报告行业投资评级 - 维持行业“看好”评级，若推导成立，预计2025 - 2026年机器人智能化程度类似2024年AD/ADAS一样质变 [4] 报告的核心观点 - 现代AI算法解决控制难点很关键，解决后利于机器人大量推广，其对机器人三大环节的提升为控制>规划>感知 [3][6] - 可基于机器人动作推测其算法，如运动丝滑柔顺常为强化学习算法，协作性强常为分层强化学习、语义驱动算法等 [3][60] - 国内公司算法聚焦物理实用性和数学延展性，海外公司聚焦实验室和数学完备性，AI算法差异已影响硬件方案，西方投资者易误解东方机器人产业链 [3][8] 根据相关目录分别进行总结 承上启下：前述“机器人三流派” - 承接长周期研究，2024年至今有多篇长周期科技深度报告，如《科技：东西合璧，世界领军 重新审视TMT地位、壁垒与估值》等 [14] - 承接三大流派，2025年1月报告提出机器人流派包括机械圈、自动控制圈、ICT圈，当前机器人是三大流派融合进步与不同领域适配 [14] - 产业发展面临问题，如现代AI算法对经典机器人算法的帮助、热门机器人产品算法来龙去脉等，希望本篇解决 [16] 三环节：控制+规划+感知，分别现代AI化 控制的高次项问题：拉格朗日（牛顿欧拉）公式+稳定性判据 - 控制理论基础来自拉格朗日动力学公式或“牛顿 - 欧拉”动力学公式，实际操作要考虑工程可行性，存在计算复杂度、全局建模、符号计算、高次项等问题，会导致机器人动作出现轨迹跟踪误差大等现象 [21][23][25] - 除能量和动力学考虑，下肢轮足控制还需增加稳定性判据，如李雅普诺夫稳定性判据、捕获点算法、零力矩点算法 [33] 控制：经典AI × 现代AI - 经典控制算法在现代机器人场景中误差大，需现代AI算法升级，如强化学习与端到端，现代AI对控制增强明显，用“乘号”表示增益效果 [34] - 归纳了机器人控制明细算法及依赖公式，高次项误差限制机器人功能进步，现代AI算法全面渗透是控制算法质变关键 [34] 规划：经典AI+现代AI - 展示规划按目标、环境信息、原理、场景划分的大类及经典规划算法弱点，用“加号”表示现代AI对规划的增强，不如控制算法迫切 [40] - 现代规划算法渗透较多领域，如波士顿动力预计为HRL + MPC，特斯拉为占用网络，宇树科技为PPO + Sim2Real等 [41][46] 感知：经典AI，局部现代AI - 机器人感知算法在AD/ADAS领域充分研发工程化，技术外溢到机器人领域较自然，仅全局、环境理解、复杂场景时感知识别需现代AI算法 [47] - 现代感知算法渗透较多领域，如波士顿动力预计为多传感器+可能引入VLA联合模型，特斯拉采用占用网络、多模态、端到端等 [50][52] 结论：现代AI化，控制>规划>感知 - 机器人算法中，感知、规划、控制环节使用现代AI算法的必要性依次提高，机器人领域AI算法突破后对整体体验提高幅度大，支撑2025 - 2026年机器人智能化程度质变判断 [57][59] 有趣实践：由机器人动作，推测算法 - 基于机器人动作特征可反推内部采用的AI算法，如运动丝滑柔顺可能用强化学习算法，协作性强可能用分层强化学习、语义驱动算法等 [60] 两个重要问题：东西方差异，算法影响硬件 算法：东方物理+数学，西方实验室+数学 - 国内公司算法聚焦物理实用性和数学延展性，海外公司聚焦实验室和数学完备性，东方核心学科是物理和数学，西方是数学 [63] - 算法理论上，海外聚焦基础算法突破，国内注重物理实用性；应用场景上，西方是特殊行业和实验室，东方是工业到全行业；算法影响动作表现上，西方注重理论完备性、鲁棒性，东方注重动态平衡控制、任务快速切换 [65][66][67] 硬件：算法可影响硬件。以波士顿动力 - 宇树案例为例 - 现代AI算法进步可影响硬件技术方案，海外追求理论精度和完备性，国内采用利于平价普及的硬件方案并以AI算法支撑 [68] - 宇树机器人主要采用行星减速器方案，波士顿动力从液压驱动转电机方案，均离不开现代AI算法支撑，预计国内AI算法进步还会带来材料创新、机器人边缘计算等影响 [70][71][72] 近期新增 消费&医疗机器人：例如微创机器人 - 手术机器人国产替代进行时，预计2030年全球手术机器人市场将达3994亿元，中国将达710亿元，建议关注微创机器人 [75] - 微创机器人是国产手术机器人领军者，已有两款产品获批上市，核心产品进入海外市场，持续推进降本增效，有望2026年实现盈利，具备多元化产品组合及优秀研发和商业化能力 [76][77][78] 服务机器人：例如美团的配送机器人 - 机器人在快递配送行业落地有价值，可应对劳动力短缺与成本压力等，包括末端配送、仓储与中转环节、特殊场景拓展等方面，互联网大厂正推动机器人赋能履约 [81][82][84]