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
球物流機器人銷量增速G達35%,物流機器人主要得益于三個原因：
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)對物流
運行效率和響應(yīng)速度的需求不斷提G；
二是工廠設(shè)計水平的提升，模
塊化廠房設(shè)計技術(shù)為移動機器人提供了封閉性、結(jié)構(gòu)化的活動場景，
便于機器人快速移動和完成任務(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)，深度學習算法能夠自主規(guī)劃行動路徑，并進
行動態(tài)避障。
此類場景主要包括兩種“機器人+人工智能”融合應(yīng)用模式。
一
是“移動機器人+識別類模型+自主導(dǎo)航模型”模式， AI應(yīng)用的主要目標是實現(xiàn)環(huán)境識別和路徑規(guī)劃，形成碼垛、上下料、倉儲、配送等
典型細分場景，如J智嘉的取貨機器人使用計算機視覺技術(shù)和深度學
習算法，可以在繁忙的物流中心中，快速識別包裹位置，避開障礙物，
并G效完成取貨任務(wù)。
二是“移動機器人+協(xié)同優(yōu)化模型”模式，AI應(yīng)用的目標是開展多種物流機器人的協(xié)調(diào)配合，如亞馬遜建設(shè)的無人
倉庫大量使用了各類移動、倉儲機器人，并引入技術(shù)團隊將人工智能
融入整個機器人系統(tǒng)。
機械臂+操作優(yōu)化模型模式，AI應(yīng)用的主要目標是提高操作精度;機械臂+操作學習模型模式,AI應(yīng)用的目標是提升機器人的靈活性和適應(yīng)性
決策過程不可追溯,推理過程缺乏顯式的規(guī)則表達;倫理與責任歸屬困境,行為邏輯模糊性可能引發(fā)倫理爭議;動態(tài)環(huán)境適應(yīng)性不足,難以預(yù)測其在未知場景中的反應(yīng)模式
大模型作為最爆火的人工智能概念，推動了人形機器人大腦的形成，助力人形機器人具有人的感知、交互與決策能力；對 于控制系統(tǒng)仍在切入中
原生機器人大模型ERA-42, 展示了與自研五指靈巧手星動XHAND1 結(jié)合后的靈巧操作能力,能夠完成超過100種復(fù)雜靈巧的 操作任務(wù),是真正的具身大模型
普渡機器人提出了 Robot-to-Everything 架構(gòu)，實現(xiàn)萬物互聯(lián)，全場景的智能生態(tài);率先完成了專用、類人形、人形三類機 器人的完整產(chǎn)品布局
機器人像人一樣使用工具的靈巧手,是提升機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%,靈巧手是機器人走向“好用”的關(guān)鍵
欠驅(qū)動手硬件集成度高，整體系統(tǒng)簡潔高效、體積小、質(zhì)量輕，便于進行動力學分析;存在功能性不足,對于精度要求比較高的手指精巧控制無法勝任
具有完全可重復(fù)的運動軌跡,適合某些功能性和精細操作較高的場合,在工業(yè)場合， 例如組裝、測量等情況下有更好的表現(xiàn),沒有合理的運動學分析控制時，整體的靈活性差
機器人的觸感靈巧手Linker Hand具備20個主動自由度,包括柔性電子皮膚,實現(xiàn)精細觸覺感知,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)
當人們認為機器人是有意圖的代理時，他們的大腦以類似的方式處理自己和機器人的行動結(jié)果,意圖歸因在人機交互中起著至關(guān)重要的作用,可能包括通過言語指令等非交互性手段來調(diào)整人們對機器人意圖的感知
移動機器人系統(tǒng)用于解決探索性化學中的三個主要問題以及根據(jù)數(shù)據(jù)決定下一步做什么,移動機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 提升人形機器人語言處理能力 2 提升人形機器人場景理解能力 3 提升人形機器人運動控制能力 4 提升人形機器人數(shù)據(jù)訓(xùn)練能力
