物流配送類(lèi)應用占比約為四分之一。IFR 數據顯示，2023年，全
球物流機器人銷(xiāo)量增速G達35%,物流機器人主要得益于三個(gè)原因：
一是供應鏈的整合深化，電商和物流行業(yè)的發(fā)展使得企業(yè)對物流
運行效率和響應速度的需求不斷提G；
二是工廠(chǎng)設計水平的提升，模
塊化廠(chǎng)房設計技術(shù)為移動(dòng)機器人提供了封閉性、結構化的活動(dòng)場(chǎng)景，
便于機器人快速移動(dòng)和完成任務(wù)；
三是激光地圖構建 (VSLAM) 技術(shù)
的成熟，基于地圖數據，深度學(xué)習算法能夠自主規劃行動(dòng)路徑，并進(jìn)
行動(dòng)態(tài)避障。
此類(lèi)場(chǎng)景主要包括兩種“機器人+人工智能”融合應用模式。
一
是“移動(dòng)機器人+識別類(lèi)模型+自主導航模型”模式， AI應用的主要目標是實(shí)現環(huán)境識別和路徑規劃，形成碼垛、上下料、倉儲、配送等
典型細分場(chǎng)景，如J智嘉的取貨機器人使用計算機視覺(jué)技術(shù)和深度學(xué)
習算法，可以在繁忙的物流中心中，快速識別包裹位置，避開(kāi)障礙物，
并G效完成取貨任務(wù)。
二是“移動(dòng)機器人+協(xié)同優(yōu)化模型”模式，AI應用的目標是開(kāi)展多種物流機器人的協(xié)調配合，如亞馬遜建設的無(wú)人
倉庫大量使用了各類(lèi)移動(dòng)、倉儲機器人，并引入技術(shù)團隊將人工智能
融入整個(gè)機器人系統。
機械臂+操作優(yōu)化模型模式，AI應用的主要目標是提高操作精度;機械臂+操作學(xué)習模型模式,AI應用的目標是提升機器人的靈活性和適應性
決策過(guò)程不可追溯,推理過(guò)程缺乏顯式的規則表達;倫理與責任歸屬困境,行為邏輯模糊性可能引發(fā)倫理爭議;動(dòng)態(tài)環(huán)境適應性不足,難以預測其在未知場(chǎng)景中的反應模式
大模型作為最爆火的人工智能概念，推動(dòng)了人形機器人大腦的形成，助力人形機器人具有人的感知、交互與決策能力；對 于控制系統仍在切入中
原生機器人大模型ERA-42, 展示了與自研五指靈巧手星動(dòng)X(jué)HAND1 結合后的靈巧操作能力,能夠完成超過(guò)100種復雜靈巧的 操作任務(wù),是真正的具身大模型
普渡機器人提出了 Robot-to-Everything 架構，實(shí)現萬(wàn)物互聯(lián)，全場(chǎng)景的智能生態(tài);率先完成了專(zhuān)用、類(lèi)人形、人形三類(lèi)機 器人的完整產(chǎn)品布局
機器人像人一樣使用工具的靈巧手,是提升機器人柔性操作能力的關(guān)鍵部件,是柔性制造避不開(kāi)的一環(huán);靈巧手工程量占據Optimus工程量的50%,靈巧手是機器人走向“好用”的關(guān)鍵
欠驅動(dòng)手硬件集成度高，整體系統簡(jiǎn)潔高效、體積小、質(zhì)量輕，便于進(jìn)行動(dòng)力學(xué)分析;存在功能性不足,對于精度要求比較高的手指精巧控制無(wú)法勝任
具有完全可重復的運動(dòng)軌跡,適合某些功能性和精細操作較高的場(chǎng)合,在工業(yè)場(chǎng)合， 例如組裝、測量等情況下有更好的表現,沒(méi)有合理的運動(dòng)學(xué)分析控制時(shí)，整體的靈活性差
機器人的觸感靈巧手Linker Hand具備20個(gè)主動(dòng)自由度,包括柔性電子皮膚,實(shí)現精細觸覺(jué)感知,構建全球最大的靈巧操作數據集,包含了大量的人手操作數據,覆蓋了各 種復雜的抓取和操作任務(wù)
當人們認為機器人是有意圖的代理時(shí)，他們的大腦以類(lèi)似的方式處理自己和機器人的行動(dòng)結果,意圖歸因在人機交互中起著(zhù)至關(guān)重要的作用,可能包括通過(guò)言語(yǔ)指令等非交互性手段來(lái)調整人們對機器人意圖的感知
移動(dòng)機器人系統用于解決探索性化學(xué)中的三個(gè)主要問(wèn)題以及根據數據決定下一步做什么,移動(dòng)機器人做出與人類(lèi)研究人員相同或相似的決定比人類(lèi)快得多
大模型可加快人形機器人復雜任務(wù)訓練速度,提升任務(wù)生成速度及縮短理解周期;1 提升人形機器人語(yǔ)言處理能力 2 提升人形機器人場(chǎng)景理解能力 3 提升人形機器人運動(dòng)控制能力 4 提升人形機器人數據訓練能力
