申万宏源发布的机器人系列深度报告指出，机器人三大流派——机械圈（结构与力学）、自动控制圈（系统与规划）、ICT圈（智能与生态）——正走向深度融合。机械与自控流派发展中发现最需要“大局观”的运动控制是“堵点”，而ICT圈的大模型和端到端算法可有效解决这一难题。报告绘制了机器人三大分支的AI算法图谱，几乎所有分支均可大模型化，高时效场景适合小模型、高复杂度场景适合大模型，2025-2026年机器人领域有望出现类似智能车ADAS/AD的“智能井喷”。
三大流派融合：从结构力学到智能生态的跨越
机器人领域存在三个典型流派，各自从不同路径向机器人渗透。机械圈核心思路是结构与力学，代表人物约瑟夫·恩格尔伯格和熊有伦，代表产品为Unimate、换刀机械手，代表作《实践中的机器人》《机器人学：建模、控制与视觉》；自动控制圈核心思路是系统与规划，代表人物诺伯特·维纳和钱学森，代表产品为Shakey、ANYmal，代表作《控制论》《工程控制论》；ICT圈核心发力点是智能与生态，代表人物马斯克、李飞飞，代表产品为Optimus、Atlas、Figure，近期代表作包括英伟达与加州大学合作的NaVILA（使用宇树go2机器狗和g1人形机器人实测）、UCSD的ExBody2（使用宇树G1和H1人形机器人测试）。
表1：机械、自动控制、ICT圈从事机器人业务的不同思路与代表作| 流派 | 思路概要 | 代表人物 | 代表产品 | 里程碑著作 |
|---|
| 机械圈 | 结构与力学 | 约瑟夫·恩格尔伯格、熊有伦 | Unimate、换刀机械手 | 《实践中的机器人》《机器人学：建模、控制与视觉》 |
| 自动控制圈 | 系统与规划 | 诺伯特·维纳、钱学森 | Shakey、ANYmal | 《控制论》《工程控制论》 |
| ICT圈 | 智能与生态 | 马斯克、李飞飞 | Optimus、Atlas、Figure | 《ExBody2》《NaVILA》《ReKep》 |
“堵点”在算法：运动控制的大局观难题
机械流派和自动控制流派发展机器人过程中，自然发现最需要“大局观”的运动控制是“堵点”，而运动控制又是“路径规划”的基础。当前机器人算法主要包括自上而下决策部分和自下而上传感部分。以Atlas、Artemiss机器人为例，传感器模块将机器人状态量向运动规划器和全身控制器传送，运动规划器通过动态模型、稳定性判定和优化方法进行步态规划。
若采用大模型甚至端到端AI改变上述流程，缺点是消耗资源增多、“幻觉”（错误）或增加，但换来的优点是“智能化”大幅增加——即“自上而下决策”部分可更多体现“大模型”特征：自动做决策、创造力增强。这一堵点的突破正是当前机器人产业从机械执行向智能决策升级的关键。
算法分类：哪些可以大模型化？哪些可以端到端？
绘制机器人三大分支（感知和定位、控制和决策、规划）的AI算法情况，结论是几乎所有分支都可考虑大模型化，当前部分领域已经可以“端到端”，尤其规划部分。感知和定位领域：视觉-检测中的回归目标检测（YOLO、SSD）可端到端；视觉-三维重建中的深度学习（CNN、GAN、Transformer）可大模型化且部分端到端。控制和决策领域：交互-NLP中的深度学习（RNN、LTSM、CNN、Transformer）可大模型化，交互-语音中的深度学习（DNN、RNN、LTSM）可大模型化。规划领域：步态规划、轨迹规划、全身运动控制均可大模型化。
高时效场景适合小模型，而高复杂度/高精度场景适合大模型；线性系统一般用小模型，复杂非线性系统可以用大模型。这一分类框架为机器人产业选择AI技术路线提供了清晰指引，也是未来机器人智能化程度提升的路径图。
从ADAS经验看机器人“智能井喷”时点
2024年中期，ADAS/AD领域出现智能化程度井喷，用户感觉智能化程度逐月快速进步。理想汽车E2E+VLM模型V2.1.2在2024年8月出现性能Scaling Law，两次接管间平均行驶里程达到20公里；特斯拉FSD累计行驶英里数在2024Q2开始井喷，Q3发布V12.5版本。需求端同样印证，小米SU7、小鹏M03/P7+等爆品多因AD/ADAS能力受到市场认可。
业界普遍认为机器人产业与AD/ADAS产业相差约2-3年时间差，2023年“端到端”AI算法对传统AI算法的渗透改造正在机器人领域同步发生。预计机器人领域将在2025-2026年出现类似“智能井喷”，届时机器人智能化程度将实现质变。
