人形機器人決策難度更G：決策層依據(jù)感知層獲取的信息進行決策判斷，來控制機器人身體做出動作規(guī)劃
并下發(fā)指令。特斯拉人形機器人與FSD底層模塊打通，一定程度上算法可復用，但人形機器人需完成人類
各種動作，動作連續(xù)復雜、需頻繁的物理交互且操作因果性多，算法難度遠G于自動駕駛。
⚫ ChatGPT助力拆解任務：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，給出運動規(guī)劃的
目標函數(shù)。
⚫ 實時反饋以便調整動作：依據(jù)感知系統(tǒng)的反饋，可實時調整動作規(guī)劃，并執(zhí)行
第一代FSD芯片單個算力72tops,CPU做控制,GPU做圖像處理,NPU為神經處理單元,完全適用于人形機器人;D1芯片32位浮點計算的最大性能達到22.6TFLOPs
大模型提升仿真學習能力,可大幅提升算法訓練效率,縮短算法與硬件調整時間,極大提高訓練效率,可加快軟件更新迭代
人形機器人進入門檻高,科技巨頭擁有研發(fā)實力及軟件基礎,在視覺感知,算法,虛擬仿真等軟件方面領先優(yōu)勢明顯,且與原有業(yè)務協(xié)同效應明顯
人形機器人本質是AI系統(tǒng)落地物理世界的最佳載體,但更核心問題在于是算法對運動能力的控制,包括本體平衡,行走的步態(tài),部抓取等規(guī)劃與控制
預測全球25年人形機器人初步商業(yè)化,銷量3萬臺左右,30年這些領域就滲透率1.5-2%對應存量需求230萬臺,新增需求100萬臺+,2035年銷量有望突破1000萬臺
為人形機器人的成熟也是漸進式,可在細分市場的率先商業(yè)化,后逐步成熟轉為通用型機器人 ,由tob轉為toc,進入家政等市場,做人想做但是不能做的工作
硬件難點是靈敏度與承壓能力的協(xié)調,關節(jié)能力不能匹配運動規(guī)劃;軟件難點是訓練不同任務的運動規(guī)劃,實時反饋視覺檢測與理解,并對運動規(guī)劃做調整
感知模塊包括兩方面視覺和觸覺,視覺有純視覺路線,也有依靠雷達等多方式融合路線;決策模塊是機器人的大腦,核心是芯片與算法
人形機器人擁有更高級的感知交互系統(tǒng),包括傳感模塊和軟件方面,人形機器人比服務機器人更高,靠雙足行走,對減速器負載和電機響應速度要求更高
具身智能與垂直大模型,人形與四足仿生機器人,三維感知模型和多模態(tài)信息融合,機器人新型核心零部件與靈巧操作,腦機接口,生肌電一體化與微納機器人
特殊場景服役機器人是指在特定環(huán)境或情況下執(zhí)行任務的機器人,在消防救援,電力勘測,農業(yè),建筑,核工業(yè),反恐防暴,國防安全,空間探測等領域具有巨大需求
群體機器人技術的應用領域廣泛,集群智能作為人工智能的分支,將得到越來越多的應用,有望在機器人等領域創(chuàng)造出新的應用和創(chuàng)新
