3月31日，在江苏省具身智能机器人产业联盟第五次理事会上，MCT毫厘智能成功当选联盟理事单位。

这不仅是一次行业身份的升级，更意味着MCT正以更积极的姿态，深度参与具身智能产业协同与生态共建。

江苏省具身智能机器人产业联盟是在江苏省工信厅业务指导下成立的产业协同组织，汇聚省内外具身智能机器人领域骨干企业、高等院校、科研机构及相关单位，致力于推动产业资源整合、技术创新与成果转化。此次成功当选联盟理事单位，既体现了行业对MCT现阶段技术能力与产业位置的认可，也意味着公司将以更主动的姿态参与区域生态建设。

对于MCT而言，这既是对产业趋势的主动回应，也是公司核心能力在具身智能场景中的持续落地。作为一家专注于姿态感知与绝对定位的创新企业，MCT长期坚持“数据驱动，软硬结合”的核心战略，在芯片、模组、算法、多源融合等方向持续深耕。随着人形机器人、机器狗、工业机器人等具身智能载体加速演进，机器人对运动控制、空间感知、稳定交互与持续学习能力提出了更高要求，而这些能力的背后，离不开可靠的姿态感知、精确定位与高质量数据闭环。

这也正是MCT持续深化具身智能产业布局的核心基础。

从姿态感知、绝对定位到数据闭环，MCT始终聚焦的，都是空间智能时代最底层、最关键、也最具壁垒的基础能力。

围绕具身智能核心基础层，MCT的两条关键布局正加速落地

与许多从单一软件、单一算法或单一硬件切入具身智能赛道的企业不同，MCT的布局更聚焦于机器人规模化落地所必需的关键基础层：一端是决定机器人“能否稳定感知和控制”的姿态感知与定位底座，另一端是决定机器人“能否持续学习和快速迭代”的数据闭环基础设施。

这不仅构成了MCT在具身智能方向的差异化路径，也意味着公司围绕空间智能底层能力的长期布局正进入关键落地阶段。

一、面向机器人本体的姿态感知与定位底座

围绕人形机器人、机器狗、工业机器人等场景，MCT已形成以 MOJANDA、SUMACO、REVENTADOR 为核心的产品与技术布局，持续强化机器人在复杂环境下的姿态感知、运动控制与定位能力。

对于具身智能而言，感知能力的关键不只是“能测到”，更关键的是能否在动态、复杂、非结构化环境中保持长期稳定、实时可信的输出，并真正支撑工程化验证与规模化落地。依托在IMU模组、组合导航与多传感器融合方面的积累，MCT能够在小型化、高集成、量产适配、抗干扰、抑震动、自适应温漂等方向形成差异化优势，推动机器人从单点惯性测量走向更高可靠性的系统级感知能力。

这也是MCT在具身智能方向形成差异化优势的重要原因——公司长期积累的高可靠感知与工程化能力，与具身智能关键基础层需求高度契合。

更重要的是，这一布局已进入实质性兑现阶段。

目前，相关产品已完成向多家头部机器人客户的送样，并实现批量出货。

二、面向行业的数据采集与训练基础设施

除了本体感知层面的布局，MCT也在积极构建面向具身智能行业的数据基础设施能力。围绕数据采集、自动处理、智能标注、模型训练与部署，公司正逐步形成从前端穿戴式采集设备，到数据中台，再到智算平台的完整链路。

如果说感知与定位决定了机器人如何理解自身与环境，那么数据闭环决定的，则是机器人如何持续学习、持续优化、持续进化。对具身智能产业而言，真正的竞争并不只在某一个模型或某一个部件，而在于能否形成从真实世界数据获取、到高效处理、再到训练与部署落地的完整闭环。

以 Moti Sense、Moti Studio、Moti Brain 为代表，MCT正在打通从“物理世界穿戴”到“机器人数据闭环”的关键路径，探索具身智能从感知输入到模型输出、从单点产品到系统能力的完整底座。

