长三角机器人产业概况 - 机器人产业凭借万亿市场想象空间成为各地前瞻布局重点 长三角是最重要的一极 未来三年内将实现规模化量产并拉动千亿产值 [1] - 人形机器人与新能源汽车供应链重合度高 中国智能电动车转型优势正在机器人产业实现复利 [1] - 长三角重点城市中上海苏州在企业存量上断崖领先 分别拥有2192家和1622家相关企业 杭州以824家位列第三 [3][4] 城市产业格局 上海 - 机器人产业链企业注册资本超1000万元的有1769家 参保人数超1000人的有147家 两项指标均长三角领先 [4] - 重点产业规上工业企业机器人密度达每万人426台 计划2025年提升至500台 [7] - 2024年宝山区机器人及智能制造规上企业总产值682.46亿元 其中工业机器人产值近80亿元占全市三分之一 [5] - 张江机器人谷计划2025年实现700亿元产业规模 已集聚ABB、傅利叶智能等企业 [6] 苏州 - 2024年机器人产业规模达1395亿元 计划2027年突破2000亿元 [7] - 构建"企业出题-高校解题-政府搭台"创新联合体模式 哈工大苏州研究院已与611家企业合作落地近50个产业化项目 [8] 杭州 - 2023年机器人产业链工业产值150亿元 集聚10家专精特新"小巨人"企业 [16] - 专利申请量2023年34863件 2024年24441件 均仅次于上海 [10][11] - 融资件数从2023年8起跃升至2024年14起 与苏州并列第二 [13][14] 技术发展 - 国产机器人厂商市场份额从2012年4%提升至2024年52.3% [4] - 上海发布全球首台全尺寸公版机"青龙" 建立OpenLoong开源社区和"十八金刚"人形机器人阵列 [7] - 苏州乐聚机器人实现8个月内从实验室到产业化 已建成江苏省首条人形机器人产线 [8][19] 产业链分布 - 上海集聚ABB、发那科等工业机器人企业 智元机器人累计下线1000台具身机器人 [19] - 苏州拥有科沃斯、追觅等家电机器人企业 杭州宇树科技年度营收超10亿元 [19] - 长三角形成"大脑-小脑-部件-本体"完整产业链 上海傲意科技、苏州绿的谐波、杭州强脑科技分别在灵巧手、谐波减速器、智能义肢领域领先 [20] - 无锡机器人零部件关键技术国产化率突破60% 宁波中大力德提供精密减速器 常州纳博特斯克RV减速器全球市占率60% [20] 政策支持 - 上海计划2025年打造10家头部品牌、100个应用场景、1000亿元关联产业规模 [13] - 浙江规划2027年人形机器人整机年产量2万台 核心产业规模200亿元 [15] - 江苏重点突破电驱动关节、全身动力学控制算法等关键技术 研制人形机器人样机 [21]

中小企业发展态势 - 当前我国中小企业呈现"量质齐升"态势，2024年末数量超6000万户，规模以上工业中小企业营业收入达81万亿元 [3] - 累计培育科技和创新型中小企业超60万家，专精特新中小企业超14万家，专精特新"小巨人"企业1.46万家 [3] - 广东中小企业数量占全国1/8，专精特新"小巨人"企业2089家，创新型中小企业超5.1万家 [3] 机器人产业创新 - 中博会专精特新展区1145家企业参展，其中国家级专精特新"小巨人"企业达395家，省级以上863家 [3] - 越疆科技发布CR 30H协作机器人，负载30kg且关节速度达300°/秒，突破工业机器人性能瓶颈 [4] - 凌度智能推出幕墙清洗机器人，节水效率达人工清洗的20倍，海外收入占比60% [5] AI技术应用 - 寿世太和研发中医智能戒指"灵犀约指"，构建健康数据闭环，已与燕窝品牌"小仙炖"等企业合作 [7] - 妆溯公司利用AI系统实现化妆品研发数据化，预计未来行业工厂将缩减至1000家以内 [8] - AI玩具需求增长，广东移动联合企业研发AI芯片，整合六大模型实现玩具智能化 [9] 数字化转型 - 广东联通"老师傅"工业大模型累计服务4000多家中小企业，打造1000多家5G工厂 [9] - 5G+AI数智工厂实现毫秒级时延，车型生产切换仅需90秒，AGV调度效率显著提升 [9] - 中小企业通过数字化展示制造能力，如无机无烟化机器人等设备，增强接单竞争力 [10]

