官方服务微信:dat818 购买与出租对接

郑晨烨人形机器人加速实现:宇树科技与优必选在比亚迪工厂取得突破

2万

主题

2

回帖

8万

积分

管理员

积分
85496
发表于 2025-2-16 17:33:18 | 显示全部楼层 |阅读模式
    148

    Zheng

    人形机器人从概念转向现实的速度已经开始突然加速。

    2月11日, Yushu  Co.,Ltd。(以下称为“ Yushu ”)在其的官方旗舰店中推出了两种类人动物机器人产品,分别具有模型和G1。 2月12日,它将从99,000元开始。 G1类人机器人的第一批销售订单已售罄。

    在工厂中,类人形机器人取得了许多实用的培训结果。深圳UBL  Co.,Ltd。的相关人员(09880.hk,以下称为“ UBL”)告诉记者,在Byd Auto ,UBL的第一阶段人类机器人机器人培训最初取得了成果和效率的提高已经翻了一番,稳定性增加了30%。相关优化工作仍在进行中。预计大规模交付的条件将在2025年第二季度满足。

    负责人说,在盖利(Geely),Walk-ers1还完成了 工厂工作的第二阶段。根据先前的表现,Geely Group已安排在Lynk&Co进行第三阶段的培训,主要是为了进行充电枪支和材料处理培训的插头测试;在富士康,物流方案的第一阶段也已经完成。在第二阶段,第二阶段将涵盖物流方案中的更多领域,并对相关任务进行测试。

    自2013年波士顿动力学的第一个人形动力学的Atlas首次亮相以来,人类机器人行业已经经历了十多年的发展。从展示Atlas 的技能的时代,到精确抓住汽车线束的实际时期,人类机器人行业终于在商业化的前夕迎来了重要的时刻。

    商业化之前的类人形机器人的最后挑战是批量生产。

    群众生产

    2月6日,特斯拉在其公司的官方网站上更新了与类人机器人有关的几个工作招聘信息。工作类型涵盖工程师,过程经理,生产经理和其他方向。职位标记为“”(特斯拉机器人)信息。

    这些工作位于美国加利福尼亚州的特斯拉弗里蒙特工厂,该工厂是特斯拉最大的制造基地之一。 2024年,特斯拉在其弗里蒙特工厂投入了许多自己的机器人,主要负责处理和电池电池分类,车身焊接和零件安装。 “特斯拉正在大规模生产类人动物的机器人,以自动在制造/物流中执行重复且无聊的任务。”特斯拉(Tesla)在上述职位的“招聘信息详细信息”页面中写下了这句话。

    以前,特斯拉首席执行官埃隆·马斯克(Elon Musk)显然提出了人形机器人的大规模生产目标:它计划在2025年生产10,000辆,并在2026年下半年开始向特斯拉以外的其他公司运送机器人。”我认为有可能带来带来的潜力。超过10万亿美元的收入。” 2025年1月29日,东部时间,在特斯拉的2024年第四季度收入电话会议上,马斯克以这种方式预测了类人形机器人的商业潜力。

    在此通话中,马斯克对推动大规模生产的期望和乐观态度:“这是一个指数的增长过程,从没有人使用类人形机器人到潮汐等这些机器人的出现。我们将永远处于“我们做不到的状态”的状态。即使(人形机器人)很昂贵,需求也不是问题。”

    马斯克还强调,特斯拉设计的当前生产线每月生产约1,000个Opti-Mus机器人。下一条生产线的目标是每月10,000个单位,下一条生产线的目标是每月100,000台。

    在该国,许多类人形机器人公司已连续宣布了各自的群众生产新闻。

    2025年1月17日,Leju(深圳)机器人技术有限公司在BAIC越野车公司举行了Leju第100个全尺寸的人形机器人的交付仪式。该公司表示,Leju 机器人进入了大规模交付的新阶段。

    2025年1月6日,正式启动了由机器人制作的第1,000个通用浮雕机器人批量生产的机器人批量生产,两足动物类人生物机器人的累积产量达到了731。

    “ UBIT工业类人形机器人已从制造商那里获得了500多个单位,目前处于工业化实施的关键阶段。预计将在今年第二季度符合大规模交付的条件。” 2025年1月10日,上述您的主管相关人员告诉记者。以前,UBL已在许多著名的汽车工厂进行了类人动物机器人培训,许多汽车公司,例如 Liu ,Geely ,Faw-  分支机构,Audi Faw,Byd,Byd,Baic New ,以及,Baic New ,以及SF 等知名公司已经在人形机器人机器人上开设了实践培训合作。

    2025年1月上旬,在深圳 Robot  Co.,Ltd。(以下称为“  Robot”的街道测试中,SE01机器人在街道测试中行走的视频)在短视频平台上很受欢迎。公众惊叹于人形机器人达到与人类相同自然步态的能力。

    1月22日,该公司的联合创始人兼营销经理Yao 在1月22日进行了一名经济观察家记者,他说,安排许多机器人计划于2025年分批交付。”行业,我们从1到100人打破了100人。 Yao 说。

