Optimus机器人进展发布，关注人形机器人核心技术应用
　　2022年9月30日特斯拉2022AIDAY发布人形机器人Optimus进展，发布会中提及人形机器人多项技术，主要涉及控制、感知、驱动、结构四大部分，本文着重对Optimus控制环节进行分析。Optimus控制部分内容包括行走控制、手部控制等。从控制方案看，其步态规划与当前双足机器人普遍使用的基于ZMP的步态规划方法类似，状态预测与机器人领域常用的模型预测控制（MPC）方法一致，构建行为库的方式在Atlas等人形机器人中也有较为普遍的应用。从算法层面看，特斯拉通过自动驾驶仿真器优化运动算法，有望凭借自动驾驶领域的算法及数据积累，加速提升机器人的运动能力。
　　步态控制：基于ZMP的步态规划，实现稳定行走
　　步态是指机器人的每条腿按一定的顺序和轨迹的运动过程，是确保步行机构稳定运行的重要因素，步态规划是使机器人按照规划的步态运动的一种控制方法。常见的步态规划方法包括仿生学方法、智能学习算法、模型简化等。其中基于ZMP（零力矩点）的步态规划方法通过控制ZMP点始终落在稳定区域内，保持机器人稳定。特斯拉Optimus通过弯曲膝盖、向前、后倾斜实现重量的平衡，与目前业界运用较为广泛的基于ZMP的动态步行方法类似，有助于实现机器人的稳定行走。
　　通过状态预测持续优化，应对复杂的现实环境
　　在现实世界中，运动受外部因素干扰，特斯拉通过状态预测将复杂现实世界的情况纳入考虑，从而提升机器人在现实世界中的运动稳定性。业界当前轨迹优化常用方法为模型预测控制（model-predictive control, MPC），通过该算法可以预测机器人在整个移动过程中的质心和动量，并使用机器人动力学模型来预测机器人未来的动作，并进行优化。在动作连贯性方面，MPC可以查看后续动作，从而实现动作之间的平滑过渡。特斯拉Optimus采用状态预测的方法对其轨迹进行优化，与业界常用的模型预测控制（MPC）原理较为相似，有助于应对复杂的现实环境。
　　机器人操作：以行为库为基础，通过深度学习优化
　　在手部控制方面，特斯拉Optimus采用行为库+优化推广的方案，第一步为通过动作捕捉的方式，记录人进行搬运动作时关键节点的路径，形成可视化的行为库；第二步是针对现实世界在线对参考行为进行调整，将人的动作映射到机器人身上。在这一过程中，优化器会对运动轨迹进行优化，从单一的动作推广到更多的应用场景。在当前人形机器人的复杂运动中，较常见的方式为行为库+MPC，其中行为库由开发者创建，并进行离线优化，完成设计后可通过控制器在线调节机器人，完成复杂动作。
　　利用自动驾驶仿真器迭代，运动能力有望加速提升
　　在迭代方面，特斯拉将运动规划组件从汽车移植到机器人中，将机器人运动代码集成到自动驾驶仿真器中，在仿真器中运行运动控制代码，并持续优化其步法，使机器人能够解锁更多关节灵活度，并添加如手臂平衡等高级技术。从迭代速度看，我们认为特斯拉有望依托自动驾驶的数据积累，加快其运动能力的迭代速度，实现机器人运动能力的快速提升。
　　风险提示：算法迭代慢于预期；商业化不及预期；本研报中涉及到的公司、个股内容系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。