机械设备行业点评：从英伟达的布局看机器人的大模型和训练-240806-国盛证券-14页_1mb

报告摘要

好的，这是报告内容的总结：

报告总结：英伟达从布局看机器人模型与训练挑战

本报告分析了英伟达在机器人领域，特别是人形机器人的代表性项目GR00T，并对比了机器人训练的现有痛点及潜在解决方案。

核心内容

人形机器人模型发展：
- 早期：运动主要依赖预编码的预设路径。
- 初步自主：大型语言模型（LLM）的应用，使机器人能脱离预设路径进行自主决策，但仍为分层结构，缺乏涌现能力和实时反馈。
- 当前主流：分层端到端模型已成为首选。
  - 优点：精确度高、系统响应效率更高、灵活性（能处理图像、声音、动作等多种输入）、可通过仿真模拟收集训练数据。
  - 痛点随技术发展而变化：从训练数据收集困难、成本高昂，到模型计算资源消耗大、吞吐能力低。
英伟达GR00T项目：
- 目标：开发人形机器人的通用基础模型。
- 定位：一个为波士顿动力、Figure AI、小鹏等公司等众多人形机器人提供AI平台。
- 核心：接收多模式指令和过往交互，输出机器人动作，具有模块化设计和快速响应特性。
- 技术栈：基于NVIDIA AI、DGX、Isaac Lab和Jetson Thor等平台的强大计算能力。
- 最新进展：通过仿真大幅提升训练数据效率。
  - 方法：结合真实数据（使用Apple Vision Pro收集人手轨迹）与仿真数据扩展（如下厨房场景物理属性变化、RTX Video Codec加速反馈回路、MimicGen生成并过滤动作数据，扩展至原数据数千倍）。该方法大幅降低了昂贵的人类示范数据成本，并提高了机器人从仿真到真实场景的泛化能力。
机器人训练数据挑战及向量解决方案：
- 痛点：数据严重不足（相比大语言模型最著名的一个数据集达到15T tokens，机器人数据集仅24M），获取成本高昂（现为机器人领域最痛苦的难点），且训练场地模型熟练度未必能外推至其他场景。
- 解决方向：通过扩展学习，利用GPU加速仿真。

行业洞见

优缺点对应：端到端模型虽能力强，但新问题随之而来（成本、数据、响应）。
不同公司的投入与成果体现：Tesla Optimus局部泛化性能优异；Galbot G1在家庭场景表现良好；银河通用提出“三维视觉小模型+基础大模型”的三层级架构以提升性能。
关键指出：真正的泛化能力尚未普及，技术应用存在未知风险。