看人形机器人技术岗位时，经常会碰到三个词：感知、规划、控制。

这三个方向看起来都属于机器人算法，但实际解决的是完全不同的问题。也正因为如此，企业招聘时经常出现一种情况：JD都写着“机器人算法工程师”，真正要找的人却完全不是一个人才池。

最简单的理解是：感知解决现在发生了什么，规划解决接下来应该怎么做，控制解决怎么把这个动作真正做出来。如果把一台人形机器人完成“走到桌边，拿起桌上的矿泉水”拆开，整个技术链条就会清晰很多。

模块	核心问题	典型技术
感知 Perception	我在哪？周围有什么？目标在哪？	视觉、3D感知、SLAM、目标检测、Pose、多传感器融合
规划 Planning	我要怎么过去？怎么伸手？怎么抓？	路径规划、运动规划、轨迹优化、Task Planning
控制 Control	每个关节具体怎么动？怎么保持平衡？	PID、MPC、WBC、动力学、力控、强化学习
执行 Actuation	如何真正产生运动和力？	电机、驱动器、减速器、编码器、关节模组

真正的人形机器人系统，就是这些模块不断闭环。

一、感知：先让机器人知道“这个世界现在是什么样”

人类拿水之前，会先看桌子在哪里、水瓶在哪里、距离自己有多远。

机器人也一样。摄像头、深度相机、激光雷达、IMU、编码器、力/扭矩传感器、触觉传感器等，本质上都是机器人获取信息的入口。

但传感器≠感知。传感器只是产生原始数据，感知算法需要把这些数据转化成机器人能够使用的信息。

例如相机看到一张RGB图像，机器人真正需要知道的可能是：这是一个水瓶 → 水瓶位于空间中的某个位置 → 当前姿态是多少 → 周围有没有障碍物 → 哪个区域适合抓取。

因此，机器人感知实际上包含很多不同方向。

视觉感知负责目标检测、分割、识别；3D视觉负责点云、深度、6D Pose；SLAM负责定位与建图；状态估计则需要融合IMU、编码器等信息，判断机器人自身的姿态和运动状态。

到了人形机器人阶段，触觉的重要性也在提高。

例如灵巧手抓一个纸杯，视觉可以告诉机器人“杯子在哪里”，但接触之后还需要判断：碰到了没有？用了多大的力？杯子是不是开始滑了？

这时候就需要力觉和触觉。以感知的本质并不是“装几个摄像头”，而是：把真实世界转换成机器人能够理解和计算的状态。

---

二、规划：机器人知道目标以后，下一步应该怎么办？

感知完成以后，机器人已经知道：“桌子在那里，水瓶在桌子右侧。”但它还是不能直接行动。

因为从当前位置到拿到水瓶，中间存在大量可能的动作。机器人应该从桌子左边走还是右边走？哪条路径不会撞到椅子？走到桌边以后右手应该从什么方向接近？机械臂应该经过哪些姿态？抓住以后怎么把水瓶拿起来？这些问题就属于规划。

规划本身又可以分成不同层级。

例如：任务规划：

去桌边 → 找到水瓶 → 伸手 → 抓取 → 拿起来。

再往下是路径和运动规划：

身体从哪里走？机械臂从哪条轨迹过去？哪些姿态不会发生碰撞？

再往下可能进一步生成连续的轨迹和运动目标。

因此规划解决的不是：“机器人现在在哪里？”

而是：“机器人应该通过什么方式，从现在这个状态到达目标状态？”

这也是为什么机器人规划岗位经常出现A*、RRT/RRT*、轨迹优化、Motion Planning、MoveIt、碰撞检测、运动学和动力学等关键词。

对于机械臂和人形机器人来说，规划难度还会进一步提高。

因为自由度越高，机器人能够选择的动作组合就越多，搜索空间也会迅速变大。

---

三、控制：规划说抬腿，控制必须保证机器人真的抬得起来

这是最容易和规划混淆的一层。可以用一句很简单的话理解：规划负责“动作应该是什么样”，控制负责“机器人实际动作尽可能变成那个样”。例如规划系统已经生成了一条手臂运动轨迹。

理论上机械臂应该：从A点 → B点 → C点。

但真实机器人存在重量、惯性、摩擦、关节间隙、外部扰动、通信延迟以及电机性能边界。

机器人不会因为计算机告诉它“去B点”，就自动准确到达B点。

这时候就需要控制系统不断计算：目标状态是多少 → 实际状态是多少 → 两者相差多少 → 应该输出多大的控制量。

然后不断调整。这就是典型的闭环控制。在人形机器人中，控制会涉及PID、MPC、WBC、阻抗控制、导纳控制、力控制以及强化学习控制等大量技术。尤其是双足人形机器人。

