人工智能行業(yè)市場(chǎng)分析

人工智能行業(yè)市場(chǎng)分析1.通用——解決機(jī)器人高需求和低滲透率的矛盾1.1.機(jī)器人進(jìn)化路徑：從固定到移動(dòng)，從獨(dú)立到協(xié)作，從單一到通用服務(wù)機(jī)器人商業(yè)化落地的前提是產(chǎn)品能提供真實(shí)價(jià)值，真實(shí)價(jià)值的判斷在于機(jī)器人能否通用。在全球勞動(dòng)力短缺的背景下，機(jī)器人產(chǎn)業(yè)蓬勃發(fā)展，2022年全球服務(wù)機(jī)器人市場(chǎng)規(guī)模217億美元，過(guò)去5年復(fù)合增速超過(guò)20%。然而，在高速發(fā)展背景下，服務(wù)機(jī)器人滲透率仍然不高，規(guī)?；虡I(yè)落地并不順利。我們認(rèn)為原因在于：目前大多數(shù)服務(wù)機(jī)器人都或多或少的存在場(chǎng)景適應(yīng)性的問(wèn)題，如無(wú)法適應(yīng)環(huán)境變化，環(huán)境變化后，用戶無(wú)法通過(guò)簡(jiǎn)單操作實(shí)現(xiàn)場(chǎng)景適配；智能化程度低，行人避障及功能表現(xiàn)不理想；機(jī)器人部署流程復(fù)雜（如SLAM建圖、目標(biāo)點(diǎn)標(biāo)注等），所有部署操作只能由機(jī)器人現(xiàn)場(chǎng)部署工程師執(zhí)行，使用者難以操作及參與，且當(dāng)需要變更時(shí)，仍需現(xiàn)場(chǎng)部署工程師進(jìn)行操作。以商超場(chǎng)景為例：環(huán)境復(fù)雜：場(chǎng)景中鏤空的貨架（超高類(lèi)障礙物）、狹窄的通道、易跌落區(qū)域、低矮類(lèi)障礙物及臨時(shí)的攤鋪，考驗(yàn)機(jī)器人的通過(guò)性、感知能力、任務(wù)規(guī)劃能力。高動(dòng)態(tài)化：商場(chǎng)人流大，易聚集，動(dòng)態(tài)障礙物多，對(duì)機(jī)器人安全避障能力要求高。特殊物體較多，場(chǎng)景光線變化大：如玻璃護(hù)欄、自動(dòng)扶梯、玻璃轉(zhuǎn)門(mén)、玻璃墻等高透物體大多數(shù)機(jī)器人基本無(wú)法識(shí)別，且容易對(duì)激光雷達(dá)產(chǎn)生干擾，導(dǎo)致機(jī)器人誤判，發(fā)生碰撞、跌落、無(wú)法靠近作業(yè)。對(duì)于依賴(lài)視覺(jué)傳感器的機(jī)器人來(lái)說(shuō)，要在普通光線、黑暗、過(guò)曝等光照條件都能穩(wěn)定運(yùn)行難度較大。以上問(wèn)題在工業(yè)機(jī)器人領(lǐng)域同樣存在，影響了工業(yè)機(jī)器人滲透率的提升，直到協(xié)作機(jī)器人的出現(xiàn)。2022年全球協(xié)作機(jī)器人市場(chǎng)規(guī)模89.5億元人民幣，預(yù)計(jì)2022~2028年市場(chǎng)規(guī)模將以22.05%的增速達(dá)到300億元。2017～2022年中國(guó)協(xié)作機(jī)器人銷(xiāo)量從3618臺(tái)增長(zhǎng)至19351臺(tái)，預(yù)計(jì)2023年出貨將超過(guò)2.5萬(wàn)臺(tái)，2016～2021年市場(chǎng)規(guī)模從3.6億人民幣增長(zhǎng)至20.39億人民幣，復(fù)合增速41.5%。協(xié)作機(jī)器人也可以被認(rèn)為是服務(wù)機(jī)器人，因?yàn)樗麄冎荚谂c人類(lèi)并肩作戰(zhàn)。傳統(tǒng)工業(yè)機(jī)器人在柵欄后與人分開(kāi)作業(yè)，完成的工作也有限，例如焊接、噴涂、吊裝等。協(xié)作機(jī)器人更靈活，更智能，更容易合作，更具有適應(yīng)能力，使汽車(chē)、電子等制造行業(yè)能夠?qū)⒆詣?dòng)化擴(kuò)展到最終產(chǎn)品組裝，完成任務(wù)（例如拋光和施涂涂層）以及質(zhì)量檢查等等。1.2.如何讓機(jī)器人更加通用？使機(jī)器人更加通用，需要機(jī)器人的感知能力、思考和決策能力、行動(dòng)執(zhí)行能力的全面提升。我們認(rèn)為GPT（預(yù)訓(xùn)練大預(yù)言模型）和人形機(jī)器人的出現(xiàn)，是機(jī)器人在邁向通用人工智能的道路上的一大步。感知世界的能力（機(jī)器人的眼睛）：機(jī)器人自主移動(dòng)的感知和定位技術(shù)中激光和視覺(jué)導(dǎo)航是主流應(yīng)用方案。