公司概况 - 卧安机器人（深圳）股份有限公司于2024年6月8日向港交所提交上市申请书，联席保荐人为国泰君安国际和华泰国际 [2] - 公司成立于2018年，前身卧安科技成立于2015年1月，创始人为哈尔滨工业大学校友李志晨和潘阳，核心团队多位成员毕业于哈工大且合作超过17年 [3] - 公司定位为全球领先的AI具身家庭机器人系统提供商，聚焦家庭场景应用，构建以智能家庭机器人产品为核心的生态系统 [2] 核心技术 - 以机器人定位与环境构建技术、AI机器视觉控制技术、分布式神经控制网络技术三大核心技术为底座 [2] - 产品通过模仿"手"或"脚"的功能改造传统家具，例如门锁机器人可实现面部识别、NFC及语音开锁等功能 [6] 股东与投资背景 - 获得源码资本、高瓴资本、国调创新等知名机构投资，股东包括松山湖机器人研究院等与"大疆教父"李泽湘关联的机构 [3] - 李泽湘担任公司非执行董事并提供专业意见，其曾成功孵化大疆创新等科技企业 [4] 市场地位与业务表现 - 按2024年零售额计算，公司为全球最大AI具身家庭机器人系统提供商，市场份额达11.9% [5] - 产品覆盖智能操控、家务劳动、智慧管家等六大家庭场景，包括门锁机器人、窗帘机器人等品类 [5] - 2022-2024年营收从2.75亿元增长至6.10亿元，日本、欧洲及北美市场分别占比57.7%、21.4%和15.9% [6] 销售渠道 - 亚马逊为核心销售渠道，2024年通过Amazon SC和Amazon VC模式的收入占比分别为28.4%和35.8%，亚马逊为第一大客户 [6] 财务数据 - 毛利率从2022年37.3%提升至2024年53.5%，亏损额从8698.3万元收窄至307.4万元，2024年经调整后净利110.7万元 [7] - 流动负债总额从2022年1.09亿元增至2024年1.997亿元 [7] 募资用途 - 资金将用于研发能力提升、销售渠道扩展、品牌全球化及偿还银行贷款 [7]

研究背景与核心观点 - 可变形物体操控是机器人领域极具挑战性的任务，涉及弹性、塑性和弹塑性变形等复杂特性 [2] - 研究团队开发了视触觉传感器与可变形物体之间的软接触模拟器，能够模拟多种变形状态 [2] - 该研究为基于视触觉传感器的柔性操作提供了新思路，成果发表在IEEE Transactions on Automation Science and Engineering期刊 [1] 技术方法 - 采用TIRgel视触觉传感器，利用全内反射原理捕捉物体变形状态 [3] - 使用移动物质点二乘法(MLS-MPM)模拟接触变形，结合粒子和网格仿真方法的优势 [5] - 通过TD3算法完成物体形态转换任务，结合专家演示系统提高训练效率 [6] 实验验证 - 使用水+沙子模拟塑性物体，硅胶模拟弹性物体，橡皮泥模拟弹塑性物体 [9] - 仿真训练后成功实现Sim-to-real迁移，验证了系统的实用性 [10] - 不同材料在挤压下表现出显著不同的变形特性：沙子自上而下变形，硅胶微小变形，橡皮泥大幅度变形 [9] 相关企业 - 工业机器人领域涉及埃斯顿自动化、埃夫特机器人、非夕科技等16家企业 [16] - 医疗机器人领域包括元化智能、天智航、精锋医疗等12家企业 [19] - 人形机器人领域涵盖优必选科技、宇树、云深处等20家企业 [20]

自动驾驶与具身智能行业趋势 - 自动驾驶和具身智能公司对人才要求较高，倾向于招聘实力强、背景好的同学[2] - 行业技术方向正从传统方法向端到端、大模型、VLA、强化学习、3DGS等前沿领域转型[3] - 机器人初创公司融资活跃，未来几年发展前景可观[3] 职业发展建议 - 双非背景同学可考虑SLAM和ROS方向，从事机器人/具身智能相关的优化、集成类工作[3] - 建议关注机器人公司，虽然工作较苦但能学习到实打实的技术栈[4] - 具身智能是最前沿方向，但传统机器人仍是产品主线[4] 技术社区资源 - 知识星球提供自动驾驶视频课程、硬件及代码学习资料，以及全栈学习路线图和招聘信息[5] - 社区已形成学术+产品+招聘的完整链路，包含课程、硬件和问答闭环[5] - 社区关注行业技术动态、技术分享、讨论和求职信息，聚焦具身智能与自动驾驶结合等前沿话题[5] 前沿技术方向 - 四大前沿技术方向包括视觉大语言模型、世界模型、扩散模型和端到端自动驾驶[7] - 视觉大语言模型领域有多篇CVPR 2024论文，涉及预训练、迁移学习等方向[11][12] - 扩散模型在自动驾驶中的应用包括场景生成、数据增强等方向[38][39] 数据集资源 - VLM预训练数据集规模从百万级到百亿级不等，最大达12B样本[15] - 自动驾驶数据集涵盖2D/3D目标检测、语义分割、目标跟踪等任务，时间跨度从2009到2024年[21] - 语言增强的自动驾驶数据集支持文本解释、视觉问答等任务[22] 应用领域进展 - 智能交通领域主要研究语言引导的车辆检索和视觉问答技术[23] - 自动驾驶感知方向聚焦行人检测、目标指代等任务[24] - 定位规划领域探索语言引导导航和运动规划技术[25] - 决策控制方向研究大语言模型在自动驾驶决策中的应用[26] 端到端自动驾驶 - 端到端方法整合感知、预测和规划模块，实现自动驾驶全流程[27] - 相关研究关注模型可解释性、行为规划和场景生成等方向[45] - 世界模型在端到端驾驶中发挥重要作用，支持场景理解和生成[30][50]

