【券商】机械设备行业深度报告—传感器系列报告1：力传感器在机器人中的应用.pdf

2024-01-21

25页

1MB

1 特斯拉发布二代机视频，传感器变化引关注

当地时间 2023 年 12 月 12 日晚，特斯拉 CEO 马斯克发布了特斯拉人形机器人 Optimus（擎天柱）的最新视频。视频称，相较于上一代人形机器人，第二代人形机器人 Optimus-Gen 2（第二代擎天柱）的步行速度提升 30%，平衡能力和身体控制能力均有所改善，整体重量也从 73kg 减少到了 63kg。根据视频介绍，第二代擎天柱搭载了由特斯拉设计的执行器和传感器、2 个自由度驱动颈部、响应更快的 11 个自由度手部、触觉传感器、执行器集成电子和线束、足部力/扭矩传感器、铰接式脚趾等。值得注意的是，Optimus Gen2 的手部有 11 个自由度，动起来非常灵巧。在视频中，机器人已经可以轻松准确地抓取和放下鸡蛋，整个过程比较连贯平稳，左手转右手的整个过程也较为连贯，展示出其双手的操控能力。

此外，擎天柱还可以做一个均匀的 90 度深蹲，这个动作需要全身多处关节配合来保持平衡。从其行走过程来看，足部和腿部的形态，以及走路方式都与人类相似。

此次手部灵活性、抓取鸡蛋、深蹲、行走速度的变化，均需要对触觉传感器、力 /力矩传感器等做出较大改进，后续传感器有望成为行业关注重点。

2 力传感器的市场规模及分类

力传感器是一种用于测量物体所受的力量的装置。它们广泛应用于各个领域，包括工业、医疗、体育等。

2.1 力传感器的分类

力传感器是各种工业设备的核心元件，它通过检测物体和设备之间的力来确定被测物体的位置和运动情况。按照感力元件，可以将力传感器大体分为应变式/压阻式、压电式/压容式、光电式等三类。

从原理上看，应变式力传感器，采用的是硅应变片或金属箔，本质是弹性体材料发生形变进而转化为阻值变化；压阻式传感器，其原理是力直接作用于感应元件上，使电阻发生变化，用作压阻式的基片（膜片）材料主要有硅片、锗片。光学式传感器则是通过光栅反映形变，将力的变化转换为光信号，再转换为电信号；压电/电容式传感器是将被测物理量变化转换成压电材料因受机械力产生静电电荷或电压变化的传感器，压电式是通过形变改变电荷，电容式则是通过极距的变化导致电压变化。通过多维度的对比，1）应变式：硅应变、金属箔传感器之间，硅应变片在稳定性、信噪比以及动态特性方面要更优，两者刚度上相差不多，成本上金属箔更优，但近年硅应变片工艺有了提升和改进，综合成本也在大幅降低；2）光学式：在动态特性方面明显具有优势，但成本较高，且稳定性和刚度较差，在力传感器中应用较少。3）压电/电容式：电容传感器成本最优，其他几项弱于压电传感器；此外，电容及压电式传感器对环境要求较高，尤其压电式对湿度较为敏感，输出的直流响应较差，但压电式动态特性及刚度较好，过去压电式较少用于六维力传感器，更多用于三维等少于六维的传感器，未来有望在六维力传感器中得到应用。目前，市场应用的六维力/力矩传感器多基于应变式测量，压电/电容式、光学式等有一定理论研究和实验，尚未得到广泛应用。随着研究不断深入，不同原理传感器将匹配到合适场景，推动六维力/力矩传感器的多元化发展。

2.2 什么情况下要使用多维力传感器？

一般情况下，如果力的方向和作用点是固定的，此时可以选择用一维力传感器进行测量，如天平、体重秤。如果力的方向随机变化，但力的作用点保持不变，并且与传感器的标定参考点重合，那么我们就应该用三维力传感器。而如果力的方向和作用点都在三维空间内随机变化，此时应该选择用六维力传感器进行测量。

