分析師:滿在朋(執(zhí)業(yè)S1130522030002)分析師:李嘉倫(執(zhí)業(yè)S1130522060003)決策、涌現(xiàn)和泛化等，產(chǎn)業(yè)從最基礎(chǔ)的LLM（大語言模型）+VFM（視覺基礎(chǔ)模型）過渡至VLM（視覺任務(wù)規(guī)劃等研究突飛猛進(jìn)，顯著提升了機(jī)器人感知、決策、控制能力，打造具身智能落地基礎(chǔ)。定距離，其中受到了真機(jī)數(shù)據(jù)有限、大模型推理時(shí)間太長、運(yùn)動控制難度較高們認(rèn)為更多的還是要針對某一垂直領(lǐng)域場景進(jìn)行突破，數(shù)據(jù)方面通過現(xiàn)場景零到一突破，通過機(jī)器人部署增加真機(jī)數(shù)據(jù)獲取量“小”的垂直領(lǐng)域模型解決，貼合場景應(yīng)用需求同時(shí)匹配邊緣算力智能工作站、輪式機(jī)器人也有較好應(yīng)用前景，其運(yùn)動控制算法更成熟，更容易實(shí)現(xiàn)產(chǎn)業(yè)化落哪些場景前景大？家電等行業(yè)有較多工序工業(yè)機(jī)器人應(yīng)用成熟度接的需求痛點(diǎn)，例如餐廳、家政、物流、養(yǎng)老、服裝等行業(yè)有較好具身智能機(jī)器人應(yīng)用前景。服裝：服裝行業(yè)是典型的勞動密集型行業(yè)，尤其是性化程度過高無法通過工業(yè)機(jī)器人完成。但目前整體來看針對布料處理的大模型、傳感器均有了一定的成熟度，1X世界模型具備針對布料折疊生成長時(shí)程任務(wù)模擬能力、FLIP框架在布料折疊任務(wù)中可生成長期規(guī)門發(fā)文支持機(jī)器人在家庭、社區(qū)和養(yǎng)老機(jī)構(gòu)作量較大的例如拆零揀選環(huán)節(jié)仍以人工為主柔模型在物流行業(yè)應(yīng)用后性能也快速提升展示了巨風(fēng)險(xiǎn)提示機(jī)器人大模型技術(shù)發(fā)展不及預(yù)期、政策支持不及預(yù)期。敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明2內(nèi)容目錄 5 5 7 7 2.1.1工業(yè)/服務(wù)機(jī)器人滲透率的逆向思考，工業(yè)機(jī)器人滲透率越低未來前景 2.1.2哪里“缺工”看哪里，三種機(jī)器人覆蓋三 2.2服裝：主要針對縫紉環(huán)節(jié)，解決招工難、人工成本高等下游核心痛點(diǎn) 2.3康養(yǎng)：機(jī)器人最終進(jìn)入家庭最優(yōu)的過渡 2.4物流：國內(nèi)外企業(yè)積極探索應(yīng)用，解決拆零揀選等環(huán)節(jié)工作 5 5 6 6 7 7 8 8 9 9 敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明3 敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明4 敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明5實(shí)現(xiàn)融合創(chuàng)新，以端到端具身大模型為核心的機(jī)器人“大腦”才能取得突破和發(fā)展。一般以卷積神經(jīng)網(wǎng)絡(luò)（如ResNet等）或者VisionTransf模型介紹器人在特定環(huán)境中執(zhí)行任務(wù)的問題。通過預(yù)訓(xùn)練技能的價(jià)值函數(shù)對齊（Grounds）大語言提出既可行又在情境上合適的自然語言行動。敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明6更準(zhǔn)確的任務(wù)規(guī)劃和決策。例如清華大學(xué)交叉信息院高陽研究組提出ViLa來源：《LookBeforeYouLeap:UnveilingthePowerofVLA（視覺語言動作模型）在VLM的基礎(chǔ)軌跡決策問題，能夠減少將高層次任務(wù)映射到動作所需要的訓(xùn)練數(shù)據(jù)。例如谷歌的RT-H敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明7來源：《RT-H:ActionHierarchiesUsingLanguage》1.2.1從場景獲取真機(jī)數(shù)據(jù)，加速實(shí)現(xiàn)“數(shù)據(jù)飛輪”敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明8來源：《DataPyramidandDataFlywheelfor敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明9來源：《機(jī)器人大模型發(fā)展與挑戰(zhàn)》，國金證券研據(jù)采集工廠中的家居、餐飲、工業(yè)、商超和辦公五大核心場景推出了AgiBotWorld數(shù)據(jù)敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明圖表11：垂直場景部署讓訓(xùn)練數(shù)據(jù)結(jié)構(gòu)從“正三角”轉(zhuǎn)為“倒三角”來源：《DataPyramidandDataFlywheelforRoboticFoundationModels》，國金證券和更復(fù)雜的表示，從而在許多任務(wù)上實(shí)現(xiàn)更好的性能表現(xiàn)。