具身智能：第一人稱視角，強(qiáng)調(diào)感知與理解環(huán)境

具身智能：能夠感知并理解周邊環(huán)境，通過自主學(xué)習(xí)完成任務(wù)的智能體。 1950年，圖靈在論文《Computing Machinery and Intelligence》中首次提出了這一概念，具身概念的可測量性、可解釋性和可檢驗性，使得機(jī)器能夠通過學(xué)習(xí)理解具身概念，具 身智能成為邁向通用智能的起點。英偉達(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛在ITF World 2023半導(dǎo)體大會上表示：“人工智能的下一 個浪潮將是具身智能（embodied AI）”。

智能受腦、身體與環(huán)境協(xié)同影響，側(cè)重智能體與環(huán)境的“交互”，利用行為實現(xiàn)學(xué)習(xí)。從認(rèn)知的角度來看，人類為第一人稱 視角的智能，以1963年的一個實驗為例，被綁起來的貓，只能看這個世界，是一種旁觀的智能；另一只貓可以主動去探索，是 具身的智能。

前者有點像現(xiàn)在基于大量數(shù)據(jù)的智能，比如我們給機(jī)器很多盒子，并且標(biāo)注這就是盒子，然后機(jī)器就會覺得這種 pattern 是盒子，屬于第三人稱的智能，而我們?nèi)祟愂峭ㄟ^體驗才知道的。具身智能基于智能體具身行為的學(xué)習(xí)機(jī)制可以將數(shù)據(jù) 的采集、模型的學(xué)習(xí)融為一體，真正實現(xiàn)主動交互的學(xué)習(xí)，這也是對人類學(xué)習(xí)過程的更高級模擬。

具身智能運行框架：交叉學(xué)科發(fā)展，包含具身感知、具身想象、具身執(zhí)行

多學(xué)科交叉+政策加速具身智能發(fā)展。具身智能包含具身感知、具身想象和具身執(zhí)行三個模塊，涉及機(jī)器人學(xué)、計算機(jī)視覺、認(rèn) 知科學(xué)、博弈學(xué)等諸多學(xué)科，各學(xué)科相對成熟的積累為具身智能進(jìn)一步發(fā)展提供基礎(chǔ)。2023年5月，北京市發(fā)布的《北京市促進(jìn) 通用人工智能創(chuàng)新發(fā)展的若干措施（2023-2025 年）（征求意見稿）》中提出探索具身智能、通用智能體和類腦智能等通用人工 智能新路徑，包括推動具身智能系統(tǒng)研究及應(yīng)用，政策支持加速具身智能技術(shù)突破。

具身感知（Perception）：通過視覺、觸覺等傳感器交互感知，構(gòu)建模型，定義、獲取、表達(dá)可以被機(jī)器人使用的具身概 念。 具身想象（Imagination）：構(gòu)建仿真引擎，模擬具身任務(wù)，為機(jī)器人具身執(zhí)行提供支撐。 具身執(zhí)行（Execution）：基于計算機(jī)視覺、機(jī)器人學(xué)和計算機(jī)圖形學(xué)，通過多模型訓(xùn)練，在多傳感器合作下完成任務(wù)執(zhí) 行。

特斯拉人形機(jī)器人快速迭代，環(huán)境感知與控制能力顯著提升

特斯拉人形機(jī)器人Optimus全方位升級。特斯拉2023年 股東大會發(fā)布Optimus機(jī)器人最新視頻，機(jī)器人外觀較 2022年更精致，力度控制更加精準(zhǔn)、AI學(xué)習(xí)與環(huán)境感知 能力提升，逐步滿足執(zhí)行復(fù)雜任務(wù)條件。

