具身智能有望重构生产力范式
　　具身智能的本质是人工智能的高技术供给驱动生产力范式重构。本轮大模型技术进步大幅度提高了机器人感知、决策、控制系统的技术供给，在降低软件开发门槛的同时拓宽了机器人的应用场景，有望驱动机器人真正实现具身智能。而具身智能机器人作为自洽的智能体，在思维方式、行为模式方面高度拟人，可以提高劳动力供给，在特种场景替代人类，在长尾制造、柔性制造场景大规模应用，有望极大限度地解放生产力、重构生产力范式。
　　技术供给节奏加快，算法开发范式升级
　　而近年来兴起的大模型有望重塑人形机器人的算法开发模式。当前人形机器人尚未实现具身智能，主要原因在于传统的强化学习方案与拖拽示教方案效率低下，难以解决长尾问题。大模型或成为具身智能的必备选项，具身智能或成为大模型在现实世界的具象化形态。在软件算法性能不足的情况下，大模型将首先搭载于服务型机器人，用于人机交互场景。后续的图像-文本动作（VLA）大模型可以将软件算法的感知、决策规划、控制三个模块相融合，减少模块间的“hard decision”与Prompt摩擦，彻底实现模型的端到端方案，大幅度提高人形机器人的泛化能力与思维链能力。
　　软件算法是人形机器人的核心价值环节
　　特斯拉推出的Optimus带动了本轮人形机器人的高热度。仔细观察即可发现，人形机器人有较多零部件继承自工业机器人，但人形机器人核心生态位却由跨界巨头占据。究其原因，是因为跨界巨头具备较强的AI能力，可以在算法、算力、数据三个层面保持人形机器人软件层面的核心优势。短期来看，人形机器人硬件层面的竞争要素在于降本，而从长期角度来看降本是全行业的一致行动，龙头厂商较难保持控本优势，因此零部件控本难以作为优质壁垒。相比之下，AI算法决定了人形机器人的能力范围，是产业链的核心价值环节。人形机器人产业的短期观察指标在于爆款场景的落地，而爆款落地会带动产能扩张造成供给端降本，降本会催生新的需求形成飞轮效应。当制造端成本下降到奇点，即可从爆款场景发散至成本敏感型场景。
　　后续投资关注三条主线
　　人形机器人市场空间有望在2035年达到1540亿美元。基于前文的分析，建议关注：1）人形机器人零部件标的，包含减速器、滚珠丝杠、无框力矩电机等高价值量零部件标的；2）智能驾驶相关标的，包含IMU、激光雷达、视觉摄像头、智能驾驶芯片等标的；3）大模型算法、算力芯片标的。
　　风险提示
　　1、人形机器人技术发展不及预期；
　　2、人形机器人产品需求不及预期。

研究报告全文：research95579com行业研究丨深度报告丨软件与服务TableTitle人形机器人深度报告大模型驱动算法升级重塑生产力的未来1research95579com丨证券研究报告丨报告要点TableSummary本轮大模型技术进步大幅度提高了机器人感知决策控制系统的技术供给在降低软件开发门槛的同时拓宽了机器人的应用场景有望驱动机器人真正实现具身智能图像-文本-动作VLA大模型彻底实现模型的端到端方案大幅度提高人形机器人的泛化能力与思维链能力当前跨界巨头占据了人形机器人核心生态位究其原因是因为跨界巨头在算法算力数据上占据优势后续相关板块需要关注爆款场景落地情况通过降本实现爆款场景到成本敏感场景的发散分析师及联系人TableAuthor宗建树SACS0490520030004请阅读最后评级说明和重要声明2282research95579com丨证券研究报告丨2023-09-23cjzqdt11111软件与服务TableTitle人形机器人深度报告大模型驱动算法升级重2行业研究丨深度报告TableRank投资评级看好丨维持塑生产力的未来TableStockData具身智能有望重构生产力范式TableSummary2市场表现对比图近12个月具身智能的本质是人工智能的高技术供给驱动生产力范式重构本轮大模型技术进步大幅度提软件与服务沪深300指数高了机器人感知决策控制系统的技术供给在降低软件开发门槛的同时拓宽了机器人的应62用场景有望驱动机器人真正实现具身智能而具身智能机器人作为自洽的智能体在思维方3814式行为模式方面高度拟人可以提高劳动力供给在特种场景替代人类在长尾制造柔性-1020229202312023520239制造场景大规模应用有望极大限度地解放生产力重构生产力范式技术供给节奏加快算法开发范式升级资料来源Wind而近年来兴起的大模型有望重塑人形机器人的算法开发模式当前人形机器人尚未实现具身智能主要原因在于传统的强化学习方案与拖拽示教方案效率低下难以解决长尾问题大模型相关研究或成为具身智能的必备选项具身智能或成为大模型在现实世界的具象化形态在软件算法性TableReport大模型金融行业应用展望2023-09-19能不足的情况下大模型将首先搭载于服务型机器人用于人机交互场景后续的图像-文本-计算机行业2023半年报综述营收仍受需求动作VLA大模型可以将软件算法的感知决策规划控制三个模块相融合减少模块间的压制毛利现金等已有改善2023-09-06harddecision与Prompt摩擦彻底实现模型的端到端方案大幅度提高人形机器人的泛政策提振市场信心看好金融IT和AI超跌反化能力与思维链能力弹2023-08-30软件算法是人形机器人的核心价值环节特斯拉推出的Optimus带动了本轮人形机器人的高热度仔细观察即可发现人形机器人有较多零部件继承自工业机器人但人形机器人核心生态位却由跨界巨头占据究其原因是因为跨界巨头具备较强的AI能力可以在算法算力数据三个层面保持人形机器人软件层面的核心优势短期来看人形机器人硬件层面的竞争要素在于降本而从长期角度来看降本是全行业的一致行动龙头厂商较难保持控本优势因此零部件控本难以作为优质壁垒相比之下AI算法决定了人形机器人的能力范围是产业链的核心价值环节人形机器人产业的短期观察指标在于爆款场景的落地而爆款落地会带动产能扩张造成供给端降本降本会催生新的需求形成飞轮效应当制造端成本下降到奇点即可从爆款场景发散至成本敏感型场景后续投资关注三条主线人形机器人市场空间有望在2035年达到1540亿美元基于前文的分析建议关注1人形机器人零部件标的包含减速器滚珠丝杠无框力矩电机等高价值量零部件标的2智能驾驶相关标的包含IMU激光雷达视觉摄像头智能驾驶芯片等标的3大模型算法算力芯片标的风险提示1人形机器人技术发展不及预期更多研报请访问2人形机器人产品需求不及预期长江研究小程序请阅读最后评级说明和重要声明3research95579com行业研究深度报告目录具身智能有望重构生产力范式6具身智能腾飞在即市场空间广阔6技术供给节奏加快算法开发范式升级11传统算法开发路线效率低下12具身智能是大模型的具象化形态13大模型重塑人形机器人算法开发范式15软件算法是人形机器人的核心价值环节21当前产业生态跨界巨头或占据核心生态位21未来商业模式从制造走向运营数据与算力是核心要素24后续投资关注三条主线26风险提示27图表目录图1涌现效应推动AI供给能力大幅提升6图2一图看懂具身智能的影响6图3我国劳动力短缺已成必然之势7图4我国制造业人口平均工资连年增长7图5波士顿动力机械狗用于矿洞勘察7图6宇树科技机器狗用于消防侦擦7图7工业机器人与具身智能机器人特点比较8图8制造业机器人的四个发展阶段8图9规模生产与柔性制造曲线8图10机器人实现从第二产业向第三产业渗透2022年9图11机器人的市场空间可以比拟智能手机或电动汽车9图12AI训练难以覆盖长尾场景11图13决策规划算法是机器人算法的核心成分12图14强化学习算法多次试错后可以得到最佳策略图12图15机器人可以复现拖动轨迹13图16第一人称与第三人称交互方式13图17第一人称与第三人称智能的区别13图18传统机器人系统由大量算法组合而成14图19早期特斯拉自动驾驶功能难以应对小概率场景造成车祸14图20PaLM-E机器人可以把任务拆解成多个步骤完成14图21大模型通过预训练调参提高泛化性15图22参数量扩大涌现出思维链能力15图23大模型数据与处理任务的跃升15图24一图看懂机器人应用场景分类和技术供给节奏16图25人形机器人可分为服务型和劳动型两类16请阅读最后评级说明和重要声明4284research95579com行业研究深度报告图26交互能力大模型语音算法17图27动作控制机器视觉决策控制算法17图28ChatGPTforRobotics可以根据自然语言生成控制代码18图29多模态大模型具备图像逻辑思维能力18图30谷歌PaLM-E大模型具备较高泛化性和逻辑推理能力19图31VLA模型需要将机器人动作作为模态编入大模型19图32RT-2可以将复杂任务拆成简单多步骤完成20图33RT-2具备较强的视觉符号理解推理人类识别能力20图34RT-2模型建立在PaLM-E和RT-1基础上20图35VLA是端到端的系统具备最高的运行效率21图362022年的Optimus机器人21图37最近的Optimus已进入特斯拉工厂21图38特斯拉Optimus零部件一览22图39工业机器人厂商市占率2023年一季度22图40支撑特斯拉入局人形机器人的五大因素23图41人形机器人会从爆款场景发散到成本敏感型场景23图42特斯拉人形机器人系统移植了FSD智驾系统24图43特斯拉HW30智驾芯片24图44算力是支撑模型训练与推理的核心要素24图45Dojo超算平