具身智能技术发展 - 具身智能正在全面崛起，重新定义人类与机器的关系，从理解语言指令到在复杂环境中灵活移动和精确操作物体[1] - 全球顶尖科技公司如Tesla、Boston Dynamics、OpenAI、Google等都在竞相布局具身智能领域[1] - 具身智能将彻底改变制造业、服务业、医疗健康、太空探索等多个行业[1] MuJoCo技术优势 - MuJoCo是连接虚拟世界与现实世界的重要桥梁，为机器人学习提供高保真、高效率的训练环境[4] - MuJoCo能够加速学习过程，仿真速度比现实时间快数百倍，并支持极端情况下的试验而不用担心硬件损坏[6] - MuJoCo采用先进的接触动力学算法，支持高度并行化计算，提供丰富的传感器模型，并具有出色的稳定性和数值精度[6] - MuJoCo已成为学术界和工业界的标准工具，被Google、OpenAI、DeepMind等科技巨头广泛使用[7] 具身智能实战教程 - 课程系统性讲解MuJoCo技术细节，涵盖物理仿真原理、深度强化学习、机器人控制理论、Sim-to-Real迁移技术等[8] - 课程采用项目驱动学习方式，学员将构建多个机器人应用，从机械臂控制到人形机器人行走、灵巧手抓取、多智能体协作等[8] - 课程提供丰富的实践机会，使用最新工具和框架如MuJoCo、Stable Baselines3、PyTorch等[9] 课程模块与项目设计 - 课程分为六个学习模块，每周有明确的学习目标和实践项目[10] - 六个实战项目包括智能机械臂控制系统、视觉引导的抓取系统、强化学习驱动的运动技能、模型预测控制、多机器人协作系统、Sim-to-Real迁移验证[11][14][16][18][20][21][23] - 每个项目配有详细的中文指导文档、参考代码、调试技巧和扩展建议，来自中国机器人企业的实际应用场景[24] 学后收获与职业发展 - 学员将掌握MuJoCo各项功能、强化学习核心算法、机器人控制理论与实践、Sim-to-Real迁移技术[27] - 学员将具备完整的项目开发经验，熟悉现代AI开发工具链，培养良好的工程习惯[28] - 职业发展方向包括技术专家（机器人算法工程师、AI研究工程师、仿真技术专家）和产品经理路径，年薪可达30-150万[30] 课程安排 - 开课时间为2025年7月15日，每周更新一章，6周结课，采用离线视频教学和VIP群内答疑[32]