計(jì)算機(jī)視覺(jué)的發(fā)展經(jīng)歷了基于以特征描述子代表的傳統(tǒng)視覺(jué)方法、以CNN卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)，目前通用的視覺(jué)大模型正處于研究探索階段，人形機(jī)器人的場(chǎng)景相對(duì)工業(yè)機(jī)器人更通用、更復(fù)雜，視覺(jué)大模型的AllinOne的多任務(wù)訓(xùn)練方案能使得機(jī)器人更好地適應(yīng)人類(lèi)生活場(chǎng)景。一方面，大模型的強(qiáng)擬合能力使得人形機(jī)器人在進(jìn)行目標(biāo)識(shí)別、避障、三維重建、語(yǔ)義分割等任務(wù)時(shí)具備更高的精確度；另一方面，大模型解決了深度學(xué)習(xí)技術(shù)過(guò)分依賴(lài)單一任務(wù)數(shù)據(jù)分布，場(chǎng)景泛化效果不佳的問(wèn)題，通用視覺(jué)大模型通過(guò)大量數(shù)據(jù)學(xué)到更多的通用知識(shí)，并遷移到下游任務(wù)中，基于海量數(shù)據(jù)獲得的預(yù)訓(xùn)練模型具有較好的知識(shí)完備性，提升場(chǎng)景泛化效果。思考和決策的能力（機(jī)器人的大腦）：目前的機(jī)器人都是專(zhuān)用機(jī)器人，只能在限定場(chǎng)景中應(yīng)用，即使是機(jī)器人抓取，基于計(jì)算機(jī)視覺(jué)，仍然是在限定場(chǎng)景中，算法僅用于識(shí)別物體，如何做、做什么仍需要人的定義。要讓機(jī)器人通用，叫他去澆花，他就知道去拿水壺，接水，然后澆花，這是需要常識(shí)才能完成的事情。如何能讓機(jī)器人擁有常識(shí)？在大模型出現(xiàn)之前，這個(gè)問(wèn)題幾乎是無(wú)解的。大模型讓機(jī)器人可以擁有常識(shí)，從而具備通用性去完成各種任務(wù)，徹底改變通用機(jī)器人實(shí)現(xiàn)的模式。人類(lèi)工具和環(huán)境的適應(yīng)性，不用再為了機(jī)器人而造工具。執(zhí)行能力（機(jī)器人的四肢）：行動(dòng)能力（腿）+精細(xì)操作（手）。把機(jī)器人做成人形，就是為了讓機(jī)器人的執(zhí)行能力更加通用。機(jī)器人執(zhí)行任務(wù)時(shí)所處的環(huán)境是按照人類(lèi)的體型建造起來(lái)的：建筑、道路、設(shè)施、工具等，這個(gè)世界是為了方便人類(lèi)這種人形生物才這樣設(shè)計(jì)。如果出現(xiàn)了某種新形態(tài)的機(jī)器人，人們就必須重新設(shè)計(jì)一套機(jī)器人適應(yīng)的全新環(huán)境。設(shè)計(jì)在某個(gè)特定范圍內(nèi)執(zhí)行任務(wù)的機(jī)器人相對(duì)容易，如果想要提高機(jī)器人的通用性，就必須選擇可以作為分身的人形機(jī)器人。此外，人類(lèi)與人形機(jī)器人更容易有情感上的交流，人形機(jī)器人會(huì)讓人感到親近。日本機(jī)器人專(zhuān)家森昌弘的假設(shè)指出：由于機(jī)器人與人類(lèi)在外表、動(dòng)作上相似，所以人類(lèi)亦會(huì)對(duì)機(jī)器人產(chǎn)生正面的情感。1.3.人形機(jī)器人進(jìn)入商業(yè)化前夜從2015年DARPARoboticsChallenge，到2019年人形機(jī)器人各種科研項(xiàng)目被砍，業(yè)內(nèi)普遍唱衰，再到2022年特斯拉帶動(dòng)的百花齊放，人形機(jī)器人產(chǎn)業(yè)處于螺旋式向上的發(fā)展之中。波士頓動(dòng)力的Atlas、Tesla的Optimus、小米CyberOne、ihmc的Nadia，AgilityRobotics的Nadia、日系A(chǔ)simo與HRP-5P都在探索人形機(jī)器人的商業(yè)形態(tài)。我們對(duì)人形機(jī)器人發(fā)展過(guò)程中有代表性的產(chǎn)品進(jìn)行了梳理：第一臺(tái)人形機(jī)器人WABOT-1（1973年）。1973年日本早稻田大學(xué)加藤一郎帶領(lǐng)團(tuán)隊(duì)研發(fā)出世界上第一臺(tái)真人大小的人形智能機(jī)器人——WABOT-1。該機(jī)器人有肢體控制系統(tǒng)、視覺(jué)系統(tǒng)和對(duì)話系統(tǒng)，胸部裝有兩個(gè)攝像頭，手部裝有觸覺(jué)傳感器。本田E系列機(jī)器人（1986～1993年），奠定穩(wěn)定行走基礎(chǔ)。本田推出E系列雙足機(jī)器人，E0到E6，走路速度由慢變快，從走直線到在臺(tái)階或坡地上均可實(shí)現(xiàn)穩(wěn)定行走，為下一步P系列類(lèi)人機(jī)器人的研發(fā)奠定了基礎(chǔ)，是機(jī)器人歷史的里程碑。