如果力的作用点离传感器标定参考点的距离很近，且不变化，测量精度不高，可以用三维力传感器。如果力的作用点离传感器标定参考点的距离较远，且随机变化，测量精度要求较高，一定需要采用六维力传感器。我们经常提及的“给我一个支点，我可以翘起地球”，其实就表明，力矩对传感器产生的力学影响往往比力要大很多。如果力的作用点与传感器标定参考点不重合，力矩的力学作用势必影响了传感器的数学模型，使其偏离标定状态，从而导致对力的测量误差较大。相同方向和大小的力，但作用点不同，如果采用三维力传感器对其进行测量，测量结果一般会不同，这显然是产生了较大的测量误差。一个极端的例子是，如果力的作用点距离传感器参考点足够远，也就是力臂足够大，即使是在传感器量程范围内的力，也会导致传感器结构的材料屈服，甚至是断裂，而精准测量就更加难以保证。

2.3 力矩传感器：分为静态、动态扭矩传感器，全球市场规模超 400 亿元

力矩传感器，又称为扭矩传感器，又可以分为静态、动态扭矩传感器两种。二者都可以测量旋转动力源的扭矩，但区别在于，静态扭矩传感器，即在静止状态下测量扭矩，通常情况下是测量电机（旋转体）的堵转，但测量的旋转角度不能超过 360°，因而不能测量转速；而动态扭矩传感器测量的旋转角度则没有限制随动力源旋转。此外，动态扭矩传感器由于结构上的差异，动态扭矩传感器往往体积比静态扭矩传感器要大。

据 Markets and Markets Research 数据，2021 年全球力矩传感器市场规模约为 68 亿美元（约合人民币 439 亿元），预计到 2026 年达到 90 亿美元，CAGR 约为 5.7%。力矩传感器应用范围广泛，例如旋转扭矩传感器广泛用于汽车发动机测试、传动系统测试、测功机测试、电动机测试、变速箱测试等。应变片式扭矩传感器产生的信号与各种仪器兼容，可用于数字显示器、数字放大器等，而且可以达到更高精度。总体上看，力矩传感器目前主要用于汽车测试、测量检测、工业、航空航天与国防等领域。

2.4 六维力矩传感器：尚处于发展初期，国内市场规模约为 2.39 亿元

六维力矩传感器方面，据高工机器人数据，2022 年中国六维力/力矩传感器销量 8360 套，同比增长 57.97%，其中，机器人行业销量 4840 套，同比增长 62.58%。市场规模方面，2022 年国内六维力/力矩传感器市场规模 2.39 亿元，其中机器人六维力/力矩传感器市场规模 1.56 亿元。预计到 2027 年，中国六维力/力矩传感器市场规模有望超过 15 亿元，复合增长率 45%。当前，六维力/力矩传感器市场规模较小，尚未形成规模效应。

从价格来看，根据高工机器人市场规模及销量数据，我们可以大致测算出机器人用六维力/力矩传感器均价从 2017 年的 4.6 万元/套下降至 2022 年的 3.2 万元/ 套。当前仍处于较高水平，应用于人形机器人仍然有一定成本压力。但随着下游细分行业对传感器要求的提升，以及更多参与者进入，六维力/力矩传感器有望进入高速成长期，成本有望逐渐下降。

3 六维力矩传感器的应用

3.1 六维力传感器的应用：汽车碰撞测试、打磨机器人、手术机器人等领域

六维力测量技术属于平台型技术，在不同应用场景和环境、载荷、安装、通讯、算力、动力学特需求下，其形态和技术特点也有一定区别。目前，六维力/力矩传感器主要应用于汽车行业碰撞测试、轮毂测试、零部件测试等，以及航空航天、生物力学、医疗康复、科研实验、机器人与自动化领域。

在机器人领域，传统的机器人任务，如果只对平面进行工作，一般需要进行位置控制即可。而近年来，随着机器人技术的不断发展，人们对机器人的任务要求也更加广泛，仅具备位置控制，已经无法满足部分任务的要求。能够同时精确控制力的任务，如切削、打磨、装配等，在众多工业领域有着广泛的需求。以打磨曲面为例，对整个施加力的过程进行监控，而非像传统的动作比如拧螺丝，只需要对力矩的结果进行检测，是否达到标准即可。打磨过程中，需要了解各位置力的矢量大小，从而调整机械臂的位置和施加力的程度。