描述性能與模型關(guān)系的來源：《ScalingLawsforNeuralLanguageModels》模型基本結(jié)構(gòu)參數(shù)大小預(yù)訓(xùn)練任務(wù)推理速度硬件-敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明模型基本結(jié)構(gòu)參數(shù)大小預(yù)訓(xùn)練任務(wù)推理速度硬件務(wù)-務(wù)-VLA模型通過部署兩個(gè)模型解決了VLM模型基礎(chǔ)架構(gòu)通用性強(qiáng)但響應(yīng)速度較慢的問題，通在具體的垂直場景中，模型并不是越大越好，更大的模型算力需求更大、推理時(shí)能耗/維護(hù)成本更高，選擇基于垂直場景專業(yè)知識和數(shù)據(jù)進(jìn)行優(yōu)化訓(xùn)練的垂直大模型更加對比維度通用大模型垂直領(lǐng)域大模型敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明對比維度通用大模型垂直領(lǐng)域大模型/敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《基于動作捕捉技術(shù)對仿人機(jī)器人運(yùn)動學(xué)分析與仿真》，國金證券研究所雙足行走的過程較為復(fù)雜，步態(tài)優(yōu)化控制和魯棒敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《動態(tài)雙足機(jī)器人的控制與優(yōu)化研究進(jìn)展》來源：《CompositeWhole-BodyControlofTwo-Wheel敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《工業(yè)機(jī)器人技術(shù)基礎(chǔ)》,《仿人機(jī)器人輕型高剛性手臂設(shè)計(jì)及運(yùn)動學(xué)分析》,國金證券研究所敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：華中數(shù)控微信公眾號，國金證券研究所來源：拓斯達(dá)官網(wǎng)，國金證券研究所2.1.1工業(yè)/服務(wù)機(jī)器人滲透率的逆向思中國工業(yè)機(jī)器人密度日本工業(yè)機(jī)器人密度5004504003502502005002014201520162017201820192020202120222023敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《我國機(jī)器人產(chǎn)業(yè)最新變化發(fā)展縱覽》業(yè)有較多工序工業(yè)機(jī)器人應(yīng)用成熟度較低敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明已應(yīng)用占比籌備中占比未計(jì)劃占比90%80%60%50%40%30%20%0%u已應(yīng)用占比籌備中占比未計(jì)劃占比90%80%60%50%40%30%20%0%來源：艾媒咨詢，國金證券研究所來源：艾媒咨詢，國金證券研究所排行，其中除汽車行業(yè)屬于增長較快有一定人員短缺外，其他“缺工”主要集中在排名職業(yè)名稱12345敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明排名職業(yè)名稱67891）具身智能工作站：主要解決無法直接高效應(yīng)用工業(yè)機(jī)器人的柔性化制造業(yè)場景，以垂直大模型+工業(yè)機(jī)器人為基礎(chǔ)，快速推廣應(yīng)用，例如解決服裝行業(yè)始終為勞動密集型行業(yè)2）輪式機(jī)器人：具備一定擬人化能夠提供情緒價(jià)值，解決家政、養(yǎng)老護(hù)理相關(guān)工作“缺敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明于可變形物體，物理交互復(fù)雜對大模型、傳感器要求較高，ObjectManipulation》，國金證券研究所敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明2）可以通過世界模型生成布料折疊長時(shí)程任務(wù)模擬：1X世界模型具備生成布料折疊長時(shí)程任務(wù)能力，布料作為可變形物體，模擬的難度比剛敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