本田P系列機(jī)器人（1993-1997年）&ASIMO（2000～2011）。1993年本田開(kāi)發(fā)第1個(gè)仿人機(jī)器人原型P1，2000年P(guān)系列中的第4臺(tái)也是最后一臺(tái)機(jī)器人P4誕生，通俗稱(chēng)呼阿西莫（ASIMO）。2011年推出的第三代ASIMO身高1.3米，體重48公斤，行走速度是0-9km/h，2012最新版的ASIMO，除具備了行走功能與各種人類(lèi)肢體動(dòng)作之外，還可以預(yù)先設(shè)定動(dòng)作，并依據(jù)人類(lèi)的聲音、手勢(shì)等指令，做出相應(yīng)動(dòng)作。他還具備了基本的記憶與辨識(shí)能力。2018年本田宣布停止人形機(jī)器人ASIMO的研發(fā)，專(zhuān)注于該技術(shù)的更多實(shí)際應(yīng)用。HPR系列機(jī)器人（1998～2018）代替建筑行業(yè)的繁重工作：這是由日本經(jīng)濟(jì)產(chǎn)業(yè)省和新能源與產(chǎn)業(yè)技術(shù)開(kāi)發(fā)組織贊助，川田工業(yè)株式會(huì)社（KawadaIndustries）牽頭與國(guó)立先進(jìn)工業(yè)科學(xué)技術(shù)研究院（AIST）和川崎重工株式會(huì)社共同研發(fā)的通用家庭助手機(jī)器人的開(kāi)發(fā)項(xiàng)目。項(xiàng)目起始于1998年HPR-1（HondaP3），先后推出了HPR-2P、HRP-2、HRP-3P、HRP-3、HRP-4C、HRP-4等多個(gè)人形機(jī)器人。目前最新的機(jī)器人HPR-5P于2018年發(fā)布，該機(jī)器人身高182cm，體重101kg，全身總共37個(gè)自由度，旨在替代建筑行業(yè)中的繁重工作。波士頓動(dòng)力（1986～2023）：腿足式機(jī)器人運(yùn)控技術(shù)最前沿，軍事化應(yīng)用特征明顯。波士頓動(dòng)力最早因研發(fā)的BigDog而被世界聞名，公司發(fā)布了BigDog、Rise、LittleDog、PETMAN、LS3、Spot、Handle、Atlas等多個(gè)機(jī)器人，從單足、多足機(jī)器人到人形機(jī)器人，有著明顯的軍事化應(yīng)用的路線特征。波士頓動(dòng)力是一家典型的技術(shù)驅(qū)動(dòng)的公司，從機(jī)械結(jié)構(gòu)、算法步態(tài)控制、動(dòng)力系統(tǒng)耗能等方面對(duì)機(jī)器人持續(xù)迭代更新，核心在于發(fā)展腿式機(jī)器人以適應(yīng)不同環(huán)境的使用，技術(shù)關(guān)鍵在于動(dòng)力學(xué)研究和機(jī)器人平衡態(tài)的控制。Digit系列機(jī)器人（2019～2023）：具備行走能力，專(zhuān)注物流領(lǐng)域商業(yè)化。Digit系列是AgilityRobotics公司在物流領(lǐng)域商業(yè)化的嘗試，公司是從俄勒岡州立大學(xué)（OSU）拆分出來(lái)的機(jī)器人公司，致力于研發(fā)和制造雙足機(jī)器人，前后開(kāi)發(fā)了MABEL、ATRIAS、CASSIE、DIGIT系列足式機(jī)器人。其中CASSIE可實(shí)現(xiàn)4m/s的驚人配速，是腿足式機(jī)器人在快速行走能力上里程碑式的成果。2019年，Agility推出了人形機(jī)器人Digit，在Cassie的基礎(chǔ)上加上了軀干、手臂，并增加了更多計(jì)算能力，支持負(fù)載18kg的箱子，可進(jìn)行移動(dòng)包裹、卸貨等工作。小米“鐵大“機(jī)器人（2022）：21年小米曾發(fā)布一款機(jī)械狗Cyberdog，是其在足式機(jī)器人的首次嘗試。2022年8月，小米首個(gè)全尺寸人形仿生機(jī)器人CyberOne亮相秋季發(fā)布會(huì)。CyberOne身高177cm，體重52kg，藝名“鐵大”，能感知45種人類(lèi)語(yǔ)義情緒，分辨85種環(huán)境語(yǔ)義；搭載小米自研全身控制算法，可協(xié)調(diào)運(yùn)動(dòng)21個(gè)關(guān)節(jié)；配備了MiSense視覺(jué)空間系統(tǒng)，可三維重建真實(shí)世界；全身5種關(guān)節(jié)驅(qū)動(dòng)，峰值扭矩300Nm。特斯拉Optimus機(jī)器人（2022年）：推動(dòng)人形機(jī)器人商業(yè)化。Optimus原型機(jī)亮相于2022年特斯拉AIday，身高1.72m，體重57kg，可負(fù)載20kg，最快運(yùn)動(dòng)速度8km/h。