此外，在镜腔手术机器人领域，医生将微创手术器械通过鞘套插入患者体内开展手术，但由于手术器械缺少力检测功能以及自身自由度的限制，医生无法准确感知器械末端与患者组织的交互作用力，力反馈受到影响。为实现力检测与力反馈，六维微型力/力矩传感器的应用成为解决问题的关键。根据《腔镜手术机器人六维力/力矩传感器设计方法研究》，常规的腔镜手术器械包含一个可旋转的末端和符合人体工程学设计的手柄，相对于手术器械末端的交互作用力，医生在进行手术时只能感受到自己手柄的力，医生感受到手柄处的力大约是器械末端的 2-6 倍。目前所有手术器械都会受到自身摩擦力或其他作用力的影响，使得手柄处感受到的力与仪器末端的交互作用力不一致或者是非线性的。例如，在进入人体的插口处，鞘套和手术器械的摩擦力大约是 0.25-3 N；转动手术器械时，也会产生力矩，大约是 0.7 N·m；还有一些在进行手术时，进入人体的手术器械与人体组织之间的交互作用力。为了防止这些力对手术器械力检测的影响，六维微型力/力矩传感器应放置在进入人体内的靠近器械末端的位置。

一般来说，手术器械传感器可以布置的为主要有 4 个位置：1）驱动单元：放在此处可直接检测电机驱动力，但器械是组装而成，需要钢丝传动，末端远离驱动装置，易受器械自身重力、惯性力等影响。2）腹壁外轴：在人体外部，尺寸不受空间限制，但仍然距离末端较远；3）腹腔内部轴：避免了鞘套与手术器械间的相互作用力影响，但尺寸有很大限制，直径必须在 10mm 以内。此位置也会受到钢丝驱动力影响，存在惯性力，但相对其他三个位置而言，是布置微型传感器最理想位置。4）夹钳上：该位置消除了前三出所有外力干扰，但前爪体积有限，此位置检测元件受体积影响更大，仅非常小的检测元件可以布置在此。

3.2 机器人中，六维力矩传感器是必选项吗？

据袁俊杰等在《关节力矩反馈型协作机器人的阻抗控制研究》进行实验：要实现对末端力、位置的控制，一种方法是直接安装六维力传感器在机械臂末端，它可以直接获得末端接触力，利用测量值直接作为力反馈信号。另一种方法，则是在机器人各个关节处安装关节力矩传感器。因为当机器人和外界接触时，机器人末端会产生接触力Ｆ，因而使得机器人各关节也受到外力矩作用。通过测量各关节力矩传感器扭矩，而无需在末端加装六维力矩传感器，就可以实现间接计算机器人末端于环境间的交互力。关节力矩可以通过雅可比矩阵和动力学相关函数，转换成操作空间的末端力，基于末端操作力，可以研究笛卡尔空间的阻抗控制。

实验期望末端接触力大小为 10N，使用第一种、第二种方式时，机器人打磨时末端及处理分别在 6-13N、7-13N 范围内波动，平均值基本稳定在 10N 左右，Z 方向均存在不到 1mm 的位移波动。总体上看，使用六维力矩传感器，以及使用多个关节力矩传感器的阻抗控制效果基本相同。六维力矩传感器安装简单，在不考虑成本的情况下，是阻抗实验的首要选择；关节力矩传感器的使用需要改变机器人结构，安装比较复杂，但通过关节力矩传感器也可以计算出末端接触力，并进行较精确的控制。

4 人形机器人中力传感器的解决方案分析

4.1 手腕及脚踝可能使用六维力矩传感器

对于步态的分析，一般有基于足底压力、关节运动、视觉等方式。目前，基于视觉的步态分析系统已经商用，而单纯基于关节运动测量的步态分析，可以测量生活环境中的步态情况，但仍有一定误差，基于足底力检测的步态分析可以提供步行过程中的动力学参数，但当足底与地面不接触时压末端执行器采用了六维力矩传感器力趋于 0，也无法完整描述步态，因此，足底压力、关节运动的结合或将成为步态分析的发展方向。根据赵治羽等《基于足底压力传感器的步态识别方法研究》，足底结构在支撑状态中足底主要受力点为大脚趾（A）、大脚趾根部跖骨（B）、足跟（C）处。人体行走是一个周期性过程，同一条腿连续两次足跟着地构成一个步态周期。

