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， 把大模型的"意图"翻译为稳定、安全、可工程化的关节运动。
硬实时
Ubuntu + PREEMPT-RT 内核，确定性控制周期，为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。
遥操作数据采集
高频状态回传 + 遥操作示教，产出可用于 VLA / 策略学习训练的真机数据集，打通"采集→训练→部署"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。
开放生态
原生 ROS 2 + MoveIt 2 + 视觉 + HMI（Modbus），不绑定任何本体品牌。
安全底座
STO + 急停 + 安全 PLC 支持，面向工程落地与量产安全认证。
不绑定，原生融入 ROS/ROS2
你的具身团队大概率跑在 ROS 2 上。inexbot 具身控制器原生对齐 ROS/ROS2 生态， 开箱即接入现有感知、导航与学习栈，不改变团队已有工作流。
ROS 2 原生工作空间
标准节点 / 话题 / 服务 / 接口，无缝接入你现有的具身与仿真栈。
MoveIt 2 集成
规划与执行开箱即用，配合运动学 / 动态库自定义。
感知与导航
对接视觉、激光、IMU 等标准 ROS 2 驱动与 nav2。
数据格式对齐
ROS 2 bag 原生记录，直接落入 VLA / 策略训练管线。
多机协同
标准分布式通信，支撑数采中心多机器人并行采集。
示例与上手
示例包 + 快速上手文档，降低集成成本。
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。
应用场景
人形机器人
全身运动协调、步态稳定、力位混合控制。
具身操作（操作学习）
高频闭环、轨迹跟随、柔顺控制。
具身数据采集
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。
移动操作
移动底座 + 机械臂协同。
从采集到训练：控制器 = 数据生产设备
数据是具身智能的燃料。inexbot 具身控制器既是执行者，也是数据生产设备。
力控关节 + 导纳阻抗控制，让数据采集更柔顺、更安全，让人机协作更贴合真实操作。
开放给开发者
SDK / API
下载入口 + 文档站链接，快速接入二次开发。
机器人模型
JSON 配置文件定义；自定义运动学 / 动力学经动态库 (.so)。
快速上手
示例代码 + 上手文档，降低集成成本。
具身控制器的下一步
2026 → 2027 迭代方向：体现"小脑"在具身智能生态的持续投入， 呼应 1+1+N 战略 —— 具身是母体能力的延伸，不是另起炉灶。
