纪要涉及的行业和公司 - 行业：人形机器人行业 - 公司：DeepSeek、英伟达、羽树、富士康、海通集团、语书 纪要提到的核心观点和论据 大模型对机器人行业的影响 - 核心观点：大模型为机器人行业带来强大学习能力和交互能力，有助于机器人认知世界、完成任务，还能简化算力、扩展应用场景、降低部署成本 [7][8] - 论据：DeepSeek在算法和知识征流上取得进步，输出结果与ChatGPT相当，中文表现更优；其开源模型为机器人提供强大学习能力，自然语言处理能力强；GPSIC简化算力，提升机器人感知和运动控制能力 国内外领先公司技术水平和技术路径 - 核心观点：国内技术公司使人形机器人获得基本运动行走能力相对容易，但商业化落地仍有问题；不同公司技术路线有差异，且目前人形机器人产品同质化严重 [11][15] - 论据：通过强化学习和英伟达开源项目，可解决sim跟real之间的差距问题，实现端到端学习；朱秋果老师团队在工业等场景应用出色，羽树走经济化2C技术路线，关节电机设计有特点 人形机器人应用场景 - 核心观点：人形机器人有科教、表演展示陪伴、重复度高的工业应用三类场景，五年内行业将爆发，大规模进入家庭可能需十年 [17][22] - 论据：科教领域有政策支持，可与各行业结合；大模型提升机器人交互能力，表演展示陪伴场景将在一两年内爆发；工业应用对可靠性要求高，落地时间稍晚 人形机器人大规模量产瓶颈 - 核心观点：机器人材料（电机功率密度和电池能量密度）、安全性、投入产出比是大规模落地的主要瓶颈 [23][26] - 论据：电机功率优化困难，导致机器人续航短；需制定国际安全标准，保障物理和信息安全；要实现投入产出比，需规模化生产 人形机器人成本 - 核心观点：人形机器人成本由机械结构、电控感知、算力算法三部分组成，未来感知部分成本可能增加，产品会针对不同应用场景定制化开发 [32][35] - 论据：机械结构成本与原材料和加工费相关，电控感知部分涉及传感器和边缘端算力，算力算法部分有边界问题和云端模式；不同行业对机器人有不同要求 人形机器人的手的瓶颈 - 核心观点：自由度、疲劳寿命、传感器是人手面临的主要瓶颈，短期内较难解决 [36][39] - 论据：人手自由度高，现有方法难解决；基建驱动可靠性和寿命有问题；手上传感器分辨率高、分布广，目前面临零点飘移、温度飘移和磨损等问题 大模型对机器人控制模型的帮助 - 核心观点：大模型可作为大脑进行逻辑处理，调用原子操作完成任务，分层次方式相对可靠，端到端训练适合简单任务 [43][45] - 论据：通过知识征流将训练的技能集成到更大网络，大模型可根据用户需求思考并完成任务；分层次方式可解释性强，端到端训练在复杂任务上有困难 其他重要但是可能被忽略的内容 - 工业制造领域中，双臂操作是快速落地途径，可直接人教，不同模式投资回报周期不同 [29][30] - 训练机器人技能可采用分层次方式，通过知识征流集成到更大网络，国内外暂无统一架构 [41][42] - 手采用欠驱动方式保证可靠性，手指传感器多在实验室阶段，力觉传感器可发性稍好 [45][46] - 通过挖团队可解决人形机器人公司部分问题，但持续创新需长期投入 [48][49]