>> 廣發(fā)證券-機械設(shè)備行業(yè)AI+制造系列報告之二:AI賦能,人形機器人春天來了嗎?-230416
| 上傳日期: |
2023/4/17 |
大?。?/td>
| 3154KB |
| 格式: |
pdf 共32頁 |
來源: |
廣發(fā)證券 |
| 評級: |
-- |
作者: |
代川,孫柏陽 |
| 行業(yè)名稱: |
機械 |
| 下載權(quán)限: |
此報告為加密報告,僅限高級會員查看 |
|
|
人形機器人擁有極高表達能力,有望成為AI的終極載體。一方面,在使用自然語言處理技術(shù)之后,人形機器人能夠更好地理解和處理人類語言,根據(jù)不同的用戶偏好提供個性化的表達方式,應對不同的語言場景和需求。另一方面,人形機器人作為具象的實體,能夠豐富AI和人類的交互方式,除了語音交互,還可以考慮表情、手勢等表達方式。當前的表情系統(tǒng)二次開發(fā)需要通過編程軟件實現(xiàn),未來自然語言編程有望讓普通用戶參與開發(fā),更輕松地與機器人互動。 多模態(tài)訓練模型進步,有望提高機器人訓練準確性。當前GPT-4已是大型多模態(tài),識別和決策效率提升。當我們的多種感官——視覺、聽覺、觸覺——都參與信息處理時。多模態(tài)學習可以聚合多源數(shù)據(jù)的信息,使得模型學習到的表示更加完備,從而提高決策總體的準確率。例如,谷歌機器人在PaLM-E的多模態(tài)訓練中,展現(xiàn)出了更高的識別準確性。 關(guān)節(jié)能力不能匹配運動規(guī)劃,是目前的人形機器人技術(shù)短板所在。運控模塊和運動規(guī)劃方法,是一個動態(tài)匹配的過程,當前AI能力提升,運動規(guī)劃得到進步,關(guān)節(jié)的靈巧程度則需要提高以匹配運動技巧。當前,具有精確抓握和運動的傳統(tǒng)機器人控制方法無法實現(xiàn)人類認為理所當然的通用精細運動控制技能。解決這些問題的一種方法是應用深度強化學習(deep RL)技術(shù)來訓練神經(jīng)網(wǎng)絡(luò)來控制機器人的關(guān)節(jié),讓機器人從反復試驗中學習,并在成功完成指定任務后獲得獎勵,但這種技術(shù)可能需要數(shù)百萬甚至數(shù)十億個樣本來學習,因此,虛擬環(huán)境模擬可能是機器手實現(xiàn)上億次訓練的必由之路。 自然語言調(diào)試+數(shù)字孿生,加快機器人訓練速度。一方面,自然語言的大模型快速進步,讓普通用戶有望直接調(diào)試底層模型,有望加快訓練速度,豐富應用場景。另一方面,英偉達、谷歌、騰訊等公司都在推進虛擬環(huán)境調(diào)試,能夠大幅提高訓練的效率,有助于應用端百花齊放。 投資建議:人形機器人+AI的趨勢中,中國機遇在于零部件供應鏈。機器人核心模塊呈金字塔結(jié)構(gòu),科技公司撬動運控零部件機遇。減速機作為機器人的核心精密零部件,技術(shù)壁壘。假設(shè)人形機器人從工業(yè)級別產(chǎn)品發(fā)展到消費品級別的產(chǎn)品,在10萬臺、50萬臺和100萬臺這三種銷量假設(shè)下(預計未來10年內(nèi)),減速機的市場空間增量分別為31億元、125億元和175億元,其中第三種情況下,175億元市場中75億元為諧波減速機。 風險提示。特斯拉的人形機器人原型機暫未公布;國產(chǎn)廠商早期未必能進入特斯拉供應鏈;諧波減速機產(chǎn)能建設(shè)可能成為較大的挑戰(zhàn)。
|
|