这条路径的独特之处在于，MCT并不是从纯软件或纯平台角度切入，而是将前端感知能力、数据理解能力与后端训练部署能力放在同一体系中协同构建。这使公司在具身智能迈向规模化应用的过程中，更有机会形成从底层感知到持续迭代的系统级优势。

从当选理事单位到参与生态，MCT正在走向更深层次的产业角色

当前，具身智能产业正从概念热度走向工程化验证、场景化落地与生态化协同。谁能在关键基础层建立优势，谁就更有机会在新一轮产业竞争中完成卡位。

此次当选联盟理事单位后，MCT将继续依托自身在姿态感知、绝对定位、组合导航与多源融合方面的技术积累，加强与产业链上下游伙伴的协同合作，推动关键能力在更多机器人场景中落地应用。与此同时，未来公司也将积极参与并推动江苏省空间机器人组合导航地方标准的制定与推广工作，为产业规范化、体系化发展贡献力量。

这既是身份的升级，也是责任的升级。它意味着MCT不再只是提供单点技术，而是开始以更主动的姿态参与生态建设、标准建设与产业协同。

面向未来，MCT已在路上

从核心器件到系统能力，从姿态感知到数据闭环，MCT毫厘智能面向具身智能的产业布局正加速推进。

未来，公司将继续坚持“数据驱动，软硬结合”，持续夯实从芯片、模组、算法到数据平台的核心能力，加快面向具身智能场景的产品推进、标准参与与产业协同，努力成为具身智能时代值得信赖的关键基础能力提供者。

具身智能的大幕已经拉开。

顺势而为，是基于长期积累的主动卡位；跟进热点，是面向产业前沿的加速落子。

从布局到落地，从能力到兑现，MCT毫厘智能正在具身智能时代加速走向产业前沿。

一、当温度成为“隐形的误差”

在理想状态下，IMU 测得的角速度与加速度应该与真实运动一致。

但现实中，只要温度发生变化，敏感元件的特性就会改变——

晶体的应力、焊点的膨胀、放大电路的漂移，

都会让原本的测量值“微微偏离”。

这种偏离不会让你立刻察觉，

但当车行驶几公里、机器人运转几分钟，误差就会逐渐积累。

温度漂移（Temperature Drift）

正是让惯性导航系统“看似稳，却悄然失准”的根源之一。

二、标度因子：每一度倾斜都要精确计算

除了温漂，还有一个隐藏的关键——标度因子（Scale Factor）。

它定义了传感器输出值与真实物理量之间的比例关系。

想象你拿着一把“稍微伸缩”的尺子去量距离：

每一段都只差一点点，但量得越多，误差越大。

在 IMU 中，这种比例偏差同样存在。 一个理想的加速度计输出应该是线性的， 但现实中，因电路、机械结构、老化等因素， 其响应曲线往往会轻微弯曲或失真。 这就需要通过标度因子校正， 让 IMU 的“刻度尺”重新回归标准。

三、建模的艺术：把混乱变成可预测

SUMACO 系列 IMU 采用自研误差建模体系，将温漂与标度因子综合校正。

核心方法是：

1. 多温标定：在 -40℃～85℃ 范围内记录传感器响应；
2. 参数拟合：建立温度与输出的误差模型；
3. 在线补偿：运行时动态读取温度，调用模型进行实时修正。

这一过程就像给传感器装上“大脑”——

它知道自己在变热或变冷时会出什么错，并主动抵消。

这种建模方法不仅适用于单台设备，

还可通过生产数据分析，逐步优化整个批次的系数模板，

让“稳定”成为可批量生产的结果。

四、可控的误差，才是可靠的系统

在车规级的语境下，IMU 不追求“零误差”， 而追求可控误差（Controllable Error）。 真正的稳定来自对误差的理解、建模与管理。 因此，SUMACO 把误差当作一种可被塑造的特性， 而不是必须掩盖的缺陷。

