Reference · Company dossier
总部位于科罗拉多州博尔德的机器人操作软件公司，开源 MoveIt 框架的主要维护者，2026 年 9 月被高通收购，成为其"物理 AI"软件栈的一部分。[确认]
2015 年由 Dave Coleman 在博尔德创立，起因是业界需要人帮忙使用 MoveIt；Coleman 曾是 Willow Garage 的运动规划实习生，后获 CU Boulder 博士。[确认] 2024 年 8 月 Dave Grant 出任 CEO，创始人 Coleman 转任首席产品官。[确认] 团队规模未披露，第三方口径约 44–51 人。[推测]
2023 年 10 月完成 200 万美元 pre-seed，投资方为 Stellar Ventures 与 Cypress Growth Capital。[确认] 通过 NASA SBIR、Space Force、DoD 累计获得逾 900 万美元联邦经费；2020 年获科罗拉多州 AII 项目 24.84 万美元资助。[确认] 2026 年 9 月 23 日，高通在 ROSCon Toronto 宣布收购 PickNik，金额未披露，交易待惯例交割条件。[确认] 此前无大额风险融资，收入主要来自软件许可与工程服务。[推测]
开源侧：MoveIt 1/2，累计 560 多名贡献者、40 个仓库、6,700 GitHub stars、4,400 forks，两篇主论文被引 1,700 余次。[确认] 商业侧：MoveIt Pro（600+ 预置行为、行为树、数字孪生、VLA/VLM 集成、硬件无关）与 MoveIt Pro Core（实时 C++/Python 操作库）。[确认] 服务包括数字孪生原型、应用开发、ROS 驱动开发与培训。[确认] 落地行业覆盖航天、复杂制造、仓储拣选、商业清洁与远程操作。[确认]
技术栈围绕 MoveIt 展开，分为核心库、运行时、应用层三层。核心库是 MoveIt 2，入口是 move_group 节点，它从节点参数读取 URDF 与 SRDF，加载运动学、碰撞检测、规划管线与执行模块，对外提供规划、执行与查询的动作接口。[确认] 规划场景维护机器人状态、环境障碍与附着物体，碰撞检测用 FCL 或 Bullet，逆解可选 KDL、pick_ik 或 TRAC-IK，规划器可选 OMPL 的采样式算法与 Pilz 的确定性算法。轨迹经 FollowJointTrajectory 动作交给 ros2_control 的控制器执行。
运行时层包含 Servo 与 Task Constructor。Servo 以高频接收目标位姿或速度指令，做碰撞检查、奇异点规避与关节限位约束，输出平滑的速度指令，用于遥操作、视觉伺服与力控装配。[确认] Task Constructor 把抓取、搬运、放置拆成阶段，每个阶段带自己的规划器与约束，解决单一规划器难以处理的长流程。MoveIt Pro 在这些库之上提供行为树运行时，把应用表示成 Objective，节点是预置的 Behavior，覆盖运动、感知、抓取、工具操作与错误恢复。[确认]
应用层是面向交付的工具。行为树编辑器让工程师拖拽组合节点，数字孪生把真实机器人与仿真环境同步，用于离线验证与节拍调试；MoveIt Pro Core 提供实时 C++ 与 Python 接口，供需要嵌入自有系统的客户调用。[确认] 数据从传感器进入规划场景，规划器输出轨迹，控制器驱动关节，行为树负责在失败时重试或切换分支。整套栈的边界清晰，多数层可以被客户替换。
感知以插件方式接入，上游不绑定特定传感器。点云经 Octomap 转成八叉树占据网格，深度图与 RGB 图进入规划场景的碰撞对象，手眼标定把相机坐标变换到机器人基座。物体位姿可由外部视觉系统给出，也可由学习模型预测，MoveIt 只消费结果。[确认] 这种设计让集成商按场景选择相机与算法，代价是感知质量取决于第三方，上游无法保证。
环境理解的核心是碰撞世界。规划场景区分已知障碍、传感器实时更新的障碍与附着在手上的物体，规划时把机器人扫掠体积与这些几何体做相交测试。数字孪生进一步把现场点云与设备模型叠加，让工程师在离线环境里检查可达性、碰撞与节拍。[确认] 这套表示适合结构化工业场景，对可变形物体、透明物体与高反光表面的描述能力有限。
