猜你想问
这份研报主要讲了什么内容？
这份研报主要讨论了人形机器人技术的核心进展、现存问题、未来发展方向及潜在风险。报告指出运动控制技术已接近极限，全身协同能力提升明显；大模型在泛化能力和长时程任务规划上存在不足；约30%机型通过VLA模型实现自主决策；数据采集成本高、有效率低，国内头部公司数据积累远未达标；未来通用智能突破需VLA与世界模型融合，预计2028-2029年实现场景应用突破，但进入家庭级通用人形机器人仍需更长时间。
人形机器人行业发展趋势如何？
人形机器人行业正从运动控制、场景赛向大模型迭代发展，涵盖工业、家庭、酒店等场景，酒店场景复杂度最高。国内公司在大模型泛化能力和灵巧操作上仍有较大突破空间。未来通用智能突破需VLA与世界模型融合，形成世界动作模型，具备端到端动作生成、环境状态转移和动作预测能力。预计2025年底至2026年初头部公司可积累500万小时数据，2026年底达成1000万小时目标，真机回流数据与仿真数据将成为核心来源。
研报重点分析了哪些方向？
研报重点分析了人形机器人核心技术进展，包括运动控制、场景赛方向及自主运行占比；现存核心问题，如大模型泛化能力不足、长时程任务规划鲁棒性差、全身运动控制与感知时间延迟、数据采集成本高、有效率低等；未来发展与预期，如技术路线需融合VLA与世界模型，时间预期2028-2029年实现场景应用突破，数据清洗流程将更成熟；以及行业风险，如数据积累依赖、灵巧操作技术路线未收敛、大模型泛化能力不足等。
当前人形机器人市场现状如何？
当前人形机器人市场呈现技术快速迭代趋势，运动控制技术接近极限，全身协同能力提升明显，但大模型泛化能力和长时程任务规划仍存在不足。约30%机型通过VLA模型实现自主决策，其余多为预设程序或小脑控制。数据采集成本高、有效率低，国内头部公司数据积累仅约100万小时，远未达支撑通用能力的1000万小时标准。行业依赖数据积累，数据采集、清洗标注效率将影响落地节奏。
研报提示了哪些风险？
研报提示人形机器人行业发展依赖数据积累，数据采集成本、有效率、清洗标注效率将影响落地节奏。灵巧操作技术路线未收敛，硬件、算法、数据的突破进度存在不确定性。大模型泛化能力不足、长时程任务鲁棒性差等问题可能制约场景拓展速度。此外，行业数据采集成本高、有效率低，多数数据需清洗，清洗标注流程需1-3个月，这些因素都可能影响行业发展速度和落地效果。