在出厂测试中，每一颗 SUMACO IMU 都经历：

• 多温度闭环验证；
• 动态标度因子测试；
• 数据拟合残差评估； 确保最终输出在所有温区、所有动态场景下， 都能保持一致的特性。

这也是“车规级”的核心含义之一——

不是比谁更灵敏，而是比谁更可预期。

五、稳定性，是建立在理解之上的

当系统知道自己在什么情况下会“犯错”，

它就更接近于真正的智能。

SUMACO 的温漂与标度因子模型，

让这种智能有了“物理的基础”。

从硬件到算法，从数据到模型，

稳定性不再只是产品特性，

而是对世界变化的理解能力。

因为唯有理解变化，

才能在变化中保持恒定——

这正是车规级 IMU 的价值所在。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。 我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略， 开发并提供全面的姿态感知与绝对定位软硬件解决方案， 服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。 公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术， 结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑， 持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

M1K-207S

车规级双频高精度定位模组

Automotive-grade Dual-band High-Precision Positioning Module

成熟标准方案，集成双频高精度与完好性算法，接入更稳，导入更快。

A mature standard solution integrating dual-frequency high precision and integrity algorithms—for more stable integration and faster deployment.

一、从“静止信号”中听出噪声的节奏

如果把 IMU 想象成一个“倾听世界的耳朵”，

那么 Allan 方差（Allan Variance）就是帮它识别自己听到的杂音。

在实验室里，工程师常让 IMU 静止工作数小时或数天——

不是为了看它“动得多准”，而是为了听它“静得多稳”。

IMU 输出的每一点数据中，都包含了噪声：有快有慢，有轻有重。

Allan 方差通过把时间拉长、再压缩，去观察误差如何随时间变化。

它不关心“此刻的误差”，而关心“误差的节奏”。

二、Allan 方差到底是什么？

Allan 方差是一种统计工具，用于区分不同类型的随机噪声。

它通过计算相邻时间段平均值的方差，分析信号随时间的波动特性。

可以简单理解：

• 如果误差变化得很快，它可能是随机游走（Random Walk）；
• 如果误差变化缓慢但稳定，它可能是零偏漂移（Bias Drift）。

因此 Allan 方差的横轴是时间间隔 τ（tau），

纵轴是方差 σ(τ)。

不同噪声类型在曲线上的斜率不同，就像声音谱中的频率特征，

每种噪声都有自己的“声纹”。

三、从曲线中读出“噪声的家谱”

在 Allan 偏差曲线中，不同噪声类型通常呈现不同斜率特征：

• 角随机游走（ARW）：反映传感器短时白噪声主导下的随机抖动，对应斜率 -1/2；
• 零偏稳定性（Bias Stability）：反映零偏在中长期内的稳定程度，通常对应曲线的最低点附近或近似平坦区；
• 速率随机游走（RRW）：反映长期漂移累积趋势，对应斜率 +1/2。

对工程师而言，这张曲线就像 IMU 的“指纹”——

你可以从中看到它的天赋（传感噪声水平）、性格（漂移特征），

甚至判断它在不同环境下的表现。

四、为什么它对“车规级”至关重要

对于车规级 IMU，稳定性不是抽象的概念，而是要能被量化与复现。

Allan 方差让这种“稳定”有了客观标准：

• 它能评估不同批次器件的一致性；
• 能量化算法补偿的效果；
• 能判断温度、振动等环境因素对精度的影响。

在 SUMACO 的生产体系中，Allan 方差不仅是测试工具，

更是产品定义与质量控制的依据。

每一颗 SUMACO MA 系列模组在出厂前都需通过 Allan 方差评估，

确保噪声谱型与设定标准一致——这就是“可追溯的稳”。

五、在时间中建立信任

Allan 方差的意义，不止是识别噪声，而是理解时间的稳定性。

它告诉我们：稳定不是瞬间，而是长期积累的秩序。

正如驾驶员信任导航的连续，IMU 的“稳”也来自这种对时间的坚守。

在每一条 Allan 曲线的背后，是无数次测量与标定的努力——

让每一台车、每一个机器人，都能在时间的噪声中，

依然保持清晰的方向感。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。 我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略， 开发并提供全面的姿态感知与绝对定位软硬件解决方案， 服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。 公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术， 结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑， 持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

