智能机器人技术层面发展趋势:高精度操作,轻量化大模型高质量

人形机器人技术难点: G精度操作

• 人形机器人目前复杂环境的感知能力和判断能力不足

• 人形机器人肢体复杂度G,大量电机集成导致控制难度 大,操作精细度差

• 需要准确的力觉信息感应以及力觉控制以提升人形机器 人的运动精度、反应速度、平衡控制

未来解决思路

采用六维力感应器,嵌入人形机器人末端执行器, 实现与环境之间多维交互力、力矩感知,提升力觉感应准确度、响应灵敏度、动态稳定性

在灵巧手指尖增加传感器或安装电子皮肤,增强抓取和操作任务中的触觉反馈

提升运动算法的稳定性,提升控制准确度

人形机器人技术难点: 本体轻量化

• 人形机器人轻量化是必然发展方向,可大幅提G运动的 机动性和工作效率,进而改善操作速度和动作准确度, 同时减轻运动惯性,提G安全性

• 轻量化后的人形机器人效率会更G,所需的执行功能的 难度也可能会降低,有利于推动量产节点的提前、降低 大规模量产的门槛

未来解决思路

从结构轻量化以及材料轻量化两个方向突破

• 结构拓扑优化: 例如Albert 等对机器人胸部结构采用结构拓扑来实 现轻量化。拓扑优化可实现结构的形状和与尺寸优化,改变结构材 料的分布状态,节省材料的同时能使结构形状与尺寸达到优

• 机器人本体材料优化 : 如采用镁合金、铝合金和碳纤维复材等材 料 , 提升机器人机动性、降低能耗

人形机器人技术难点: 缺乏G质量训 练数据集

• 人形机器人大模型训练需要大量机器人在真实世界中与 环境交互的数据集,如ChatGPT,有大量的公域数据 可供爬取。但目前现实中的机器人保有量太少,可用于 收集训练数据的机器人也较少

• 厂商倾向于保护自有数据,造成了数据壁垒,导致机器 人L域数据获取难度进—步提升

未来解决思路

采用合成数据进行训练: 由于现实数据较少 , 合成数据被视为解决机器人 L域G质量训练数据不足、采集效率低下问题的重要途径。

如英伟达宣布 开源旗下Nemotron-4 340B (3400亿参数)模型,可为开发人员提供可扩 展的生成合成数据模型

层面/产业内部企业共同建立数据工厂,打造数据集,共享场景数据

先于虚拟仿真环境训练再应用到实体环境验证测试,迭代优化