台24图46Dojo超算平台为特斯拉带来了什么25图47到2024年10月Dojo超算平台算力有望达到100EFlops25图48英伟达NVlink架构25图49特斯拉Dojo超算中心结构26图50马斯克认为特斯拉的长期价值增长来源于AI和机器人26表1我国出台了一系列人形机器人发展刺激政策10表2国产人形机器人梳理22请阅读最后评级说明和重要声明5285research95579com行业研究深度报告具身智能有望重构生产力范式具身智能的本质是人工智能的高技术供给驱动生产力范式重构本轮大模型技术进步大幅度提高了机器人感知决策控制系统的技术供给在降低软件开发门槛的同时拓宽了机器人的应用场景有望驱动机器人真正实现具身智能而具身智能机器人作为自洽的智能体在思维方式行为模式方面高度拟人可以在绝大部分劳动作业场景替代人类有望极大限度地解放生产力重构生产力范式图1涌现效应推动AI供给能力大幅提升资料来源EmergentAbilitiesofLargeLanguageModels长江证券研究所具身智能腾飞在即市场空间广阔图2一图看懂具身智能的影响具身智能高智能性高泛用性重塑生产力范式提升劳动力供给特种场景应用长尾制造柔性制造资料来源长江证券研究所具身智能机器人有望解决我国劳动力缺口我国人口老龄化已成为不可逆转的趋势对未来劳动力短缺与用人成本上升造成长期且难以逆转的影响我国人口老龄化程度不断提高60岁及以上人口占比从2011年的137持续提升至2022年的198劳动力缺口日益扩大作为全世界制造业产值最高的国家我国拥有庞大的制造业基础对应了广阔的劳动力需求具身智能机器人通过AI的高技术供给解放生产力有望解决我国劳动力缺口和用工成本上升的问题请阅读最后评级说明和重要声明6286research95579com行业研究深度报告图3我国劳动力短缺已成必然之势图4我国制造业人口平均工资连年增长790251012780208107701586760610750447405227300002013201420152016201720182019202020212022劳动力人口亿60岁以上老年人口占比右轴我国制造业人口平均工资万元YoY右轴资料来源Wind长江证券研究所资料来源Wind长江证券研究所具身智能机器人可以在高危特种场景代替人类作业具身智能机器人在高危和特种场景中可以发挥重要作用可以在巡检紧急救援核电站和化工厂探险和勘察矿山和建筑工地火灾扑救军事应用等场景代替人类从事危险艰苦高风险或者无法适应的任务大幅提高了作业的安全性和效率减少人类工作者暴露于危险环境的风险图5波士顿动力机械狗用于矿洞勘察图6宇树科技机器狗用于消防侦擦资料来源波士顿动力官网长江证券研究所资料来源宇树科技官网长江证券研究所工业机器人无法用于长尾制造端和柔性制造场景在当前阶段工业机器人由多关节机械手或多自由度的机器装置组成具备一定的智能化水平已广泛用于电子物流化工等领域工业机器人的缺点在于其定制化程度较高只能用于大规模制造场景而无法用于长尾制造端此外高度定制化的特点导致其响应更新速度较慢无法用于柔性制造请阅读最后评级说明和重要声明7287research95579com行业研究深度报告图7工业机器人与具身智能机器人特点比较工业机器人具身智能机器人轻度智能化高度智能化高度定制化轻度定制化泛用性低泛用性高造价低造价高资料来源长江证券研究所具身智能机器人有望重构生产范式柔性制造已成为工业制造重要组成部分相比于传统制造模式柔性制造可以快速响应市场需求缩短交货周期降低库存和过剩产能因此日益受到制造业厂商的重视具身智能机器人不以任务为导向泛用性较高智能性与机动性强度接近人体之后即可完美替代人类作业无需对机器人本身做场景定制化因此具身智能机器人可以大规模用于长尾制造端和柔性制造场景有望重构制造业的生产范式图8制造业机器人的四个发展阶段图9规模生产与柔性制造曲线资料来源Intelligenthumanoidsinmanufacturingtoaddressworkershortage资料来源IntelligenthumanoidsinmanufacturingtoaddressworkershortageandskillgapsCaseofTeslasOptimusMalikAetal长江证券研究所andskillgapsCaseofTeslasOptimusMalikAetal长江证券研究所人型机器人有望在第三产业快速渗透在当前阶段工业机器人在汽车电子纺织服装化工石化等规模制造业的渗透率较高已经进入1-10的放量阶段相比之下机器人在第三产业刚刚进入0-1的产业落地初期阶段因此工业机器人在第二产业的发展节