小米CyberOne全身21個自由度，實現(xiàn)雙足運動姿態(tài)平衡，尚未商業(yè)化

小米于2022年8月公布首款全尺寸人形機(jī)器人CyberOne，高1.77米，重52kg。 環(huán)境感知上，小米自研Mi-Sense深度視覺模組，結(jié)合AI算法，可對真實世界三維虛擬重建；情緒感知上，CyberOne搭載自研MiAI環(huán)境語義識別 引擎+MiAI語音情緒識別引擎，能夠?qū)崿F(xiàn)85種環(huán)境音識別和6大類45種人類情緒識別。 關(guān)節(jié)運動上，全身5種關(guān)節(jié)驅(qū)動，合計13個，峰值扭矩300Nm。運動規(guī)劃和控制上，自研全身控制算法，協(xié)調(diào)運動21個關(guān)節(jié)自由度。 商業(yè)化情況：據(jù)2022年小米新品發(fā)布會，CyberOne單臺成本在60-70萬元左右，尚未商業(yè)化。

WalkerX具有41個自由度，可完成多個高精度動作，商業(yè)化初期

Walker系列人形機(jī)器人：是中國首個商業(yè)化雙足真人尺寸人形機(jī)器人，于2018年首次亮相，一經(jīng)推出即贏得了多項世界級獎項及認(rèn)可。作為是一 款外形親切、具有自然互動功能的真人尺寸人形機(jī)器人，其適用于家居及商務(wù)場景。WalkerX擁有41度的自由度以及類似人類的運動能力，能夠 以每小時三公里的速度平穩(wěn)而快速地行走，且在運動中，其單臂可承載的重量可達(dá)1.5公斤。在不同的地面，包括不平的地面、斜坡和樓梯上行走 時，Walker可以自行保持穩(wěn)定和平衡。

Walker可以規(guī)劃自已的路線并在移動過程中避開障礙物，適應(yīng)家庭和商業(yè)環(huán)境，還可以執(zhí)行人類任務(wù)，例 如識別及抓取物體、開門、倒水、下棋、彈鋼琴、繪圖和其他游戲等。 技術(shù)突破：Walker于2019年獲《機(jī)器人報告》評選為最值得關(guān)注的五大人形機(jī)器人之一，并于2021年獲24/7Tempo評為百年來最具突破性及創(chuàng)新性 的機(jī)器人發(fā)明之一。 商業(yè)化情況：2021年世界人工智能大會，優(yōu)必選表示W(wǎng)alker系列機(jī)器人單臺成本在10萬美金左右，根據(jù)優(yōu)必選招股說明書2020財年、2021財年及 2022年前九個月，Walker系列產(chǎn)品的收入40萬元、890萬元及人民幣730萬元，商業(yè)化待拓展。

根據(jù)特斯拉機(jī)器人的拆解，增量最大的是關(guān)節(jié)。

特斯拉機(jī)器人Op-t-i-mus軀干有28個關(guān)節(jié)（fen為旋轉(zhuǎn)關(guān)節(jié)14個和線性關(guān)節(jié)14個）+手部（雙手一共12個）

旋轉(zhuǎn)關(guān)節(jié)：采用旋轉(zhuǎn)式驅(qū)動器，由電機(jī)+諧波減速器+力矩傳感器+位置傳感器+交叉滾子軸承+向心止推滾珠軸承構(gòu)成。

線性關(guān)節(jié)：采用線性驅(qū)動器，由電機(jī)+滾珠/行星滾珠絲杠+力矩傳感器+位置傳感器構(gòu)成。

手部：每個手有6個驅(qū)動器，由空心杯電機(jī)+螺紋絲杠+精密行星齒輪箱+編碼器構(gòu)成。

1、 人形機(jī)器人難點：手、腿>頭部、軀干、臂

手部：【硬件】自由度高（人手26個），難點在于電機(jī)與驅(qū)動器集成&機(jī)械化感知；【軟件】算法受制于硬件感知，精細(xì)化操作難。

腿部：【硬件】強(qiáng)調(diào)瞬時峰值峰率，對驅(qū)動器要求高；【軟件】穩(wěn)定步態(tài)算法，目前學(xué)界沒有較好的類人算法。