通过特斯拉 12 月发布的二代机视频可以看出，其在脚趾部分使用了铰链方式。原脚掌后方可能使用六维力传感器，人形机器人的行走过程中需要保持平衡，若此时用到六维力传感器可以感测机器人脚下地面反作用力，以便机器人控制系统可以调整人形机器人手臂和身体的姿态。

前部可能增加脚趾部位传感器，从而获得更多点信息，适应更加复杂的地面场景，可能为一维力传感器。此前机器人受力全部来自脚板，脚板具体受力部位未知，因此本次增加力传感器以提升力的感知精度，从而判断地面情况（颠簸等），更契合现实场景。从当前交付的变化来看，特斯拉机器人的工作场景可能并非局限于工厂，若将来在更加复杂场景下工作，不排除在足部传感器方面进一步做增加的可能。

此外，从优必选官网展示人形机器人 WalkerX、Walker、熊猫机器人悠优配置可以看出，也主要是在脚踝、手腕等 4 处末端执行器采用了六维力矩传感器，可以实现在碎石、地砖、草坪、厚地、草坪等不平整地面上稳定快速行走，通过全新的脚掌姿态控制算法以及柔性自适应多种地面。

4.2 关节：或使用电流环控制或一维力/力矩传感器

根据特斯拉 2022 年 AI Day 现场展示，Optimus 全身共有 40 个关节执行器，其中四肢及躯干共有 28 个执行器关节（14 个旋转执行器关节+14 个线性执行器关节），以及灵巧手 12 个执行关节。

假设手腕、脚踝共使用 4 个六维力矩传感器，其他各关节共使用一维力/力矩传感器 28 个，若采用电流环控制，则不需要单独配置力矩传感器。

目前大部分执行器的力控方式分为电流环力控、传感器闭环力控两种。电流环力控是一种比较容易实现的常规力控方式，主要通过调节电机内部电流大小实现力控。电流环控制的实现难度较低，可以实现 5%-15%精度范围内力控，而且不需要额外的设备。但其运动速度较慢，无法反向传动，以及满足一些精度要求更高的场景需求，使用一段时间后，机械磨损会带来误差，精度进一步降低。这类执行器通常没有传感器，即使有也只是作为力的“显示”，不参与控制，例如通过传感器读取力的大小，通过表头显示数值，用于辅助人工调节力的大小，但这样的调节一般跟力的精度无关。传感器闭环力控则加入了常规力传感器和常规闭环控制算法，在精度上则有所提高，通常可以使力控精度由 5%提高到 1%，响应速度也较快，但价格相对较对较贵。我们认为在初期阶段，或对产品精度要求较高，使用传感器力控的可能性较大。

4.3 人形机器人力传感器市场空间测算

根据前文介绍，人形机器人可能会在手腕、脚踝处使用 4 个六维力矩传感器，其他关节处使用 28 个力矩传感器。按照前文计算，国内机器人用六维力/力矩传感器均价从 2017 年的 4.6 万元/套下降至 2022 年的 3.2 万元/套。根据与非网数据，目前六维力矩传感器在 Walker 机器人中占主要成本，单价超过 1.5 万元。由于当前六维力矩传感器仍处于较高水平，应用于人形机器人仍然有一定成本压力，假设未来随着下游需求放量，成本会逐渐下降。按照高盛预计，理想状态下，到 2030 年人形机器人出货量可能达到 100 万台。根据特斯拉 AI Day 马斯克透露擎天柱未来价格预计不到 2 万美金一台，因此成本可能有限。此外，随着技术逐渐成熟，下游需求放量，规模效应显现，保守估计，假设到机器人销量达到 10 万台，以及达到 100 万台时，机器人用六维力矩传感器价格分别降至 5000 元/个、3000 元/个，则单台机器人对应价值量约为 2 万元/台、1.2 万元/台。对应人形机器人六维力矩传感器市场空间分别为 20 亿元、120 亿元。

其他关节传感器方面，线性关节及旋转关节使用传感器可能分别使用一维力传感器、力矩传感器，价格可能分别在数百元、数千元。由于目前解决方案未知，我们保守估计，假设 28 个关节平均单个关节力控传感器价值量均价为 2000 元，假设机器人产量到 10 万台、100 万台时，均价分别降低至 1000 元/个、500 元/个，对应人形机器人用关节力传感器市场空间分别为 28 亿元、140 亿元。

