人形機(jī)器人決策難度更G：決策層依據(jù)感知層獲取的信息進(jìn)行決策判斷，來控制機(jī)器人身體做出動(dòng)作規(guī)劃
并下發(fā)指令。特斯拉人形機(jī)器人與FSD底層模塊打通，一定程度上算法可復(fù)用，但人形機(jī)器人需完成人類
各種動(dòng)作，動(dòng)作連續(xù)復(fù)雜、需頻繁的物理交互且操作因果性多，算法難度遠(yuǎn)G于自動(dòng)駕駛。
⚫ ChatGPT助力拆解任務(wù)：大語言模型擅長推斷語言條件，并利用其代碼編寫能力，拆分任務(wù)，給出運(yùn)動(dòng)規(guī)劃的
目標(biāo)函數(shù)。
⚫ 實(shí)時(shí)反饋以便調(diào)整動(dòng)作：依據(jù)感知系統(tǒng)的反饋，可實(shí)時(shí)調(diào)整動(dòng)作規(guī)劃，并執(zhí)行
人形機(jī)器人進(jìn)入門檻G,科技巨頭擁有研發(fā)實(shí)力及軟件基礎(chǔ),在視覺感知,算法,虛擬仿真等軟件方面L先優(yōu)勢明顯,且與原有業(yè)務(wù)協(xié)同效應(yīng)明顯
人形機(jī)器人本質(zhì)是AI系統(tǒng)落地物理世界的佳載體,但更核心問題在于是算法對運(yùn)動(dòng)能力的控制,包括本體平衡,行走的步態(tài),部抓取等規(guī)劃與控制
預(yù)測25年人形機(jī)器人初步商業(yè)化,銷量3萬臺(tái)左右,30年這些L域就滲透率1.5-2%對應(yīng)存量需求230萬臺(tái),新增需求100萬臺(tái)+,2035年銷量有望突破1000萬臺(tái)
為人形機(jī)器人的成熟也是漸進(jìn)式,可在細(xì)分市場的率先商業(yè)化,后逐步成熟轉(zhuǎn)為通用型機(jī)器人 ,由tob轉(zhuǎn)為toc,進(jìn)入家政等市場,做人想做但是不能做的工作
硬件難點(diǎn)是靈敏度與承壓能力的協(xié)調(diào),關(guān)節(jié)能力不能匹配運(yùn)動(dòng)規(guī)劃;軟件難點(diǎn)是訓(xùn)練不同任務(wù)的運(yùn)動(dòng)規(guī)劃,實(shí)時(shí)反饋視覺檢測與理解,并對運(yùn)動(dòng)規(guī)劃做調(diào)整
感知模塊包括兩方面視覺和觸覺,視覺有純視覺路線,也有依靠雷達(dá)等多方式融合路線;決策模塊是機(jī)器人的大腦,核心是芯片與算法
人形機(jī)器人擁有更G級的感知交互系統(tǒng),包括傳感模塊和軟件方面,人形機(jī)器人比服務(wù)機(jī)器人更G,靠雙足行走,對減速器負(fù)載和電機(jī)響應(yīng)速度要求更G
具身智能與垂直大模型,人形與四足仿生機(jī)器人,三維感知模型和多模態(tài)信息融合,機(jī)器人新型核心零部件與靈巧操作,腦機(jī)接口,生肌電一體化與微納機(jī)器人
特殊場景服役機(jī)器人是指在特定環(huán)境或情況下執(zhí)行任務(wù)的機(jī)器人,在消防救援,電力勘測,農(nóng)業(yè),建筑,核工業(yè),反恐防暴,國防安全,空間探測等L域具有巨大需求
群體機(jī)器人技術(shù)的應(yīng)用L域廣泛,集群智能作為人工智能的分支,將得到越來越多的應(yīng)用,有望在機(jī)器人等L域創(chuàng)造出新的應(yīng)用和創(chuàng)新
云服務(wù)機(jī)器人是指將機(jī)器人的核心計(jì)算和智能部分部署在云端服務(wù)器,云端大腦+本地機(jī)體”或“云端服務(wù)”機(jī)器人將成為規(guī)模化推廣與應(yīng)用的重要模式之一
室內(nèi)商業(yè)服務(wù)機(jī)器人主要應(yīng)用于室內(nèi)環(huán)境中的導(dǎo)航服務(wù),商業(yè)清潔,餐飲配送,無人售貨,無人餐廳等服務(wù)場景;核心技術(shù)包括機(jī)器視覺,柔順抓取,人機(jī)交互,智能決策與控制等