目前Optimus仍處于研發(fā)進(jìn)展迅速，僅8個(gè)月機(jī)器人已可實(shí)現(xiàn)直立行走、搬運(yùn)、灑水等復(fù)雜動(dòng)作。交互型機(jī)器人索菲亞（2015）和阿梅卡（2021），面部表情擬人化的嘗試:索菲亞（Sophia）是由漢森機(jī)器人技術(shù)公司（HansonRobotics）開(kāi)發(fā)的類(lèi)人機(jī)器人，2015年面世。索菲婭皮膚由Frubber仿生材料制成，基于語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)技術(shù)，可以識(shí)別和復(fù)制各種各樣的人類(lèi)面部表情，并通過(guò)分析人類(lèi)表情和語(yǔ)言同人類(lèi)對(duì)話。阿梅卡（Ameca）由英國(guó)領(lǐng)先的仿生娛樂(lè)機(jī)器人設(shè)計(jì)和制造公司——工程藝術(shù)有限公司（EngineeredArts）打造，具有12個(gè)全新的面部致動(dòng)器，經(jīng)過(guò)面部表情升級(jí)后，能對(duì)著鏡子眨眼、抿嘴、皺眉、微笑。阿梅卡能夠自由進(jìn)行幾十種仿人類(lèi)的肢體運(yùn)動(dòng)，被認(rèn)為是“世界上最逼真機(jī)器人”。2.AI大模型+人形機(jī)器人：給機(jī)器人提供常識(shí)2.1.AI大模型訓(xùn)練過(guò)程及發(fā)展趨勢(shì)大模型=預(yù)訓(xùn)練+微調(diào)。從2017年Transformer開(kāi)始，到GPT-1、BERT、GPT2、GPT-3、GPT-4模型的出現(xiàn)，模型的參數(shù)量級(jí)實(shí)現(xiàn)了從億到百萬(wàn)億量級(jí)的突破，大模型（預(yù)訓(xùn)練模型、FoundationModels）在無(wú)標(biāo)注的數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，利用專(zhuān)用的小規(guī)模的標(biāo)注數(shù)據(jù)對(duì)模型進(jìn)行微調(diào)（fine-tuning），可用于下游任務(wù)預(yù)測(cè)。遷移學(xué)習(xí)是預(yù)訓(xùn)練模型的主要思想，當(dāng)目標(biāo)場(chǎng)景數(shù)據(jù)不足時(shí)，先在數(shù)據(jù)量大的公開(kāi)數(shù)據(jù)集上訓(xùn)練基于深度神經(jīng)網(wǎng)絡(luò)的AI模型，然后將其遷移到目標(biāo)場(chǎng)景中，通過(guò)目標(biāo)場(chǎng)景中的小數(shù)據(jù)集進(jìn)行微調(diào)，使模型達(dá)到要求的性能。預(yù)訓(xùn)練模型極大地減少了模型在標(biāo)記數(shù)據(jù)量下游工作的需要，從而適用于一些難以獲得大量標(biāo)記數(shù)據(jù)的場(chǎng)景。大模型的發(fā)展過(guò)程和趨勢(shì)：從參數(shù)規(guī)模上看，大模型經(jīng)歷了從預(yù)訓(xùn)練模型、大規(guī)模預(yù)訓(xùn)練模型、超大規(guī)模預(yù)訓(xùn)練模型的階段，參數(shù)量實(shí)現(xiàn)了從億級(jí)到百萬(wàn)億級(jí)的發(fā)展。從數(shù)據(jù)模態(tài)來(lái)看，大模型正在從文本、語(yǔ)音、視覺(jué)等單一模態(tài)大模型，向著多種模態(tài)融合的通用人工智能方向發(fā)展。2.2.AI大模型讓人形機(jī)器人具備通用任務(wù)解決能力AI大模型將會(huì)從語(yǔ)音、視覺(jué)、決策、控制等多方面實(shí)現(xiàn)同人形機(jī)器人的結(jié)合，形成感知、決策、控制閉環(huán)，大大提升機(jī)器人的“智慧”程度：語(yǔ)音：ChatGPT作為一種預(yù)訓(xùn)練語(yǔ)言模型，可以被應(yīng)用于機(jī)器人與人類(lèi)之間的自然語(yǔ)言交互。例如，機(jī)器人可以通過(guò)ChatGPT來(lái)理解人類(lèi)的自然語(yǔ)言指令，并根據(jù)指令進(jìn)行相應(yīng)的動(dòng)作。自然語(yǔ)言是人類(lèi)最通用的交互媒介，語(yǔ)音作為自然語(yǔ)言的載體將會(huì)是機(jī)器人擬人化的關(guān)鍵任務(wù)。