軀干：全身控制算法，高維度規(guī)劃。

臂：雙臂協(xié)同、混合智能操控。

頭：視覺智能延伸。

2、 核心零部件壁壘：驅(qū)動器>力傳感器>純機(jī)械零部件

驅(qū)動器：通過高頻率控制電壓電流來驅(qū)動電機(jī)。難點在于技術(shù)（瞬時功率高，體積小限制可靠性）&控制算法。廠商包括Elmo、步科、匯川。價格3000-5000元/個，最高可達(dá)1w。

力傳感器：難點在于數(shù)字采集模塊小型化。廠商包括ADI（型號多），robotiq（服務(wù)好），宇立，坤維，海伯森。價格，一維傳感器不到百元，六維傳感器1w-2w元/個。

電機(jī)：國內(nèi)外差距不大。價格1000-5000元/個，平均2000元/個。

減速器：國內(nèi)做得好的廠商是綠的諧波。價格1000元/個。行星減速器替代諧波不太樂觀，減速比的要求限制。

絲杠：行星滾珠絲杠和滾珠絲杠，國內(nèi)與國外有差距，但之后會縮小。

軸承：交叉滾子軸承成本較高。

3、人形機(jī)器人成本：硬件成本20w-40w。

其中：關(guān)節(jié)共30-40個，由電機(jī)+減速器/絲杠+驅(qū)動器+軸承組成，成本20w左右（單個5000元），批量生產(chǎn)成本可降1/3-1/2。

4、降本空間：剛出來時軟件價值量高于硬件，后續(xù)1）軟件一旦突破，價格立刻下降；2）硬件持續(xù)迭代，強(qiáng)化可靠性和穩(wěn)定性，下降空間有限。

5、人形機(jī)器人應(yīng)用領(lǐng)域：1）通用人工智能路線，近5年的落地場景為展示、展覽、陪伴服務(wù)；2）專用高級自動化路線，從事特種領(lǐng)域+封閉場景的復(fù)雜勞動，實現(xiàn)機(jī)器替人。

人形機(jī)器人量產(chǎn)痛點

1.手部和腿部硬件集成難度大，需要更高的損失峰值功率和驅(qū)動能力

2.腿部行走算法穩(wěn)定性難以保證，學(xué)術(shù)界未出現(xiàn)真正意義上的類人走行算法

3.手部精細(xì)化感知難度大，涉及到手的21-26個自由度

4.雙臂協(xié)同、混合智能操控和避讓等算法難度大，需要高維度的規(guī)劃

5.軀干和雙臂、腿部結(jié)合后，全身控制的算法難度大，涉及到復(fù)合劑的技術(shù)

以上是國內(nèi)一線研發(fā)專家在人形機(jī)器人系列電話會上就人形機(jī)器人量產(chǎn)痛點所提出的問題和技術(shù)難點。其中硬件方面最難的是手部和腿部，而軟件方面則涉及到多種算法的維度問題。各個機(jī)器人廠家在開發(fā)時會有不同的側(cè)重點，有的追求最新的技術(shù)，有的則涉獵多個方面。

Q&A

Q：人形機(jī)器人中量產(chǎn)的痛點在哪幾個方面？

A：目前人形機(jī)器人的痛點主要集中在硬件方面，特別是手和腿部分。手部集成大量電機(jī)和驅(qū)蟲劑，且手部的精細(xì)化感知也是一個挑戰(zhàn)。而腿部相當(dāng)于有3+1+3個自由度，甚至是7個，腿部的驅(qū)動器需要選擇的損失峰值功率要比較高，且行走的穩(wěn)定步態(tài)算法也是非常難的。

Q：人形機(jī)器人的硬件方面有哪些難點？

A：人形機(jī)器人的硬件方面的難點主要在手和腿部分。手部集成大量電機(jī)和驅(qū)蟲劑，且手部的精細(xì)化感知也是一個挑戰(zhàn)。而腿部相當(dāng)于有3+1+3個自由度，甚至是7個，腿部的驅(qū)動器需要選擇的損失峰值功率要比較高，且行走的穩(wěn)定步態(tài)算法也是非常難的。