失败模式集中在标定与动态性。手眼标定偏差会让抓取点偏移，规划出的轨迹在仿真里无碰撞，到现场却擦到料框；点云噪声会让障碍物膨胀，规划器找不到可行路径；人员或叉车进入工作区时，规划场景更新滞后，机器人按旧场景执行。客户通常用安全围栏、光幕与区域扫描仪做最后一道防护，感知层承担的是效率，安全由独立的防护设备负责。
规划提供两条路线。采样式规划用 OMPL 的 RRT 类算法在高维空间搜索，适合复杂构型与避障；确定性规划用 Pilz 的直线、点到点、圆弧指令，轨迹可预测、节拍稳定，适合焊接、涂胶、码垛这类工艺。[确认] 两条路线共用碰撞检测与时间参数化，工程师按任务选择。抓取规划可由 MoveIt 的 grasp 生成器完成，也可接入外部模型输出候选位姿，再由 MoveIt 做可达性与碰撞筛选。
控制层分工明确。规划器输出关节轨迹，时间参数化把轨迹转成带速度与加速度限制的采样点，控制器按周期跟踪；Servo 绕过完整规划，直接把目标位姿转成关节速度，用于需要人手引导或视觉反馈的场景。[确认] 行为树负责流程控制：先检测物体，失败则移动到备用位姿；抓取失败则重新规划；工具未到位则报警并等待。节点返回成功、失败或运行中，控制节点按状态切换。
替代方案是厂商自研规划器，或采用 GPU 加速的商业规划库，前者掌握代码，后者追求节拍。失败模式在边界条件下出现。狭窄空间里采样规划器可能反复失败，需要人工示教或改用确定性路径；逆解在接近奇异点时抖动，Servo 会降速或停止；抓取点偏差导致滑移，力传感器缺失时无法察觉；行为树的重试分支设计不当会陷入循环，表现为机器人反复执行同一动作。这些问题的排查依赖日志、可视化与现场经验。
技术路线是混合 AI。学习模型承担物体检测、抓取位姿生成与任务选择，确定性规划承担运动生成与碰撞校验；模型输出必须先通过可达性、碰撞与关节限位检查，才会被执行。[确认] 这种分工让系统在引入学习能力的同时保留可解释的失败路径，适合航天、汽车与半导体设备这类要求可追溯的场景。
数据来自客户现场与仿真。数字孪生生成带标注的合成数据，现场采集失败案例与人工纠正，团队用这些数据调整抓取模型与行为参数。[推测] 公司没有自研的大规模基础模型，VLA 与 VLM 通过接口集成，模型能力依赖合作伙伴。数据资产规模远小于基础模型公司，价值在于行业特定的失败样本与工艺参数。
验证边界在仿真与现场之间。仿真能验证运动学、碰撞与节拍，难以复现线缆柔性、工件公差与夹具磨损；学习模型的输出在仿真里通过检查，现场仍可能因光照或材质失败。航天客户的要求更严，验证包含热真空、辐射与通信延迟，地面测试通过不等于在轨可靠。[推测]
公司是纯软件企业，硬件由合作厂商制造。运行平台是客户的工控机或 GPU 模块，操作系统以 Ubuntu 为主，实时性依赖内核补丁与 CPU 隔离；机械臂、夹爪、相机与力传感器来自第三方，MoveIt 通过 ROS 2 驱动接口适配。[推测] 这种定位让公司避免重资产，也让产品性能受制于客户选型。
被高通收购后，硬件相关性上升。高通的 Dragonwing 平台面向机器人与工业边缘计算，MoveIt Pro 的运行时可以针对该平台优化，销售渠道也与该平台绑定。[确认] 对客户而言，这意味着更低的集成成本与更明确的算力路线；对其他芯片厂商而言，MoveIt 的中立性变得可疑，采用时会评估是否被绑定。
供应链风险转移到客户与母公司。ROS 2 发行版的支持周期、GPU 模块的交期、实时内核的兼容性都会影响项目进度；公司自身没有产能约束，人力是主要瓶颈。被收购后，研发资源由高通分配，开源维护的优先级取决于母公司的战略，社区对此高度敏感。[推测]
开源是获客入口。MoveIt 2 以 BSD 许可发布，累计五百余名贡献者、数十个仓库，两篇主论文被引用超过一千七百次；高校课程、教程与示例让新团队在数周内完成机械臂接入。[确认] 商业产品 MoveIt Pro 以软件许可加工程服务收费，定价不公开，销售统一走联系销售流程；被收购后销售入口转到高通站点。[确认]