盡管深度學(xué)習(xí)的出現(xiàn)已經(jīng)將以語(yǔ)音識(shí)別技術(shù)、自然語(yǔ)言處理、語(yǔ)音生成技術(shù)為構(gòu)成模塊的語(yǔ)音交互技術(shù)推向相對(duì)成熟的階段，但實(shí)際過(guò)程中仍然容易出現(xiàn)語(yǔ)義理解偏差（反諷等）、多輪對(duì)話能力不足、文字生硬的情況。語(yǔ)言大模型為機(jī)器人的自主語(yǔ)音交互難題提供了解決方案，在上下文理解、多語(yǔ)種識(shí)別、多輪對(duì)話、情緒識(shí)別、模糊語(yǔ)義識(shí)別等通用語(yǔ)言任務(wù)上，ChatGPT表現(xiàn)出了不亞于人類(lèi)的理解力和語(yǔ)言生成能力。在以ChatGPT為代表的大模型的加持下，人形機(jī)器人對(duì)通用語(yǔ)言的理解和交互才能提上日程，這將會(huì)是通用AI賦能通用服務(wù)機(jī)器人的開(kāi)始。視覺(jué)：視覺(jué)大模型賦能人形機(jī)器人識(shí)別更精確，場(chǎng)景更通用。計(jì)算機(jī)視覺(jué)的發(fā)展經(jīng)歷了基于以特征描述子代表的傳統(tǒng)視覺(jué)方法、以CNN卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)，目前通用的視覺(jué)大模型正處于研究探索階段。一方面，大參數(shù)量模型的強(qiáng)擬合能力使得人形機(jī)器人在進(jìn)行目標(biāo)識(shí)別、避障、三維重建、語(yǔ)義分割等任務(wù)時(shí)具備更高的精確度；另一方面，通用大模型解決了過(guò)去以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)過(guò)分依賴(lài)單一任務(wù)數(shù)據(jù)分布，場(chǎng)景泛化效果不佳的問(wèn)題，通用視覺(jué)大模型通過(guò)大量數(shù)據(jù)學(xué)到更多的通用知識(shí)，并遷移到下游任務(wù)中，基于海量數(shù)據(jù)獲得的預(yù)訓(xùn)練模型具有較好的知識(shí)完備性，大大提升場(chǎng)景泛化效果。人形機(jī)器人的場(chǎng)景相對(duì)工業(yè)機(jī)器人更通用、更復(fù)雜，視覺(jué)大模型的AllinOne的多任務(wù)訓(xùn)練方案能使得機(jī)器人更好地適應(yīng)人類(lèi)生活場(chǎng)景。決策：通用語(yǔ)言、環(huán)境感知能力是自動(dòng)化決策的基礎(chǔ)，多模態(tài)大模型契合人形機(jī)器人的決策需求。單一模態(tài)智能無(wú)法解決設(shè)計(jì)多模態(tài)信息的決策問(wèn)題，如“語(yǔ)音告知機(jī)器人去取桌子上綠色蘋(píng)果”的任務(wù)。多模態(tài)統(tǒng)一建模，目的是增強(qiáng)模型的跨模態(tài)語(yǔ)義對(duì)齊能力，使模型逐步標(biāo)準(zhǔn)化，使得機(jī)器人能綜合視覺(jué)、語(yǔ)音、文本多維度信息，實(shí)現(xiàn)各感官融合決策的能力?；诙嗄B(tài)的預(yù)訓(xùn)練大模型或?qū)⒊蔀槿斯ぶ悄芑A(chǔ)設(shè)施，增強(qiáng)機(jī)器人可完成任務(wù)的多樣性與通用性，讓其不只局限于文本和圖像等單個(gè)部分，而是多應(yīng)用相容，拓展單一智能為融合智能，使機(jī)器人能結(jié)合其感知到的多模態(tài)數(shù)據(jù)實(shí)現(xiàn)自動(dòng)化決策?？刂疲荷墒紸I賦能機(jī)器人自我控制，最終形成感知、決策、控制閉環(huán)。使得人形機(jī)器人具備通用能力，首先需要其具備“常識(shí)”，即通用的語(yǔ)言理解能力（語(yǔ)音）和場(chǎng)景理解能力（視覺(jué)）；其次需要其具備決策能力，即接收指令后產(chǎn)生的對(duì)任務(wù)的拆解；最后，需要其具備自我控制和執(zhí)行性能，生成式AI的代碼生成能力將最終使得機(jī)器人的感知、決策、動(dòng)作形成閉環(huán)，達(dá)到自我控制的目的。事實(shí)上，近來(lái)微軟團(tuán)隊(duì)已經(jīng)嘗試將ChatGPT應(yīng)用于機(jī)器人控制的場(chǎng)景中，通過(guò)提前寫(xiě)好機(jī)器人底層函數(shù)庫(kù)，并對(duì)其描述功能作用及目標(biāo)，ChatGPT能生成完成任務(wù)的代碼。在生成式AI的推動(dòng)下，機(jī)器人編程的門(mén)檻將會(huì)慢慢降低，最終實(shí)現(xiàn)自我編程、自我控制，并完成人類(lèi)習(xí)以為常的通用任務(wù)。2.3.OpenAI和微軟將大語(yǔ)言模型應(yīng)用于機(jī)器人OpenAI領(lǐng)投挪威人形機(jī)器人公司1XTechnologies。