2024 年人形機器人最具突破性的進展主要體現(xiàn)在具身智能領域:3 月,Covariant 發(fā) 布端到端具身大模型 RFM-1,具身智能創(chuàng)業(yè)團隊 Sergey Levine 和 Chelsea Finn 創(chuàng) 立 Pi(Physical Intelligence),F(xiàn)igure AI 發(fā)布接入 OpenAI GPT-4V 的 Figure 01 demo。4 月,李飛飛創(chuàng)立 World Labs,致力于解決 AI 在三維空間感知和理解方面的 難題。5 月,特斯拉發(fā)布視頻,展示 Optimus 精準分揀特斯拉電動車 4680 電池的場 景,使用完全端到端神經(jīng)網(wǎng)絡,只利用 2D 攝像頭視頻和機載自傳感器,直接生成關(guān) 節(jié)控制序列,完全靠視覺輔助和人類示范進行訓練。國內(nèi)人形機器人產(chǎn)業(yè)硬件供應鏈 優(yōu)勢明顯,在具身智能、數(shù)據(jù)采集、人才領域的短板需要補齊。
分層端到端是目前具身智能的主要路徑。大模型分為非具身大模型(基礎大模型)、 具身智能大模型(機器人大模型),區(qū)別是能否生成運動姿態(tài)。非具身大模型如 GPT、 Sora 等,輸入和輸出的模態(tài)都是語言、圖片和視頻。具身智能大模型輸入視覺、語 言信號,輸出三維物理世界的操作,其中,端到端的具身大模型對數(shù)據(jù)和算力要求高, 如 Tesla FSD、谷歌 RT 模型;Figure AI 等大多數(shù)公司都采取了分層端到端的具身 大模型,一般分為三層:基礎大模型(LLM 或 VLM)、決策大模型、操作大模型,其中 決策大模型以 ChatGPT for Robotics、谷歌 PaLM-E 為代表,技術(shù)方向從 LLM 向強 化學習(RL)演進,基于 RL 的范式可以使模型能夠在不同環(huán)境和任務中學習和適應, 實現(xiàn)更高級的決策能力。操作大模型根據(jù)決策大模型的輸出執(zhí)行具體動作,需要與機器人硬件深度集成,且必須通過數(shù)據(jù)采集來實現(xiàn),技術(shù)方向從“MPC+WBC”向“RL+仿 真”演進,MPC 更適合具有精確模型和短期優(yōu)化目標的場景,RL 更適用于不確定性 高、需要長期學習和自適應的環(huán)境。在操作大模型領域,大多數(shù)廠商都剛起步。
數(shù)據(jù)采集的主要方式:遠程操作、仿真合成數(shù)據(jù);ヂ(lián)網(wǎng)上各類文本、圖像和視頻數(shù) 據(jù)集龐大,機器人的場景和交互有價值的數(shù)據(jù)量小,限制了 AI 模型在人形機器人上 的泛化能力。特斯拉 Tesla Bot 開發(fā)團隊使用人類的真實運動方式來訓練機器人,英 偉達推出 MimicGen 和 Robocasa 模型,通過真人的遙操作數(shù)據(jù)捕獲,再通過生成合成運動數(shù)據(jù)和模擬環(huán)境,加速機器人技術(shù)的研發(fā)和應用。國內(nèi)人形機器人創(chuàng)新中心加速建設人形機器人訓練場。
具身智能估值邏輯:硬件、數(shù)據(jù)、模型、人才。硬件是一切的基礎,如果沒有自己的 硬件,就無法根據(jù)算法和數(shù)據(jù)進行硬件的快速優(yōu)化和修改。涉及數(shù)據(jù)的采集、組織管 理以及與模型的閉環(huán)開發(fā),需要有強大組織能力的團隊,核心團隊需要具備組織大規(guī)模工程師的經(jīng)驗;越來越多的算法陸續(xù)開源,開源算法可以提供基礎的功能和技術(shù), 但要實現(xiàn)高質(zhì)量、高性能的人形機器人,需要專業(yè)的算法團隊進行深入研究和開發(fā)。
商用機器人 Disinfection Robot 展廳機器人 智能垃圾站 輪式機器人底盤 迎賓機器人 移動機器人底盤 講解機器人 紫外線消毒機器人 大屏機器人 霧化消毒機器人 服務機器人底盤 智能送餐機器人 霧化消毒機 機器人OEM代工廠 消毒機器人排名 智能配送機器人 圖書館機器人 導引機器人 移動消毒機器人 導診機器人 迎賓接待機器人 前臺機器人 導覽機器人 酒店送物機器人 云跡科技潤機器人 云跡酒店機器人 智能導診機器人 |