物流配送類應(yīng)用占比約為四分之一。IFR 數(shù)據(jù)顯示，2023年，全
球物流機(jī)器人銷量增速G達(dá)35%,物流機(jī)器人主要得益于三個(gè)原因：
一是供應(yīng)鏈的整合深化，電商和物流行業(yè)的發(fā)展使得企業(yè)對(duì)物流
運(yùn)行效率和響應(yīng)速度的需求不斷提G；
二是工廠設(shè)計(jì)水平的提升，模
塊化廠房設(shè)計(jì)技術(shù)為移動(dòng)機(jī)器人提供了封閉性、結(jié)構(gòu)化的活動(dòng)場(chǎng)景，
便于機(jī)器人快速移動(dòng)和完成任務(wù)；
三是激光地圖構(gòu)建 (VSLAM) 技術(shù)
的成熟，基于地圖數(shù)據(jù)，深度學(xué)習(xí)算法能夠自主規(guī)劃行動(dòng)路徑，并進(jìn)
行動(dòng)態(tài)避障。
此類場(chǎng)景主要包括兩種“機(jī)器人+人工智能”融合應(yīng)用模式。
一
是“移動(dòng)機(jī)器人+識(shí)別類模型+自主導(dǎo)航模型”模式， AI應(yīng)用的主要目標(biāo)是實(shí)現(xiàn)環(huán)境識(shí)別和路徑規(guī)劃，形成碼垛、上下料、倉(cāng)儲(chǔ)、配送等
典型細(xì)分場(chǎng)景，如J智嘉的取貨機(jī)器人使用計(jì)算機(jī)視覺技術(shù)和深度學(xué)
習(xí)算法，可以在繁忙的物流中心中，快速識(shí)別包裹位置，避開障礙物，
并G效完成取貨任務(wù)。
二是“移動(dòng)機(jī)器人+協(xié)同優(yōu)化模型”模式，AI應(yīng)用的目標(biāo)是開展多種物流機(jī)器人的協(xié)調(diào)配合，如亞馬遜建設(shè)的無(wú)人
倉(cāng)庫(kù)大量使用了各類移動(dòng)、倉(cāng)儲(chǔ)機(jī)器人，并引入技術(shù)團(tuán)隊(duì)將人工智能
融入整個(gè)機(jī)器人系統(tǒng)。
機(jī)械臂+操作優(yōu)化模型模式，AI應(yīng)用的主要目標(biāo)是提高操作精度;機(jī)械臂+操作學(xué)習(xí)模型模式,AI應(yīng)用的目標(biāo)是提升機(jī)器人的靈活性和適應(yīng)性
決策過(guò)程不可追溯,推理過(guò)程缺乏顯式的規(guī)則表達(dá);倫理與責(zé)任歸屬困境,行為邏輯模糊性可能引發(fā)倫理爭(zhēng)議;動(dòng)態(tài)環(huán)境適應(yīng)性不足,難以預(yù)測(cè)其在未知場(chǎng)景中的反應(yīng)模式
大模型作為最爆火的人工智能概念，推動(dòng)了人形機(jī)器人大腦的形成，助力人形機(jī)器人具有人的感知、交互與決策能力；對(duì) 于控制系統(tǒng)仍在切入中
原生機(jī)器人大模型ERA-42, 展示了與自研五指靈巧手星動(dòng)XHAND1 結(jié)合后的靈巧操作能力,能夠完成超過(guò)100種復(fù)雜靈巧的 操作任務(wù),是真正的具身大模型
普渡機(jī)器人提出了 Robot-to-Everything 架構(gòu)，實(shí)現(xiàn)萬(wàn)物互聯(lián)，全場(chǎng)景的智能生態(tài);率先完成了專用、類人形、人形三類機(jī) 器人的完整產(chǎn)品布局
機(jī)器人像人一樣使用工具的靈巧手,是提升機(jī)器人柔性操作能力的關(guān)鍵部件,是柔性制造避不開的一環(huán);靈巧手工程量占據(jù)Optimus工程量的50%,靈巧手是機(jī)器人走向“好用”的關(guān)鍵
欠驅(qū)動(dòng)手硬件集成度高，整體系統(tǒng)簡(jiǎn)潔高效、體積小、質(zhì)量輕，便于進(jìn)行動(dòng)力學(xué)分析;存在功能性不足,對(duì)于精度要求比較高的手指精巧控制無(wú)法勝任
具有完全可重復(fù)的運(yùn)動(dòng)軌跡,適合某些功能性和精細(xì)操作較高的場(chǎng)合,在工業(yè)場(chǎng)合， 例如組裝、測(cè)量等情況下有更好的表現(xiàn),沒有合理的運(yùn)動(dòng)學(xué)分析控制時(shí)，整體的靈活性差
機(jī)器人的觸感靈巧手Linker Hand具備20個(gè)主動(dòng)自由度,包括柔性電子皮膚,實(shí)現(xiàn)精細(xì)觸覺感知,構(gòu)建全球最大的靈巧操作數(shù)據(jù)集,包含了大量的人手操作數(shù)據(jù),覆蓋了各 種復(fù)雜的抓取和操作任務(wù)
當(dāng)人們認(rèn)為機(jī)器人是有意圖的代理時(shí)，他們的大腦以類似的方式處理自己和機(jī)器人的行動(dòng)結(jié)果,意圖歸因在人機(jī)交互中起著至關(guān)重要的作用,可能包括通過(guò)言語(yǔ)指令等非交互性手段來(lái)調(diào)整人們對(duì)機(jī)器人意圖的感知
移動(dòng)機(jī)器人系統(tǒng)用于解決探索性化學(xué)中的三個(gè)主要問(wèn)題以及根據(jù)數(shù)據(jù)決定下一步做什么,移動(dòng)機(jī)器人做出與人類研究人員相同或相似的決定比人類快得多
大模型可加快人形機(jī)器人復(fù)雜任務(wù)訓(xùn)練速度,提升任務(wù)生成速度及縮短理解周期;1 提升人形機(jī)器人語(yǔ)言處理能力 2 提升人形機(jī)器人場(chǎng)景理解能力 3 提升人形機(jī)器人運(yùn)動(dòng)控制能力 4 提升人形機(jī)器人數(shù)據(jù)訓(xùn)練能力
