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(lái)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(lèi)
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(yǔ)言模型擅長(zhǎng)推斷語(yǔ)言條件，并利用其代碼編寫(xiě)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
第一代FSD芯片單個(gè)算力72tops,CPU做控制,GPU做圖像處理,NPU為神經(jīng)處理單元,完全適用于人形機(jī)器人;D1芯片32位浮點(diǎn)計(jì)算的最大性能達(dá)到22.6TFLOPs
大模型提升仿真學(xué)習(xí)能力,可大幅提升算法訓(xùn)練效率,縮短算法與硬件調(diào)整時(shí)間,極大提高訓(xùn)練效率,可加快軟件更新迭代
人形機(jī)器人進(jìn)入門(mén)檻高,科技巨頭擁有研發(fā)實(shí)力及軟件基礎(chǔ),在視覺(jué)感知,算法,虛擬仿真等軟件方面領(lǐng)先優(yōu)勢(shì)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)落地物理世界的最佳載體,但更核心問(wèn)題在于是算法對(duì)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(cè)全球25年人形機(jī)器人初步商業(yè)化,銷(xiāo)量3萬(wàn)臺(tái)左右,30年這些領(lǐng)域就滲透率1.5-2%對(duì)應(yīng)存量需求230萬(wàn)臺(tái),新增需求100萬(wàn)臺(tái)+,2035年銷(xiāo)量有望突破1000萬(wàn)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(chǎng)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(chǎng),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(jué)檢測(cè)與理解,并對(duì)運(yùn)動(dòng)規(guī)劃做調(diào)整
感知模塊包括兩方面視覺(jué)和觸覺(jué),視覺(jué)有純視覺(jué)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)器人擁有更高級(jí)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)器人更高,靠雙足行走,對(duì)減速器負(fù)載和電機(jī)響應(yīng)速度要求更高
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(chǎng)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(cè),農(nóng)業(yè),建筑,核工業(yè),反恐防暴,國(guó)防安全,空間探測(cè)等領(lǐng)域具有巨大需求
群體機(jī)器人技術(shù)的應(yīng)用領(lǐng)域廣泛,集群智能作為人工智能的分支,將得到越來(lái)越多的應(yīng)用,有望在機(jī)器人等領(lǐng)域創(chuàng)造出新的應(yīng)用和創(chuàng)新