M1K-307S

车规级三频高精度定位模组

Automotive-grade Triple-band High-Precision Positioning Module

高可靠、低功耗、全系统三频，RTK 一体集成，车规级高精输入一步到位。 High reliability, low power, and full-constellation triple-band support—with integrated RTK for automotive-grade high-precision input, all in one.

近日，MCT 毫厘智能 CEO Alex 接受常州电视台专访，分享公司在空间智能领域的探索、积累与实践。

镜头记录下的，不只是一次采访，更是 MCT 持续成长的一个切面。

由远及近，直至毫厘。

理想正在实现，承诺正在兑现。

一、从“抖动”到“稳定”：什么是 IMU 的“稳”

在自动驾驶系统中，IMU（惯性测量单元）是“姿态感知”的核心器官。

它由陀螺仪和加速度计组成，能实时测量载体的角速度和线加速度。

但 IMU 并不完美，它像一个时刻在倾听的传感器——

任何微小的噪声、温度变化、机械震动，都会让它“听错”。

于是，“稳”成为衡量 IMU 的第一标准。 但“稳”并非静止，而是意味着输出误差的可控性。

真正的车规级 IMU，不是让波动消失，而是让每一次波动都可预测、可建模、可补偿。

这正是 SUMACO 系列的出发点：让“稳定”成为算法可依赖的常量。

二、误差的根源：漂移与噪声

IMU 的输出误差主要来自两类因素：

1. 确定性误差（Systematic Error） —— 来源于器件制造偏差、标度因子失准、零偏及温度特性变化等系统性因素；
2. 随机性误差（Random Error） —— 来源于传感器噪声、外界扰动及随机漂移等非确定性因素。

系统性误差可通过标定校正； 而随机噪声则需要从时间维度建模。

在 IMU 的专业测试中，工程师常用一种方法来识别噪声特征—— Allan 方差分析（Allan Variance Analysis）。

这就像在听音乐时识别“底噪”的节奏，通过时间间隔分析来辨别噪声类型。

三、温度的挑战：热噪声如何影响“稳”

IMU 的另一个敌人，是温度。

当环境从冬天的 -40℃ 到夏天的 +85℃，敏感元件的输出曲线会发生漂移。

这种“温漂（Temperature Drift）”会让姿态感知在高低温下不一致。

SUMACO 的解决方案是：

• 采用高稳定 MEMS 结构，降低材料应力变化；
• 在出厂前进行 多温标定（Multi-Temperature Calibration）；
• 在运行时执行 在线温度补偿（Online Compensation）。

