的自主行为”；同期，特斯拉选择将Optimus与无人驾驶共享一套闭环仿真世界模型，并希望将Grok大模型作为Optimus机器人集群的高级调度中枢。  2)大脑侧模型的预训练已跨越ScalingLaw门槛。25年11月，北美创企Generalist AI发布GEN-0，首次验证了激活具身智能的参数门槛大约在7B。由于Scaling路径已基本被LLM摸清，所以具身智能大脑侧的卡点更多是一个数据与工程问题而非复杂的科学问题。  3)小脑侧，25年9月底北美创企Skild AI发布通用小脑，在相对于传统单一模型训练量提升500倍的情况下意外训练得到了能够跨本体实现运动控制的通用小脑能力——比如在被锯断了小腿的四足机器狗、锁定了一个电机关节只剩下三条腿的四足机器狗以及锁定了轮足的机器狗上，通用小脑均展现出快速的泛化适应能力。  同期，李飞飞博士在发布ImageNet的十五年后启动首届BEHAVIOR挑战赛，开放总计1,200+小时的10,000条专家遥操作示范，细致标注物体状态、空间关系和自然语言描述。ImageNet曾推动计算机视觉进入大模型时代，相信BEHAVIOR也将为机器人时代设定第一个统一的Benchmark，推动大小脑协同进化。  数据：三线交织，虚实融合，加速演绎  国金证券认为，具身训练中，真机数据是刚需，而仿真与人类视频可以提供数据扩展必要的数量级补充，以上三条路线均在过去一年中取得突破性进展。  1)真机数据：UMI作为一种轻量化、无本体、低成本的真实数采方案，由3D打印的平行夹爪+软指+扳机构成，整套成本约400美金。  2)仿真合成数据：英伟达Isaac&Sim与索辰开物机器人训练平台持续迭代，北美Skild AI+国内银河通用都证明足够多样性的仿真数据可以一定程度上弥补Sim2Real的gap问题。  3)人类视频数据：Gemini 3.0/3.1 Pro在屏幕理解、抽象推理层面取得显著能力提升，有望加速解锁机器人理解真实世界的能力，北美Tesla与Figure都在转向人类视频数据进行模型的训练。  风险提示  北美人形机器人量产节奏不及预期的风险；通用机器人Day1 L4路线缺乏商业化基础的风险；仿真合成数据质量不及预期的风险；模型及软件解决方案三方公司长期产业链话语权较低的风险。
=*=*=*=*=*=
当前为第2/2页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页