国君深度|人形机器人 · 研究合集

机器人产业深度（七）：机器人的大脑——具身智能 报告日期：2024/8/20 2024年人形机器人最具突破性的进展主要体现在具身智能领域：3月，Covariant发布端到端具身大模型RFM-1，具身智能创业团队Sergey Levine和Chelsea Finn创立Pi（Physical Intelligence），Figure AI发布接入 OpenAI GPT-4V的Figure 01 demo。4月，李飞飞创立World Labs，致力于解决AI在三维空间感知和理解方面的难题。5月，特斯拉发布视频，展示Optimus精准分拣特斯拉电动车4680电池的场景，使用完全端到端神经网络，只利用2D摄像头视频和机载自传感器，直接生成关节控制序列，完全靠视觉辅助和人类示范进行训练。国内人形机器人产业硬件供应链优势明显，在具身智能、数据采集、人才领域的短板需要补齐。 分层端到端是目前具身智能的主要路径。大模型分为非具身大模型（基础大模型）、具身智能大模型（机器人大模型），区别是能否生成运动姿态。非具身大模型如GPT、Sora等，输入和输出的模态都是语言、图片和视频。具身智能大模型输入视觉、语言信号，输出三维物理世界的操作，其中，端到端的具身大模型对数据和算力要求高，如Tesla FSD、谷歌RT模型；Figure AI等大多数公司都采取了分层端到端的具身大模型，一般分为三层：基础大模型（LLM或VLM）、决策大模型、操作大模型，其中决策大模型以ChatGPT for Robotics、谷歌PaLM-E为代表，技术方向从LLM向强化学习（RL）演进，基于RL的范式可以使模型能够在不同环境和任务中学习和适应，实现更高级的决策能力。操作大模型根据决策大模型的输出执行具体动作，需要与机器人硬件深度集成，且必须通过数据采集来实现，技术方向从“MPC+WBC”向“RL+仿真”演进，MPC更适合具有精确模型和短期优化目标的场景，RL更适用于不确定性高、需要长期学习和自适应的环境。在操作大模型领域，大多数厂商都刚起步。 数据采集的主要方式：远程操作、仿真合成数据。互联网上各类文本、图像和视频数据集庞大，机器人的场景和交互有价值的数据量小，限制了AI模型在人形机器人上的泛化能力。特斯拉Tesla Bot开发团队使用人类的真实运动方式来训练机器人，英伟达推出MimicGen和Robocasa模型，通过真人的遥操作数据捕获，再通过生成合成运动数据和模拟环境，加速机器人技术的研发和应用。国内人形机器人创新中心加速建设人形机器人训练场。 具身智能估值逻辑：硬件、数据、模型、人才。硬件是一切的基础，如果没有自己的硬件，就无法根据算法和数据进行硬件的快速优化和修改。涉及数据的采集、组织管理以及与模型的闭环开发，需要有强大组织能力的团队，核心团队需要具备组织大规模工程师的经验；越来越多的算法陆续开源，开源算法可以提供基础的功能和技术，但要实现高质量、高性能的人形机器人，需要专业的算法团队进行深入研究和开发。 风险提示：1）竞争环境恶化；2）新技术的应用速度低于预期。 >>以上内容节选自国泰君安证券已经发布的研究报告：机器人产业深度（七）：机器人的大脑——具身智能，具体分析内容（包括风险提示等）请详见完整版报告。 2024年人形机器人产业投资九大要点 报告日期：2024/1/6 2024年 ， 人 形 机 器 人 迎 来 产 业 化 元 年 。2022年10月 ， 特 斯 拉 发 布Optimus人 形 机 器 人 原 型 机 ，11月 ，ChatGPT问世，AIGC与人形机器人的融合，给具身AI带来无限想象。2023年，Optimus技术不断迭代：4月发布Gen 1-Demo1视频，9月发布Gen 1-Demo2视频，12月发布Gen 2视频，每一次的进步都引发了市场的强烈关注。