机器人遥操那些事儿

2025年08月01日 23:27 发言人1 00:00即将开始，请稍后。Thanks for your participation. The meeting is ready to start. Please remain on the line. 感谢大家参加本次会议。会议即将开始，请稍后。Thanks for your participation. The meeting is ready tostart. Please remain on the line. 发言人1 00:47 感谢大家参加本次。大家好，欢迎参加东吴计算机机器人瑶操那些事儿。目前所有参会者均处于静音状态，下面开始播报声明。东吴证券研究所提醒您，本次电话会议仅面向机构投资者或受邀客户，第三方专家发言内容仅代表其个人观点，所有信息或所表述的意见均不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，未经合法授权，严禁录音、转发及相关解读，涉嫌违反上述情形的，我们将保留追究法律责任的权利。感谢您给予的理解和配合，谢谢。 发言人3 01:42 好的，各位投资者，我们最近的话机器人姚超比较火，新华标的大鹏科技涨得也比较好。我们今天专门请了头部机器人大厂的专家来给我们讲一下机器人姚超这个细分市场的一个情况。那个专家您好，要不你先跟我们讲一下什么是机器人姚涛。这个技术它主要是是做啥的对。 发言人2 02:08 机器人牙膏主要是做数据采集，这是其中一个。然后还有就是关于姚超的具体的一些执行的这一块。不管是数据采集还是支持执行的话，其实目前的姚超的这个努力还是需要具备一定的泛化能力。姚超的话最开始其实主要是做一些远程的一些操作。比如说我们比较代表性的一个比较代表性的一个。 发言人2 03:02 比较有代表性的一个机器，这个机械设备比方说最经典的就是手术瑶靠机器对，手术牙膏机器人，手术牙套机器人的话。这个达芬奇这个就是能做什么事情，然后就能否做什么事情让机器人做对，然后这么一个情况。对，然后这个就是完全逊色的他没有他并没有一个学习的过程，就是你做完之后，这个数据也留不下来。只不过就是照着这个人的动作去达芬奇机器人去做一遍对应的这个事情，然后也没有学习能力，数据也没有保存下来，就一次性对这个就是早期的要高的一个基本情况。现在的马超其实已经到了一个新的一个阶段。然后在这个过程当中在这个过程当中。 发言人2 04:10在这个过程当中。 发言人2 04:18在审当中，听到。 发言人3 04:22对我看您说话一直重复，我还以为卡了。 发言人2 04:26 卡的话可能信号。然后在这个过程当中就需要建立新的一些能力，比如说像这种比如说整个瑶操它在操作过程当中，它的数据是否可以保持下来，比如说关节的数据，比如说电梯的数据，这是一个。然后第二个就是它的视觉算法，视觉的镜头上的那个数据，是不是可以保留下来，这是第二个。那保留下来之后，这些数据其实就可以做一些学预训练，然后最后形成一个泛化的一个能力。比如说比如说。比如说，比方说。 比方说比方说像这种现在大部分的素材中心，其实对应的事情就是一个。 发言人3 05:45专家您是有事情吗？怎么说话？一卡的？ 发言人2 05:50 信号不太好，信号不太好。就是这个事情。这个是整个过程就是说素材中心现在其实是需要这个素材中心其实就需要一个数据加上训练，加上一个AI学习。然后现在这一块就素材中心的话，现在是姚韬的一个应用的一个片头戏。因为早期的那种达芬奇机器人这种鸟巢的话，其实是已经是过去。那现在素材中心的话对于它的这个需求和要求会更高一些。 发言人3 06:30明白，除了素材的话，是不是比如说现在还有。 发言人2 06:36你的应用场景，你环节。 发言人3 06:40应用场景。 发言人2 06:42你需要姚超，你信号不太好，你说。我看一下。 是不是除我说是不是除了数据采集用于训练的话，说本身行业级的这种应用也需要姚涛才能完成了。 