20231119-华鑫证券-电力设备行业专题报告_海外科技研究-从谷歌看机器人大模型进展_26页_1mb

大模型是人形机器人的必备要素

核心观点：

1. 大模型的通识理解能力、任务拆解与执行能力适用于人形机器人的通用性需求，可实现多任务处理。
2. 思维链（Chain of Thought）能辅助机器人分解任务，提升复杂数学推理和动作规划能力。

谷歌机器人大模型迭代路径

发展历程：

• SayCan：首次结合大语言模型进行任务分解与概率规划，但仅限于指令生成。
• RT-1：通过机器人与环境交互数据训练，支持700种自然语言指令执行，但泛化需依赖预训练数据。
• PaLM-E：多模态模型，处理视觉、语言输入，生成高级任务指令，但控制精度有限。
• RT-2：融合视觉-语言-动作模型，引入思维链，实现未见过任务的泛化，但依赖大型数据集微调。
• RT-X：在OpenX数据集基础上训练，提升动作执行成功率与泛化能力，但仍停留在桌面任务场景。

产业化现状与挑战

1. 技术阶段：
   • 大模型仍以单机械臂抓取任务为主，精细化操作不足。
   • 技术路线尚未收敛，尚未形成统一框架，多依赖人工训练数据集。
2. 瓶颈：
   • 算力需求大，环境交互要求底层控制需更强计算能力。
   • 数据缺乏：需3D环境数据与主动操作数据，获取成本高。
   • 细分场景模型应用仍不成熟。

产业机会与投资方向

1. 算力：机器人所需算力高于自动驾驶与大模型，相关产业链受益。
2. 数据：独特的主动数据稀缺，具备先发优势的企业更具竞争力。
3. 细分场景模型：头部企业可推出通用框架，细分场景模型可通过微调实现落地。

风险提示

1. 技术迭代不及预期、行业竞争加剧。
2. 机器人下游应用发展可能低于预期，影响投资回报。