不仅仅理解行为,更需要能执行行为,机器人能够执行行为才是真正理解行为。 通过计算机视觉以及行为认知识别, 让机器人能够确认和分辨一个 行为仅仅只是第一步,这也只是传统旁观式 AI 学习所达到的功能水平, 例如,传统 AI 学习可以让机器学习"盒子,概念并在新的场景中说出
"盒子, 这个标签, 但在具身智能学习模式中, 机器通过感知环境实体, 通过亲身体验完成具身学习,最终理解场景并形成"打开,这个概念。 因此, 当机器可以执行该行为才是具身智能的落脚点。
执行行为需要涉及到形态、行为和学习的体系化交互。在基于形态的具 身智能中, 形态、行为与学习之间密的切关。系首先,需要利用形态产
生行为, 该过程重点强调利用具身智能体的形态特性巧妙地实现特定的 行为, 从而达到部分取代"计算,的目的。其次,需要利用行为实现学 习, 重点强调利用具身智能体的探索、操作等行为能力主动获取学习样本、标注信息, 从而达到自主学习的目的,此领域当前属于研究前沿。 再者, 需要强调利用学习提升行为以及利用行为控制形态, 后者有多种 实现方法, 但当前利用学习手段来提升行为,并进而控制形态的工作是 现代人工智能技术发展起来后涌现出来的新型智能控制方法, 特别是基 于强化学习的技术已成为当前的热点手段。最后,具身智能需要利用学 习来优化形态, 强调利用先进的学习优化技术实现对具身智能体的形态 优化设计。
预测2030年全球人形机器人市场规模保守/中性/乐观预估下,分别有望达548/855/1400亿元
特种机器人市场规模快速增长,2024年我国特种机器人市场规模可达34亿美元,复合增速预计可达27%,全球特种机器人市场规模增长至2024年的140亿美元
服务机器人市场规模稳定增长,2024年我国服务机器人市场规模将达102亿美元,2020-2024年CAGR约 29%,全球服务机器人市场规模增长至2024年的290亿美元
中国机器人2024年有望达251亿美元市场规模,2020-2024年CAGR约22%。
根据IFR、中国电子学会数据,预计全球机器人市场规模2024年有望达到660亿美元,2020-2024年CAGR约18%。
2022-2024年机器人行业平均PE分别为51、35、26X
做仿人机器人的团队比较多,中国所有研发团队的技术方案都比较趋同,国外每个团队采用的技术方案都各不相同,不存在成熟的开发方案
从大的分类上会出现通用化的趋势,但任何一种通用产品都会有很多小的型号,产品好的小厂可能在某个时间节点就直接被收购了,最终赛道一定会出现几家大厂
找到实际客户需求,或者针对客户需求提出一种解决方案,解决好客户需求,这就已经是好的产品方案了,虽然在整机各方面性能不是最优
目前娱乐行业或者教育行业这种偏娱乐化产业是OK的,可以做成有手,有腿,有眼,做一些简单的动作可以商品化的
ORTHOPUS制造用于手臂移动的机器人外骨骼独立于护理人员完成日常任务;Verve Motion创造了SafeLift Suit一种面向工业工人的可穿戴机器人辅助设备
Filics提供用于自动托盘运输的AGV在狭小的空间内对托盘进行分类在卡车上自动装卸;Multiway Robotics开发用于物料搬运的无人驾驶AGV