Expo 曲线（Exponential Curve，指数曲线）常用于遥控设备、游戏外设以及机器人控制中，用来改变摇杆（或输入设备）在不同位置时的灵敏度响应。

一、 Expo 曲线的核心作用
在没有开启 Expo（即线性响应，Expo = 0）时，摇杆的物理位置与输出成绝对的正比例关系（即打多少就是多少）。但在实际控制中，我们往往希望：

1. 中心区域更温和（减小灵敏度）：在摇杆靠近中立位置（中心附近）时，希望输出变化变慢。这样可以过滤掉微小的手抖或误操作，让微调更精准、手感更丝滑。
2. 两端行程保持全满（保留极限）：在摇杆打到最大位置（打死）时，输出依然能达到 100% 的最大行程，不损失整体的机动范围。

二、 常见数学模型
在大多数遥控系统（如 OpenTX / EdgeTX）或控制算法中，标准的 Expo 混合公式通常由线性项和三次项组合而成：

x：输入的物理摇杆位置（通常归一化到 -1到 1之间）。
y：输出给舵机或通道的响应值。
expo：指数调节系数（通常在 0 到 1之间，值越大，中心区越平缓）。

三、 Expo 曲线效果图
下图展示了不同 Expo 系数下的输入与输出响应对比（公式采用上述混合模型）：

曲线解读:
（1）蓝色直线（Expo = 0.0）：标准线性输出，输入与输出完全一致。
（2）黄色/绿色/红色曲线（Expo = 0.3 / 0.6 / 0.9）：
（3）中心附近（0 附近）：随着 Expo 值增大，曲线斜率变得非常平缓。这意味着当摇杆在中心附近轻微晃动时，输出的变化量极小，有效提升了中立点的稳定性。
（4）两端（±1 处）：所有的曲线最终都在 ± 1处汇聚。也就是说，虽然中间过程变缓了，但当摇杆彻底推到底（打死）时，系统依然能够输出满量程的控制量。