2017年OpenAI推出了用于機(jī)器人的開(kāi)源軟件Roboschool，在機(jī)器人中部署了新的單樣本模仿學(xué)習(xí)算法，通過(guò)人類(lèi)在VR中向機(jī)器人演示如何執(zhí)行任務(wù)。2018年，OpenAI發(fā)布了8個(gè)模擬機(jī)器人環(huán)節(jié)和事后經(jīng)驗(yàn)回訪基線實(shí)施，并用來(lái)訓(xùn)練在物理機(jī)器人上工作的模型。22年，HalodiRobotics在挪威Sunnaas醫(yī)院測(cè)試了醫(yī)護(hù)助理機(jī)器人EVE，讓其執(zhí)行后勤工作。2023年3月28日，OpenAI領(lǐng)投挪威人形機(jī)器人公司1XTechnologies(前稱(chēng)HalodiRobotics)。HalodiRobotics通過(guò)Ansys初創(chuàng)公司計(jì)劃利用Ansys仿真軟件開(kāi)發(fā)能在日常場(chǎng)景中與人安全協(xié)作的人形機(jī)器人。微軟提出ChatGPTforRobotics，利用ChatGPT解決機(jī)器人應(yīng)用程序編寫(xiě)問(wèn)題。2023年4月，微軟在其官網(wǎng)發(fā)表了一篇名為《機(jī)器人ChatGPT：設(shè)計(jì)原則和模型能力（ChatGPTforRobotics:DesignPrinciplesandModelAbilities）》論文，這項(xiàng)研究的目標(biāo)是觀察ChatGPT是否可以超越文本思考，并對(duì)物理世界進(jìn)行推理來(lái)幫助完成機(jī)器人任務(wù)。人類(lèi)目前仍然嚴(yán)重依賴(lài)手寫(xiě)代碼來(lái)控制機(jī)器人，該團(tuán)隊(duì)一直在探索如何改變這一現(xiàn)實(shí)，使用OpenAI的新人工智能語(yǔ)言模型ChatGPT實(shí)現(xiàn)自然的人機(jī)交互。人類(lèi)可以從機(jī)器人流程中的intheloop變?yōu)閛ntheloop。論文提出，不要求LLM輸出特定于機(jī)器人平臺(tái)或者庫(kù)的代碼，只是創(chuàng)造簡(jiǎn)單的高級(jí)函數(shù)庫(kù)供ChatGPT調(diào)用，并在后端講高級(jí)函數(shù)庫(kù)鏈接到各個(gè)平臺(tái)，場(chǎng)景和工具的現(xiàn)有庫(kù)和API。結(jié)果證明，ChatGPT的引入，使得人類(lèi)通過(guò)自然語(yǔ)言等高級(jí)語(yǔ)言命令于語(yǔ)言模型交互，用戶通過(guò)文本對(duì)話不斷將人類(lèi)的感知信息輸入ChatGPT，ChatGPT解析觀察流并在對(duì)話系統(tǒng)中輸出相關(guān)操作，不需要生成代碼。這樣，人類(lèi)可以實(shí)現(xiàn)無(wú)縫部署各種平臺(tái)和任務(wù)，人類(lèi)對(duì)ChatGPT輸出的質(zhì)量和安全性進(jìn)行評(píng)估。人類(lèi)在機(jī)器人pipeline中的任務(wù)主要是：1）首先，定義一組高級(jí)機(jī)器人API或函數(shù)庫(kù)。該庫(kù)可以針對(duì)特定的機(jī)器人類(lèi)型進(jìn)行設(shè)計(jì)，并且應(yīng)該從機(jī)器人的控制棧或感知庫(kù)映射到現(xiàn)有的低層次具體實(shí)現(xiàn)。為高級(jí)API使用描述性名稱(chēng)非常重要，這樣ChatGPT就可以推理它們的行為。2）為ChatGPT編寫(xiě)一個(gè)文本提示，描述任務(wù)目標(biāo)，同時(shí)明確說(shuō)明高級(jí)庫(kù)中的哪些函數(shù)可用。提示還可以包含有關(guān)任務(wù)約束的信息，或者ChatGPT應(yīng)該如何組織它的答案，包括使用特定的編程語(yǔ)言，或使用輔助解析組件等。3）用戶通過(guò)直接檢查或使用模擬器來(lái)評(píng)估ChatGPT的代碼輸出。如果需要，用戶使用自然語(yǔ)言向ChatGPT提供有關(guān)答案質(zhì)量和安全性的反饋。4）當(dāng)用戶對(duì)解決方案感到滿意時(shí)，就可以將最終的代碼部署到機(jī)器人上。ChatGPT可以以zero-shot的方式解決簡(jiǎn)單的機(jī)器人任務(wù)。對(duì)于簡(jiǎn)單的機(jī)器人任務(wù)，用戶只需要提供文本提示和函數(shù)庫(kù)描述，不需要提供具體的代碼實(shí)例，ChatGPT就可以zero-shot解決時(shí)空推理（ChatGPT控制一個(gè)平面機(jī)器人，用視覺(jué)伺服捕捉籃球位置）、控制真實(shí)無(wú)人機(jī)完成物體尋找、操縱虛擬無(wú)人機(jī)實(shí)現(xiàn)工業(yè)檢測(cè)等問(wèn)題。