纪要涉及的行业或公司 - **行业**：人形机器人行业 - **公司**：特斯拉、华为、小米、智源语数、飞书、拓普、建腾、三花、日盈电子、福莱新材、恒帅股份、中兴电材、沃特股份、宁波华翔、力星精密、优必选、亿家道通科技、新华锦、麦迪科技、浙江龙泰、五洲新春、威格斯、中盐、柯力传感、东凌股份、中鼎股份、宇立、坤维、飞格 纪要提到的核心观点和论据 1. **行业发展现状与趋势** - 行业正从实验室迭代过渡到垂直场景商业化阶段，自2024年下半年进入快速成本和技术迭代周期，核心部件成本下降，国内机器人迭代周期约两个月，特斯拉等公司产品接近量产成熟 [1][3] - 下半年进入垂直场景商业化，如巡检、康养等，商业化卡在大小脑及上肢协作领域，上肢能力迭代是关键 [1][3] - 人形机器人工作效率约为人类的0.3倍，ToB需求逐步激活，未来关注上肢和大脑方向技术迭代 [4] - 本体公司长期由华为、小米、特斯拉等主导，新兴公司有挑战机会，预计2025年出货量接近2万台，2026年达10万级别 [1][4] 2. **投资机会** - 下半年智能链条投资机会集中在定点行情和技术迭代，特斯拉链部分供应链成型，结构性机会来自新定点机会 [1][5] - 技术迭代快，研发周期短，带来新技术价值重估机会 [7] - 下半年关注灵巧手、丝杠等七大赛道，关注特斯拉、华为等公司供应链机会 [2][9] 3. **供应链核心价值量和技术壁垒** - 集中在手关节、丝杠、六维力传感器、谐波减速器等领域，部件价值量大、技术迭代快、壁垒高 [8] - 灵巧手主动自由度提升，增加微型丝杠和触觉传感器需求，新型电机方案诉求增强 [8] 4. **各赛道情况** - **灵巧手**：迭代速度最快，特斯拉主动自由度显著提升，潜在供应商有浙江龙泰、五洲新春等 [9] - **丝杠**：成本因设备加工效率提升和钣金成本下降显著降低，潜在供应商有五洲新春、浙江龙泰等 [9] - **Pick and Place**：专利壁垒高且成本下降明显，特斯拉已用PEEK材料，将在结构件中逐步应用 [9] - **PEEK材料**：售价约40万元，降至20万元以下将大规模爆发，产业快速迭代，头部公司有独家专利及降本工艺，国内中盐份额低 [10] - **减速器**：关注斜波减速器国产化和百线真轮发展，多种方案共存，摆线针轮可能替代谐波减速器 [11][17] - **电子皮肤**：多种方案，压阻式有优势，行业格局未形成，关注日盈电子、福莱新材等 [19] - **六维力传感器**：应变式方案有瓶颈，非芯片式方案普及概率大，行业格局未形成，关注中鼎股份、科力传感等 [20] 其他重要但是可能被忽略的内容 - PEEK材料在机器人领域如丝杠保持架开始应用，用量随成本下降和要求提高将增加 [10] - 丝杠行业车铣磨工序改进使生产效率提升、成本下降，微型丝杠稳定性高、价格下降有优势 [12] - 关节总成市场中丝杠成本下降将使线性执行器份额显著提升 [18]

长三角一体化示范区智能机器人训练中心启用 - 江苏省首个智能机器人训练中心在苏州市吴江区正式启用，占地面积约1500平方米，由苏州市吴江区大数据有限公司、苏州湾集团和乐聚（苏州）机器人技术有限公司联合运营 [1] - 训练中心专注于智能机器人能力训练与场景验证，模拟真实应用场景产生和采集数据，帮助机器人更好胜任特定工作，是智能机器人从研发走向应用的重要环节 [1] - 训练中心三楼配备人形机器人模拟开展零件分拣、零件下线、小件工装上料等作业，机器人头部、手腕等部位搭载数据采集设备，数据实时显示在电子大屏上 [1] 训练中心场景与数据采集 - 训练中心配备30个数据采集工位，涵盖智能制造、商业服务、特种应用三大类8个场景，包括3C工厂场景和汽车工厂场景等 [2] - 训练中心年产数据可超200万条，数据积累到一定程度可使机器人应用模型发生质变，操作能力达到或超过人类水平，训练周期有望缩短到一个月以内 [2] - 训练中心与国家地方共建人形机器人创新中心联合打造协同中心，围绕标准共建、数据共享、平台共创深化合作，已发布团体标准2项、申报行业标准2项 [2] 技术支持与未来发展方向 - 中国移动、华为、乐聚机器人联合打造的5G-A具身智能应用场景孵化基地落户训练中心，利用5G-A技术支撑机器人远程精准作业和多机器人协同作业 [2] - 5G-A具备超高速率、超大连接、超低时延三大优势，可支持机器人深入火场等险境或满足海量设备接入需求 [2] - 未来人形机器人将朝着陪伴、陪护方向发展，训练中心模拟场景会逐渐由工业转向服务业，机器人动作会由略微笨重逐渐变得灵活 [3]