奏可以映射人形机器人在第三产业的发展节奏而映射到第三产业需要机器人从机械臂的形式转向更加拟人化的人形机器人未来随着具身智能技术赋能人形机器人有望快速提高在第三产业的渗透率实现服务业的智能化升级请阅读最后评级说明和重要声明8288research95579com行业研究深度报告图10机器人实现从第二产业向第三产业渗透2022年机器视觉云计算物联网大模型仿生技术汽车制造电子制造纺织服装医疗酒店教育文娱化工石化电力建筑金融旅游第二产业第三产业GDP483万亿元占比399GDP占比639亿元占比528长尾化泛用化拟人化智能化资料来源ZDNETTesla官网达闼官网Wind长江证券研究所人型机器人的市场空间广阔根据高盛预测在理想状态下若机器人软硬件在短期内产生重大技术突破实现具身智能的同时年均降本达到20人形机器人全球市场空间有望在2035年达到1540亿美元接近2021年智能汽车的市场空间2025-2035年复合增长率达到94若是在乐观情况下人形机器人的出货量有望在2035年达到100万台市场空间2025-2035年复合增长率有望达到59而即使是在悲观推测下人形机器人市场空间在2035年也有望达到60亿美元从劳动力替代角度来看预计2025年-2028年人形机器人厂商达到两年投资回报期2030年-2035年客户端达到两年投资回报期图11机器人的市场空间可以比拟智能手机或电动汽车全球电动汽车出货量全球智能手机出货量人形机器人出货量理想推测人形机器人出货量乐观推测人形机器人出货量中性推测人形机器人出货量悲观推测厂商两年投资客户两年投资回报期区间回报期区间全球智能手机出货量全球电动汽车人形机器人出货量出货量人形机器人出货量全球智能手机出货量全球电动汽车出货量资料来源高盛长江证券研究所请阅读最后评级说明和重要声明9289research95579com行业研究深度报告我国出台了一系列政策以鼓励人形机器人产业发展当前人型机器人板块明确获政策支持有望缩短技术迭代周期加速产业链形成4月29日山东首先提出要加快人形机器人技术攻关补齐产业链短板随后上海深圳北京纷纷给出了人形机器人发展指导意见其中北京发布的北京市机器人产业创新发展行动方案20232025年对人形机器人落地和核心零部件落地节奏提出了明确要求此外8月16日北京发布的北京市促进机器人产业创新发展的若干措施提出设立100亿元规模的机器人产业基金给人形机器人初创企业提供了孵化环境表1我国出台了一系列人形机器人发展刺激政策发布时间部门文件名称核心内容面向制造业采矿业建筑业农业等行业以及家庭服务公共服务医疗健康养工业和信息化部等十四五机器人产业发老助残特殊环境作业等领域需求集聚优势资源重点推进工业机器人服务机器人20211221十五部门展规划特种机器人重点产品的研制及应用拓展机器人产品系列提升性能质量和安全性推动产品高端化智能化发展到2025年制造业机器人密度较2020年实现翻番服务机器人特种机器人行业应用深度和广度显著提升机器人促进经济社会高质量发展的能力明显增强聚焦10大工业和信息化部等机器人应用行动实2023118应用重点领域突破100种以上机器人创新应用技术及解决方案推广200个以上具十七部门施方案有较高技术水平创新应用模式和显著应用成效的机器人典型应用场景打造一批机器人应用标杆企业建设一批应用体验中心和试验验证中心1强化产业基础技术攻关加快突破机器人等核心领域精准补齐基础零部件基础元山东省制造业创新能力提器件基础材料基础软件基础工艺等五基短板山东省工业和信息2023429升三年行动计划20232加快布局未来产业研究制定山东省未来产业高质量发展行动计划加快布局人形机化厅2025年器人元宇宙量子科技未来网络碳基半导体类脑计算深海极地基因技术深海空天开发等前沿领域推进6G技术研发和应用1到2025年工业机器人使用密度力争达360台万人上海市推动制造业高质量2打造智能机器人终端品牌2023518上海市政府发展三年行动计划2023-3推动传统制造业企业加快机器人应用2025年4瞄准人工智能技术前沿构建通用大模型面向垂直领域发展产业生态建设国际算法创新基地加快人形机器人创新发展1聚焦智能机器人等领域实施重大专项扶持计划开展通用型具身智能机器人的研发深圳市加快推动人工智能和应用2023531深圳市政府高质量发展高水平应用行动2加快组建广东省人形机器人制造业创新中心开展人形机器人规模化应用方案20232024年3打造全域场景应用孵化高度智能化的生产机器人1到2025年培养100种高技术高附加值机器人产品100种具有全国推广价值的应用场景万人机器人拥有量达到世界领先水平全市机器人核心产业收入达到300亿元以上2加紧布