在人類(lèi)用戶ontheloop交互下，ChatGPT可以完成更復(fù)雜的機(jī)器人控制任務(wù)。1）課程學(xué)習(xí)：教授ChatGPT簡(jiǎn)單的拾取和放置物體的技能，并將所學(xué)會(huì)的技能按照邏輯組合用于更復(fù)雜的區(qū)塊排列任務(wù)；2）Airsim避障：ChatGPT構(gòu)建了避障算法的大部分關(guān)鍵模塊，但需要人工反饋無(wú)人機(jī)朝向等信息。人工反饋高級(jí)的自然語(yǔ)言，ChatGPT能夠理解并在適當(dāng)?shù)奈恢眠M(jìn)行代碼修正。ChatGPT的對(duì)話系統(tǒng)能夠解析觀察并輸出相關(guān)操作。1）帶API的閉環(huán)對(duì)象導(dǎo)航：為ChatGPT提供了對(duì)計(jì)算機(jī)視覺(jué)模型的訪問(wèn)，作為其函數(shù)庫(kù)的一部分。ChatGPT在其“代碼“輸出中構(gòu)建感知-動(dòng)作循環(huán)，實(shí)現(xiàn)估計(jì)相對(duì)物體角度、探索未知環(huán)境、并導(dǎo)航到用戶指定對(duì)象的功能；2）使用ChatGPT的對(duì)話進(jìn)系統(tǒng)進(jìn)行閉環(huán)視覺(jué)語(yǔ)言導(dǎo)航。在模擬場(chǎng)景下，人類(lèi)用戶將新的狀態(tài)觀測(cè)值作為對(duì)話文本輸入，ChatGPT的輸出僅返回向前的運(yùn)動(dòng)距離和轉(zhuǎn)彎角度，實(shí)現(xiàn)了用“對(duì)話系統(tǒng)”指導(dǎo)機(jī)器人一步步導(dǎo)航到感興趣區(qū)域。3.人形，讓機(jī)器人的運(yùn)動(dòng)執(zhí)行更加通用執(zhí)行能力（機(jī)器人的四肢）：行動(dòng)能力（腿）+精細(xì)操作（手）。把機(jī)器人做成人形，是為了讓機(jī)器人的執(zhí)行能力更加通用。機(jī)器人執(zhí)行任務(wù)時(shí)所處的環(huán)境是按照人類(lèi)的體型建造起來(lái)的：建筑、道路、設(shè)施、工具等，這個(gè)世界是為了方便人類(lèi)這種人形生物才這樣設(shè)計(jì)。如果出現(xiàn)了某種新形態(tài)的機(jī)器人，人們就必須重新設(shè)計(jì)一套機(jī)器人適應(yīng)的全新環(huán)境。設(shè)計(jì)在某個(gè)特定范圍內(nèi)執(zhí)行任務(wù)的機(jī)器人相對(duì)容易，如果想要提高機(jī)器人的通用性，就必須選擇可以作為分身的人形機(jī)器人。本章選擇兩個(gè)代表性產(chǎn)品波士頓動(dòng)力Altas和特斯拉Optimus，從驅(qū)動(dòng)、環(huán)境感知、運(yùn)動(dòng)控制三方面對(duì)比方案差異，探尋人形機(jī)器人運(yùn)動(dòng)控制方案商業(yè)化的趨勢(shì)。波士頓動(dòng)力Altas定位于技術(shù)的前瞻性研究，側(cè)重探索技術(shù)應(yīng)用的可能性而非商業(yè)化。從硬件架構(gòu)來(lái)看，Altas具備出色的動(dòng)態(tài)性能、瞬時(shí)功率密度和穩(wěn)定的運(yùn)動(dòng)姿態(tài)，可以實(shí)現(xiàn)高負(fù)載、高復(fù)雜度的運(yùn)動(dòng),像是一場(chǎng)技術(shù)驅(qū)動(dòng)的盛宴。商業(yè)化并非波士頓動(dòng)力當(dāng)前主要考量因素，Altas項(xiàng)目更多作為一個(gè)研究平臺(tái)供研究者進(jìn)行學(xué)術(shù)試驗(yàn)，側(cè)重探索技術(shù)應(yīng)用的可能性而非商業(yè)化。特斯拉Optimus發(fā)心于人形機(jī)器人的規(guī)?；?、商業(yè)化、標(biāo)準(zhǔn)化，商業(yè)化的目標(biāo)驅(qū)動(dòng)下，成本、能耗成為特斯拉團(tuán)隊(duì)的考量指標(biāo)。3.1.驅(qū)動(dòng)：液壓驅(qū)動(dòng)VS電動(dòng)驅(qū)動(dòng)3.1.1.電驅(qū)成本低、易于維護(hù)、控制精度高，商業(yè)化潛力高主流人形機(jī)器人的驅(qū)動(dòng)方案包括液壓驅(qū)動(dòng)和電氣驅(qū)動(dòng)（伺服電機(jī)+減速器）兩種。