人工智能行業專題報告：AI大模型賦能人形機器人，邁向通用人工智能的一大步.pdf

人工智能行業專題報告：AI大模型賦能人形機器人，邁向通用人工智能的一大步。AI 大模型+人形機器人，邁出了通向通用人工智能的一大步。機器人進化路徑：從固定到移動，從獨立 到協作，從單一到通用。服務機器人商業化落地的前提是產品能提供真實價值，真實價值的判斷在于機 器人能否通用。把機器人做成人形，就是為了使機器人的執行能力更加通用，上游核心零部件隨著協作 機械臂的興起快速發展，促進了人形機器人硬件本體制造能力的提升，同時伴隨自動駕駛技術的高速發 展，人形機器人在視覺、SLAM 與基礎 AI 上有了更多的方案選擇，大模型的出現，會從語音、視覺、 決策、控制等多方面實現同人形機器人的結合，形成感知、決策、控制閉環。我們認為機器人產業將進 入滲透率快速提升的新階段，看好機器人產業發展前景。

AI 大模型從語音、視覺、決策、控制等多方面實現同人形機器人的結合，形成感知、決策、控制閉環， 使機器人具備常識。1）語音：語言大模型為機器人的自主語音交互難題提供了解決方案，在上下文理 解、多語種識別、多輪對話、情緒識別、模糊語義識別等通用語言任務上，ChatGPT 顯著優于深度學 習，表現出了不亞于人類的理解力和語言生成能力。2）視覺：人形機器人的場景相對工業機器人更通 用、更復雜，通用視覺大模型的 All in One 的多任務訓練方案能使得機器人更好地適應人類生活場景： 大模型的強擬合能力使人形機器人在進行目標識別、避障、三維重建、語義分割等任務時，具備更高的 精確度；通用視覺大模型通過大量數據學到更多的通用知識，并遷移到下游任務中，基于海量數據獲得 的預訓練模型具有較好的知識完備性，提升場景泛化效果。3）決策：基于多模態的預訓練大模型將增 強機器人可完成任務的多樣性與通用性，讓其不局限于文本和圖像等單個部分，而是多應用相容，拓展 單一智能為融合智能，使機器人能結合其感知到的多模態數據實現自動化決策。

驅動：相比工業機器人，人形機器人硬件需求更復雜、更多元，特斯拉采用的電驅方案具備商業化應用 基礎。特斯拉 Optimus 采取電驅方案，預計全身共 40 個執行器，其中：身體關節 28 個執行器，旋轉 關節方案采用伺服電機+減速器方案，我們推測單臺人形機器人將搭載 6 臺 RV 減速器（髖、腰腹）和 8 臺諧波減速器（肩、腕）；我們猜測擺動角度不大的關節（膝、肘、踝、腕）采用力矩電機+行星滾柱 絲杠方案，將使用 14 個線性執行器。2）機械手采用微型電機+腱繩驅動傳動結構，單手 6 個電機， 11 個自由度。空心杯電機結構緊湊、能量密度高、能耗低，和人形機器人機械手需求契合度高。

減速器、伺服電機、線性執行器、滾柱絲杠是人形機器人的運動控制產業鏈中價值量較大的硬件設備。 1）電機：數量更多、品類更豐富，需滿足全身各關節的驅動需求，手部需采用微型電機。2）減速器、 傳動裝置：數量更多，旋轉執行器延續了對 RV、諧波減速器的需求，線性執行器中需要用到行星滾柱 絲杠作為線性傳動裝置。3）環境感知：區別工業機器人在固定場景外接機器視覺設備實現識別的方案， 人形機器人場景復雜，需采用激光雷達、攝像頭等方案實現環境感知、三維重建并實現路徑規劃，對設 備品類、算法、實時算力要求更高。4）運動控制：類似于工業機器人，運控算法均是廠商自研，開發 難度大，是核心競爭力之一；特斯拉 Optimus 復用特斯拉汽車的感知和計算能力，在全自動駕駛 FSD 芯片基礎上開發適合人形機器人的控制器系統。人形機器人傳感器數量、品類、執行機構復雜程度遠高 于工業機器人，對控制器實時算力、集成度要求高。