局人形机器人以小批量生产和应用为目标打通基础条件集中突破关键技术推动相关软硬件的研制与应用支持上下游企业联合攻关与产线建设加速全产业链自主化3发挥机器人产业基础优势提升医疗健康协作特种物流四类机器人技术水平和市场竞争力北京市机器人产业创新发4打通创新链条增强人工智能大模型产业关键核心技术关键零部件等基础支撑能2023616北京市政府展行动方案20232025力推动机器人产业稳链补链和强链年5面向医疗制造等领域重点需求开展一批机器人应用示范加快形成标志性场景标志性服务标志性模式和标志性业态6围绕机器人研发设计中试验证等产业环节加快建设一批开放共享的公共服务平台全面提升机器人产业要素配置水平建立资源统筹创新协同环境优化的产业发展新生态7立足产业组织优化和产业链协作推动机器人创新链和产业链对接融合产业布局和区域资源高效匹配加快打造机器人产研结合示范区产用结合集聚区全面提升机器人产业对内吸引集聚和对外辐射带动的作用8通过国家级项目布局制定专项政策加强人才培养等措施保障机器人行业发展在创新突破机器人产业集聚要素保障等方面提出了若干措施扶持促进机器人北京市经济和信息北京市促进机器人产业创2023816产业发展措施支持机器人企业融资上市设立100亿元规模的机器人产业基金化局新发展的若干措施首期规模不低于20亿元资料来源中国政府网山东政府网上海政府网北京政府网深汕网长江证券研究所请阅读最后评级说明和重要声明102810research95579com行业研究深度报告技术供给节奏加快算法开发范式升级目前人型机器人尚未实现具身智能目前已经出现了一些能够在特定任务上表现出色的人工智能系统如语音助手图像识别系统和自动驾驶汽车等这些系统可以感知环境处理信息并做出一些决策但它们的智能还是局限于特定的任务领域无法像人类一样在各种不同情境下进行全面的智能互动人形机器人系统也是如此当前人形机器人只能遵循预设的软件算法执行特定场景的任务目标若出现长尾任务场景或在作业过程中遭受干扰机器人往往无法应对图12AI训练难以覆盖长尾场景资料来源medium长江证券研究所决策规划算法是当前具身智能主要发展痛点机器人的软件算法可以分成感知决策规划控制三个部分感知算法伴随着智能驾驶技术的多年迭代已有较为成熟的技术方案算法与传感器耦合程度较高感知算法的发展瓶颈在于感知的精准度和范围等方面仍有提升空间控制算法总体较为简单发展瓶颈在于硬件层的性能与精准度而决策规划算法是当前具身智能的主要发展痛点可以类比成大脑的认知能力认知能力会随着算法训练层次提高而增长相比感知控制算法具备较高的发展上限请阅读最后评级说明和重要声明112811research95579com行业研究深度报告图13决策规划算法是机器人算法的核心成分人型机器人状态记忆经验反应知识储备感知规划决策Policy控制观察反馈成功失败工具结果环境奖励资料来源FounderPark长江证券研究所传统算法开发路线效率低下当前人形机器人决策规划算法有两条技术路线分别是强化学习反馈路线和小样本学习路线两者互相兼容优势互补共同组成了机器人软件算法的决策规划系统强化学习反馈方案强化学习算法是机器人决策规划系统的主要组成部分在强化学习训练过程中机器人会通过无数次虚拟世界和现实的试错来找到任务最优解决方案在此过程中机器人系统会积累大量现实世界的反馈并且根据反馈做出方案总结强化学习反馈方案的优点在于训练过程覆盖了绝大多数小概率事件CornerCase缺点在于大多数试错属于无效过程所以训练效率较低图14强化学习算法多次试错后可以得到最佳策略图起点终点资料来源samyzaf长江证券研究所拖动示教方案拖动示教是机器人软件训练的捷径机器人无需以强化学习的方案通过试错来得到最优解而是直接通过模仿少量案例达到任务的最优解具体而言开发者请阅读最后评级说明和重要声明122812research95579com行业研究深度报告可以按住机械臂的金手指通过拖拽的方式实现机械臂的位移机械臂会通过IMU六维力矩传感器等方式来记录并复现机械臂拖拽流程相比于强化学习小样本学习方案抛弃了训练反馈过程大幅度减少了算法开发的难度和周期但小样本学习方案只能给机械臂提供少数几种动作模式所以必须和强化学习相结合才能让机器人根据环境的变化做出反应图15机器人可以复现拖动轨迹资料来源semanticscholar长江证券研究所具身智能是大模型的具象化形态具身智能机器人需要以第一人称身份融入环境具身智能机器人是一种能够在物理世界中感知理解和主动参与的智能体相比之下第三人称只能做到旁观学习而第一人称视角的系统不仅能通过传感器来吸纳现实世界的信息还能够与环境进行实际的互动并且能在互动中不断学习不断更新自身