换句话说，它不仅“知道自己热了”，还能“知道热到什么程度会影响输出”，并即时修正。

四、从标定到量产：稳定的工业逻辑

SUMACO 的“稳”并非源自单一算法，而是工业体系的结果。 在常州智能制造中心，SUMACO 采用“工厂标定 + 在线标定”双标定体系：

• 工厂标定阶段使用高精度转台与环境舱，校准零偏、比例因子与交轴误差；
• 在线标定阶段在整车装配后重新对齐姿态轴系，消除安装误差。

两级标定构建起从实验室到实际应用的一致性——

这就是“车规级 IMU”的工业底色：可批量复制的稳定。

五、“稳”是一种系统能力

真正的稳定，从来不是单一指标的优秀，而是系统的协同。

SUMACO 的稳定性来源于三重支撑：

1. 车规级硬件设计，保证物理结构的稳定；
2. 自研标定体系，确保误差的可控；
3. 数据闭环机制，让性能持续进化。

这是一种更深层的“稳”——

不仅是数值上的稳定，更是认知上的确定。

当车辆、机器人或无人机依赖 SUMACO 提供的姿态数据时，

它们看到的世界，也因此变得更平滑、更可预期。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

一、从“能用”到“可信”：车规级的真正含义

在消费电子领域，产品只需“能用”； 但在智能驾驶领域，芯片必须“可信”。 “可信”的定义不仅是性能稳定，更是可验证、可追溯、可复制的可靠性。 这正是“车规级（Automotive-Grade）”的核心含义—— 在高温、低温、震动、电磁干扰、长时运行等极端环境下， 仍能维持持续、稳定、无故障的运行状态。

对于 MOJANDA 来说，可靠性不是后期测试，而是自设计之初就嵌入的系统逻辑。 每一颗芯片，从晶圆级验证到整车上车，都要经历层层考验： 它不只是一个“计算器”，而是一名经过严苛训练的“飞行员”。

二、AEC-Q100/Q104：芯片可靠性的标准语言

“车规级”并非口号，而是由严格标准定义的。 AEC-Q100 是针对车规级 IC 芯片的验证标准， 而 AEC-Q104 则用于多芯片封装模组（如 MOJANDA M1 系列）。 两者共同规定了从设计、验证、老化到应力测试的全流程。

关键测试包括：

• 高温工作寿命（HTOL）：模拟 1,000 小时高温连续运行；
• 温度循环（TC）：在 -40℃～+125℃ 环境反复循环 1,000 次；
• 机械冲击（MS）与振动（VIB）：验证芯片在震动下的焊点可靠性；
• 湿热偏压（HAST）：考察高湿度下的密封与材料稳定性。

通过这些测试，芯片的每一个参数、每一条焊线都被量化验证。 MOJANDA 通过 SGS 第三方认证机构 的完整测试流程， 正式获得 AEC-Q100 Grade 2 认证，这意味着它可在 -40℃~+105℃ 范围内可靠工作。

三、从实验室到整车：验证的五重防线

MOJANDA 的验证体系采用“五重防线”模型，确保每一个环节都有可追溯记录：

1. 设计防线： 采用车规级 IP 库与冗余设计架构，减少单点失效。
2. 晶圆防线： 晶圆级测试（WAT）筛除早期缺陷，确保良率稳定。
3. 封装防线： 使用车规级引脚材料与防潮封装工艺，通过 MSL3 测试。
4. 模块防线： 进行高低温、震动、热冲击等模块级验证。
5. 系统防线： 在整车环境中进行 EMC、电源波动与通信异常测试。

五重防线共同构成“设计→制造→封装→验证→上车”的完整闭环，

让每颗芯片都能在真实世界的苛刻环境中长期运行。

四、可靠性不止是通过测试

在 MCT 的理念中，可靠性并不是一次性任务，而是一个持续演化的过程。 通过数据驱动的质量回溯系统，每一颗 MOJANDA 芯片的测试数据、工艺参数与在车表现， 都会被记录并反馈到设计与生产环节。

这使得产品的可靠性不是静态达标，而是动态进化：

• 通过长期运行数据，预测潜在老化趋势；
• 通过算法分析，优化后续批次设计；
• 通过生产溯源，实现从晶圆号到整车 VIN 的数据闭环。

这正是 MCT 所说的“数据驱动的可靠性”——

让可靠，不仅是承诺，更是系统能力。

五、当可靠成为信任

可靠性是技术的基石，更是信任的起点。

在车规级 GNSS 芯片的世界里，

每一次重新启动、每一次信号捕获，都是对系统工程能力的验证。

MOJANDA 用一颗颗稳定运行的芯片，让“可靠”不再只是实验室指标，

而是行驶在每一辆车、飞行在每一架无人机、运行在每一台机器人中的真实体验。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

