ZJ机械人形机器人本轮变化数据采集远大于零部件

该研报指出ZJ机械人形机器人本轮变化中，数据采集量远超零部件更新，Astra赋能人形机器人大模型在RoboDojo基准测试中表现优异，平均得分领先第二名37%，复杂场景理解准确率从68%提升至89%，动作决策时延压缩至85ms，标志着人形机器人开始拥有通用底座大模型，虽然与transformer仍有差距，但已打破专用模型训练时间长、理解能力弱的问题。模型进步结合数据采集，能真正缔造物理AI模型应用落地，数据和场景落地至关重要。

人形机器人赛道正快速发展，核心在于数据采集与通用大模型的结合。Astra赋能的通用底座大模型的出现，标志着人形机器人开始摆脱专用模型的局限，向更高效、更智能的方向发展。数据采集作为关键环节，其重要性日益凸显。利亚德子公司虚拟动点的OptiTrack光学动捕、龙旗科技与智元觅蜂合作的数据采集ego设备、世纪恒通的数据标注业务、海天瑞声的AI训练数据及具身智能遥操作数据采集、凡拓数创的动捕数采以及奥比中光等机器视觉或AI软件赋能的动捕数据处理，均为人形机器人提供了关键的数据支持。未来，数据和场景的深度结合将是行业发展的关键。

该研报重点分析了ZJ机械人形机器人本轮变化中数据采集的重要性及其对模型性能的提升作用。报告详细梳理了人形机器人数据采集的关键技术和主要参与者，包括利亚德子公司虚拟动点的OptiTrack光学动捕、龙旗科技与智元觅蜂合作的数据采集ego设备、世纪恒通的数据标注业务、海天瑞声的AI训练数据及具身智能遥操作数据采集、凡拓数创的动捕数采以及奥比中光等机器视觉或AI软件赋能的动捕数据处理。此外，报告还探讨了Astra赋能的通用底座大模型在RoboDojo基准测试中的优异表现，以及其对人形机器人行业发展的意义。

当前人形机器人市场正处于快速发展阶段，数据采集与通用大模型的结合成为关键趋势。Astra赋能的通用底座大模型的出现，标志着人形机器人开始摆脱专用模型的局限，向更高效、更智能的方向发展。数据采集作为关键环节，其重要性日益凸显。市场上，利亚德子公司虚拟动点的OptiTrack光学动捕、龙旗科技与智元觅蜂合作的数据采集ego设备、世纪恒通的数据标注业务、海天瑞声的AI训练数据及具身智能遥操作数据采集、凡拓数创的动捕数采以及奥比中光等机器视觉或AI软件赋能的动捕数据处理，均为人形机器人提供了关键的数据支持。然而，通用大模型与transformer相比仍有差距，专用模型训练时间长、理解能力弱的问题尚未完全解决，市场仍面临技术挑战。

该研报提示，虽然人形机器人数据采集与通用大模型的结合展现出巨大潜力，但当前市场仍面临技术挑战。通用大模型与transformer相比仍有差距，专用模型训练时间长、理解能力弱的问题尚未完全解决。此外，数据采集的质量和效率对模型性能至关重要，但目前市场上数据采集技术和设备仍需进一步完善。同时，人形机器人应用场景的落地也需要时间和持续投入。因此，投资者需关注技术进展和市场竞争格局的变化，谨慎评估相关风险。