Q：人形機(jī)器人的軟件層面上有哪些算法難點？

A：人形機(jī)器人的軟件層面上的算法難點主要在腿和手部分，其中腿部的算法門檻較高，需要穩(wěn)定的步態(tài)算法。手部的算法較為簡單，但想要實現(xiàn)精細(xì)化操作也是相當(dāng)難的。另外，雙臂協(xié)同和全身控制等復(fù)合算法也是難點。視覺算法雖然有一定突破，但仍存在難點。

Q：國內(nèi)人形機(jī)器人的硬件零部件情況如何？

A：國內(nèi)外的機(jī)器人廠家都在研發(fā)人形機(jī)器人的核心技術(shù)，不同的廠家側(cè)重點不同，有的是追求最新技術(shù)，涉獵各個領(lǐng)域，有的專門做某個領(lǐng)域。在硬件方面，國內(nèi)還需要進(jìn)一步發(fā)展一拖幾的驅(qū)動器和易托級的驅(qū)動器等技術(shù)。

Q：人形機(jī)器人的硬件方面有哪些關(guān)鍵技術(shù)和國內(nèi)外的差距？

A：從硬件角度來看，人形機(jī)器人的關(guān)鍵技術(shù)主要分為驅(qū)動和感知兩部分。在驅(qū)動方面，關(guān)節(jié)的運動能力是核心，需要一個好的驅(qū)動器來控制關(guān)節(jié)的運動，驅(qū)動器相當(dāng)于整個關(guān)節(jié)的心臟，這塊國內(nèi)外還有一定差距，國外有很多知名的驅(qū)動器廠商，如馬克松、m等，國內(nèi)也有一些廠商在嘗試。在感知方面，機(jī)器人需要通過傳感器來感知周圍環(huán)境，這一塊國內(nèi)外差距不大。至于具體的硬件技術(shù)，可以分為驅(qū)動和感知兩部分，例如電機(jī)、減速機(jī)、行星齒輪等，在這些方面國內(nèi)外的差距正在逐漸縮小。

Q：驅(qū)動器和電機(jī)是什么關(guān)系？國內(nèi)有哪些做得比較好的公司，未來哪些公司有望在人形機(jī)器人領(lǐng)域取得成功？

A：驅(qū)動器和電機(jī)是密切相關(guān)的，電機(jī)提供一個氣墊，驅(qū)動器通過放大電壓減小電壓、放大電流減小電流來控制電機(jī)的轉(zhuǎn)動，難點在于驅(qū)動器要以一個很高的頻率去驅(qū)動電機(jī)，控制它的精準(zhǔn)的電壓和電流，這塊國內(nèi)外還有一定差距。目前國內(nèi)有一些企業(yè)在嘗試，但是驅(qū)動器這塊還是比較有難度的。至于未來哪些公司有望在人形機(jī)器人領(lǐng)域取得成功，可以將人形機(jī)器人分為通用人工智能和專用的高級自動化兩種路線，目前專用的高級自動化已經(jīng)有了很多實際應(yīng)用場景，如城市高樓幕墻清潔機(jī)器人、掃地機(jī)器人等，國內(nèi)也有很多企業(yè)在這方面進(jìn)行研發(fā)和應(yīng)用。而通用人工智能這塊非常難，需要解決開放世界的問題，目前還沒有一個企業(yè)能夠完全實現(xiàn)。

Q：國內(nèi)能否供應(yīng)驅(qū)動器等硬件部分？

A：我覺得有些做電機(jī)的企業(yè)可以去做，比如布科、匯川等。但是由于機(jī)器人的關(guān)節(jié)太多，不同類型的機(jī)器人需要匹配不同的驅(qū)動器，所以大企業(yè)步子邁得不是特別大，他們現(xiàn)在是兼顧市場和機(jī)器人的需求，可能會考慮到機(jī)器人上用的一些小型化的市場，也考慮到通用的一些電機(jī)架上用的一些東西。

