在人形机器人逐渐走向真实产业场景的今天，机械臂“能不能动”已经不是核心问题，“能否稳定、精准、实时地执行动作”才是真正决定系统能力上限的关键。
尤其是在具身智能、VLA模型、强化学习(RL)等新一代机器人智能系统快速发展的背景下，控制系统的响应速度与跟踪精度，正在成为衡量机器人平台能力的重要指标。
近期，随着 Genesis AI 等顶级模型搭载天机 Marvin 力控人形双臂展示了卓越的作业能力，行业内对“控制精度”与“响应延迟”的讨论达到了新高度。天机始终致力于为全球 AI 开发者提供最稳定、最高性能的物理平台。为了让行业伙伴更客观地了解天机产品的真实能力，我们近期完成了一系列针对性的实测实验。结果显示：天机 Marvin 的轨迹延迟可低至 5ms，平均误差仅为 1.89mm。
*测试脚本 Github 链接在文末
为什么控制里的“延迟”和“误差”这么重要
用比较通俗的话来解释，机械臂控制可以看作“你发一个动作指令，它多久开始准确执行，以及最后执行得偏不偏”。衡量这种控制能力有两个核心指标：
时间延迟(Tdelay)：指令发出到机器臂实际到位的时间差;
空间误差(Perr)：指令位置与实际到位位置的物理偏离。
这两个指标，直接决定了机器人动作是否“跟手”。
如果延迟太大，机器人会“慢半拍”，动作看起来拖沓，且在高速操作时容易失稳;
如果误差太大，轨迹无法精确跟随，抓取、装配、插接等任务成功率下降，机器人难以执行精细操作。
因此，在人形机器人控制领域，延迟和误差一直是最核心的两个控制指标。
Marvin 早期版本的真实测试数据
天机智能始终坚持一件事情：所有性能指标必须基于真实测试，而不是理论值。
为了验证控制系统性能，我们采用行业常见的轨迹跟踪测试方式：
● 轨迹：直径约 15cm 的圆轨迹
● 周期：2 秒
● 控制模式：关节 PD 控制
● 测试对象：Marvin 双臂
在 Marvin 的早期控制版本中，我们曾测试过不同刚度、阻尼参数下的控制表现。测试结果显示：
这些数据说明：
● 控制性能与参数设置强相关;
● 不同控制参数，会显著影响延迟与轨迹误差;
● “默认参数”并不代表系统性能上限。
事实上，在机器人控制领域，“默认控制参数”往往是为了兼顾通用性、安全性、稳定性、易用性，而不是为了追求极限性能。
因此，如果仅以默认参数作为最终能力判断，其实并不能完整反映机器人平台真实水平。
通过参数优化，Marvin 已可达到 30ms / 11.72mm
随后，天机针对控制参数进行了进一步优化，采用如下阻抗参数：
● K = [22.0, 10.0, 10.0, 15.0, 9.0, 15.0, 7.0]
● D = [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]
实测结果：
● 响应延迟：约 30ms
● 最大轨迹误差：11.72mm
这意味着，仅通过合理的控制参数配置，Marvin 的控制性能已经能够显著优于早期测试结果。
但对于天机而言，这仍然不是最终目标。
真正的关键：如何让机器人“预测”用户意图?
传统机器人控制有一个经典问题：控制器只能“看到当前位置误差”，但无法提前知道下一步动作。
这就导致机器人始终在“追赶目标”。而只要是“追赶”，就一定会产生相位滞后、延迟和轨迹偏差。
因此，机器人控制领域一直有一个核心方向：如何让控制器具备“预测能力”。
为什么很多系统不直接使用速度前馈?