的任务目标与决策规划因此具身智能不仅需要具备机器视觉路径规划行为控制等基础智能还需要具备较强的泛化能力和思维链能力图16第一人称与第三人称交互方式图17第一人称与第三人称智能的区别资料来源机器之心长江证券研究所资料来源机器之心长江证券研究所具身智能需要具备高泛化性的能力具身智能机器人需要与复杂世界进行互动因此决策控制系统需要高泛化性当前机器人的感知决策控制系统由大量传统算法组合而成如SLAM算法路径规划算法等而传统算法模型即使经历大量的训练仍存在较请阅读最后评级说明和重要声明132813research95579com行业研究深度报告多小概率场景cornercase难以覆盖泛化能力较低以特斯拉自动驾驶系统Copilot为例2021年特斯拉辅助自动驾驶系统错误地把卡车的白色货厢识别成了天空导致ModelY撞上货车发生车祸纯白的货车停在十字路口属于小概率场景自动驾驶算法由于没有经过同场景训练所以无法生成对应决策图18传统机器人系统由大量算法组合而成图19早期特斯拉自动驾驶功能难以应对小概率场景造成车祸资料来源CSDN长江证券研究所资料来源新智元长江证券研究所具身智能需要具备较强思维链能力在现实世界中机器人难以一次性完成整个复杂动作因此需要将复杂动作拆解成多个简单步骤完成此外由于现实世界远比机器人训练场景复杂机器人不是唯一客体所以在任务过程中会受到各种干扰环境也会不断变化因此具身智能机器人需要较强的思维链能力以谷歌PaLM-E模型为例向PaLM-E机器人发出任务指令把零食从抽屉中拿给我机器人会将其拆解为5个步骤在执行过程中即使人类把机械臂抓取的零食打落回抽屉搭载PaLM-E的机械臂仍能调整任务目标完成任务图20PaLM-E机器人可以把任务拆解成多个步骤完成资料来源PaLM-EAnEmbodiedMultimodalLanguageModelDannyDriessetal长江证券研究所大模型凭借高泛化性与思维链能力成为具身智能系统必备选项大模型的出现有望彻底颠覆机器人的软件开发范式预训练赋予了大模型知识压缩的能力因此模型可以通过大规模的预训练实现高泛化能力不仅可以覆盖绝大多数小概率场景cornercase同时也降低了算法开发的复杂度此外当模型的参数扩大到一定的量级大模型会涌现出思维链能力可以将复杂任务逻辑化拆解大幅度提高了可用性大模型的泛化能力与思维链能力解决了当前具身智能技术的两大痛点因此大模型是具身智能机器人的必备选项请阅读最后评级说明和重要声明142814research95579com行业研究深度报告图21大模型通过预训练调参提高泛化性图22参数量扩大涌现出思维链能力预训练调参目标模型大规模任务特定数据无标注数据训练数据模型预训练模型微调Pre-training最终模型Fine-tuning泛用性增强根据场景调整得到特定所需资料来源清华NLP团队openBMB长江证券研究所资料来源Chain-of-ThoughtPromptingElicitsReasoninginLargeLanguageModelsJasonWeietal长江证券研究所具身智能是大模型在现实世界的具象化形态从文本处理到图像处理再到现实世界具身智能是大模型的终极应用场景目前大模型技术已从单纯的大语言模型LLM发展到图像-语言多模态模型VLM而随着谷歌图像-语言-动作多模态模型VLA的推出大模型实现了数据与处理任务的跃升从文本到图像再到现实世界大模型的数据模态逐渐丰富数据规模的数量级迅速增长大模型的应用场景和价值量也成比例扩张具身智能有望在未来成为大模型终极应用场景图23大模型数据与处理任务的跃升图像-语言-动作大语言模型图像-语言多模态模型多模态模型文本处理任务模态拓展文生图图生文任务模态拓展现实世界任务数据规模扩大数据规模扩大ChatGPTClaude应用场景扩张PaLM-EDALL-E等应用场景扩张RT-2等LLaMA讯飞星火等资料来源长江证券研究所大模型重塑人形机器人算法开发范式大模型推动了机器人算法开发范式的升级随着ChatGPT商业化落地的成功大模型证明了其在人工智能领域的价值未来大模型有望通过高技术供给重塑具身智能场景由于大模型仍处于技术发展初期阶段多模态能力技术仍需迭代所以大模型在具身智能领域的技术供给可以分为三个阶段1短期阶段以大语言模型LLM为主LLM可以赋能人形机器人和人之间的交互大幅度提高服务场景的智能化水平但LLM无法参与机器人的规划控制所以无法在动作控制方面施加影响力2中期阶段1-3年图像-语言模型VLM有望赋能具身智能系统直接参与机器人的决策规划系统但由于缺少动作模态所以决策系统与控制系统契合度较低3远期阶段2-5年图像-语言-动作多模态