人形机器人算法对比 – 与自动驾驶算法的异与同–20230925

1.人形机器人算法和自动驾驶算法的基本信息 人形机器人算法和自动驾驶算法在某些方面存在相似之处。它们都需要一个感知系统来采集和摄入信息。人形机器人的感知系统包括摄像头、麦克风、距离传感器和压力传感器等。 1.人形机器人算法和自动驾驶算法的基本信息 人形机器人算法和自动驾驶算法在某些方面存在相似之处。它们都需要一个感知系统来采集和摄入信息。人形机器人的感知系统包括摄像头、麦克风、距离传感器和压力传感器等。然后，采集到的信息需要在大脑上进行运算和处理。大脑部分是机器人的核心，需要一个整体的运算系统和相应的软件辅助系统。运算完之后，涉及到执行部分，包括驱动系统和末端执行系统。此外，机器人还需要电池等能源供应。整体而言，我们将其分为软件部分和硬件部分。特斯拉的软件算法是没有外包的，硬件部分则需要进行研发和采购，这影响了机器人的成本。在成本方面，动力总成系统占了60-65%，AI大脑涉及到的硬件（如芯片和线束连接器）占20%以上，结构件占15-20%。 2.人形机器人算法框架和自动驾驶算法框架的比较 我们将人形机器人算法的框架与自动驾驶的方案进行了对比。它们都需要用云端进行数据处理和模型训练。训练好之后，通过OTA形式推送给机器人硬件。人形机器人需要在本体上具备一个大脑，用来理解任务和执行操作。然后，它们可能需要一些技能来帮助他们做出决策和规划，在执行之前需要传给小脑和执行器系统。总的来说，人形机器人和自动驾驶的软件算法框架类似，都将其划分为云和硬件两侧，但也有一些不同之 处。在智源机器人算法框架中，云端超脑和硬件本体之间有一条虚线，表示硬件本体无法理解和处理某些任务时，需要云端超脑的远程支持。特斯拉则表示不需要云端超脑的支持，可以通过硬件本体进行计算，达到较高的能力。 3.环境感知和决策规划的比较 从感知方面来看，人形机器人建立了一个4D空间，通过个体塑块使得其具备了环境感知的能力。在决策规划方面，人形机器人也需要输出一条轨迹线，作为行走的轨迹。还有一些类似于影子模式的图示，用于训练和模型部署，以便机器人在执行操作时进行对比。特斯拉目前的算法相似度约为60%，随着环境的变化，算法的相似度有所下降，但判断是随着环境解耦的逐步深入，算法相似度可以进一步提升。从工程化经验来看，两者在环境和任务上有一些相似性，可做部分的工程复用。例如，汽车碰撞模拟软件可以帮助机器人测试。 4.硬件方面的比较 从硬件方面来看，人形机器人和自动驾驶有一些相似点。首先是零部件选型，特斯拉通过车的供应链可以快速找到供应商提供所需能力。其次，机器人的研发可以更加中央化，通过传感器采集数据，经编码器处理后，驱动执行器进行运动控制。这种架构更短、更高效，能够快速推动机器人的运动控制。 5.其它相关信息 从软件和硬件算法的两个点来看，从导入阶段来说，人形机器人的导入速度比自动驾驶快。另外，在灵巧手的设计上，人形机器人需要进行大量的仿人形改造，需具备高自由度和灵活操作。特斯拉在AIDay上进行了人形机器人的运动动作抽取，设计了6个自研执行器，以降低执行器数量和软件算法的标定难度，提高软件算法的稳定性。 Q&A Q：人形机器人算法与自动驾驶算法有哪些共同点和差异点？它们的模型训练是否存在相似度的变化？ A：在感知决策规划方面，人形机器人与自动驾驶算法存在一些不同之处，需要进行差异化的模型训练。但随着两个环境解耦后，机器人的算法相似度可以再次提升。与会者提到了特斯拉最初训练人形机器人时是基于自动驾驶算法的，但随着人形机器人在不同环境中的研发，算法相似度有所下降，大约从90%下降到60%左右。然而，解耦后的算法可以再次回升，并且如果算法相似度达到较高的水平，可以展现出不同业务场景对模型训练的规模效应。因此，他们对算法的相似度进行了观察。 Q：人形机器人在硬件和软件算法方面有哪些相似之处？是否存在重复利用的可能？ A：从工程化经验和硬件本体的角度来看，人形机器人与自动驾驶算法有一些相似性，可以进行一部分的工程化经验和零部件的复用。此外，人形机器人的硬件本体搭建可以采用相对集中化的架构，相对来说更高效，可以加快机器人 的运动控制。与此相反，自动驾驶涉及到不同供应商之间的议价能力切换，而在机器人领域不存在这个问题。因此，在软件和硬件算法上，在整车方面的一些相通之处可以直接用于人形机器人的研发。发言人还提到，特斯拉可以根据供应商的核心优势和能力选择零部件供应商，以提供人形机器人所需的功能，并直接推动人形机器人的运动控制。 