机械设备行业专题研究：机器人大脑是商业化焦点 SIM2REAL或成主流训练方案

　　从LLM 到VLM 再到VLA 等，模型将机器人泛化性、执行动作的精确度、物理感知等性能逐步提高。LLM 解决了大规模文本数据训练问题，VLM 跨模态突破了文本的限制将图像视频也融入至大模型中，VLA 则跨越了图像视频/文本的感知理解与机器人动作之间的鸿沟。早期VLA 更多侧重视觉信息的输入，随着越来越多用于人形机器人中，触觉（Touch，通过力/触觉传感器获取的压力/摩擦力/纹理等信息）输入端也被加入到模型中，这可以提升模型的鲁棒性。各类VLA 模型的性能也在逐步提升：RT-1 发布时只回答了数据集建构和模型设计问题，并没有表现过多的泛化性和迁移性；RT-2 则表现出了强大的泛化性，但其数据收集成本较高；ViLLA 则可以采用无标注的视频来训练，同时也解决了之前机器人生产的动作不符合物理学问题。
　　当前虚拟走向现实仍然存在巨大鸿沟，英伟达Sim2Real 或为未来主流训练方式。Sim2Real 的技术原理为利用合成数据生成技术，通过场景随机化、参数调整等方式让机器人接触大量不同数据积累经验，而后将仿真生成的精准数据与现实采集的少量数据输入Cosmos，生成更多样、更贴近真实情况的数据，用于训练机器人模型，使其能更好地适应现实世界。
　　Sim2Real 的核心纽带是串联3 台计算机，第一台是AI 超级计算机，为机器处理信息提供算力基础；第二台是仿真计算机，以Omniverse 和IsaacSim 为核心，让机器在虚拟世界掌握感知与交互能力；第三台是物理AI 计算机，由GROOT、Cosmos 和Jetson Thor 构成，负责让机器人在真实世界执行任务。银河通用发布的DexonomySim 开源合成数据集即是采用虚拟数据与真实数据合成而来，真实数据为辅（量少），虚拟数据为主。
　　海外Tesla Optimus 采用的AI 模型拟人化程度高，国内北京通用人工智能研究院有不错进展。Tesla Optimus 的AI 集成高度借鉴FSD（（核心在于纯视觉和单一神经网络架构），并于xAI 的Gork 模型（处理自然语言和情感互动）深度融合，输入原始图像就可以直接规划出人类想要的动作执行，不依赖于激光雷达类似的点云图，拟人化程度高，且在尝试让机器人可以感知自己的身体物理特征（如手臂有多长等）。北京通用人工智能研究院的科研团队提出了全球首个“力位混合控制算法”的统一理论，无需使用传感器，相关任务成功率较只使用位置控制的策略提高了约39.5%。
　　银河通用发布全球首个灵巧手功能性抓取合成大数据集— —DexonomySim，推动具身智能走向实际应用。
　　投资建议：建议关注有涉及相关软硬件业务的上市公司如品茗科技（北京通用人工智能研究院）等。
　　风险提示：机器人应用模型开发不及预期风险，数据质量和数量不及预期的风险，时间推移风险，样本误差风险。
【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。

【广告】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱：news_center@staff.hexun.com