发言人2 07:00 行业级的应用在大脑不成熟的情况下是需要牙膏的。比如说现在人型机器人，它是没有办法去自我的完成一个作业任务。比如说从A到B然后去干某件事情。在这个干的过程当中可能要做各种各样的判断和各方面的能力。其实是没有办法去完全去用完全自主的方式去做的。因为现在大脑还不够成熟，就寄生自然大脑还不够。在这种情况下是不是可以类似去类似于用这种自动驾驶，就是现在比如萝卜筷子这种车是他平时是自主运动的，或者说有一定的自主性。但是一旦有问题的话，就是能可以做监管。 发言人2 07:53 那其实人行自身也是一样，在一些危险的有安全隐患的，然后相关的这些场景其实是可以通过一些比方说这个瑶操的方式，就是机器人它上面装相机，把第一视角画面传回来，然后去采集数据，然后最后去 最后去采集数据，最后去把这些数据给拿回来。同时我可以通过小超的方式去把这些有安全隐患的工作给做了。比如说这个场景就是一个核电场景，钢铁产品它的高温环境很恶劣。那么这种情况下机器人可以在现场人的话可以在一个比如说比较舒适的办公室，把机器人把第四角传回来，能用肉眼去看第一视角画面当中的一些工作的工作面的情况，让用人的大脑去判断，以及去对任务进行一个比较具象化的一个比较具体怎么操作才能把这个任务完成，去做这个事情，然后最后把这个事情给做成。那这个时候其实人形机器人没有大脑也没关系，因为这个大脑现在是有能真实的大脑在做替代然后这个事情现在其实已经在开始用了。 发言人3 09:21 明白，懂了。还有一个点就是机器人姚涛的话，当前来看的这个比例有多少？是不是有多少的机器人比较少？ 发言人2 09:33 比较人形机器人也要靠这一块，其实目前占比很少，只有一些科研和一些科技项目，比如说电力场景的一个开关柜的一个开关柜的一个按钮闸刀这些使用摇头的，其他的其实就没有用太多了。当然学术圈其实用了很多牙科的那就是比如说一些科研院校，他们做一些实验，做一些论证方案，其实都都是都是都是用一些养号的这个在做的对，这块其实是可以的。 发言人3 10:12 明白，未来这个比例怎么看？为什么现在有这么少的机器人摇头？是它端到端的智能已经足够了吗？ 发言人2 10:19 没有端的方式其实不够的，只不过就是现在人形机器人应用市场其实就没有打开，垚滔这种方式，其实它的效率和准确度其实是相对比较低的对所以这也直接导致了对这个事情整体来说会会比较会比较这个呃。 发言人3 10:46怎么说呢？就是你用。 发言人2 10:48 雷霆机器人成本比较高，效率比较对，然后同时他的大脑不够成熟，所以如果真的要作业的话，就只能用姚超。但是姚超的这个整个过程你可以理解成就是跟你开自己直接开车和你坐在一个虚拟的驾驶仓去开车完全是两回事情，对吧？你自己开车肯定是效果更好。你坐在虚拟仓，比如说一个屏幕，然后有一个开车的一些方向盘什么的，就是虚拟的一个搭建的这么一个过程，这个肯定是没有问题的对。 明白，那是不是将来如果人形机器人要是应用场景打开的话，其实它这个瑶操的比例会提升了。 发言人2 11:37 姚超体力也会确实会提升一些。但是这确实你可以理解它不是一个真实环境，它还是有点虚的。就是因为你是通过相机去看这个作业面，跟你直接能在现场去做面对这个作业面肯定会有很大区别。 发言人3 11:58 明白，那肯定是人不太方便去的地方才有机器人。这肯定是人不太方便去的地方才会用机器人。 发言人2 12:08 对，有其实就是有安全隐患的，或者说高温的、高湿度的，这种就是有有有比如说有一些比较有有有毒有害气体的，或者说这个环境就比如说像钢铁这种产品，热轧车间，整体来说就比较比较被比较糟糕。这个就是人类其实早期的时候，可能现在的70后、60后甚至可能80后，他还是能够忍受这种环境去作业的。但是你说90后、00后，甚至更年轻的人，年轻人那一代的话，他们其实宁可送外卖，可能都抢在这种工厂去工作。所以这种劳动力未来肯定是持续短缺，所以这个问题肯定要解决。 