会议概况 - 第六届中国机器人学术年会（CCRS2025）将于2025年8月1日-3日在长沙国际会议中心召开，主题为"人机共融，智向未来"[1][4] - 预计参会人数超3000人，邀请200余位机器人与人工智能领域院士及专家参与主旨报告和研讨会[1][14] - 主办单位包括中国机械工程学会机器人分会、中国自动化学会机器人专业委员会等7家国家级学术组织[14] 会议议程 - **8月1日**：主编论坛、顶刊论坛、机器人青年学者论坛（2场）、智能机器人专项青年学者论坛[8][11][12] - **8月2日**：大会主旨报告、机器人具身智能论坛、4场分论坛（工业/服务/特种/共融机器人）及海报展[8] - **8月3日**：7场分论坛覆盖空间/医疗/海洋/人形机器人等前沿领域，含具身智能与大模型专题[9] 学术阵容 - **大会主席**：王耀南（湖南大学）、丁汉（华中科大）、刘宏（哈工大）、于海斌（中科院沈阳自动化所）[15][18][20][22] - **学术委员会主席**：段献忠（湖南大学）、曲道奎（新松机器人）、熊蔡华（华中科大）等5人[15][23][31][33] - **报告人单位**：清华大学、香港科大、国防科大等30余所高校及研究所，覆盖机器人全产业链[11][12] 行业动态 - 会议聚焦工业机器人、人形机器人、群体智能等9大技术方向，反映行业向具身智能、AI融合发展的趋势[8][9][14] - 产学研联动特征显著，沈阳新松、哈工大机器人研究所等产业机构深度参与[15][29][31] 注册信息 - 注册费用分非学生（2300-2500元）和学生（1300-1500元）两档，6月30日前享早鸟优惠[41] - 支持微信支付或银行转账，退费政策按申请时间扣除0-50%手续费[41][43] 组织机构 - 依托机器人视觉感知与控制技术国家工程研究中心（湖南大学）、机器人学国家重点实验室（中科院）等国家级科研平台[18][20][22] - 学术委员会成员来自岳麓山工业创新中心、哈工大机器人研究所等产业技术枢纽[25][29][33]

核心观点 - 香港科技大学团队提出Omni-Perception框架，通过直接处理原始LiDAR点云数据，实现四足机器人全向避障能力，解决了传统方法在复杂三维环境中的局限性 [2][4] - 该框架结合PD-RiskNet感知网络、高保真LiDAR仿真工具和风险感知强化学习策略，形成端到端的闭环控制系统 [4][5] - 在动态障碍、空中障碍等复杂场景中表现优于传统方法，成功率显著提升 [24][27] 技术架构 Omni-Perception框架组成 - **PD-RiskNet感知网络**：分层处理近场和远场点云，近场采用最远点采样（FPS）和GRU提取局部动态特征，远场通过平均下采样和GRU捕捉全局路径特征 [8][18] - **高保真LiDAR仿真工具**：支持4096个并行环境，渲染速度比Isaac Sim提升300%，并模拟噪声和自遮挡效应 [19][21] - **风险感知强化学习策略**：将避障任务建模为马尔可夫决策过程，直接输出关节控制信号，跳过运动学逆解 [9][11] 强化学习设计 - **状态空间**：包含本体状态（关节位置、速度）、外感知状态（10帧LiDAR历史点云）和任务指令（目标速度） [10] - **奖励函数**：结合避障速度追踪奖励（36个扇区障碍检测）和距离最大化奖励（LiDAR射线优化），辅以稳定性惩罚项 [12][13][14] - **训练参数**：PPO算法，4096个并行环境，学习率1e-3，折扣因子γ=0.99 [19] 性能优势 计算效率 - 相比传统SLAM+规划流水线，减少中间处理环节，计算开销更低 [7] - LiDAR仿真工具在4096环境、32k射线场景下无内存溢出，速度达Isaac Sim的5-10倍 [21][22] 场景适应性 - **动态障碍**：成功率76.7%，碰撞率56.7%，显著优于FPS+MLP（33.3%）和FPS+GRU（30.0%） [23][24] - **空中障碍**：成功率70%（传统方法0%），静态障碍成功率100% [27] - **极端场景**：密集植被中成功率60%，细长障碍（直径<1cm）需进一步优化 [28] 实现细节 PD-RiskNet网络 - **近场路径**：输入垂直角度θ>阈值的点云，输出187维特征向量，监督信号为特权高度信息 [18] - **远场路径**：输入θ<阈值的点云，输出64维特征向量，关注全局路径规划 [18] - **动作网络**：4层全连接（1024→512→256→128），输出12维关节目标位置 [19] 域随机化策略 - **物理参数**：附加质量-1.0kg至5.0kg，质心位置偏移±0.2m，电机强度缩放0.8-1.2倍 [20] - **环境参数**：地面摩擦系数0.4-1.0，重力偏移±1.0m/s²，LiDAR噪声率10% [20] 验证结果 - **真实数据对比**：仿真复现了LiDAR非重复扫描模式和自遮挡效应，几何结构匹配度高 [21] - **多场景测试**：在动态障碍场景中，传统高程图方法成功率0%，而Omni-Perception有效应对 [24][27]