传感器：机器人的重要能力基座
1.1 机器人任务闭环：感知-决策-执行
机器人完成复杂任务通常遵循“感知—决策—执行”的闭环。感知模块负责采 集环境与自身状态信息，决策模块基于这些数据进行任务理解、状态估计和动作规 划，执行模块则将控制指令转化为物理动作，并通过传感器实时反馈，持续调整系 统行为。这一流程是机器人在非结构化环境中稳定运行的基础。 在感知环节，传感器负责将物理信号转化为可供算法处理的数据。视觉传感器 主要负责环境感知与空间理解，而 IMU 与关节编码器等本体传感器提供高频的姿 态与运动状态信息。由于单一传感器在复杂动态环境中难以维持稳定性，多模态传 感器融合方案逐渐成为主流选择。 决策环节依赖机器人感知层输入的数据进行状态推理与动作规划。在机器人 任务执行过程中，决策系统不仅依赖视觉进行目标识别和路径规划，还需结合惯性 与力觉信息，实时评估动态平衡、接触状态及潜在风险，从而生成符合安全和稳定 要求的控制指令。 执行环节是机器人与物理世界交互的关键阶段。在面对平衡控制、复杂步态与 精细操作等高动态任务时，仅依赖开环控制或单一感知信息已难以满足稳定性与 安全性要求。力/力矩传感器、触觉传感器与 IMU 等提供持续的接触状态、受力变 化与姿态反馈，构成高频闭环控制基础，使机器人能够在不确定环境中实现自主精 细操作。
1.2 模型能力是当前具身智能发展的核心瓶颈
在机器人的“感知—决策—执行”闭环体系中，机器人综合能力的演进呈现出 显著的螺旋式上升特征。模型作为机器人的“大脑”，是决定系统能力上限的核心主导变量。模型的演进路径直接定义了对底层数据的需求模态，进而决定了传感器 的选型与配置：当模型向精细化操作演进时，力/触觉传感器成为刚需；若侧重空 间导航，则视觉与激光雷达数据成为核心。这种“模型定义需求，传感器匹配模型” 的逻辑，构成了当前产业技术发展的基本生态。传感器的精度与采样频率的提升能 显著优化模型的推理效果，而执行器性能的增强（如高动态响应、高精度操作）则 反向对传感器的实时反馈能力提出了更高要求。 从产业成熟度来看，当前具身智能领域存在明显的“木桶效应”，模型能力仍 是机器人进化的短板。传感器受益于汽车智能化产业链的多年积淀，执行器则在工 业机器人领域拥有深厚的制造基础，二者均已进入相对成熟的放量期，相比之下， 模型能力是目前制约机器人向通用化迈进的核心短板。尽管早期模型在复杂环境 下的泛化准确度仍有待提升，但随着多模态大模型与具身数据的深度融合，模型正 加速从“感知智能”向“认知智能”进化。未来，随着模型这一核心短板的补齐， 机器人产业将迎来向算法驱动转型的加速发展期。
1.3 从看见到感知，视/力觉传感器构建立体感知
从能力维度看，机器人本质上是一个运行在三维物理世界中的复杂系统，其对 传感器的依赖程度显著高于以二维运动为主的自动驾驶系统。自动驾驶系统只需 控制汽车在二维平面内完成移动与避障，而机器人不仅需要在三维空间中完成运 动，还必须与物体发生真实接触，执行抓取、操作、装配等复杂任务。这一能力差 异决定了机器人在感知层面必须同时具备“看见世界”和“感知世界”的能力。
视觉传感器作为机器人之“眼”，负责将外界环境数据输入到机器人系统，是 机器人“看到世界”的基础。通过多目视觉、深度感知等技术，机器人可以识别环 境结构、目标位置，为路径规划与动作生成提供初步信息。但仅依赖视觉感知，难 以覆盖真实物理交互中的不确定性，尤其在抓取物体时，识别物体并控制力度难度 较大。因此，在机器人由感知到执行的过程中，力/力矩与触觉传感器成为不可替 代的能力补充。
力觉与触觉传感器使机器人能够直接感知接触状态、受力变化与物体属性，实 现对真实物理世界的“内在感知”，从而支撑柔顺控制、精细操作与安全交互。整 体来看，视觉、力觉与触觉共同构成了机器人从看到世界到感知世界的能力基座， 其配置水平直接决定了机器人从“能看、能走”向“能抓、能用、能协作”的能力 上限，因此也是机器人传感器中最为重要的种类。
1.4 机器人技术路线未收敛，传感器具备高确定性增量
从当前产业阶段看，机器人在本体形态、感知方案与控制架构等方面仍处于多 路线并行探索阶段，技术路径尚未收敛。但与本体结构或算法范式存在明显分化不 同，传感器作为机器人感知与控制的基础能力单元，在不同机器人形态中均具备高 度共通的工程需求。 无论机器人采用何种本体结构或控制架构，其稳定运行均依赖对环境状态、自 身状态以及物理交互状态的持续感知。这一需求使得传感器尤其是视觉/力觉传感 器具备较强跨平台、跨场景的技术通用性，成为不同机器人形态中复用程度较高的 底层硬件模块之一。
当前人形机器人成本结构中 ASP 较高且占据核心成本地位的传感器主要集中 在力觉感知与灵巧操作两大核心环节。其高价值量主要由技术壁垒与功能决定性 双重因素驱动：六维力传感器作为实现柔顺控制与精密装配的关键，需实时解算三 维空间内的力与力矩，技术门槛高企，成本较高；关节编码器作为运动闭环控制的 核心反馈元件，因机器人全身高自由度的需求而总量较大。总体来看，目前机器人 硬件成本的高地明确指向那些模拟人类精细触觉与本体感觉、且尚未实现大规模 工业化降本的高端力学与位置传感器。 随着机器人从实验验证逐步走向规模化应用，对稳定性、安全性的要求持续抬 升，传感器在整机中的配置重要性与价值占比有望同步提升。整体来看，传感器是 少数不依赖于单一路线胜出的硬件环节，在多种机器人形态与应用场景中均具备 长期、确定性的增长基础。根据 FactMR 预测，2026 年全球机器人传感器市场预 计将达 28 亿美元，到 2036 年将增长至约 79 亿美元，2026 年~2036 年 CAGR 约 10.9%。
感知层：视觉为能力底座，多技术路线并行
2.1 视觉感知：机器人信息输入核心通道
报告全文可扫描下方图片二维码进入星球社群查阅下载
（报告来源：国联民生证券。本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
