人形机器人行业专题报告：拆解人形机器人结构，寻找高价值量细分领域.pdf

人形机器人行业专题报告：拆解人形机器人结构，寻找高价值量细分领域。特斯拉 Optimus 代表当前商业化人机产品的最快速度与先进技术，值得作为 案例深入研究。短短两年半时间内 Optimus 共迭代 3 次，期间亦有产品新进展 发布，当前工作能力、灵活程度、静态稳定性、智能水平已达到同行先进水平。 在业务规划和招聘节奏上加紧步伐，可复用造车技术与供应链，商业化较快。

以特斯拉 Optimus 为例，对人形机器人的运控、感知硬件结构进行拆解，对 人机软件算法方案进行分析。

运控——执行器方案：Optimus 执行器采用刚性驱动器（TSA）方案。全 身执行器分为——旋转关节（14 个）、直线关节（14 个）与空心杯/灵巧手 关节（12 个）。旋转关节由定制的永磁电机（无框力矩电机）+角接触球轴 承+谐波减速器+交叉滚子轴承+力矩传感器+位置传感器（双编）+驱动器+ 机械离合器+关节 CNC 件组成，线性关节由永磁电机（无框力矩电机）+球 轴承+四点角接触轴承+反向式行星滚柱丝杠+力传感器+位置传感器（单编） +驱动器+关节 CNC 件组成，空心杯关节由空心杯电机+多级行星减速器+蜗 轮蜗杆+位置传感器（双编）+驱动器+金属腱绳构成。

感知——传感器方案：视觉感知上，Optimus 主要采用纯视觉方案（3D 多目视觉）。力觉感知上，除了各执行器的力/力矩传感器（内部传感器）外， Gen2 在手部和脚底新增了触觉传感器，在脚踝与手腕处增加了多维力传感 器。

软件——环境感知、思考决策、运动控制软件方案：特斯拉打通 FSD 在 自动驾驶和 Optimus 中的底层模块，在一定程度上实现算法复用，并在不同 模块（环境感知、思考决策、运动控制）上进行了机器人适用性优化。环境 感知上，Optimus 复用了占用网络模型来感知与理解周围物体，获取场景中 物体的相关信息。相比汽车，Optimus 所需训练数据不同且需要训练更多的 神经网络。思考决策（规划）上，Optimus 使用了端到端的神经网络模型， 进行任务级、动作级的决策。相比汽车，Optimus 的感知、规划与控制模块 联系更为紧密，具体模型进行了机器人适用性优化。运动控制上，Optimus 在肢体运动控制中加入状态估计模型，在肢体操纵控制中使用了模仿学习等 技术。