人形机器人报告(一)：大模型视角下人形机器人的现在和未来

　　报告要点
　　人形机器人的核心价值在于通用+智能，将和工业机器人共同推动制造业智能化。工业机器人虽然技术成熟，但却无法解决泛化性的问题，不适应现代制造业柔性生产的需要。我们认为人形机器人将作为工业机器人的补充，与工业机器人共同推进制造业的智能化发展。“人形”只是表象，人形机器人的核心价值在于通用+智能。未来的工厂中，工业机器人、人形机器人、人工或将以7:2:1 的比例存在。
　　以GPT 为代表的大模型是迈向通用人工智能AGI 的重要一步。之前的人工智能属于专业AI，走的是“先专后通”的发展路径。而以GPT 为代表的大模型具备了一定的常识和推理能力，有望走出一条“先通后专”的发展路径。而具备控制、感知、执行能力的AI Agent 是大模型落地的重要形式。
　　LLM 与机器人结合的研究在短时间取得了众多突破，让我们对产业化多了一份信心。我们把人形机器人视为LLM+机器人领域的AI Agent。LLM 的引入解决了之前机器人行业的两大痛点：1）交互不便，无法理解人类的自然语言；2）不够聪明，无法对复杂任务自主拆解。在LLM 与机器人结合方面，学界取得了众多进展。Google 在2022 年发表的S ayCan 模型，解决了LLM 作为语言模型无法适应现实世界的问题；2022 年12 月，googl e 发布RT-1 模型，使人形机器人表现出了泛化性，可以解决未训练场景的任务；2023 年2 月，微软发表ChatGPT for Robots，提出用LLM 语言模型控制机器人的方法，使机器人可以利用LLM 模型的“常识”和推理能力；2023 年3 月，googl e 发布PaLM-E 模型，把具身信息融入大模型，进一步提升了泛化能力；2 02 3 年7 月，google 发布视觉-语言-动作（V LA）的机器人模型RT-2，模型直接输出机器人的动作，泛化能力进一步增长，并为解决机器人数据缺乏问题提供了一种新的思路。
　　人形机器人的商业化落地需要具体的场景。当前人形机器人产业面对数据不足、算力不足、人机交互安全性、长尾场景等挑战，终极的通用人形机器人还比较遥远，但是基于特定场景的人形机器人可以降低对数据、算力的依赖，有望率先落地。2023 年10 月，亚马逊宣布已经在仓库试用人形机器人Di gi t。
　　自动驾驶与人形机器人有众多相似之处，自动驾驶的发展历程有借鉴意义。
　　何小鹏认为，自动驾驶本质上是机器人科学，智能汽车公司最终也会和机器人公司在技术、产品、生态等等方面融合 。参考自动驾驶的发展历程，我们认为人形机器人的发展也会有3 个趋势：1）终极的人形机器人还很遥远，但基于特定场景的机器人会率先落地；2）随着人形机器人对大数据、大模型的要求越来越高，数据闭环能力越来越关键；3）端到端模型可以节省算力，但当前受限于数据、规模。区分规划算法、控制算法的多模块的方案更容易落地，其中连接LLM 和控制算法的prompt 是瓶颈所在。
　　风险提示： 1. 人工智能技术仍在快速发展阶段，软硬件都在持续迭代中，行业发展存在较大技术风险。
　　2. 人形机器人作为新兴产业，产业链尚不成熟，可能阻碍产品的商业化落地。
【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。