MOJANDA 330

车规级三频高精度定位芯片

Automotive-grade Triple-band High-Precision Positioning Chip

定位高等级城区辅助驾驶系统，支持 L1+L2+L5（L6 可配），具备出色的抗干扰能力，融合 RTK / PPP / INS 多源定位技术，实现厘米级高精度定位。即使在高楼密集、立交复杂的城市环境中，依然稳定可靠，广泛应用于 L2+ 乘用车、高速 NOA、Robotaxi 与无人配送等场景。

1️⃣ 为什么 GNSS 需要“另一个自己”

在开阔的天空下，GNSS 能精确告诉我们“我在哪里”； 但一旦进入隧道、林荫或城市峡谷，信号被遮挡、反射或失锁，定位的连续性便被打断。 这时，就需要另一个“不会迷路”的感知源接过方向盘——那就是 IMU（惯性测量单元）。

IMU 不依赖外部信号，通过陀螺仪与加速度计，实时测量设备的角速度与加速度，

能在短时 GNSS 信号缺失时继续计算位置与姿态变化。

它像一位“盲行者”，在黑暗中仍凭惯性与方向感前进。

2️⃣ 两种测量的互补关系

GNSS 与 IMU 在原理上截然不同：

• GNSS：基于外部信号，通过测距和时间同步计算位置；
• IMU：基于内部惯性，积分角速度和加速度求得姿态与位移。

GNSS 优点是长期无漂移，但受环境影响大；

IMU 优点是短时高稳定，但误差随时间积累。

因此，它们是一对理想的互补——

GNSS 定义“绝对位置”，IMU 保持“连续姿态”，融合后，系统既“知道在哪”，也“知道如何动”。

3️⃣ 紧耦合的意义：让两个世界在同一秒跳动

融合的关键，不只是数据叠加，而是时间与空间的统一基准。 在 MOJANDA 与 SUMACO 紧耦合架构中：

• GNSS 的授时信号（PPS） 作为时间主线；
• IMU 的惯性数据流 以相同时间戳标定；
• 两者在 REVENTADOR 平台上完成多维卡尔曼滤波融合，形成统一的动态模型。

这种结构被称为 “紧耦合（Tightly Coupled）”—— GNSS 不再只是提供定位结果，而是将原始观测量输入融合系统； IMU 也不再只是姿态传感器，而是时间连续性的“骨架”。 最终结果是：即使卫星数少于四颗、信号中断或多径严重，系统仍可维持稳定解算。

4️⃣ 从算法到可靠性：让融合更“聪明”

MOJANDA 的紧耦合融合算法不仅仅在物理层对齐数据，更实现了“智能选择”：

• 当 GNSS 信号质量高时，系统自动加权 GNSS；
• 当 GNSS 失锁或受干扰时，权重自动切换到 IMU；
• 当环境恢复时，再平滑切换回 GNSS 主导。

这套自适应权重机制结合了 AI 辅助滤波算法，能识别异常模式并提前预测漂移趋势，使系统在复杂环境中仍维持高达 99.8% 的轨迹连续性。

换言之，它不仅仅是融合，更像是协作—— 两个传感器相互校准、相互补充，共同定义一个可信、稳定、连续的空间秩序。

5️⃣ 当“位置”成为“感知”

在传统意义上，GNSS 只是一个坐标系； 但当它与 IMU 结合时，定位不再是静态结果，而变成了一个随时间演化的认知过程。 这正是空间智能的核心： 让机器不仅知道“我在哪”，还能理解“我是如何到这的”。

MOJANDA 与 SUMACO 的紧耦合结构，正是这一理念的实践者—— 它让定位系统成为一个感知-推理一体化的有机体。 这是从“精准定位”走向“智能理解空间”的关键一步。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。 想了解更多关于 MCT 毫厘智能的最新动态？欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。