inexbot 具身控制器
大脑负责理解，小脑负责执行。inexbot 具身控制器位于感知与决策之下、执行器之上， 是 Robotics Harness 中承上启下的实时控制核心：把大模型的"意图"翻译为稳定、安全、可工程化的关节运动， 再把执行层的真实状态如实交还给上层智能与训练管线。
VLA / 大模型 / 操作学习
inexbot
伺服 / 关节 / 底座
硬实时
Ubuntu + PREEMPT-RT 实时内核，确定性控制周期与低抖动调度，为遥操作、力控等高带宽闭环控制提供稳定时基。
多机型一体
同一 runtime 加载不同 JSON 机器人模型，适配人形 / 6-7 轴机械臂 / SCARA / 移动底座，机型切换只需更换模型配置。
遥操作数据采集
高频状态回传 + 遥操作示教，产出对齐 VLA / 策略学习格式的真机数据集，打通"采集 → 训练 → 部署"的数据闭环。
力控与导纳阻抗控制
力控关节 + 导纳 / 阻抗控制，实现柔顺交互、接触性任务、安全人机协作与采集中的力觉引导，示教更顺、操作更稳。
状态读取与执行判定
关节、力觉与执行进度高频回传，动作结果实时可判 —— 补上物理世界智能体最缺的两件事：读取状态、判定结果。
安全底座
STO + 急停 + 安全 PLC 支持，速度 / 力矩 / 工作空间逐层约束，为模型输出划定不可逾越的安全边界。
把控制器做成 Harness 的一环
编码智能体的成功证明了一个范式：智能体能做多少事，不只取决于模型，更取决于围绕模型的基础设施 —— Harness。 物理世界对 Harness 更加苛刻：它必须同时在控制、计算与通信上施加约束， 读取世界状态、判定动作结果、把执行框进安全边界。inexbot 具身控制器正是为此而生。
世界状态读取
关节位置、力觉、执行进度高频回传，智能体随时读得到世界处于什么状态。
动作结果判定
执行监控与完成度反馈，动作成功与否有据可判，失败可被发现、可被修正。
有界执行
速度、力矩、工作空间与安全边界逐层约束，模型输出永远越不过底线。
执行记录
控制指令与真实状态逐拍记录，沉淀为可回放、可复盘、可进化的执行数据。
模型无关
不绑定任何 VLA / 大模型 / 策略框架：意图进来、动作出去，上层模型可随时代换。
跨本体复用
同一套控制接口挂载人形 / 6-7 轴机械臂 / SCARA / 移动底座，算法资产跨本体复用。
大脑不替代小脑
VLA 解决"做什么"，但"怎么稳、怎么安全、怎么量产"是控制器的战场 —— 这是与纯 AI 公司错位竞争的根基。
中立与开放
麦格纳模式：不站队任何本体厂商，把控制能力作为开放模块交给机器人伙伴。
从原型到量产
实验室能跑不算数，控制器要撑住产线节拍、安全认证与长期稳定性。
确定性实时
真机不等人：硬实时内核保证控制周期确定，模型输出的意图始终映射为可预期的关节动作。
数据闭环
采集、训练、部署跑在同一套数据格式与接口上，"采集 → 训练 → 部署"不再需要手工搬运数据。
应用场景
全身运动协调、步态稳定、力位混合控制，为双足与全身协同提供统一的控制底座。
高频闭环、轨迹跟随、柔顺控制，胜任装配、插拔、打磨等接触性任务。
遥操作示教采集真机演示数据，高频 / 高保真记录，输出对齐 VLA 训练格式。
移动底座 + 机械臂协同，导航与操作共享同一套控制与通信框架。
开放给开发者
机器人模型用 JSON 描述，自定义运动学 / 动力学经动态库(.so)扩展，SDK、示例与文档开箱即用 —— 把接入成本降到最低，让团队把精力留给算法与本体。
具身控制器的下一步
围绕 Robotics Harness 持续演进 —— 更多构型、更强柔顺、更完整的工具链， 让"采集 → 训练 → 部署"的闭环转得更快。
机型模型库扩充
持续扩充人形 / 协作臂 / SCARA / 移动操作构型的 JSON 模型与运动学、动力学库。
柔顺与力控迭代
导纳 / 阻抗控制持续演进，面向更复杂的接触性任务与人机协作场景。
工具链完善
SDK、示例、文档与数据工具持续完善，缩短从算法原型到真机验证的路径。
安全与量产
面向安全认证与量产一致性持续投入，让控制器经得起产线与时间的检验。