走路时它不是单独控制一条腿，而是需要同时处理腿、腰、手臂以及身体姿态。

这也是WBC——Whole-Body Control，全身控制——重要的原因。

它需要协调机器人多个自由度，在完成运动任务的同时维持平衡、满足接触约束和动力学约束。

所以运动控制人才在机器人行业一直非常难招。

因为论文里把算法跑出来是一回事，面对真实机器人的IMU噪声、关节摩擦、通信延迟、执行器误差还能把机器人调稳定，是另外一种能力。

---

四、感知、规划、控制是怎么连起来的？

我们继续用“机器人拿水”这个任务。

第一步：感知

机器人通过摄像头发现：前方2米有桌子，桌上存在一个水瓶。

同时通过自身传感器知道自己的位置和身体姿态。

第二步：规划

系统决定：向前走 → 到桌子右侧 → 抬右手 → 从侧面接近水瓶 → 张开灵巧手 → 抓取。

第三步：控制

WBC、关节控制以及底层电机控制开始执行。机器人需要协调髋、膝、踝保持身体平衡，同时控制肩、肘、腕和手指完成抓取。

第四步：重新感知

机器人发现：手离水瓶还有3cm。重新规划/调整，继续控制。因此真实机器人不是：感知 → 规划 → 控制 → 结束。而是：感知 → 规划 → 控制 → 再感知 → 再规划/调整 → 再控制……整个过程不断循环。这就是机器人非常重要的闭环。

---

五、VLA出现以后，感知、规划、控制会不会消失？

这是现在具身智能行业特别值得讨论的问题。

传统机器人系统通常模块划分比较明显：Perception → Planning → Control

每个模块由不同算法负责。

但VLA正在尝试另外一种路线：

视觉 + 语言 + 本体状态 → Action

例如机器人看到桌上的苹果，同时收到：

“把红色苹果放进篮子。”

VLA模型可以结合视觉、语言和机器人状态直接预测Action或者Action Chunk。

于是传统系统中“视觉理解—任务规划—动作生成”之间的边界开始变得模糊。

但这里特别容易产生一个误区：

VLA并不等于底层控制消失。

模型即使输出机械臂末端位姿变化、关节目标或者Action Chunk，真实机器人下面通常仍然需要IK、轨迹插值、安全约束、实时控制、电机驱动等系统负责真正执行。

所以更准确的理解应该是：

AI正在重新划分感知和高层规划/策略之间的边界，但真实机器人最终仍然必须面对物理世界。

机器人不是生成一个Token就结束了。

最后一定要让几十个真实关节动起来。

---

六、从机器人猎头角度看，这三个岗位的人才画像完全不同

这也是HR特别需要注意的一点。

招聘方向	更关注什么
感知算法	CV、3D视觉、点云、Pose、SLAM、传感器融合
规划算法	Motion Planning、轨迹优化、搜索算法、运动学/动力学
运动控制	WBC、MPC、动力学、状态估计、力控、RL
VLA/机器人学习	VLM、IL/RL、Policy、机器人数据、真机部署
底层控制	PMSM、FOC、实时控制、驱动器、关节控制

所以企业说：“我们想招一个机器人算法工程师。”这个需求其实基本等于什么都没说。

猎头真正开始寻访之前，至少要继续确认：这个人解决的是机器人怎么看、怎么想，还是怎么动？

即便是“怎么动”，还要继续区分运动规划、WBC、强化学习运控和底层关节控制。

这些人才之间存在交叉，但绝对不能简单混成一个人才池。

---

从人才市场来看，我反而越来越关注跨层能力

人形机器人真正困难的地方，是它最后必须形成完整系统。

于是一个非常有意思的人才趋势开始出现：单点专家依然重要，但能够理解上下游的人越来越值钱。

做感知的人如果理解机器人操作，会知道自己的Pose误差最终怎样影响抓取；做规划的人如果理解控制，会知道什么样的轨迹在数学上可行、在真实机器人上却根本跑不好；做控制的人如果理解执行器，会知道机器人抖动究竟来自控制参数还是关节本身。

到了VLA和机器人学习阶段，这种交叉更加明显。

所以从机器人猎头的角度，我认为未来真正稀缺的并不只是“感知专家”“规划专家”或者“控制专家”。

而是两种人：一种是在某一层真正做到足够深的人；另一种是能够跨越感知—规划—控制边界，把机器人真正跑起来的人。

这也是理解人形机器人技术岗位非常实用的一条主线：感知让机器人理解世界，规划让机器人决定怎么行动，控制让机器人把计划变成真实运动。而一家机器人公司的真正技术能力，就藏在这三层之间的连接处。