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。
(责任编辑:王丹 )
【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。
最新评论