智慧街道智慧小脑解决方案 智慧街道 · 基层治理 Contents 目录 背景及设想 建设目标 应用系统 1 2 3 未来赋能 4 加入星球获取更多更全的数智化解决方案 传统街道 管理 维修养护 交通管理 经济管理 便民管理 活动组织 现状：在国家大力打 造智慧城市加速发展 的时期，传统的管理 经营模式已不能满足 城乡街道等政府单位 和谐的、持久的发展， 准治理 + 政务服务 + 指挥决 策 + 产业经济 1.3 顶层设计理念之思路框架 建设目标 应用系统 2 3 背景及设想 1 未来赋能 4 建立四大“慧系统” ，打造街道“智慧小脑。” 慧治理 慧服务 慧联动 慧经济 2.1 建设目标 精准治理 人员管理、 物的调度、 场所管理、 组织管理、 社会治安 矛排事件、 综合管控…… 公共联动 业务协同、 群防群治、 综治、公安、 文化娱乐、 法律咨询、 展销展览、 投融资…… 2.2 建设内容 互联网 电子政务外网 基层治理大数据中 心（数据仓库） 平安城市、雪亮工 程应用 智慧感知平台 基层治理云平台（智慧小脑） 基层治理云平台数据中心 区各委办局 数据库 上级 数据交换平台 互联网 数据交换平台 第三方数据库 （运营商、银行、医 院、车站等） 智能监 测 视频监 控 政务门户网站

02 建设理念 建设思 路 03 04 建设理念——仿生学智慧城市架构模型 16 视、听、触、嗅、味 人体五感 感知层 神经网络 网络层 互联网 物联网 通信网 大脑小脑 平台层 信息汇聚 应用聚 合 行为活动 应用层 信息处理 智能分 析 智慧城市的神经末梢 感控器 + 多样化传感网 +M2M 终 端 智慧城市的神经网络 IOT+CT 智慧城市的大脑 决策展示 建设思路——平台层 17 城市安全运行小脑 交通小脑 环保小脑 平安小脑 教育小脑 医疗小脑 城市数据大脑 消防小脑 统一整合数据平台 数据存储平台 数据交换平台 数据共享服务平台 养老小脑 园区小脑 政务小脑 商业小脑 。。。 城市大数据平台 城市大脑由一个个可独立运行、思考的“小脑”组成，再将各个“小脑”的数据在“大脑”里进行整合、存储、交 换、共 神经网络（传输层） 脑核（数据基础层） 皮质层（决策层） 小脑（执行层） 城市小脑 ~ 人工智能 算法决策 智慧管理 智慧决策 智慧城市 AI BI 城市数据小脑 建设思路——平台层 城市大数据平台 城市小脑建设应遵循“城市大脑”理念，打造建成一套完善的“感”“传”“知”“用”“控”城市小脑架 构。 末梢神经（感知层） 建设思路——平台层 19 城市大数据平台业务架构

面向具身智能的 大小脑模型协同算法研究及实践 盛律 | 软件学院 2025-08-23 1 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 Embodiment （本体扩展） Adapted from Jim Fan’s talk 7 具身模型的几种类型 大小脑协同 端到端 8 具身模型的最新进展：代表性新工作 端到端VLA (2024.10) 大小脑 hi robot (2025.02) 混合 (2025.04) 大脑-小脑 端到端VLA 端测SDK （2025.03） 具身大脑 端到端VLA 9 具身大模型离实用还有差距 2023及之前 ”的大脑大模型和 跨本体的大小脑协作框架， 实现跨本体、跨场景、可泛化的具身智能 10 模型能力弱, 未达到具身智能的 “ChatGPT时刻” 大脑、小脑、本体 适配难度高 一个模型只适用于 一种本体 本报告来源于三个皮匠报告站（www.sgpjbg.com）,由用户Id:349461下载,文档Id:908399,下载日期:2025-09-10 大小脑模型协同的技术路线仍有机会

□ 具身智能的组成部分 从整体来看，具身智能可以分为本体、大脑和小脑。 小脑 ● 运动控制 器 ● 动作大模 型 灵巧手 旋转关节 线性关节 大脑 ● Al 大模型 ● 控制系统 外部传感器 内部传感器 决策 感知 执 行 执行 本 体 脑也可以分为本地 脑和云 脑，也是快慢脑。 小脑 本体 M 大脑 ( 云端 ) M l 大脑 ( 本地 电池组 中央控制器 ( 大脑 ) 能源模块 充电模块 BMS 运动控制 ( 小脑 ) 5GL. 个部分，协同完成计算任务。 ■ 具身智能的核心技术 □ 具身智能的组成部分 小脑 ( 运动控制器 ) · 小脑，负责将决策转化为具体动作，也就是运动控制和动作生成。 · 这些主要通过运动控制算法、反馈控制系统来实现。我们可以把小脑理解为是将大脑的一部分功能给独立 出来，减少大脑的工作负荷。 · 小脑的关键技术包括模型预测控制 (MPC) 、力控与柔顺控制、实时响应优化等，技术实现难度同样很大。