模型VLA把动作作为模态融合进入大模型得到了高度泛化能力和思维链能力的VLAVLA模型成熟之后可基本实现具身智能功能请阅读最后评级说明和重要声明152815research95579com行业研究深度报告图24一图看懂机器人应用场景分类和技术供给节奏大模型高泛化性思维链能力需要应对需要拆解复杂任务以及从未见过的场景根据环境变化调整动作具身智能机器人服务场景机器人劳动场景机器人短期方案短期方案改良方案传统软件开发算法LLM感知算法决策控制算法感知算法复杂决策控制算法微软ChatGPTforRobotics中期方案当前已有项目多模态大模型控制算法谷歌PaLM-E远期方案VLA大模型当前已有项目谷歌RT-2资料来源长江证券研究所按照使用场景的不同人形机器人可以分为服务型机器人和劳动型机器人服务型机器人主要用于服务业接待场景此类场景对机器人的人机交互能力有较高需求因此服务型机器人通常外表高度拟人配备了人机交互系统有成熟的语言识别合成算法具备一定的语言处理和逻辑推理能力但因其很少承担劳动任务所以机械硬件配置较低机动性差难以完成精细动作相比之下劳动型机器人主要用于工业电力巡检安防等场景可以将人力从简单重复劳动或者重体力劳动中解放出来劳动型机器人重视精准动作控制通常配备高性能电机高强度关节机动性较强但难以完成复杂的人机交互图25人形机器人可分为服务型和劳动型两类人形机器人机动性差机动性强交互能力强交互能力差适用于接待适用于工业客服等场景安防等场景服务型机器人劳动型机器人硬件性能低硬件性能高资料来源达闼官网特斯拉官网长江证券研究所由于大模型仍处于技术发展的初期阶段无法覆盖全场景所以需要依据人形机器人应用场景给出不同的赋能方案后期多模态大模型技术成熟之后大模型有望赋能全场景的具身智能系统请阅读最后评级说明和重要声明162816research95579com行业研究深度报告服务型机器人的短期方案大语言模型LLM感知算法决策控制算法大语言模型的出现给服务型机器人带来了巨大的技术供给在大模型出现之前服务型机器人的人机交互主要靠深度学习模型完成但深度学习没有文本生成能力所以针对不同的问题只能提供固定互动方式且由于泛化性较低只能解决常见问题在大模型出现之后机器人人机交互能力大幅度提高只需在大模型下游搭配语音算法即可解决覆盖绝大部分服务场景机器人的大模型系统搭载于云端全部语言交互由云端计算生成在运动控制方面由于服务型机器人不需要精准动作行为所以决策控制算法相比劳动型机器人较为简单服务型机器人的大模型仅仅用于人机交互方面无法对机器人的决策控制产生影响图26交互能力大模型语音算法图27动作控制机器视觉决策控制算法语音解析算法传感器语音输入图像位置输入文本输入感知算法云本端LLM人类地决策算法外界环境计计算算文本输出控制算法语音输出动作输出语音合成算法电机资料来源长江证券研究所资料来源长江证券研究所劳动型机器人的短期方案感知算法复杂决策控制算法短时间内由于多模态大模型发展尚不成熟大模型仅能在人机交互方面为机器人赋能在运动控制方面仍需技术迭代所以劳动型机器人仍需采用传统算法方案此外由于劳动型机器人的动作控制相比服务型机器人更加复杂所以需要更加复杂的强化学习训练流程以得到更具鲁棒性的决策控制算法此外由于机器视觉技术仍存在短板所以机器人往往还需要激光雷达IMU等传感器配合其感知环境微软推出了ChatGPTforRobotics模式可以大幅度提高算法开发效率ChatGPTforRobotics通过新思路对传统算法的开发模式做出了改良在人类用自然语言指派任务后ChatGPT可以迅速根据任务生成相应的代码下游的机器人会根据代码完成对应任务相比于传统算法开发范式ChatGPTforRobotics可以大幅度降低新任务的算法开发工作量缩短开发周期但ChatGPTforRobotics模式的缺点在于本质上任务所有决策还是由人类来做因此开发全流程需要人工实时监督此外决策过程需要人与ChatGPT的多轮互动所以动作延迟较大总而言之ChatGPTforRobotics模式距离具身智能仍有一段距离请阅读最后评级说明和重要声明172817research95579com行业研究深度报告图28ChatGPTforRobotics可以根据自然语言生成控制代码资料来源微软官网长江证券研究所人型机器人的中期方案图像-语言大模型VLM控制算法VLM大模型将文本数据与图像数据混合编码喂入深度神经网络架构训练得到了具有图像逻辑思维能力的多模态大模型和传统的感知决策控制算法相比VLM可以参与人形机器人的决策仅控制部分需要传统算法参与此方案在决策方面有较强的泛化能力可以应对从未见过的场景并且具备逻辑推理能力目前