旅游公司网站建设ppt,wordpress 用户增强,python开发订阅号,广州越秀区酒店推荐《经济参考报》11月8日刊发文章《多方布局人形机器人赛道,智能应用前景广》。文章称#xff0c;工信部日前印发的《人形机器人创新发展指导意见》#xff0c;按照谋划三年、展望五年的时间安排#xff0c;对人形机器人创新发展作了战略部署。
从开发基于人工智能大模型的人…nbsp;《经济参考报》11月8日刊发文章《多方布局人形机器人赛道,智能应用前景广》。文章称工信部日前印发的《人形机器人创新发展指导意见》按照谋划三年、展望五年的时间安排对人形机器人创新发展作了战略部署。
从开发基于人工智能大模型的人形机器人“大脑”到打造仿人机械臂、灵巧手和腿足再到发布自主研发的人形机器人产品.以“大模型”为代表的技术爆发加速了人工智能产业的发展。为了抓住这一轮技术变革的浪潮促进区域以及产业发展多个一线城市开启了“追逐赛”。以人工智产业发展高地北京为例《北京市促进通用人工智能创新发展的若干措施2023-2025年》的发布是国内首个地方政府紧贴AI大模型产业化发展提出的专项措施。当下正值ChatGPT引发的“千模大战”打响大模型可能为各行各业带来新的效率革命和体验升级。随着AI第一城北京行动了上海、深圳、成都等地区都已陆续采取行动抢占发展的“窗口期”。
人形机器人技术方案包括软件层和硬件层后者可分为控制模nbsp;块、感知模块、运动模块、动力模块、散热总装模块。我们认为软件能力决定机器人产品nbsp;力的上限硬件能力决定机器人的落地程度。目前nbsp;ChatGPTnbsp;预训练语言模型、PaLM-Enbsp;模型等nbsp;AInbsp;技术和大模型的发展助力机器人向具身智能逼近硬件技术方案实际类似搭积木 的过程核心在于主机厂对成本和性能的权衡。
在今年特斯拉股东大会上马斯克说到“人形机器人Optimus对运动和力量的控制以及环境感知方面有显著加强技术正在快速迭代。预计未来机器人的需求可能会达到100亿甚至更多。如果以人类和机器人的比例为2:1推算那么对人形机器人的需求可能会比电动汽车的还大不少。就凭借此寥寥数语马斯克的信心、热情和投入很快点燃了人形机器人赛道的火焰并有愈演愈烈的趋势至今。而从实际应用的角度来看推动整个产业链走向成熟和完善的可能也是特斯拉。
从实际技术的角度来说特斯拉这种企业做机器人有先天性优势因为机器人与AI的很多基本原理都是相同的而且也可以视为电动车的自然延伸电动车可以视为第一代的四轮机器人。前两年马斯克提出要做机器人时引来不少说他“不务正业”的嘲讽然而今年年初理想汽车确定的愿景是成为最优秀的AI和机器人公司而非全球最大的电动车企业。由此可见梦想也是会传播的。特斯拉的人形机器人Optimus首次亮相是在去年官方的2022 AI Day活动上并在现场完成了自主行走、转身、停止、挥手问候等动作。Optimus的技术大部分与特斯拉汽车的一致如机器视觉以及处理视觉数据、做出行动决策、支持通信交流的“大脑”还有最重要的与特斯拉汽车一致的芯片还搭载与特斯拉车辆同源的FSD电脑以及Autopilot相关神经网络技术预计最终售价不超2万美元约合14.4万元人民币。
机器人自由度与量产成本为正相关关系商业化进展较快机器人的共性在于面向垂直化nbsp;场景且匹配了相应的自由度成本适中能为市场接受。如nbsp;EVEnbsp;机器人专门用于安防和夜 间巡逻其腿部为双轮结构虽无法跨越障碍但可满足夜间巡逻的基本需求售价仅nbsp;32nbsp;万元。而特斯拉nbsp;Optimusnbsp;则依托汽车产业链优势平衡了机器人自由度与量产成本的矛盾 能完成行走、上下落体、拿物体等商业化目标明确的动作而量产后价格仅nbsp;2nbsp;万美元目 标是能完成行走、搬运物体同类机器人产品价格的nbsp;1/10。
