人形機器人行業(yè)專題報告：人形機器人究竟需要怎樣的AI模型？.pdf

人形機器人行業(yè)專題報告：人形機器人究竟需要怎樣的AI模型？實現(xiàn)任務級交互將成為解決人形機器人通用化難題的關鍵。當前人形 機器人行業(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 心原因在于機器人通用化水平不達預期。按照機器人控制層級的劃分， 通用化能力的提升需要機器人能夠擁有高層級的自主規(guī)劃能力。因此， 如何讓人形機器人獨立完成高層級規(guī)劃，實現(xiàn)任務級交互，將成為決定 人形機器人能否實現(xiàn)商業(yè)化落地的關鍵。

多模態(tài)大模型的發(fā)展為實現(xiàn)人形機器人任務級交互帶來曙光。大語言 模型在常識理解、任務拆分、邏輯推理、自然語言交流方面的能力已經(jīng) 為人形機器人帶來了出色的人機交互能力。不僅如此，隨著科技巨頭的 入局，融合了視覺、語言等多模態(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，有望進一步提高人形機器人的通用化水平。

大模型賦能機器人感知模塊，進一步加速下游應用領域突破。大模型 不僅為人形機器人帶來決策能力的提高，在感知模塊也正引領機器視 覺訓練新范式。Meta 發(fā)布的 SAM 模型首次將大模型引入機器視覺領 域，依靠 AI 算法自動實現(xiàn)圖像/視頻標注，大大降低了上游訓練成本和 難度，有望加速機器視覺在下游機器人應用領域的突破。

實時性問題是大模型的主要難點，運控問題上基礎模型更有優(yōu)勢。雖 然大模型在高層級規(guī)劃問題上展現(xiàn)出了杰出的性能，但其依舊存在實 時性差等局限，不適用于底層精細的運動控制；在此領域，參數(shù)量更 少、響應速度更快的基礎模型具有相對優(yōu)勢。

大模型 or 基礎模型，人形機器人究竟需要怎樣的模型？短期來看，人 形機器人需要的是可以優(yōu)化特定場景應用的基礎模型+大模型，兩者各 司其職、相互補充；長期來看，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)和應用才能真正實現(xiàn)人形機器人通用化。