行业趋势：Robot for AI 成为具身智能新共识 - 英伟达于2024年6月发布Isaac GR00T人形机器人参考平台，配备真人尺寸身体并向全球研究机构开放，标志着算力与AI生态定义者正式将“机器人本体是AI基础设施”写入路线图[1][4] - 行业逻辑正发生根本性转变，从过去“先造机器、再装大脑”转变为“身体为智能服务，本体为AI而生”的Robot for AI路线[4] - 具身智能当前最大瓶颈在于数据，传统真机遥操作数据采集方式速度慢、成本高、场景受限，行业正试图通过重资产方式对抗数据短缺[8] 深度机智的核心技术路线：人类学习范式 - 公司提出了以动作建模为中心的Action-Centric Modeling、以人类数据为起点的Human-Centric Data、为AI设计机器人本体的Robot for AI三大技术判断，构成其系统性战略[9] - 该路线的内在逻辑被称为“人类学习范式”，核心是利用人类真实动作经验作为最大、最廉价、最多样的数据源，模型以动作建模为中心消化数据，机器人本体则承接数据[10] - 在此范式下，机器人本体的角色从展示终端转变为AI训练、迁移和验证过程中的关键基础设施[11] - 公司已自主兑现了全部三大技术判断，并完成了从数据、模型到本体部署的全栈技术闭环[9][37] 关键技术突破：Human-as-Humanoid 项目 - 项目于2024年6月30日发布，在自研拟人机器人PrimeU上，实现了在无目标任务真机示范数据的情况下，仅凭从人类视频转换而来的动作监督，零样本完成倒水、放环、装袋、叠杯等复杂操作[5] - 该项目成功回答了四个关键问题：身体设计如何最小化迁移误差、如何将人类视频转为机器人动作标签、模型如何驾驭60个自由度、以及学到的能力能否在真实世界工作[13] - 项目证明了经过合理的本体设计和动作转换，人类视频中的动作经验能直接进入机器人关节空间，成为可执行、可学习的训练信号，无需目标任务的真机示范[37] 本体设计：为AI优化身体以承接人类数据 - 深度机智采用“为AI设计身体”的逆向逻辑，先定义AI所需身体，再设计本体，旨在最小化人类数据迁移误差[14] - 公司于2023年9月发布了全球首个实现断电自主站立的工业级全自由度拟人体，在拟人体概念的提出和落地上比英伟达早了九个月[14] - 研究使用的PrimeU是一个60自由度的上半身平台，其设计目标是让人类数据在物理层面的迁移误差降到最低[15] - PrimeU参照ANSUR II人体数据库第50百分位男性参数设计，关键尺寸与人体高度对齐：肩宽比例0.97，臂展至中指指尖可达长度比例1.02，手掌长度比例精确为1.00[15][17] - PrimeU具体构成为：两条7自由度机械臂、两只各20自由度的五指灵巧手、一个3自由度颈部及一个3自由度腰部，总计60个自由度[20] 数据采集与转换：高效利用人类视频 - 公司放弃了惯性动捕设备，采用纯视觉方案：操作者佩戴头戴式相机提供第一视角，外置RGB相机提供第三视角[21] - 在近距离双手操作场景中，该纯视觉恢复方案比昂贵的惯性动捕系统更稳定，显著降低了数据采集门槛[22][25] - 视频以约每秒20帧的速度处理，通过分阶段逆运动学求解器将恢复的人体骨架映射到PrimeU关节空间，生成60自由度的动作序列[25] - 该方案比传统遥操作实现了4.8到7.2倍的原始演示吞吐量提升，大幅压缩了收集同等规模训练数据的人力与时间成本[26] - 转换后的人类动作数据与机器人控制接口的分布差异被压缩到毫米级：双手末端误差均值为5.34毫米，与纯机器人数据训练的4.09毫米处于同一量级[26][27] 模型创新：PhysDex 与双空间约束 - 公司开发了PhysDex，一套高自由度人形VLA策略，可直接预测关节空间动作块，部署时无需在线求解逆运动学[30] - PhysDex引入了双空间分层运动学约束，通过可微正向运动学层将预测动作映射到任务空间，在腕部位姿和十个指尖位置两个层级施加几何监督，无需额外标注[30] - 消融实验表明，在相同训练预算下，加入该约束的模型取得了更低且更平滑的训练损失，保障了腕部与指尖的几何精度[30][32] 真机验证与性能对比 - 使用1500小时自采集的人类示范作为预训练语料，在七项双手操作任务上与英伟达GR00T N1.7进行对比[33] - 七项任务包括套圈游戏、魔方包装、叠杯子、倒水、体温枪测量、拧灯泡和瓶盖松动[33] - 结果显示，PhysDex在全部七项任务上都取得了更高的“阶段—最终”综合评分，且在仅使用人类示范的任务组中优势更为突出[35] 行业影响与公司前瞻性 - 深度机智公开其三大技术判断时，行业主流数据来源仍是真机遥操作，不到一年，人类数据的价值已被全行业关注，而公司已先行完成了系统性建设并拿出真机验证结果[37] - Robot for AI 从一个口号变成了一套可复现、可检验、可迭代的工程方法，未来的竞争核心在于谁能将数据、模型和本体之间的飞轮转得更快，深度机智已占据先发位置[38] - 公司计划下一步攻关遮挡、运动模糊等困难条件下的纯第一视角骨架恢复，并通过生成合成交互视频扩展数据规模，以进一步提升数据飞轮转速[37]