人形机器人大脑—模型算法的进化前景–20230712

西部电新 | 人形机器人大脑—模型算法的进化前景人形机器人对应的算法：导航类：类似人腿的走动，市场上双足机器人不到30%，其余更多的机器人靠导航移动；肢体类：扭头，扭手，扭胳膊视觉类：看，感知听说类：语音交互，语言表达导航类的算法：国内和国外的差距没有很大，就像1+1的加法肢体控制类：运动学算法，动力学算法，纯算法模型上，国内外差距不大。NLP算法：国内外差距很大，22年年底，国外出现ChatGPT出现，被视为“第三次工业革命”，是新的NLP领域算法。在传统NLP领域，科大讯飞等国内厂商跟国外差距不大，但GPT出现，拉大了国内外在NLP算法上的差距。西部电新 | 人形机器人大脑—模型算法的进化前景人形机器人对应的算法：导航类：类似人腿的走动，市场上双足机器人不到30%，其余更多的机器人靠导航移动；肢体类：扭头，扭手，扭胳膊视觉类：看，感知听说类：语音交互，语言表达导航类的算法：国内和国外的差距没有很大，就像1+1的加法肢体控制类：运动学算法，动力学算法，纯算法模型上，国内外差距不大。NLP算法：国内外差距很大，22年年底，国外出现ChatGPT出现，被视为“第三次工业革命”，是新的NLP领域算法。在传统NLP领域，科大讯飞等国内厂商跟国外差距不大，但GPT出现，拉大了国内外在NLP算法上的差距。NLP上，国内落后国外很多。视觉类算法：2020年作为分界点，CV上，图像的处理是用大模型的处理，能同时处理很多图片。当图片数据足够多，用大模型进行训练，大模型就能慢慢拥有人的智能。而国内外的大模型差距很明显。导航类做的很成熟的例子：京东500-1000台的小型机器人，给机器人设置了目标点，让他们在交错的环境中避开彼此的碰撞，达到目标点，已经攻克了。肢体控制类例子：翻跟头，可能只有美国的公司才能做到，国内公司做不到。翻跟头对力矩的要求是很高的，不是算法能做到就够了。国内机器人停留在初级阶段，走走路，不会翻跟头。目前，在翻跟头上，力矩突然输出能承受身体重量的力（电机是在模仿人的肌肉，瞬间能输出爆发性的力），只能用伺服电机或液压电机。波士顿也是经历过从伺服电机到液压电机的，所以机器人要承受大的重力，要瞬间输出比较大的力，未来的路径肯定是选择液压电机。液压电机是不是有噪音？是有，但是在工程学上，先解决有无的问题，再解决好坏的问题。解决翻跟头问题，是解决有无的问题，液压电机再去克服噪音的问题，是克服好坏的问题，这个去除噪音是有很多方法的。市场为啥没有做会翻跟头的机器人？市场并不需要机器人一定会翻跟头，再加上翻跟头这个动作很难，所以企业并不会就去调账这么高难度的动作。如果之后有需求了，肯定会倒闭企业去把机器人做成有翻跟头功能的样子。 视觉算法：定目，动目。定目，是机器人眼睛固定在一处，去观察物体的状态；动目，在机器人自身有移动，或者抓取的物体有移动的时候，机器人做的不是非常好。视觉算法上，哪些厂商做的比较好？国外，英特尔，SDK一体化方案，基本软硬件都能提供，有传感器，有算法，1个眼睛，2个眼睛，英特尔的摄像头，它可以调教的非常好，给下游的整机厂商会节省非常多精力，因为英特尔积累了很多年的摄像头调试经验。另一方面，英特尔借用自身的优势和下游厂商合作，能积累在不同场景的调试经验，这就是英特尔的壁垒所在，也是国内厂商难以颠覆的点所在。软件架构设计？英特尔SDK方案，是提供一些API接口，是需要调用才能打造公司自身的摄像头。英特尔的SDK就类似Python中的Pythoch，不同的行业大模型都是基于Pythoch算法底座打造出来的。特斯拉是做车的，为什么做机器人？特斯拉做车的一些零部件，在做机器人时候也适用。特斯拉的优势，在自动驾驶领域，视觉方案肯定是行业前三，它现在有硬件架构，算力架构，软件架构，特斯拉在高速上识别移动的物体能做的很好，这个也是机器人视觉算法的需求，所以特斯拉做机器人是必须的。在车领域和机器人领域，视觉算法的差异？在多传感器融合上，自动驾驶比机器人走得更远。自动驾驶上，多传感得融合已经实现了，多个摄像头得配合，但是在机器人领域，多传感器融合，并没有做的很好。机器人完成抓取水杯得这个动作是怎样实现得？首先，人类抓取水杯的动作交给机器人，完成初步算法训练；然后，不断优化算法，不断让机器人去尝试抓取水杯的动作，如果某次抓取成功，就记为1，没成功，记为0。从而不断寻来你机器人完成抓取水杯的任务。为什么未来机器人翻跟头是刚需了？几年前，机器人是原地翻滚，当有高度差的时候，可能有翻滚；当有障碍物，直接过不去的时候，需要翻滚。翻滚也是电机能提供瞬时爆发力的一种情况，未来机器人的力矩能瞬时输出爆发力，是必然要去达到的。如果机器人做咖啡的任务之星失败了，大可能是哪里出现了问题？一个关节的精度误差在零点几毫米，6个关节组合在一起，精度误差只有零点几cm，所以如果机器人完成制造咖啡的任务，出现问题，90%的概率是视觉算法上出现了问题，而不是关节操控出现了问题。