。人脑由大脑、小脑、脑干以及间脑组成。其中大脑是人脑核心，其分为左右两个 大脑半球，二者由神经纤维构成的胼胝体相连。脑干又可分为中脑、脑桥及延髓三部分。 部位 位置 功能 大脑 又称为端脑，位 于脑的最上部， 占人脑总体积的 约85%，分为左 右两个半球 高级认知：负责思维、记忆、语言、决策、情感灯 复杂功能 感觉与运动：处理视觉、听觉、触觉等信息、并控 制自主运动 小脑 位于大脑后下方， 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 运动 语义理解、环境信息理解、动 作决策等 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑 运动协调：调节肌肉张力、协调精细动作（如穿鞋子、弹 琴等） 平衡与姿势：帮助维持身体平衡与空间定位 学习辅助：参与运动技能学习 动作学习模仿、复杂动作控制 等 机器人中央控制器，即现有的机器人 下丘脑：调节体温、饥渴、睡眠周期，并控制内分泌系统 电源管理、通信网关控制、执 行器控制器状态管理等 机器人各传感器，执行器，线束，网 关 人脑结构与机器人大脑对应关系 01 8 资料来源：浙商证券产业研究院 人脑的小脑在机器人中对应的主要是动作学习模仿训练以及复杂动作的控制。而在机器人行业中，目前通常被称为机器人“大脑”，这主要 是因为相对于工业机器人，具有“大脑”的人形机器人对复杂运动的学习掌握能力明显增强，

................................6 （二） 多模态模型算法赋能“大脑”层级进步 ...................................7 （三） 小脑模型算法迭代优化，实现拟人化运动控制..........................7 （四） “肢体”构筑机器人的“钢铁之躯”................................ %E6%99%AF%E9%AA%8C%E8%AF%81 来源：宇树科技官网.https://www.unitree.com/ 世界互联网大会智库合作计划系列成果 （三）小脑模型迭代优化，实现拟人化运动控制 1.“小脑”运动控制路线：基于模式和基于学习 （二）多模态模型算法赋能“大脑”层级进步 1.大模型是机器人“大脑”最为理想的选择 2.多模态大模型技术发展呈现多元路径共存的演进趋势 题。其四，多模态大模型路线，未来主导方向。如MIT与IBM的MultiPY， 融合视觉、触觉等3D环境特征，通过多视图关联构建以对象为中心的场 景表征，实现全维度环境感知与决策。 “小脑”运动控制是实现人形机器人自然流畅动作的关键，主要分为 基于模型和基于学习两类方法。前者通过建立运动学和动力学模型进行 规划控制，如ZMP、混杂零动态规划等算法，但开发复杂、成本高；后 者借助

且在心理上更容易被人接受，人形机器人被普遍认为是具身智能最理 想的应用形态。目前，人形机器人前沿技术百花齐放，形成了大小脑 分层控制和端到端一体化两条技术路线。 由于目前“大脑”受限于平台和数据尚无法形成人类大脑能力闭 环，大小脑分层路线是人形机器人较为主流的形式。通过基于成熟大 模型的“大脑”进行高层次的认知分析和决策，“小脑”进行功能性 的运动路径规划和平衡控制。在大脑方面，谷歌的“LLM（大语言模 型）+VFM（视觉基础模型）”SayCan 中的常识生成操控任务。在小脑方面，本田 Asimo 人形机器人采用传统的逻辑推理控制，能够完成各种复杂的行走功能 和人类肢体动作；Figure 在 OPEN AI 提供的大脑功能以外，打造了 完全端到端的运动控制系统；智元机器人采用云端超脑、大脑、小脑 等多层次架构，分别负责任务级、技能级和指令级的操作任务。 部分人形机器人头部厂商开展了端到端架构的探索。端到端架构 融合“大脑”和“小脑”功能，通过统一的神经网络，直接将任务目 机器人控制平台 拓斯达通过运动控制作为切口布局具身智能，推出“感-算-控” 一体化的新一代 X5 机器人控制平台并实现工业场景的应用。该平台 将作为运动控制物理引擎接入 AI 仿真系统，发挥着类似人体“小脑 及脊椎”的纽带作用，加速具身智能技术在工业场景中的应用。 新一代 X5 机器人控制平台作为拓斯达的自主研发成果，涵盖从 底层硬件到上层控制软件及核心算法的全方位技术链条。软件层面， 可依据

