2023年全球人形機器人技術現狀分析感知、決策與執行層面的軟硬體需匹配

今天小編分享的互聯網經驗：2023年全球人形機器人技術現狀分析感知、決策與執行層面的軟硬體需匹配，歡迎閲讀。

人形機器人行業主要上市公司：小米集團 -W ( 01810.HK ) ;雙環傳動 ( 002472.SZ ) ;步科股份 ( 688160.SH ) ;鳴志電器 ( 603728.SH ) ;江蘇雷利 ( 300660.SZ ) ;恒帥股份 ( 300969.SZ ) ;綠的諧波 ( 688017.SH ) ;中大力德 ( 002896.SZ ) ;匯川技術 ( 300124.SZ ) ; 秦川機床 ( 000837.SZ ) ;長盛軸承 ( 300718.SZ ) ;奧普光電 ( 002338.SZ ) ;埃斯頓 ( 002747.SZ ) 等

本文核心數據：人形機器人軟硬體架構、人形機器人 FSD 視覺方案

整體框架：軟體決定人形機器人高度，算法需與硬體匹配

人形機器人本質是 AI 系統落地物理世界的最佳載體，算法是核心，需與硬體匹配。機器人的輸出包含了虛拟與物理兩種能力。雖然人形機器人從本體硬體上看，存在抗壓硬度與靈敏度不足的問題，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、行走的步态、手部抓取等規劃與控制。這需要成熟的感知系統基礎、強大的算法分解任務和規劃動作、大模型不斷仿真訓練以及超強的算力支撐。同時要求，算法與硬體相匹配，這要求機器人企業需自研算法，并持續更新迭代。

感知：FSD 視覺方案漸趨成熟

特斯拉FSD 純視覺深度學習神經網絡漸趨成熟，可嫁接至人形機器人。與自動駕駛類似，人形機器人同樣需利用傳感器 ( 攝像頭、激光雷達等 ) 感知、采集和處理周圍環境信息，以便做出決策。特斯拉人形機器人僅使用 3 個攝像頭 ( 中間魚眼攝像頭、左右各一個視覺攝像頭 ) ，直接嫁接 FSD 成熟的純視覺方案，再輔之以力力矩聲學觸覺温度等傳感器。

決策：人形機器人行為規劃難度較高

人形機器人決策難度更高：決策層依據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劃并下發指令。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，動作連續復雜、需頻繁的物理互動且操作因果性多，算法難度遠高于自動駕駛。

随着人工智能大模型的快速發展，ChatGPT 能夠助力人形機器人拆解任務。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，給出運動規劃的目标函數。

執行：人形整機平衡與行走步态是關鍵

人形機器人執行層指的是系統在做出決策後，對機器人本體做出控制。機器人各操控系統都與決策系統相鏈接，并按指令精确執行。其中，人形整機平衡與行走步态是最基本也是最關鍵的兩個環節：

仿真：算法訓練可提升機器人智能化水平

仿真的目的在于評估機器人結構和算法的設計，包括機器人的運動、工作環境、感知等，意義在于通過仿真模型快速、低成本、高安全性地訓練機器人的算法。通過仿真，可加快軟體更新迭代，同時縮短算法與硬體調整時間，極大提高訓練效率。另外，随着芯片與 AI 技術的發展，未來端到端訓練有望突破，人形機器人具身智能未來可期。