生產(chǎn)操作類應(yīng)用占比接近40%,是應(yīng)用Z為普遍的領(lǐng)域。
原因主要有包括以下兩點：
一是企業(yè)對效率的需求提升，
“機器取代人”Z
早出現(xiàn)在生產(chǎn)過程中的重復(fù)性、封閉性的操作場景中，在多個行業(yè)已
經(jīng)實現(xiàn)了大規(guī)模應(yīng)用，在市場效率競爭和小批量柔性生產(chǎn)趨勢下，企
業(yè)普遍存在對智能化機器人的升J需求；
二是機器人功能的拓展，隨
著機器人模塊化設(shè)計和柔性控制技術(shù)的成熟，工業(yè)機器人的精細(xì)化程
度和靈活性顯著提G，原本無法被取代的噴涂、焊接場景也逐步開始應(yīng)用機器人。
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“機械臂+操作優(yōu)化模型”模式，AI 應(yīng)用的主要目標(biāo)是提G操作精度，如珞石機器人基于關(guān)節(jié)多傳感器融合的全局振動抑制算法技術(shù)，
抖動幅值降低80%以上。
二是“機械臂+操作學(xué)習(xí)模型”模式，AI應(yīng)用的目標(biāo)是提升機器人的靈活性和適應(yīng)性，形成智能焊接、噴涂、組
裝等典型細(xì)分場景，如新松多可焊接工作站，通過示教器即可實現(xiàn)對機器人焊接工藝參數(shù)的設(shè)定，能夠適用于多品種、小批量、較為離散
的焊件結(jié)構(gòu)特點的焊接應(yīng)用場景。
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(zé)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(xué)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(xì)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(xué)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(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(xué)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
NLP 大模型在語言的歧義、文化差異及多樣化、情感分析困難;CV 大模型算法處理復(fù)雜；多模態(tài)大模型融合不同模態(tài)的信息并提高模型的標(biāo)識能力
