人形機(jī)器人行業(yè)專題報(bào)告：人形機(jī)器人究竟需要怎樣的AI模型？.pdf

人形機(jī)器人行業(yè)專題報(bào)告：人形機(jī)器人究竟需要怎樣的AI模型？實(shí)現(xiàn)任務(wù)級(jí)交互將成為解決人形機(jī)器人通用化難題的關(guān)鍵。當(dāng)前人形 機(jī)器人行業(yè)面臨著高需求、低滲透率、商業(yè)化落地難的發(fā)展瓶頸，其核 心原因在于機(jī)器人通用化水平不達(dá)預(yù)期。按照機(jī)器人控制層級(jí)的劃分， 通用化能力的提升需要機(jī)器人能夠擁有高層級(jí)的自主規(guī)劃能力。因此， 如何讓人形機(jī)器人獨(dú)立完成高層級(jí)規(guī)劃，實(shí)現(xiàn)任務(wù)級(jí)交互，將成為決定 人形機(jī)器人能否實(shí)現(xiàn)商業(yè)化落地的關(guān)鍵。

多模態(tài)大模型的發(fā)展為實(shí)現(xiàn)人形機(jī)器人任務(wù)級(jí)交互帶來(lái)曙光。大語(yǔ)言 模型在常識(shí)理解、任務(wù)拆分、邏輯推理、自然語(yǔ)言交流方面的能力已經(jīng) 為人形機(jī)器人帶來(lái)了出色的人機(jī)交互能力。不僅如此，隨著科技巨頭的 入局，融合了視覺(jué)、語(yǔ)言等多模態(tài)數(shù)據(jù)的大模型正不斷涌現(xiàn)，兩條技術(shù) 路線下均有成果產(chǎn)出，有望進(jìn)一步提高人形機(jī)器人的通用化水平。

大模型賦能機(jī)器人感知模塊，進(jìn)一步加速下游應(yīng)用領(lǐng)域突破。大模型 不僅為人形機(jī)器人帶來(lái)決策能力的提高，在感知模塊也正引領(lǐng)機(jī)器視 覺(jué)訓(xùn)練新范式。Meta 發(fā)布的 SAM 模型首次將大模型引入機(jī)器視覺(jué)領(lǐng) 域，依靠 AI 算法自動(dòng)實(shí)現(xiàn)圖像/視頻標(biāo)注，大大降低了上游訓(xùn)練成本和 難度，有望加速機(jī)器視覺(jué)在下游機(jī)器人應(yīng)用領(lǐng)域的突破。

實(shí)時(shí)性問(wèn)題是大模型的主要難點(diǎn)，運(yùn)控問(wèn)題上基礎(chǔ)模型更有優(yōu)勢(shì)。雖 然大模型在高層級(jí)規(guī)劃問(wèn)題上展現(xiàn)出了杰出的性能，但其依舊存在實(shí) 時(shí)性差等局限，不適用于底層精細(xì)的運(yùn)動(dòng)控制；在此領(lǐng)域，參數(shù)量更 少、響應(yīng)速度更快的基礎(chǔ)模型具有相對(duì)優(yōu)勢(shì)。

大模型 or 基礎(chǔ)模型，人形機(jī)器人究竟需要怎樣的模型？短期來(lái)看，人 形機(jī)器人需要的是可以優(yōu)化特定場(chǎng)景應(yīng)用的基礎(chǔ)模型+大模型，兩者各 司其職、相互補(bǔ)充；長(zhǎng)期來(lái)看，隨著算力提升和模型結(jié)構(gòu)持續(xù)優(yōu)化，新 一代高效率大模型的出現(xiàn)和應(yīng)用才能真正實(shí)現(xiàn)人形機(jī)器人通用化。