    人形机器人行业从技术验证转向闭环业务所需的主要飞跃是大众生产。除了确认市场已经具有足够的潜力外,大规模生产对于整个行业也具有重要意义,即通过规模经济降低成本并优化模型和结构设计。

    但是,在Yao 的观点中,大规模生产100和100个单位都是小规模的生产。 “这种规模尚未能够实现整个供应链的跨越迭代和升级,也无法通过此实现破坏性的结构化调整来实现。”

    深圳一家机器人公司的营销总监还告诉记者,根据工业进化法,人形机器人的批量生产过程可以分为两个关键阶段。

    在第一阶段,当产出达到100,000台时,核心目标是验证技术可行性而不是成本控制,主要取代了制造业中10%的长尾工作站(即,非标准化,低重复的任务),其成功取决于在硬件级别上运动控制和生产连续性保证的稳定性,以及在软件级别上执行特定任务的能力。

    当产出超过100万台时,第二阶段标志着群众生产阶段的开始。目前,硬件成本需要降低至单个工人的平均年薪,并且软件系统需要达到跨幕府的概括能力。突破使机器人应用程序方案从智能制造工厂延伸到服务行业和家庭田地。

    马斯克在上述收益中表示,当产出当年的产出达到100万台时,机器人的单位价格预计将降至20,000美元。

    当然,当前的人形机器人市场规模尚不清楚,生产大规模生产将需要时间。 证券在最近发布的研究报告中指出,由于对下游客户的测试和研究的强烈需求,预计随着国内公司的订单,国内类人形机器人机器人销售预计将有望达到近10,000单位。

    根据机器人行业研究所(GGII)的数据,2024年全球类人形机器人市场规模将为101.17亿美元,到2030年,全球人类人体机器人机器人市场规模将达到151亿美元。从2024年到2030年机器人销售将从11,900辆到605,700辆。

    软件和硬件挑战

    一位行业内部人士告诉记者,对于人类机器人产业连锁店,如果您想朝着真正的大规模批量生产的阶段发展,硬件和软件方面的主要挑战需要解决两个主要挑战。

    人形机器人机器人产业链上游的硬件屏障主要集中在三个核心组件中:驱动单元(电机 +降低器 +铅螺钉),传感系统(视觉/力/力/触觉)和控制模块(芯片),其中行星滚筒中铅螺钉的容量瓶颈(将旋转运动转换为线性运动的精确机械传输设备)更为突出。

    作为线性接头的核心传输部分,目前需要配备10至14个行星辊螺钉,该机器人的20%占关节模块的20%和整个机器的5%至8%。由于制造过程涉及高精度旋风铣床和特殊合金钢材材料,因此其市场份额长期以来一直由瑞士GSA和德国公司主导。

    “如果人形机器人想实现数百万台单元的生产,对行星辊螺钉的需求可能会达到数千万单元的水平,并且当前的生产能力是不够的。毕竟,在人类机器人使用螺钉之前,是利基市场。

    根据MITU咨询数据,2023年中国铅螺丝市场(不包括人形机器人)的规模仅为25.7亿元人民币。

    值得注意的是,许多国内制造商已开始投资行星辊螺丝项目的建设。

    根据公共信息,2025年1月3日,杭州   Co.,Ltd。(以下称为“ 变速箱”)举行了一个开创性的仪式,该仪式每年为100万个人形机器人机器人行星滚轮螺钉的工业化项目举行。该项目的建设将分为两个阶段,总投资为26亿元,其中10亿元人民币在第一阶段进行了投资,形成了100万个人类机器人行星滚轮螺丝的年度生产线。

    2025年1月15日,   Co.,Ltd。(.sz,以下称为“  ”)披露的投资者关系活动记录显示,该公司已经建立了半自动生产线的行星辊螺钉并投资于批量生产,每日生产能力已扩大到50套,并且已经使用了自制造的综合螺丝测试实验室,可以独立完成对关键参数的检测和验证,例如螺丝引线准确性,传输效率,效率,传输效率,和成千上万的终生运行。为了满足市场需求,该公司已开始建立第二个半自动质量生产线,预计将在2025年第一季度使用。根据行业客户的高要求,以确保其准确性的一致性螺丝组件,该公司还将建立一条全自动螺丝生产线集成处理,在线检查和组装,以进一步提高1-N的大规模质量生产的一致性和稳定性。性别。

    “该公司认为机器人产业连锁店将是一条长期的轨道,可以与新的     Chain相匹配。在工业发展的早期阶段,包括公司在内的相关零件产业链制造商是所有证明他们可以做到这一点,并且可以在工业发展的中期和晚期中做到这一点。 ,技术管理人员强调,人形机器人的大规模生产是行业机会。

    “除了在软件方面的供应链的连续抛光外,人形机器人行业的开发的下一步还需要算法模型的持续进展,以实现功能改进和应用程序方案的扩展。” Yao 告诉记者。

    在Yao 的观点中,人形机器人依赖三个核心组成部分:大脑,小脑和本体论。大脑负责高级决策和智能处理,而小脑则负责运动控制,而本体论是机器人的身体,从事特定的运动任务。

