2023年全球人形機器人技術現狀分析 感知、決策與執行層面的軟硬件需匹配【組圖】

人形機器人行業主要上市公司：小米集團-W(01810.HK);雙環傳動(002472.SZ);步科股份(688160.SH);鳴志電器(603728.SH);江蘇雷利(300660.SZ);恒帥股份(300969.SZ);綠的諧波(688017.SH);中大力德(002896.SZ);匯川技術(300124.SZ);秦川機床(000837.SZ);長盛軸承(300718.SZ);奧普光電(002338.SZ);埃斯頓(002747.SZ)等

本文核心數據：人形機器人軟硬件架構、人形機器人FSD視覺方案

整體框架：軟件決定人形機器人高度，算法需與硬件匹配

人形機器人本質是AI系統落地物理世界的最佳載體，算法是核心，需與硬件匹配。機器人的輸出包含了虛擬與物理兩種能力。雖然人形機器人從本體硬件上看，存在抗壓硬度與靈敏度不足的問題，但更核心問題在于是算法對運動能力的控制，包括本體平衡、行走的步態、手部抓取等規劃與控制。這需要成熟的感知系統基礎、強大的算法分解任務和規劃動作、大模型不斷仿真訓練以及超強的算力支撐。同時要求，算法與硬件相匹配，這要求機器人企業需自研算法，并持續更新迭代。

感知：FSD視覺方案漸趨成熟

特斯拉FSD純視覺深度學習神經網絡漸趨成熟，可嫁接至人形機器人。與自動駕駛類似，人形機器人同樣需利用傳感器(攝像頭、激光雷達等)感知、采集和處理周圍環境信息，以便做出決策。特斯拉人形機器人僅使用3個攝像頭(中間魚眼攝像頭、左右各一個視覺攝像頭)，直接嫁接FSD成熟的純視覺方案，再輔之以力力矩聲學觸覺溫度等傳感器。

決策：人形機器人行為規劃難度較高

人形機器人決策難度更高：決策層依據感知層獲取的信息進行決策判斷，來控制機器人身體做出動作規劃并下發指令。特斯拉人形機器人與FSD底層模塊打通，一定程度上算法可復用，但人形機器人需完成人類各種動作，動作連續復雜、需頻繁的物理交互且操作因果性多，算法難度遠高于自動駕駛。

隨著人工智能大模型的快速發展，ChatGPT能夠助力人形機器人拆解任務。大語言模型擅長推斷語言條件，并利用其代碼編寫能力，拆分任務，給出運動規劃的目標函數。

執行：人形整機平衡與行走步態是關鍵

人形機器人執行層指的是系統在做出決策后，對機器人本體做出控制。機器人各操控系統都與決策系統相鏈接，并按指令精確執行。其中，人形整機平衡與行走步態是最基本也是最關鍵的兩個環節：

仿真：算法訓練可提升機器人智能化水平

仿真的目的在于評估機器人結構和算法的設計，包括機器人的運動、工作環境、感知等，意義在于通過仿真模型快速、低成本、高安全性地訓練機器人的算法。通過仿真，可加快軟件更新迭代，同時縮短算法與硬件調整時間，極大提高訓練效率。另外，隨著芯片與AI技術的發展，未來端到端訓練有望突破，人形機器人具身智能未來可期。

更多本行業研究分析詳見前瞻產業研究院《中國人形機器人（仿生人）行業發展前景預測與投資戰略規劃分析報告》。

同時前瞻產業研究院還提供產業大數據、產業研究報告、產業規劃、園區規劃、產業招商、產業圖譜、智慧招商系統、行業地位證明、IPO咨詢/募投可研、專精特新小巨人申報、十五五規劃等解決方案。如需轉載引用本篇文章內容，請注明資料來源（前瞻產業研究院）。

更多深度行業分析盡在【前瞻經濟學人APP】，還可以與500+經濟學家/資深行業研究員交流互動。