2024年，特斯拉计划在工厂部署人形机器人、国内优必选、智元机器人公告将进入工厂产业化验证，新 年初始，三花、拓普相继发布公告，分别投资50亿元，在国内建设机器人核心部件制造基地，人形机器人迎来产业化元年。2024年，我们坚持“硬件设计创新+中国制造降本”的核心产业逻辑，关注“3+3”核心零部件的产业发展趋势，总结出2024年人形机器人产业九大要点，一起迎接人形机器人产业化浪潮。 人形机器人三大技术瓶颈：数据获取、运控算法、硬件创新。人形机器人无论是进入工厂还是进入家庭，要解决三个方面的技术瓶颈问题：1）大模型数据获取的速度和成本：机器人大模型需要的数据来自于真实需求和场景，数据采集成本高、速度慢，因此数据的采集是第一个难点。2）硬件控制的统一性和准确性：人形机器人执行具体任务时，需要解决准确性和实时性，AI在机器人的任务/运动规划、对硬件控制的统一性和准确性上，存在挑战。3）灵活高效的身体需要高功率密度的硬件，在一定体积、一定成本条件下输出最高功率的硬件产品，也是技术需要探索的方向。 “硬件设计创新+中国制造降本”是人形机器人产业的核心逻辑，聚焦“3+3”关键核心零部件。从成本构成来看，自动化控制三大件（驱控和执行部件）占比接近1/3，各类传感器占比1/3，软件占比接近1/3。综合考虑“单机价值量+国产替代+技术壁垒”三大因素，我们总结出“3+3”关键核心零部件：第一个3指的是自动化控制核心三大件：电机电控+执行器（谐波减速器、行星滚柱丝杠）；第二个3指的是传感器三大件：力觉传感器、触觉传感器、视觉传感器。这些核心部件的技术突破和创新，进口替代降本的进展，是人形机器人产业化的重要关注点。 软件算法：2024年FSD有望落地中国，人形机器人AI化进程提速。特斯拉机器人与汽车共用FSD系统，这个系统由数据、算法、硬件构成整体架构，其迭代路径是通过不断升级算力的硬件来支撑不断升级的算法，处理不断增加的海量数据。预计到2024年，特斯拉DOJO的算力将接近10万块英伟达A100显卡算力的总和。特斯拉人形机器人与FSD底层模块打通，一定程度上算法可复用。特斯拉“交互搜索”规划模型进一步增强了FSD系统的规控能力，且FSD系统还能通过Occupancy Network对可视区域进行建模，处理未知不可见的场景。 本体厂商：软硬件全栈自研的AI机器人本体厂商更有机会胜出。我们认为机器人与汽车、手机行业一样，未来稳定状态下会是赢者通吃、头部聚集的竞争格局。软硬件全栈自研的AI机器人本体厂商更有可能胜出，要关注细细打磨产品，积累后发优势的公司。有底层操作系统的大厂，可以通过收购，或者自己组建本体团队，具备全链条整合创新能力的企业胜率更大。 风险提示：低估了技术的复杂性；实际应用中的难题远比预期中的多；投资过度。 >>以上内容节选自国泰君安证券已经发布的研究报告：2024年人形机器人产业投资九大要点，具体分析内容（包括风险提示等）请详见完整版报告。 机器人产业深度（六）：机器人的关节——高效电机 报告日期：2023/11/29 人形机器人关节电机的三个关键需求：高效率、高动态和高功率密度。①高效率：低能耗和低摩擦损失很重要，因为机器人通常由电池供电，能经受得起苛刻的运行条件，可进行十分频繁的正反向和加减速运行，能在短时间内承受过载。②高动态：整个驱动器的惯性应尽可能低，电动机从获得指令信号到完成指令所要求的工作状态的时间应短。③高功率密度：机器人应用需要高速、高扭矩电机，电机需要小巧，紧凑，轻巧。由于应用需求场景不同，将人形机器人关节与工业机器人、协作机器人关节进行对比优劣没有可比性。工业机器人对精度、寿命要求高，更适合采用伺服电机；人形机器人对控本、提效、力矩和运转稳定的诉求更强，更适合采用力矩无框电机。 力矩电机相对于伺服电机能提供更加稳定的力矩和运转速度，且由于不需要使用齿轮减速箱，能够有效降低其成本和体积，减少误差及提升效率，更能够满足人形机器人的需求。①提供稳定的力矩和运转速度，利于人形机器人的大范围推广及长期使用。②不需要使用齿轮减速箱，减少人形机器人部件的数量，从而最大限度降低其成本和体积。