且在心理上更容易被人接受，人形机器人被普遍认为是具身智能最理 想的应用形态。目前，人形机器人前沿技术百花齐放，形成了大小脑 分层控制和端到端一体化两条技术路线。 由于目前“大脑”受限于平台和数据尚无法形成人类大脑能力闭 环，大小脑分层路线是人形机器人较为主流的形式。通过基于成熟大 模型的“大脑”进行高层次的认知分析和决策，“小脑”进行功能性 的运动路径规划和平衡控制。在大脑方面，谷歌的“LLM（大语言模 型）+VFM（视觉基础模型）”SayCan 中的常识生成操控任务。在小脑方面，本田 Asimo 人形机器人采用传统的逻辑推理控制，能够完成各种复杂的行走功能 和人类肢体动作；Figure 在 OPEN AI 提供的大脑功能以外，打造了 完全端到端的运动控制系统；智元机器人采用云端超脑、大脑、小脑 等多层次架构，分别负责任务级、技能级和指令级的操作任务。 部分人形机器人头部厂商开展了端到端架构的探索。端到端架构 融合“大脑”和“小脑”功能，通过统一的神经网络，直接将任务目 机器人控制平台 拓斯达通过运动控制作为切口布局具身智能，推出“感-算-控” 一体化的新一代 X5 机器人控制平台并实现工业场景的应用。该平台 将作为运动控制物理引擎接入 AI 仿真系统，发挥着类似人体“小脑 及脊椎”的纽带作用，加速具身智能技术在工业场景中的应用。 新一代 X5 机器人控制平台作为拓斯达的自主研发成果，涵盖从 底层硬件到上层控制软件及核心算法的全方位技术链条。软件层面， 可依据

智能制造专项、“人工智能+”行动）。 在产业演化方面，传统机器人到具身智能的产业演化反映了从 “自动化”到“智能化”的范式跃迁。传统机器人以硬件+固定编程为核 心，具身智能以软件智能（大脑、小脑）+硬件升级（结构优化）为 核心，让“软件定义硬件，硬件产品承载软件剩余价值”成为趋势。 7 图表 5：机器人智能化持续迭代升级 如今，全球具身智能产业链竞争呈现多极分化格局，各国在技术、 图表 7：“技术”变量：引发本轮具身智能产业链变革 技术创新，是引发本轮具身智能产业变革的直接变量。具体而言， 由具身智能的两条技术路线同时影响，一条是“人类智能”，深度研发 可泛化的大脑小脑、人形载体及世界模型，旨在最终实现通用应用； 另一条是“智能定界”，即以解决实际痛点为核心，通过正确界定痛点 问题边界、正确适配结构、正确设计容错操作，以及正确重构数据与 模型等，从运营、载体、AI 芯片等专精企业；在电池领域，特种场景（无人机、巡检机器人）对 高续航、抗极端环境电池的需求，推动细分领域出现隐形冠军；在灵 巧手领域，工业场景（3C 电子装配）对视触觉传感的需求，催生以 灵巧手+“大脑、小脑”为核心的具身智能体，填补了“工业级灵巧手” 的产业链空白。这种“场景细分→分工细化”的逻辑，使产业链从“大 而全”转向“专而精”，避免同质化竞争。 15 总结来看，应用作为直接变量的核心价值在于让产业从技术驱动

资料来源：中国信通院，宇树科技官网 人形机器人构成 从技术角度来看，人形机器人本体可分为“大脑”、“小脑”和“肢体”三部分，分别对应着决策交互 模块、运动控制模块和执行模块。 • “大脑”的核心为人工智能大模型技术，通过多模态大模型实现环境感知、任务规划与决策； • “小脑”通过强化学习与动力学模型协调关节运动，确保机器人的动态平衡和动作精准； • “肢体”（或称关节模组、执行器 件。灵巧手模仿人的手部，灵活且自由 度高。 1.基于人工智能大模型 2.实现环境感知、行为控制人机交互等任务级能力 3.可通过云边协同，提高智能水平 大 脑 “大脑” 任务级交互 “小脑” 全身运动控制 “肢体” 感知执行 1.控制人形机器人的运动 2.基于人工智能、自动控制、机器人操作系统（ROS）等技术 3.实现复杂环境下的运动控制 小 脑 1.实现高动态、高爆发、高精度运动 的装置。IMU的核心装置是陀螺仪和加速度计，部分IMU还包括磁力计。IMU可测量物体在三维空间中的 角速度和加速度，并以此计算出物体的姿态，是机器人保持平衡和稳定行走的关键传感器，相当于人的 小脑。根据精度的要求，IMU可分为战略级、导航级、战术级、消费级四个层级；按照技术路线分，可分 为MEMS、光纤、激光等；目前，MEMS技术在小型化、轻量化、易于批量化生产方面的优势尤为明显， 逐步