明NUS邵林團(tuán)隊(duì)提出的FLIP框架將圖像流（像素級動態(tài)軌跡）作為通來源：《FLIP:FLOW-CENTRICGENERATIVEPLANNINGASGENERAL-PURPOSEMANIPULATIONWORLDMODEL》，國金證券研究所來源：《FLIP:FLOW-CENTRICGENERATIVEPLANNINGASGENERAL-PURPOSEMANIPULATIONWORLDMODEL》，國金證券研究所3）已經(jīng)可通過人類演示數(shù)據(jù)訓(xùn)練實(shí)現(xiàn)未見過的布料折疊操作：同濟(jì)大學(xué)智能機(jī)器人與計(jì)算感知實(shí)驗(yàn)室提出了SSFold，一種結(jié)合圖結(jié)構(gòu)感知敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《SSFold:LearningtoFoldArbitraryCrumpledClothUsingGraphD金證券研究所來源：《SSFold:LearningtoFoldArbitraryCrumpledClothU金證券研究所敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明課題名稱子課題名稱課題牽頭單位敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《ResearchProgressandProspectonNursingRobot》，Diligent推出的Moxi機(jī)器人充分展示了垂直機(jī)器人在具體場景應(yīng)用的巨大潛力，Moxi在醫(yī)院場景中為藥房工作人員節(jié)省了超過15敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明AttentionMechanism》，國金證券研究所1）傅利葉子品牌傅利葉康復(fù)專注康復(fù)機(jī)器人的研發(fā)和產(chǎn)業(yè)化，涵蓋了上、下肢康復(fù)機(jī)器方案，覆蓋從運(yùn)動功能康復(fù)到認(rèn)知功能訓(xùn)練的多方面需求。敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明3）億嘉和面向康養(yǎng)、家居場景推出RK100型機(jī)器人，具備了更仿生觸感皮膚，可分辨衣物材質(zhì)，自動匹配定制敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明），敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《我國機(jī)器人產(chǎn)業(yè)最新變化發(fā)展縱覽》，國金證券研究所來源：德馬科技官網(wǎng)，國金證券研究所敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：鹿鳴機(jī)器人微信公眾號，國金證券研AglityRobotics推出的Digi敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明來源：《RobustFeedbackMotionPolicyDesignUsingReinforcementLearningonaDigit采用了難度更高的雙足方案，2021年發(fā)布的《RobustFeedbackMotionPolicy來源：《RobustFeedbackMotionPolicyDesignUsingReinforcementLearningona3DDig敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明性能的提升主要來自于系統(tǒng)1（雙模型中更小的模型）視覺-運(yùn)動策略的針對性優(yōu)化，F(xiàn)igure引入了用于記憶和感知的新模塊，讓控制策略更具情其中一方面性能的提升來自于訓(xùn)練數(shù)據(jù)量的增敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明“小腦”+工業(yè)機(jī)器人配套：華中數(shù)控、拓斯達(dá)、埃夫特、埃斯頓服裝行業(yè)：杰克股份康養(yǎng)行業(yè)：優(yōu)必選、歐圣電氣、奧比中光、億嘉和、麥迪科技代碼公司市值（億元）2023A2023A2023A2023A2024A2024APE2026E2026E2027E2027E2027E2027E2025E2024A2025E2026E“小腦”+工業(yè)機(jī)器人服裝行業(yè)康養(yǎng)行業(yè)敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明億嘉和物流行業(yè)94.風(fēng)險(xiǎn)提示機(jī)器人大模型技術(shù)發(fā)展不及預(yù)期：目前機(jī)器人產(chǎn)業(yè)高速發(fā)展背后的核心推敬請參閱最后一頁特別聲明敬請參閱最后一頁特別聲明