在经典 PD 控制中：
理论上，如果用户能够同时提供目标位置和目标速度，那么系统跟踪能力会明显增强。
但现实问题在于，大多数 AI 模型输出的速度并不稳定，特别是在 VLA、RL、模仿学习、视觉策略网络等系统中，模型输出的位置序列本身就存在噪声。而速度本质上是位置的差分。
这意味着：即使位置曲线看起来平滑，速度曲线也可能剧烈跳变。
一旦将不稳定速度直接输入控制器，机器人会出现抖动，系统可能不稳定，高频震荡会明显增加。
因此，很多机器人系统干脆将 Vtarget 直接设为 0，只使用位置误差进行控制。这种方式虽然稳定，但也意味着系统始终存在滞后，且控制响应速度会受到限制。
Marvin 的核心升级：速度预测前馈
天机选择了另一条路线。我们的思路是：不要求用户提供速度，而是由控制器“推测”用户意图。
用户只需发送位置指令，控制器持续分析位置变化趋势，系统自动预测合理速度，再将该速度用于前馈控制。
这样做有几个重要优势：
不依赖用户手工调参，用户无需理解复杂控制理论;
更适合 VLA / RL 系统，AI 模型只需输出位置;
避免不稳定速度输入，控制器内部会自动约束预测速度;
即使上位机异常也能安全运行，系统能够检测异常更新，并自动降为零速度预测。
这也是 Marvin 最新控制系统的关键升级方向。
最新实测结果：5ms 延迟、1.89mm 跟踪误差
在开启“速度预测前馈”后，我们重新进行了同样的圆轨迹测试，测试条件：
● 圆轨迹直径：15cm
● 周期：2 秒
● 控制模式：关节 PD
● 测试条件保持一致
最终结果如下：
从结果可以看到：
1、延迟下降接近 90%，从约 45ms 降低到约 5ms，这意味着控制响应更加“跟手”，动作更接近实时，机器人能够更自然地执行连续轨迹。
2、平均误差稳定在 2mm 左右，对于机器人控制而言，2mm 已经属于非常高精度的动态跟踪水平，且是在保持阻抗柔顺性的前提下实现。这意味着 Marvin 不只是“硬控精准”，而是在具备柔顺交互能力的同时，依然能够维持高动态性能。
3、空间轨迹高度重合，在 3D 空间轨迹测试中，指令轨迹与反馈轨迹已经基本重合，相位滞后显著降低，圆轨迹闭合度明显提升。这意味着机器人已经不再只是“追赶轨迹”，而是在主动预测运动趋势。
为什么这件事对具身智能很重要?
因为未来的人形机器人，核心不只是机械结构。真正决定能力上限的，是控制系统、AI 模型，以及软硬件协同能力。尤其是在 VLA 与强化学习系统中，模型输出本身具有不确定性、噪声和非平滑特征，如果底层控制器无法处理这些问题，那么再强的 AI 模型，也无法真正发挥能力。
因此，未来机器人行业的竞争，正在从 “谁有模型” 转向 “谁能让模型真正稳定运行在真实硬件上”。
而这恰恰是天机智能持续投入的核心方向。
下一步：SDK 开放与算法开源
过去，考虑到并非所有客户都具备稳定的位置输入能力，我们并未默认开放速度预测前馈接口。但随着具身智能行业快速发展，我们决定进一步开放能力边界。
近期，天机将 更新 Marvin SDK，开放速度预测前馈接口，开源相关测试代码，并提供针对 VLA / RL 输出数据的平滑算法，让开发者能够根据自身模型特征，自由选择是否开启前馈功能，在稳定性与性能之间进行灵活配置。
机器人真正的能力，不只在“大脑”，更在“神经系统”
很多人把机器人 AI 比作“大脑”，但实际上，如果没有足够优秀的控制系统，再强的大脑，也无法精准控制身体。而控制器，就是机器人真正的“神经系统”。
天机智能始终相信，真正优秀的人形机器人平台，不只是拥有先进模型，更要拥有足够稳定、实时、柔顺、可预测的底层控制能力。Marvin 的意义，也不仅仅是一套机械臂硬件，而是一套真正面向下一代具身智能系统设计的软硬件协同平台。
未来，天机智能将继续围绕力控、柔顺控制、低延迟控制、VLA/RL 适配、真实场景操作能力等核心技术，持续推进技术迭代，让人形机器人真正从“能演示”，走向“能工作”。
测试脚本 Github 链接：https://github.com/cynthia-you/TJ_FX_ROBOT_CONTRL_SDK/tree/测试用例/PDMode_Test
（天机机器人）