人形机器人商业化的核心桎梏在于成本而特斯拉的nbsp;FSDnbsp;产业 资源优势大概率会为nbsp;Optimusnbsp;商业化赋能人形机器人与nbsp;FSDnbsp;在数据调度、数据处理、 算法模型等关键能力上具有较高共用性如nbsp;Optimusnbsp;的硬件生产可共享特斯拉汽车的供应 链Optimusnbsp;软件架构中可应用nbsp;FSDnbsp;的感知算法、规划控制模型机器人的规控场景更复 杂同时机器人涉及室内环境建模可借鉴nbsp;FSDnbsp;的nbsp;3Dnbsp;地图构建经验综上我们认为nbsp;FSDnbsp;可迁移的成熟的软硬件能力或加速人形机器人商业化落地具体表现为以下3点
1车端算法迁移Optimusnbsp;搭载特斯拉自研芯片单芯片算力可达nbsp;362TFLOPs也共享特斯拉汽车自动驾驶软件平台我们看好特斯拉自身的自动驾驶技术赋能机器人的机器视觉算法、FSDnbsp;和nbsp;Dojo的数据积累和训练模型加快机器人功能优化从而实现降本增效。具体而言算法上2022nbsp;年nbsp;APnbsp;团队在原感知算法模型加入了占用网络nbsp;Occupancy Networknbsp;和矢量地图nbsp;Lane Network进一步提升了感知模型的精度和对nbsp;Corner Casenbsp;的 覆盖度Optimusnbsp;将会使用和nbsp;FSDnbsp;同样的nbsp;Occupancy Networknbsp;来识别可行动区域或能 生成效果更好的nbsp;3Dnbsp;地图以弥补特斯拉未使用高精地图和雷达在长尾问题的感知不足。基础设施上Dojonbsp;超算中心为nbsp;FSDnbsp;大数据训练的关键具有高稳定、高并行算力的特征可提供更高效的数据标注和算法迭代有望加强机器人的算法优势。
2供应链迁移人形机器人由于硬件超配且关节数目多量产成本较高但机器人供nbsp;应链与电车供应链有较大重合度如人形机器人能共用汽车的芯片、电池等并能够对电nbsp;机电器、热管理等做适应性更改再使用。
我们看好nbsp;Optimusnbsp;与nbsp;FSDnbsp;供应链接轨、共享特斯拉国产供应链优势实现规模化降低成本。站在当前时点我们认为人形机器人已初步突破了软件领域的部分技术桎梏。
22nbsp;年nbsp;11nbsp;月nbsp;Open AInbsp;发布nbsp;ChatGPT并计划赋能机器人的零次任务规划、人机交互、视觉辅助、逻辑 判断功能实现用语言文字控制机器人23nbsp;年nbsp;3nbsp;月谷歌nbsp;PaLM-Enbsp;模型推出融合了nbsp;ViT Vision Transformernbsp;的nbsp;220nbsp;亿参数和nbsp;PaLMnbsp;的nbsp;5400nbsp;亿参数能力集成了可控制机器人视 觉和语言的能力23nbsp;年nbsp;5nbsp;月英伟达发布多模态具身智能系统nbsp;NVIDIA VIMA标志nbsp;AInbsp;能力 的又一显著进步有望显著提升机器人的智能化水平、人机交互能力、自编译能力。
2023年或为产业化的当打之年AI、大模型深度赋能机器人感知层和规划层助力机器人更贴近具身智能。以微软nbsp;ChatGPTnbsp;预训练语言模型、谷歌nbsp;PaLM-Enbsp;模型、英伟达多模态具身智能系统nbsp;NVIDIAnbsp;VIMAnbsp;为代表的nbsp;AInbsp;技术突破进一步助力机器人突破产品力上限。