③维护更加简单，可靠性更高。④效率更高，更节能。机械系统中每增加一个传动部件都将会产生效率的损失，因此减少系统中传动部件，提高整个系统的效率，从而能够变相的节能，有利于提高人形机器人的续航及负载。 人形机器人的空心杯电机以无刷空心杯电机为主。因为空心杯电机高速低扭矩的特性，为了在较小空间内获得较大的手指抓握力，空心杯电机都需要搭配行星减速箱进行使用，一般都会集成2-3级的行星减速箱。无刷电机通过驱动器实现电子换向，其定子部分使用空心杯绕组，采用无齿槽铁芯设计，具有高转速、长寿命、低噪音的特性，又具有高功率密度、高效率的优势。 当人形机器人年销量分别为100万台时，直流无刷力矩电机年新增市场规模140~280亿元，是2022年市场规模的5~11倍。空心杯电机市场规模为72亿元，是2022年市场规模的2倍。1）直流无刷力矩电机市场规模的核心假设，单台人形机器人配置直流无刷力矩电机28个；空心杯电机价格随量产进程逐年下降，当人形机器人年销量100万台时，关节电机均价500~1000元；2）空心杯电机市场规模测算的核心假设：单台人形机器人用空心杯电机12个；空心杯电机价格随量产进程逐年下降，销量达到100万台时，单价600元。据QY Research数据，2022年全球空心杯电机市场规模为7.48亿美元。 我国力矩电机和空心杯电机厂商钧处于全球第二梯队。力矩电机全球第一梯队厂商主要有科尔摩根、Aerctech、Parher。我国的力矩电机厂商主要厂商有步科股份、雷赛智能、昊志机电等，伺服厂商如汇川技术、禾川科技也有基础切入无框电机市场。海外龙头在空心杯电机领域布局较早，技术经验积累深厚，产品系列完善，项目经验丰富。与海外龙头企业产品性能相比，我国空心杯电机部分品类的产品性能接近或达到海外龙头，高端产品在功率、效率等方面存在差距。 风险提示：1）产业进展低于预期；2）竞争环境恶化；3）新技术的应用速度低于预期。 >>以上内容节选自国泰君安证券已经发布的研究报告：机器人产业深度（六）：机器人的关节——高效电机，具体分析内容（包括风险提示等）请详见完整版报告。 机器人产业深度（五）：机器人的触觉——六维力矩传感器 报告日期：2023/09/17 六维力矩传感器，助力机器人的柔顺控制。随着机器人技术的快速发展，机器人应用越来越聚焦于机器人与环境发生交互的场景，如打磨抛光、柔顺装配、医疗康复等，对机器人柔顺控制的需求快速增长。对人形/四足机器人、外骨骼机器人而言，柔顺控制对于复杂地形的通过能力、人机柔顺交互能力也非常重要。力矩和位置结合，机器人可以实现更加柔性的控制。 预计2027年工业场景六维传感器需求为4.2万套，2022~2027年CAGR超过50%；当人形机器人年销量达到100万台时，对六维力矩传感器的年需求为400~1600万套。与人工打磨相比，机器人打磨能提高效率和产品良率，降低成本，机器人装配、抛光打磨场景渗透率进入快速提升阶段。2022年中国六维力矩传感器销量/规模分别为8360套/2.39亿元，预计2027年将分别达到42000套/15亿元，CAGR分别为57.97%/52.04%。目前人形机器人主要将六维力矩传感器配置在手腕（2个）、脚踝（2个）处，如果成本大幅下降，灵巧手也有可能配置（12个），据此测算，当人形机器人年销量100万台时，六维力矩传感器年销量有望达到400~1600万套。 六维力矩传感器的技术壁垒：结构设计、标定校准、数据精确采集、解耦算法。六维力测量技术是个平台技术，根据应用场景的环境、载荷、安装、通讯、算力、动力学特性不同，在不同行业中体现出不同的产品形态。他的技术难度不是三个1维力传感器和三个扭矩传感器的简单叠加，而是一维力传感器难度的6次方，体现在：1）它的非线性力学特征明显，要考虑多通道信号的温漂、蠕变、交叉干扰、数据处理的实时性，2）六维联合加载标定的复杂性，3）解耦算法。 六维力矩传感器降本空间大