该技术方案的瓶颈在于图像-语言多模态大模型尚未发展成熟预计仍需要1-3年时间VLM才能在机器人场景获得较高的渗透率图29多模态大模型具备图像逻辑思维能力资料来源PaLM-EAnEmbodiedMultimodalLanguageModelDannyDriessetal长江证券研究所中期方案目前的典型产品为谷歌研发的PaLM-E大模型PaLM-E大模型有5620亿参数可以通过简单指令自动规划计划步骤实现在两个不同实体上的执行规划以及长距离的任务颠覆以往机器人只能实现固定路径行为或者需要人工协助才能完成的长跨度任务PaLM-E具备较强的思维链能力和无样本学习能力可实现基于图像内容的逻辑推理请阅读最后评级说明和重要声明182818research95579com行业研究深度报告图30谷歌PaLM-E大模型具备较高泛化性和逻辑推理能力资料来源PaLM-EAnEmbodiedMultimodalLanguageModelDannyDriessetal长江证券研究所人型机器人的远期方案图像-语言-动作多模态大模型VLAVLA模型是人形机器人触及具身智能的关键因素相比于图像-语言模型VLA把机器人动作数据也作为一种模态融入大模型算法因此可以用单个模型完成感知决策控制全流程计算将动作数据作为模态融入后机器人动作将成为思维链的一环因此决策与控制的衔接更流畅更具逻辑性目前VLA方案的瓶颈在于机器人动作数据难以匹配其他两种模态的数据规模所以三种模态的同步数据较为稀少需要VLM中期方案的长期积累VLA方案预计需要2-5年时间才能获得较高渗透率图31VLA模型需要将机器人动作作为模态编入大模型资料来源谷歌RT-2官网RT-2Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControlBrohanetal长江证券研究所远期方案的典型产品为谷歌推出的RT-2模型RT-2是首个用视觉-语言-动作VLA模态来控制机器人的大模型RT-2模型控制的机器人具备符号理解Symbolunderstanding推理Reasoning和人类识别Humanrecognition三大能力RT-2将机器人运动数据作为一种模态混合编入PaLI-X多模态大模型和PaLM-E多模态大模型的语言-图像大模型VLM并通过联合调参的方式构建出VLA模型调参得到的RT-2大模型展现出了较强的性能符号理解推理和人类识别的能力相比于采用VLM的RT-1模型的性能提升了约2-3倍此外RT-2还具备较强的思维链能力可以完成多请阅读最后评级说明和重要声明192819research95579com行业研究深度报告步骤逻辑推理模型在输入图像数据后会首先输出语言规划结果再把语言规划结果分解成机械臂动作完成图32RT-2可以将复杂任务拆成简单多步骤完成图33RT-2具备较强的视觉符号理解推理人类识别能力资料来源RT-2Vision-Language-ActionModelsTransferWebKnowledgeto资料来源RT-2Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControlBrohanetal长江证券研究所RoboticControlBrohanetal长江证券研究所RT-2模型建立在PaLM-E和RT-1基础上谷歌于2022年推出了RT-1模型RT-1建立在大模型基础上可以理解简单的指令并将其转化为机械臂的动作序列PaLM-E模型在RT-1的基础上增加了Agent功能通过大模型将复杂的指令分解成多个简单的指令并指导下游的RT-1模型执行而RT-2模型则是把以上环节端到端地集成到了一起它能够用复杂文本指令直接操控机械臂中间不再需要将其转化成简单指令通过自然语言就可得到最终的Action图34RT-2模型建立在PaLM-E和RT-1基础上PaLM-ERT-1复杂文本指令LLMPlanner简单文本指令机械臂RT-2资料来源长江证券研究所VLA方案是完整的端到端模型具备最高的运行效率传统的机器人算法系统由感知决策规划控制三个模块组成执行流程需要经过两个接口而VLM方案合并了感知与决策模块只包含一个接口在机器人活动过程中每个模块都要输出一个HardDecision作为下一个模型的Prompt输入每多一个接口就会多一个HardDecision和Prompt的转化过程如果上一模型输出的HardDecision错误或是难以理解则会导致下一步骤难以执行此外如果存在接口下游模块执行过程中出现的错误也难以反馈给上一模块因此接口数量较少的系统不仅有更高的性能也有请阅读最后评级说明和重要声明202820