从谷歌机器人模型看AGI Bot行业投资机会.pdf

从谷歌机器人模型看AGI Bot行业投资机会。通过研究 RT-1/RT-2 机器人大模型的迭代，我们认为其已经初步实现了认知层 面的泛化，展现出推理及涌现的能力，但其底层动作与控制仍需迭代，预计会 逐步实现分场景落地。而为了实现流畅、实用的机器人控制，我们认为边端算 力有望迎来升级，激光雷达在中期仍将是感知的核心部件，看好特斯拉世界模 型和机器人融合及其量产进展，建议关注机器人相关标的中科创达（算力+机 器人模型）、长光华芯（激光雷达）、云从科技（认知模型）。

算法架构：机器人大模型的能力圈目前更多在于泛化认知。根据珞石机器人 CTO 韩峰涛介绍，可以将大模型机器人算法分为五个级别，即任务级、技能级、动作 级、基元级、伺服级，而大模型的能力圈更多集中在上层两级，其底层控制能力 仍依赖传统控制算法。我们认为，目前以 RT-1、RT-2 为例的机器人模型相比传 统机器人算法的核心优势在于：一、能接受更长、更复杂的指令；二、更通用 的认知。如 RT-2 的论文所介绍，其控制算法的能力受到训练数据集内技能分布 的限制，机器人并不能执行完全没见过的动作。因此，我们认为机器人大模型可 以对任务进行一定程度上的拆分、排列、组合，并在认知和任务层面出现了类似 语言类大模型的涌现能力，但在动作与控制层面上暂时没有出现涌现，即完成没 见过的技能，大模型对于机器人的赋能泛化更多的是认知而非执行。

模型进展：以 RT-1/RT-2 看机器人大模型的迭代。谷歌通过 RT-1/RT-2 两代模 型逐渐完善了上层的认知框架，RT-1 的创新之处在于部署任务的通用性和训练 数据的通用性，任务上，参考 RT-1 论文其在数据集不存在的任务中准确率达到 约 76%；在数据上，其通过异构的来自不同机器人平台的训练数据来辅助泛化， 实现过半的能力提升，是机器人的能力从场景限定走向通用的曙光。RT-2 的创 新之处是将原有认知框架切换至大模型 PaLM-E/PaLI-X，并通过改善训练数据 和算力对模型能力的限制继续提升泛化性。视频语言大模型的加入赋予了机器人 与 GPT 相似的认知、推理能力，并展现出更强的涌现能力（55B 版本约是 RT-1 的 3 倍）和泛化能力（两个版本均约是 RT-1 的 2 倍）。展望来看，目前，机器 人的上层认知框架已经较为完善，接下来就是通过大量的模仿学习、动作捕捉和 仿真模拟、或端到端学习来教会机器人如何在任务到动作的规划中完成从语言指 令到控制信号的映射，我们认为这一步是可以逐步分场景完成的，正如自动驾驶 中的从高速 NOA 到城市 NOA，我们正站在通用机器人算法的技术变革点。