这份研报深入探讨了人形机器人领域具身模型的架构演进,重点分析了从RT-2到OpenVLA再到π系列的VLA模型技术路线。报告详细解析了VLA模型的两类架构——一段式和分层架构,以及通用模型如何通过S2/S1/S0分层协同提升复杂任务处理能力。特别关注了π系列模型的持续迭代,从π0到π0.7的架构优化、训练方法改进和任务能力提升,展示了分层架构逐步完善、高层规划与动作执行分工更清晰的演进趋势。
具身机器人赛道正迎来快速发展,科技大厂加速布局具身模型,通用模型能力持续向物理世界延伸。基础模型厂商和科技巨头凭借通用模型开发、多模态理解、算力平台及模型工程化优势,持续拓展具身智能领域。VLA模型作为重要技术路线,通过分层架构和世界模型提升复杂任务自主执行能力。未来,具身智能将更深入地融入机器人处理开放式指令和复杂场景,推动机器人技能复用、执行调整能力提升,形成从通用认知到物理执行的协同链路。
研报重点分析了具身模型的VLA架构演进和分层协同技术。首先,对比了视觉-语言-动作模型的两类架构——一段式和分层架构,强调分层架构在任务分解与模块协同方面的优势。其次,深入研究了通用模型如何通过S2/S1/S0分层协同,兼顾高层推理与实时响应,提升技能复用和执行调整能力。最后,详细梳理了π系列VLA模型的迭代过程,从π0到π0.7在模型架构、训练方法和任务能力上的演进,特别是高层规划模型与世界模型的引入,显著提升了复杂任务的自主执行能力。
当前具身机器人市场处于技术快速迭代和加速布局的阶段。VLA模型作为关键技术路线已逐步成熟,π系列等代表性模型通过分层架构和世界模型的引入,显著提升了复杂任务的自主执行能力。从OpenAI GPT-6 Astra与π0.5的协同实验数据看,分层协同策略有效提升了机器人操作成功率。同时,π0.7在仿真评测中展现出强大的指令遵循、技能组合与跨机器人迁移能力。整体来看,具身机器人技术正从实验室走向更广泛的应用场景,但距离大规模商业化仍需克服模型进展、机器人出货量、数据采集和行业竞争等多重挑战。
研报提示了具身智能领域的主要投资风险,包括具身智能模型进展不及预期、具身机器人出货量不及预期、具身数据采集进度低于预期、具身模型技术路线变化以及行业竞争加剧。具体来看,模型进展风险涉及算法突破和性能提升的可持续性;出货量风险与市场需求和商业化落地进度相关;数据采集风险在于高质量数据的获取难度和成本;技术路线风险则源于新技术的涌现可能改变现有竞争格局;行业竞争风险则来自新进入者和现有玩家的激烈博弈。这些因素都可能影响具身智能领域的投资回报。