree As2仍为行业级产品，但相当轻量化。根据官方信息，Unitree

工业机器人在引入移动AGV、协作机器人或应对动态产线时，其动态障碍物感知盲区风险直接源于此。服务机器人其所有导航与交互风险的核心，正是环境感知与理解能力的局限。所有机器人都依赖传感器（激光、视觉、力觉等）构建对世界的理解，而传感器存在物理极限（盲区、精度、范围）、易受干扰（光、尘、反光），且算法对非结构化、高度动态的环境的理解永远是不完整和滞后的。“未知的未知”是最大的风险源。

3D视觉技术在 2014 年前后开始兴起，利用立体摄像、激光雷达等技术准确地完成物体三维信息的采集，对于光照条件、物体对比度等客观因素适应能力更强，可以实现 2D视觉无法实现或者不好实现的功能，例如检测产品的高度、平面度、体积等和三维建模等，更加适配半导体、汽车、3C 等领域的高精度工业需求，检测要求精度达到＜1μm。机器视觉系统是通过分析物品上反射的光线来形成图像的，不同的光源方案可以实现不同特

为了实现机器人移动、导航与路径规划，需要自下而上、从硬件到软件的构建系统。如果将这个系统分为五层，最下面的第一层是硬件和驱动层，第二层是状态估计与建图层，第三层是决策与规划层，第四层是控制层，第五层是系统集成与中间件，第六层，具身智能增强层。

为了实现机器人移动、导航与路径规划，需要自下而上、从硬件到软件的构建系统。如果将这个系统分为五层，最下面的第一层是硬件和驱动层，第二层是状态估计与建图层，第三层是决策与规划层，第四层是控制层，第五层是系统集成与中间件，第六层，具身智能增强层。

为了实现机器人移动、导航与路径规划，需要自下而上、从硬件到软件的构建系统。如果将这个系统分为五层，最下面的第一层是硬件和驱动层，第二层是状态估计与建图层，第三层是决策与规划层，第四层是控制层，第五层是系统集成与中间件，第六层，具身智能增强层。

惯性传感器历史悠久，从基于牛顿经典力学原理、基于萨格奈克效应到当下基于哥氏振动效应和微纳加工技术到未来基于现代量子力学技术，有着非常长的研发周期和丰富的应用场景。IMU（Inertial Measurement Unit）惯性测量单元，是测量物体三轴姿态角（或角速率）及加速度的装置。IMU 通常由两个及以上惯性测量 MEMS 芯片及 ASIC 芯片合封后具有完整功能的器件。