接口分三层。C++ 与 Python API 供算法团队调用规划、碰撞与执行；行为树 XML 供应用团队描述流程，节点参数通过端口传递；ROS 2 话题、服务与动作供外部系统集成。数字孪生提供可视化与离线调试，仿真接口支持 Gazebo 与 Isaac Sim。[确认] 这些接口让 MoveIt Pro 能嵌入客户的整机软件，客户的应用资产因此以行为树与配置文件的形式存在。
迁移成本中等。换掉规划库需要重写调用代码与参数，行为树与 Objective 可以导出但节点语义依赖 MoveIt Pro 的运行时；换硬件需要重新标定与验证，驱动适配的工作量取决于厂商支持。开源版本可以自由分叉，商业版本的功能与支持构成付费理由。被收购后，客户还要评估高通的长期承诺。
流程能力成立。十五年维护开源框架、在航天与汽车项目里做验证所积累的工程规范，包含规划器调参、碰撞模型简化、实时性调优与故障排查，这些知识难以从文档获得[推测]。
转换成本成立。客户的行为树、Objective、标定参数与工艺配置围绕 MoveIt Pro 构建，换平台要重做流程与验证；开源用户换到商业版容易，商业用户退回开源版本则失去支持与预置行为[推测]。
品牌成立。MoveIt 是机械臂运动规划的事实标准，招标文件与论文直接引用，招聘市场也以其为技能标签[推测]。
网络经济成立。贡献者越多，驱动与示例越全，新用户越容易上手；教程与课程的积累又反过来扩大采用面[确认]。
规模经济弱。收入随项目人力线性增长，边际成本下降有限，许可模式没有形成按装机量摊薄的结构[推测]。
独占资源有限。核心算法来自学术界，规划器与碰撞库都是开源实现，专利没有构成障碍；真正的差异在集成质量与行业验证记录[推测]。
反定位不成立。开源 MoveIt 已经把规划层的价格压到零，Pro 版靠行为树与支持收费，竞争对手可以用同样的开源加服务模式进入，没有需要放弃现有业务才能模仿的结构。被高通收购后，壁垒的一部分转化为母公司的芯片分发能力：软件可以随参考设计进入客户项目，触达范围扩大，中立性削弱。
第一条可证伪条件在治理。观察窗口 18 个月，指标是上游提交者数量、分叉项目的活跃度、非高通平台的客户流失率；若非高通平台客户流失超过三成，或上游提交者减少一半，机器人厂商转向上游 MoveIt 自建，结论应改为"高通生态内的专属软件"。
第二条在竞争技术。观察窗口 12 个月，指标是客户基准测试中的规划耗时、GPU 方案的设计导入数量与 MoveIt Pro 的续费率；若 NVIDIA 的 Isaac Manipulator 与 CuMotion 把规划与碰撞检查提速一个量级并免费提供抓取能力，规划层被商品化，结论应改为"行为树与支持服务商"。
第三条在客户自研。观察窗口 24 个月，指标是新增付费客户数、单客户许可规模与服务收入占比；若新增付费客户年增低于一成，中大型厂商用开源 MoveIt 加自研行为树达到同等交付能力，结论应改为"项目制工程服务"。
技术层面还有一条边界：MoveIt 的强项是结构化环境中的刚体操作，面对可变形物体、透明物体与高动态环境，感知与规划都需要外部能力补齐。观察窗口 24 个月，指标是这类项目中 MoveIt Pro 的中标比例；若低于两成，可服务市场限于刚体结构化场景。
直销为主，定价不公开、统一"联系销售"；MoveIt 免费形成开发者漏斗，再转化为 Pro 许可与服务。[确认] 被收购后销售邮箱已转为 qti.qualcomm.com，渠道将与高通 Dragonwing 平台绑定。[确认] 收入规模未披露。[未获取]
直接对手包括 Realtime Robotics（运动规划）、Mujin（拣选）、NVIDIA Isaac Manipulator/CuMotion（GPU 加速规划与基础模型）以及 MathWorks；更大威胁来自机器人厂商自研与 MoveIt 自身的免费替代。[推测] 高通入主后，其他芯片与本体厂商对其中立性可能存疑。[推测]
风险：体量小、许可加服务模式难规模化；被并购后开源治理与商业路线受高通影响；MoveIt 社区对"厂商中立"高度敏感。[推测] 结论：PickNik 作为独立公司的窗口已关闭，但 MoveIt 生态是长期资产，其价值将体现在高通机器人软件栈的渗透率，而非单独营收。[推测]
Philosophy sword
融合主轴尚未定义。这里将放：一句话定性、三线状态、三项判定与反证条件。
预留位 · 不参与当前分析