人形機器人決策難度更G：決策層依據感知層獲取的信息進(jìn)行決策判斷，來(lái)控制機器人身體做出動(dòng)作規劃
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(lèi)
各種動(dòng)作，動(dòng)作連續復雜、需頻繁的物理交互且操作因果性多，算法難度遠G于自動(dòng)駕駛。
⚫ ChatGPT助力拆解任務(wù)：大語(yǔ)言模型擅長(cháng)推斷語(yǔ)言條件，并利用其代碼編寫(xiě)能力，拆分任務(wù)，給出運動(dòng)規劃的
目標函數。
⚫ 實(shí)時(shí)反饋以便調整動(dòng)作：依據感知系統的反饋，可實(shí)時(shí)調整動(dòng)作規劃，并執行
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,完全適用于人形機器人;D1芯片32位浮點(diǎn)計算的最大性能達到22.6TFLOPs
大模型提升仿真學(xué)習能力,可大幅提升算法訓練效率,縮短算法與硬件調整時(shí)間,極大提高訓練效率,可加快軟件更新迭代
人形機器人進(jìn)入門(mén)檻高,科技巨頭擁有研發(fā)實(shí)力及軟件基礎,在視覺(jué)感知,算法,虛擬仿真等軟件方面領(lǐng)先優(yōu)勢明顯,且與原有業(yè)務(wù)協(xié)同效應明顯
人形機器人本質(zhì)是AI系統落地物理世界的最佳載體,但更核心問(wèn)題在于是算法對運動(dòng)能力的控制,包括本體平衡,行走的步態(tài),部抓取等規劃與控制
預測全球25年人形機器人初步商業(yè)化,銷(xiāo)量3萬(wàn)臺左右,30年這些領(lǐng)域就滲透率1.5-2%對應存量需求230萬(wàn)臺,新增需求100萬(wàn)臺+,2035年銷(xiāo)量有望突破1000萬(wàn)臺
為人形機器人的成熟也是漸進(jìn)式,可在細分市場(chǎng)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(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,關(guān)節能力不能匹配運動(dòng)規劃;軟件難點(diǎn)是訓練不同任務(wù)的運動(dòng)規劃,實(shí)時(shí)反饋視覺(jué)檢測與理解,并對運動(dòng)規劃做調整
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(xiàn),也有依靠雷達等多方式融合路線(xiàn);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,包括傳感模塊和軟件方面,人形機器人比服務(wù)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(chǎng)景服役機器人是指在特定環(huán)境或情況下執行任務(wù)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(lǐng)域具有巨大需求
群體機器人技術(shù)的應用領(lǐng)域廣泛,集群智能作為人工智能的分支,將得到越來(lái)越多的應用,有望在機器人等領(lǐng)域創(chuàng )造出新的應用和創(chuàng )新
