人形机器人行业专题报告：人形机器人究竟需要怎样的AI模型？.pdf

人形机器人行业专题报告：人形机器人究竟需要怎样的AI模型？实现任务级交互将成为解决人形机器人通用化难题的关键。当前人形 机器人行业面临着高需求、低渗透率、商业化落地难的发展瓶颈，其核 心原因在于机器人通用化水平不达预期。按照机器人控制层级的划分， 通用化能力的提升需要机器人能够拥有高层级的自主规划能力。因此， 如何让人形机器人独立完成高层级规划，实现任务级交互，将成为决定 人形机器人能否实现商业化落地的关键。

多模态大模型的发展为实现人形机器人任务级交互带来曙光。大语言 模型在常识理解、任务拆分、逻辑推理、自然语言交流方面的能力已经 为人形机器人带来了出色的人机交互能力。不仅如此，随着科技巨头的 入局，融合了视觉、语言等多模态数据的大模型正不断涌现，两条技术 路线下均有成果产出，有望进一步提高人形机器人的通用化水平。

大模型赋能机器人感知模块，进一步加速下游应用领域突破。大模型 不仅为人形机器人带来决策能力的提高，在感知模块也正引领机器视 觉训练新范式。Meta 发布的 SAM 模型首次将大模型引入机器视觉领 域，依靠 AI 算法自动实现图像/视频标注，大大降低了上游训练成本和 难度，有望加速机器视觉在下游机器人应用领域的突破。

实时性问题是大模型的主要难点，运控问题上基础模型更有优势。虽 然大模型在高层级规划问题上展现出了杰出的性能，但其依旧存在实 时性差等局限，不适用于底层精细的运动控制；在此领域，参数量更 少、响应速度更快的基础模型具有相对优势。

大模型 or 基础模型，人形机器人究竟需要怎样的模型？短期来看，人 形机器人需要的是可以优化特定场景应用的基础模型+大模型，两者各 司其职、相互补充；长期来看，随着算力提升和模型结构持续优化，新 一代高效率大模型的出现和应用才能真正实现人形机器人通用化。