Q：關(guān)于成本問題，一個機(jī)器人需要用多少個電機(jī)、減速器、驅(qū)動器等硬件部件，國產(chǎn)和進(jìn)口的價格分別是多少？

A：一個機(jī)器人大概需要30到40個關(guān)節(jié)，每個關(guān)節(jié)的成本大概是5000元左右，其中包括電機(jī)、減速器和驅(qū)動器等硬件部分。電機(jī)的價位在1000元到5000元之間，平均大約是2000元，而減速器的價位平均大約是1000元。對于大規(guī)模生產(chǎn)，成本可能會降低1/3或者1/2。此外，還有一些傳感器需要配備，比如力傳感器，每個關(guān)節(jié)最好可以配一個一維的類傳感器，大約在幾百元左右。

Q：一維傳感器的生產(chǎn)企業(yè)都能做出來嗎？現(xiàn)在做力傳感器的企業(yè)都做得比較簡單嗎？

A：一維傳感器都能做出來，但是現(xiàn)在大家的供應(yīng)鏈很多都不是供給機(jī)器人的，像異常傳感器是一個模擬量，它出來要用數(shù)字采集，數(shù)字采集模塊接口會變得很大，現(xiàn)在很多廠家在把數(shù)字采集模塊做一個小型化，提升到力傳感器中。這是一個發(fā)展方向。

Q：現(xiàn)在國內(nèi)哪些企業(yè)做得比較好？和海外相比，國內(nèi)的企業(yè)存在哪些差距或者壁壘？

A：國外做得比較好的有Adi公司、API公司和RobertIQ等；國內(nèi)做得比較好的有宇力科技、坤維科技和海博森等。但是一些老的企業(yè)想要往機(jī)器人領(lǐng)域轉(zhuǎn)型，他們通信的那一塊還沒做得很好，可能比較大，在機(jī)器人上可能不是非常好用。而像坤維、宇力等企業(yè)在這方面考慮得會多一點，做得稍微精細(xì)化一點，程度會好一點。

Q：目前是否有上市計劃，是否會考慮上市公司的投資？

A：主要做機(jī)器人開發(fā)，目前可能還沒有很多上市公司會愿意介入，因為很多供應(yīng)鏈還沒有放量，也沒有專門給機(jī)器人的產(chǎn)品鏈或一系列產(chǎn)品，所以可能需要等市場放量后，大的公司才會愿意介入。但我更傾向于中國慢慢出現(xiàn)很多小而精的公司，類似于德國的發(fā)展方向，它不一定非要都是上市公司在做，而是像德國一樣，小的細(xì)分領(lǐng)域的numberone，在世界上是非常多的。所以我更傾向于這些小公司在科創(chuàng)板上市或者其他路徑上的發(fā)展。

Q：國內(nèi)哪些類型的公司可能愿意投資機(jī)器人產(chǎn)業(yè)？

A：目前可能還沒有很多上市公司會愿意介入，因為很多供應(yīng)鏈還沒有放量，也沒有專門給機(jī)器人的產(chǎn)品鏈或一系列產(chǎn)品。但是隨著市場的放量，大的公司肯定會愿意介入。此外，我更傾向于中國慢慢出現(xiàn)很多小而精的公司，類似于德國的發(fā)展方向，在世界上是非常多的。所以這些小公司在科創(chuàng)板上市或者其他路徑上的發(fā)展可能更具發(fā)展?jié)摿Α?/p>

Q：人形機(jī)器人的零部件中，視覺傳感器的數(shù)量和價格大概是多少？

A：人形機(jī)器人需要的視覺傳感器數(shù)量視具體方案而定，大概需要一個深度相機(jī)和2-3個激光雷達(dá)，以及一些普通的相機(jī)。整體成本大概在1萬到2萬塊錢左右。視覺傳感器在人形機(jī)器人和AGV小車在視覺方面的差距不大，因為它們都是機(jī)器人，整體成本上差不多。

Q：在國內(nèi)機(jī)器人行業(yè)中，哪些公司被公認(rèn)為是相對比較好的？

A：?？低?/u>是比較明顯的國內(nèi)龍頭公司，中小的公司可能像奧比中光等等，還有羅伯薩斯等等，但是它們好像不是在國內(nèi)上市的。