-
垂直领域机器人进展分析
- 优势:相比通用机器人,垂直领域机器人数据易获取、模型更小、控制策略成熟,形态介于具身智能机器人与工业机器人之间,可加速数据飞轮,匹配边缘算力,实现柔性工序自动化升级。
- 当前进展:多数企业完成样机开发,推动模型训练,部分行业(如服装物流)已完成样机展示,产品以上肢或上肢+轮式为主。
- 后续展望:预计四季度部分企业发布产品并实现小批量订单或现场测试;2025年推动小批量部署并采集数据,提升产业化能力。
-
手眼协同调研更新与趋势
- 3D视觉发展与奥比中光:机器人智能化提升将显著增加对3D视觉的依赖,渗透率及高精度摄像头需求有望持续提升。奥比中光作为核心企业,技术壁垒高(新品参数超英特尔),生态绑定英伟达,盈利改善(2025年前五月利润超预期,全年盈利预计超1亿),未来利润增长将接近收入增长。
- 灵巧手发展趋势与标的:
- 趋势:自由度大幅提升(向20+主动自由度发展,接近人类水平),触觉传感器渗透率及覆盖面积持续提升(2023年11月特斯拉开始使用,国内新品中该传感器出现频率增加,覆盖范围从指尖扩展至指节)。
- 成本:触觉传感器延展性好,原材料成本低,当前成本约每平方厘米100-200元,未来有望更低。
- 相关标的:兆威机电、雷赛智能、福莱新材、平安股份。
-
具身智能模型与物理AI分析
- 生物智能五阶段映射:生物智能发展分五个阶段(线虫→鱼类→小鼠→猩猩→人类),能力线性演进,与具身智能算法高度契合。结论:高阶智能生物共存多阶段智能,语言是第五阶段智能表现,智能本质是对环境反馈并达成目标的能力。
- VRM与VRA模型差异:
- VRM:仅实现图像与语义融合理解及生成,无法指挥动作轨迹。
- VRA:本质为VRT,可生成未来几秒行动轨迹,但无法直接控制执行部件。
- VRA闭环落地关键:依赖符合物理约束的物理AI能力,结合传统规控算法(如PID、MPC),价值体现为:安全兜底(规避模型幻觉风险)、实时性保障(低延迟满足高速场景)、可解释性(支持安全合规审计)。
- 物理AI两条路线:
- 路线一:基于国产CAE求解器的仿真物理AI(索辰科技,与美团无人机合作复杂气流环境调控)。
- 路线二:基于Nvidia Omniverse的3D渲染引擎物理AI(群核科技,依托酷家乐家居3D建模积累)。
- 核心目标:解决通用机器人缺数据、推理慢、控制难的痛点,构建符合物理约束的低延迟物理求解器。
Q&A
- 生物智能五阶段:线虫(DNA编码条件反射)、鱼类(初级强化学习)、小鼠(长期记忆模拟学习)、猩猩(模仿学习)、人类(语言协作)。
- VRM与VRA最大区别:VRM仅支持图像语义层面,VRA可生成行动轨迹但无法直接控制执行部件。
- VRA闭环落地关键:依赖物理AI结合传统规控算法,价值为安全兜底、实时性保障、可解释性。
- 物理AI两条路线:国产CAE仿真路线(索辰科技)和Nvidia Omniverse渲染路线(群核科技)。