    自2025年以来,国内大型模型(深入搜索)的普及再次证明了大脑中人工智能(AI)大型模型的应用潜力:AI大型模型通过预训练和参数调整,不断地提高其概括能力,特别是在参数达到100亿次时,机器人开始显示复杂的思维链,以实现不同任务环境和场景中的自适应能力。 Yao 说:“小脑和本体论仍然是当前研发中的瓶颈。”

    Yao 告诉记者,人形机器人小脑的技术需求专注于复杂地形下的运动能力和鲁棒性(指在面对各种不确定性和干扰时系统保持正常运行的能力)。现有的运动控制算法和控制系统面临许多挑战,尤其是在实施全身协作精细操作时。另一方面,速度负载,低漂移,低噪声,低功耗和仿生自然步态的自我恢复能力也是当前小脑技术中需要破坏的关键问题。

    为了提高运动性能,机器人的小脑系统需要高保真的建模和仿真技术,以及多体动力学建模和在线行为控制能力,这对于认识机器人的仿生运动行为以及对全身协作运动的自主学习至关重要。 。

    目前,人形机器人小脑系统的研究和开发要比大脑的困难得多。核心问题是小脑的训练数据集相对较少。 “实际数据对人形机器人公司非常重要。如果这种实时数据收集需要机器人公司来做,那么现实生活中的情况很多,即使公司具有强大的计算能力,也无法吞噬。你必须继续。” Yao 说。

    一位行业内部人士告诉记者,人形机器人运动控制涉及高度动态和复杂的物理环境。与用于处理图像,文本和其他数据的大型模型不同,机器人需要在现实世界中完成运动任务,这需要小脑系统在训练过程中考虑各个方面。不同的环境变量,例如地形,障碍,对象相互作用,不同的操作任务等。每个动作和决策的每个步骤都可能产生不同的反馈。传统的仿真数据不能完全涵盖这个高维和多样化的场景。

    在访谈和调查中,记者还了解到,机器人小脑的训练过程不仅基于对静态数据的分析,而且更多地基于机器人与环境之间实际操作的相互作用。数据收集不仅需要在不同的环境中进行,而且还需要捕获机器人的每个微妙运动及其与环境的反馈关系。

    与图像识别或语音处理相比,机器人的运动数据更加复杂,并且高度依赖于特定的硬件配置,运动策略和控制系统调整,这使运动控制系统的训练数据集更加稀缺。

    形式的战斗仍在继续

    在2025年初访问深圳的许多机器人公司期间,记者注意到,并非所有机器人公司都对人形机器人产品都有乐观的看法。

    负责深圳列出的机器人手臂的营销人员告诉记者,人形机器人可能更适合家庭场景,但是在工业领域,他们不应坚持类人生物的概念。负责另一家公司的营销人员,其主要产品是扫地机器人的,也说它已找到。该公司认为,人类机器人行业在此阶段不符合商业化的条件,并且无意进入此轨道。

    上述机器人臂企业的市场领导者解释了他对机器人形式的理解:“在平坦地形中四足或轮毂机器人的运动速度可以达到人形机器人的2至3倍,能源消耗降低了。超过50%,并且对照算法是复杂的工业场景中的任务的百分比可以固定为机器人臂或AGV(自动引导车辆),并且在高度结构化的环境中,人形机器人的多功能优势很难突出。”

    机器人形式的战斗本质上是技术路径选择和业务逻辑之间的深刻游戏。

    Yao 告诉记者,人形机器人的核心价值在于其普遍性和环境兼容性。类人动物形式是实现机器人通用性的理想载体。它的运动和多度的手臂设计可以涵盖制造业,服务行业甚至家庭。场景中的大多数交互要求。此外,人类社会的物理环境(从楼梯的高度到工具的大小)建立在人体工程学作为基础上,而人形机器人自然适应了现有的基础设施,并且可以无缝连接而没有其他转换场景。 “机器人需要更好地适应我们所处的世界,否则它们的功能将是单个的。您只能像扫地机器人一样做得很好,并成为工具。机器人的未来应该是通用的。人物。” Yao 说。

    目前,一些行业内部人士提出了“功能驱动形式”的折衷路径,也就是说,通过标准化接口实现模块化组合,以便机器人可以根据任务需求动态切换表单。例如,在工厂研讨会中使用轮式底盘提高效率,并在进入家庭环境以适应楼梯和狭窄的路径时切换到双皮形状。

    无论如何,“机器人合作伙伴”越来越接近人类。

更多帖子推荐

您需要登录后才可以回帖 登录 | 立即注册

Archiver|手机版|小黑屋|关于我们

Copyright © 2001-2025, Tencent Cloud.    Powered by Discuz! X3.5    京ICP备20013102号-30

违法和不良信息举报电话:86-13718795856 举报邮箱:hwtx2020@163.com

GMT+8, 2025-4-22 06:29 , Processed in 0.109286 second(s), 18 queries .