发言人3 13:02 明白，还有一点就是我提到个观点，就是说可能所有的机器人都得具备瑶操这个能力，就是随时被监管能力，反而就可能有黑客这些问题存在。对。 发言人2 13:13 这个是对的。因为其实你可以理解成哪怕是自动驾驶的这个汽车，我个人觉得就是比如说特斯拉的这种自动驾驶汽车，其实也是需要不一定是接管。但是至少我觉得有一个监测，就在他自动驾驶或者自动这个作业，就机器人自动作业的过程中，如果有些突发情况的话能够介入。 发言人2 13:40 我觉得我觉得这个时候，杨超可能他是要打个引号的。他其实不是说人类去瑶操，而是系统就是后台的这个计算机，一个常规的一个跟人一样的一个稳定度稳稳定性非常高的一个计算机来接管原来自动驾驶考试。对，因为自动驾驶它是基于AI算法，就是这个大模型这种方式去去去推进这个执行的，那那可能会存在一些不可预知的风险。但是如果说我还是用硅控，因为原来机器人控制它是有规则，规则控制叫做规控。有一些成熟的代码，一些比较规范的一些代码。如果说机器人如果说一旦跑杯或者有问题的，是不是可以用这种规则的算法去接管，而不是用AI算法来这个时候其实也算是姚超，只不过这个姚超他要打打个引号。他他不是说人去养号的，是规则的这些用户算法来做养号，这个可能也是一个办法。对，因为所有如果说你每台机器人都要进行人为的介入摇头的话，汽车自动驾驶它因为毕竟可能就是现至少现在的自动驾驶方案就是你其实这个蛮多的情况。这个主题价位，就是驾驶舱确实是有一做的，然后你可以人为的去管，但是机器人就很难这么去做对。 发言人3 15:16 明白。还有一个点，就我们您刚刚也提到，就除了本身机器人的场景受限以外，就是摇他这个技术它还是有有难点的，但是它本身发展的也不好。他这个发展不好主要有哪些问题，技术难点要解决。 发言人2 15:33 姚超的技术难点其实主要还是实时性，以及机器人的这个关节是否能够映射到人人的关节。一些这情况能不能往机器人关节上去应对。因为你也知道机器人和人关节，人的这个关节跟机器人的这个电机关节就肯定是完全不是一回事情是吧？这在摇高的过程中，这个力度、加速度，包括响应速度，包括比如说转速这些，这个能不能跟这两个数据对应的，这个机器人的手臂和人的手臂是不是可以非常匹配的耦合在一起，这个是有难度的对，这个是有难度。还有一个刚才我说这个实时性，如果你时间不够的话，就你要操的人去做一个动作了，最后机器人可能慢个几秒去做的话，那这个事情就可能就会有很大的风险。 发言人3 16:36明白，那个实时性的话主要是靠是你的。 发言人2 16:41解压。 发言人3 16:42书和传输吗？ 发言人2 16:45 视频的解压书和传输，这个是其中一个，主要还是说你人去做一个，比如说我摇头的时候，人不是去手，打个比方说去抬一下手，然后机器人对应的这个手臂也会抬一下。那这个的形式就是人的这人去抬这个手臂的时候，这些关节点位，它的运动轨迹，然后传递给空间位置通过网络的方式传递给这个机器人去做事情，这个就是他的提出新的要求。明白后明白。 发言人3 17:33 还有首先我们先分开讲，第一部分视频的解压缩这一块的话，就是我了解到这个技术是不是是不是随着我们如果要是真的去摇它，包括有多模态大模型的发展的话，是不是这个视频流的回传还是挺大的对内存，对这网络要求挺高的。 发言人2 17:52 对，因为你最终视频就是机器人的第一视角，他其实把这个视频传输回来，然后人要去看这个视频，那这一块的话其实是马骝，我们说马马骝，马骝其实还是比较大对，那这一块的话其实是要专门去做的。当然现在其实怎么说呢？他的整个现在的这个网，至少中国吧，我觉得包括全球也是网络这一块，带宽还是已经做的很大了。对，比如说现在的这个5G网络，其实已经做的非常完善了，就整体来说做的，整体来说这个效果还可以。所以网络这一块我觉得一直都不是一个问题，问题主要还是他的整个计算这样。因为最后还是希望他在做整个瑶操的过程当中，可以有一些AI的算法来做