人形機器人技術(shù)難點(diǎn): G精度操作

• 人形機器人目前復雜環(huán)境的感知能力和判斷能力不足

• 人形機器人肢體復雜度G,大量電機集成導致控制難度 大,操作精細度差

• 需要準確的力覺(jué)信息感應以及力覺(jué)控制以提升人形機器 人的運動(dòng)精度、反應速度、平衡控制

未來(lái)解決思路

采用六維力感應器,嵌入人形機器人末端執行器, 實(shí)現與環(huán)境之間多維交互力、力矩感知,提升力覺(jué)感應準確度、響應靈敏度、動(dòng)態(tài)穩定性

在靈巧手指尖增加傳感器或安裝電子皮膚,增強抓取和操作任務(wù)中的觸覺(jué)反饋

提升運動(dòng)算法的穩定性,提升控制準確度

人形機器人技術(shù)難點(diǎn): 本體輕量化

• 人形機器人輕量化是必然發(fā)展方向,可大幅提G運動(dòng)的 機動(dòng)性和工作效率,進(jìn)而改善操作速度和動(dòng)作準確度, 同時(shí)減輕運動(dòng)慣性,提G安全性

• 輕量化后的人形機器人效率會(huì )更G,所需的執行功能的 難度也可能會(huì )降低,有利于推動(dòng)量產(chǎn)節點(diǎn)的提前、降低 大規模量產(chǎn)的門(mén)檻

未來(lái)解決思路

從結構輕量化以及材料輕量化兩個(gè)方向突破

• 結構拓撲優(yōu)化: 例如Albert 等對機器人胸部結構采用結構拓撲來(lái)實(shí) 現輕量化。拓撲優(yōu)化可實(shí)現結構的形狀和與尺寸優(yōu)化,改變結構材 料的分布狀態(tài),節省材料的同時(shí)能使結構形狀與尺寸達到優(yōu)

• 機器人本體材料優(yōu)化 : 如采用鎂合金、鋁合金和碳纖維復材等材 料 , 提升機器人機動(dòng)性、降低能耗

人形機器人技術(shù)難點(diǎn): 缺乏G質(zhì)量訓 練數據集

• 人形機器人大模型訓練需要大量機器人在真實(shí)世界中與 環(huán)境交互的數據集,如ChatGPT,有大量的公域數據 可供爬取。但目前現實(shí)中的機器人保有量太少,可用于 收集訓練數據的機器人也較少

• 廠(chǎng)商傾向于保護自有數據,造成了數據壁壘,導致機器 人L域數據獲取難度進(jìn)—步提升

未來(lái)解決思路

采用合成數據進(jìn)行訓練: 由于現實(shí)數據較少 , 合成數據被視為解決機器人 L域G質(zhì)量訓練數據不足、采集效率低下問(wèn)題的重要途徑。

如英偉達宣布 開(kāi)源旗下Nemotron-4 340B (3400億參數)模型,可為開(kāi)發(fā)人員提供可擴 展的生成合成數據模型

層面/產(chǎn)業(yè)內部企業(yè)共同建立數據工廠(chǎng),打造數據集,共享場(chǎng)景數據

先于虛擬仿真環(huán)境訓練再應用到實(shí)體環(huán)境驗證測試,迭代優(yōu)化