Q：相较于自动驾驶技术，人形机器人的研发进程是否更快？人形机器人在仿生学上有哪些改进和挑战？ A：根据发言人3的介绍，基于导入的阶段来看，人形机器人的研发速度要比自动驾驶技术快。此外，人形机器人在仿生学上需要进行大量的改进，如设计灵巧手等，这需要非常灵活和自由的操作。与此相比，自动驾驶技术在运动控制方面涉及到的决策规划更简单。发言人还提到，为了降低软件算法的标定难度和提高稳定性，人形机器人希望尽可能减少执行器的数量，这也是人形机器人在硬件和软件算法上与自动驾驶技术有所不同的地方。 Q：与自动驾驶算法相比，人形机器人算法在哪些方面有异与同？ A：与自动驾驶算法相比，人形机器人算法在以下几个方面有异与同：1.在感知环节上，人形机器人需要理解和响应人类指令，并理解指令背后的语义和诉求。这涉及到对语义的理解及语义和视觉的对齐，需要借助知识库、语义信息和视觉认知来解决。2.在决策规划环节上，人形机器人的自由度较高，比如智元案例中的机械臂需要完成一系列复杂的任务，这需要具备较强的逻辑推理能力。人形机器人相比车辆更需要依赖神经网络来解决路径规划和执行的问题。而车辆相对较简单，只需解决少量自由度的移动问题。3.在运动控制环节上，人形机器人需要计算和调整关节的执行轨迹，这也增加了算法的复杂性。运动控制涉及运动学和动力学模型的建立，根据运动信息计算速度、加速度和力的信息，并将其传递给执行机构进行实际操作。综上所述，人形机器人算法在感知、决策规划和运动控制方面相比自动驾驶算法更加复杂和困难。 Q：人形机器人与自动驾驶算法有哪些异同之处？ A：在决策规划和运动控制方面，人形机器人和自动驾驶算法都采用了端到端的方式，通过神经网络进行求解和拟合。人形机器人在实时感知、给出轨迹并 进行运动控制方面的连贯性达到了非常好的效果，具有较高的训练丝滑程度。然而，人形机器人要达到成熟度所需的时间要比自动驾驶更长。 Q：人形机器人的研发面临哪些难题？ A：在感知方面，人形机器人缺乏语言的大模型，需要进行语料数据句的补充。在运动控制方面，人形机器人具有200多个自由度，如果采用规则求解的方式会导致计算量暴增。此外，由于人形机器人要求在尽可能短的时间内完成感知、决策规划和运动控制以及反馈，对软硬件的响应程度和配合要求较高，这也需要进行不断平衡。另外，基于软件算法的研发及模型化执行和操作对算力要求也很高。 Q：人形机器人的发展方向和落地节奏如何？ A：人形机器人的发展类似于自动驾驶，有一个智能化的分级，从L0到L5逐步迭代。原型机器人可能会先在一些窄场景或偏标准化的领域进行技术落地，然后逐步扩展到更多场景，技术能力也会逐步提升。总结来看，人形机器人的导入周期会较快，但要达到成熟阶段，所需时间会比自动驾驶更长。 Q：可以通过自动驾驶的智能化升级过程来对人形机器人的落地节奏进行参考吗？ A：自动驾驶在2014年推出了AutoPilot，在2016年转向了子自演，发布了2.0版本。在2019年开始支持完全自研的FSD硬件，代表着自动驾驶达到了一定的成熟度。可以按照导入期和智能度逐步提升的阶段划分自动驾驶的发展过程，这个过程大概持续了两年左右的时间。因此，可以根据类似的周期对人形机器人的后续落地节奏进行简单的测算。 Q：人形机器人的市场预测是怎样的？ A：这里给出了人形机器人的一个市场规模预测，预计到2030年市场规模约为11003.49亿。虽然这个预测相对保守，但我们得出的结论是人形机器人在家庭场景和工业场景上的需求仍然存在很大的市场空间。 Q：人形机器人的定价和渗透率如何？ A：从价格角度考虑，预计特斯拉人形机器人的硬件成本大约为30万，从销 售和运营的考虑，服务型机器人预计定价为50万，工业型机器人则预计定价 为60万，但随着硬件成本降低和产品成熟度提升，售价会逐步下降。从渗透 率角度看，预计到2027年会有一个明显的提升。Q：人形机器人的增长驱动力是什么？A：人形机器人的增长驱动力主要来自于家庭养老场景和工业场景上的劳动力替代需求。随着成本的抬升和劳动力成本的增加，家庭养老和工业领域将会产生对人形机器人的需求。 Q：对于投资人来说，如何看待这个机会？A：投资人可以持续关注人形机器人行业的机会，该行业将会有一些值得投资的标的。人形机器人的发展将受益于软件算法的智能度提升和成本的降低带来的售价下降，从而促进应用落地和推动市场潜力的提升。Q：未来还有哪些相关的交流会议？A：明天的会议将重点回顾近期关于整个产业的变化和行业观点的讨论，并进行进一步的交流。