总体上看，在手腕、脚踝处使用六维力矩传感器、关节处使用一维力/力矩传感器的假设下，我们测算人形机器人销量达到 10 万台、100 万台时，对应六维力、力矩传感器市场空间有望分别达到 48 亿元、260 亿元。

5 力传感器企业布局情况介绍

5.1 六维力矩传感器竞争格局

全球六维力/力矩传感器主要品牌可以分为日韩品牌、欧美品牌、国产品牌三类。根据 GGII，日韩地区六维力/力矩传感器厂商主要配套当地机器人本体厂商，例如，韩国企业 Robotous、Aidin Robotics 主要合作厂商包括 Doosan Robotics、 Neuromeka 和 Rainbow Robotics；日本企业 Sintokogio 和 WACOH-TECH 主要合作厂商包括发那科、电装、三菱、那智不二越、安川等。欧美品牌可以分为传统传感器厂商、机器人末端工具厂商 2 类：1）传统的感器生产商，如 ATI、Bota Systems AG、ME-Meßsysteme GmbH、AMTI、Kistler 等； 2）机器人末端工具生产商，如 SCHUNK、OnRobot、Robotiq 等，欧美地区厂商合作企业以协作机器人本体厂商为主，主要包括优傲机器人、达明机器人和欧姆龙等。近年来，国产六维力/力矩传感器厂商逐渐成长，如宇立仪器（SRI）、坤维科技、鑫精诚、海伯森、蓝点触控、神源生智能、瑞尔特等，均已有相关产品落地并进入产业化应用。其他厂商如重庆鲁班机器人技术研究院、埃力智能等，通过自主研发力传感器技术，已经具备六维力/力矩传感器的生产能力，部分产品型号开始进入下游用户的验证测试阶段。

总体上看，受益于机器人市场需求催化，近年来进入六维力矩传感器的厂商诸多，但真正具备量产能力的厂商仍然较少。据高工机器人按照 2022 年市场销量口径统计，ATI、宇立仪器、坤维科技、鑫精诚等处于第一梯队。其中，ATI 作为全球龙头企业，有数十年积累，应用面较广；宇立仪器在工业机器人磨抛、汽车碰撞测试领域应用较多；坤维科技在协作机器人、手术机器人、医疗检测机器人、康复机器人等领域具有明显优势，在航空航天领域也具有一定竞争力；鑫精诚则凭借苹果供应商身份将产品导入 3c 行业，同时在机器人及医疗领域也有布局。

5.2 六维力矩传感器的难点

目前，国产六维力/力矩传感器与外资主流传感器在灵敏度、串扰、抗过载能力及维间耦合误差等方面仍存在一定差距。

串扰的英文为 crosstalk，进口的六维力传感器产品上一般都会有这个指标，一般用来衡量多维力传感器各测量方向间耦合影响，可以反映测量误差水平，是体现产品性能的关键指标之一。根据坤维科技，比较优秀的串扰指标在 1%FS 左右， 2-5%FS 比较常见。FS 即 Full Scale，代表六维力矩传感器各方向额定量程。

以六维力传感器为例，分别对传感器的六个测量方向精确加载至各自的额定载荷，记录六个方向的测量结果，就可以得到以上测量结果，例如，载荷组 1 中，仅对 Fx 方向加载到额定载荷，并假设加载方向和载荷值是准确的，则 Fx 是 100%FS，其它方向是 0%FS。而表中 Fy、Fz、Mx、My、Mz 的测量结果则是在 Fx 作用下的串扰。因为此时 Fy、Fz、Mx、My、Mz 的理论真值为 0，而 Fy、Fz、Mx、My、Mz 测量结果就体现了 Fx 对其它五个测量方向的耦合干扰情况。多维力传感器的厂商往往选择表格中的最大串扰值作为串扰指标。例如，表中 2.9% 是串扰结果的最大值，则可以在产品手册中注明“串扰≤3%”。

除此之外，还有准度、精度等指标。精度衡量的是测量结果之间的重复性。其检定方法是，在相同环境条件下，在额定载荷范围内，进行多次重复联合加载相同一组载荷后，计算得到的传感器测量值的标准差，并除以量程。准度衡量的是测量结果与理论真值的偏离程度。获得方法是对传感器进行多组多维联合加载，计算得到的传感器测量值与所加载荷理论真值之间的标准偏差，并除以量程。

（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。）