相比電氣驅(qū)動(dòng)，液壓驅(qū)動(dòng)輸出力矩大、功率密度高和過(guò)載能力強(qiáng)，因而能滿足波士頓動(dòng)力Atlas高負(fù)載動(dòng)作和快速運(yùn)動(dòng)的需求；但液壓驅(qū)動(dòng)的方式能耗大、成本高，同時(shí)容易出現(xiàn)漏液等問(wèn)題、可維護(hù)性差。一方面，商用場(chǎng)景下高負(fù)載動(dòng)作（如跑酷、后空翻等）屬于非必要行為，另一方面，隨著電驅(qū)系統(tǒng)功率密度和響應(yīng)速度的不斷提升，我們認(rèn)為結(jié)合電驅(qū)成本低、易于維護(hù)且技術(shù)應(yīng)用成熟的優(yōu)勢(shì)，基于電驅(qū)的人形機(jī)器人商業(yè)化可能性更高。3.1.2.波士頓動(dòng)力Atlas：采用“液壓驅(qū)動(dòng)”方案波士頓動(dòng)力全身共28個(gè)液壓執(zhí)行器，可執(zhí)行高負(fù)載復(fù)雜動(dòng)作。HPU（HydraulicPowerUnit）作為Atlas的液壓動(dòng)力源具備極小尺寸的高能量密度（~5kW/5Kg），電液經(jīng)由流體管線連接至各液壓泵，可實(shí)現(xiàn)快速響應(yīng)和精確力控，其高瞬時(shí)功率密度的液壓驅(qū)動(dòng)器能支持機(jī)器人實(shí)現(xiàn)奔跑、跳躍、后空翻等復(fù)雜動(dòng)作，機(jī)器人的結(jié)構(gòu)強(qiáng)度得益于其高集成度的結(jié)構(gòu)總成。根據(jù)官方披露影像及專(zhuān)利細(xì)節(jié)，我們推測(cè)：踝、膝、肘關(guān)節(jié)由液壓缸驅(qū)動(dòng)；髖、肩、腕關(guān)節(jié)及腰腹由擺動(dòng)液壓缸驅(qū)動(dòng)。3.1.3.特斯拉Optimus：采用“電動(dòng)驅(qū)動(dòng)”方案單臺(tái)Optimus全身40個(gè)執(zhí)行器，是單臺(tái)多關(guān)節(jié)機(jī)器人的6～7倍。其中：身體關(guān)節(jié)部分采用減速器/絲桿+伺服電機(jī)的傳動(dòng)方式，共計(jì)28個(gè)執(zhí)行器；機(jī)械手基于欠驅(qū)動(dòng)方案，采用電機(jī)+腱繩驅(qū)動(dòng)（tendon-driven）的傳動(dòng)結(jié)構(gòu)，單手6個(gè)電機(jī)，11個(gè)自由度。根據(jù)TestlaAIDay，特斯拉自主研發(fā)的六種執(zhí)行器中，旋轉(zhuǎn)關(guān)節(jié)方案繼承工業(yè)機(jī)器人，線性執(zhí)行器和微型伺服電機(jī)是人形機(jī)器人新需求，具體看：旋轉(zhuǎn)關(guān)節(jié)方案（肩、髖、腰腹）：伺服電機(jī)+減速器，我們推測(cè)，單臺(tái)人形機(jī)器人將搭載6臺(tái)RV減速器（髖、腰腹）和8臺(tái)諧波減速器（肩、腕）。根據(jù)特斯拉Optimus執(zhí)行器方案，RV減速器體積大、負(fù)載能力強(qiáng)、剛度高，適用于髖、腰腹大負(fù)載關(guān)節(jié)，其中髖關(guān)節(jié)2*2臺(tái)、腰腹兩個(gè)自由度2臺(tái)，共計(jì)6臺(tái)；諧波減速器體積小、傳動(dòng)比高、精密度高，適用于肩、腕關(guān)節(jié)，其中肩關(guān)節(jié)3*2臺(tái)、腕關(guān)節(jié)1*2臺(tái)，共計(jì)8臺(tái)。隨著更多廠商的涌入，其執(zhí)行器方案可能存在差異，若線性執(zhí)行器被旋轉(zhuǎn)執(zhí)行器替代，單臺(tái)機(jī)器人減速器數(shù)量將有所提升。擺動(dòng)角度不大的關(guān)節(jié)（膝、肘、踝、腕）：線形執(zhí)行器（伺服電機(jī)+絲杠）。一體化伺服電動(dòng)缸（伺服電機(jī)+絲杠）方案具備自鎖能力，能耗比純旋轉(zhuǎn)關(guān)節(jié)方案低。線性執(zhí)行器空間利用率高、能提供較大的推動(dòng)力。我們猜測(cè)，線性執(zhí)行器基于力矩電機(jī)結(jié)合行星滾柱絲杠的方案將應(yīng)用于線性執(zhí)行器關(guān)節(jié)（髖、膝、踝、肘、腕）中，預(yù)計(jì)合計(jì)將使用14個(gè)線性執(zhí)行器。行星滾柱絲杠以其高承載、高剛度、長(zhǎng)壽命的特點(diǎn)或成為人形機(jī)器人線性執(zhí)行器的關(guān)鍵傳動(dòng)裝置，通過(guò)適配人形機(jī)器人需求實(shí)現(xiàn)降本是大規(guī)模放量的前提。根據(jù)TeslaAIDay2022會(huì)上展示的信息來(lái)看，Optimus線性執(zhí)行器采用的方案即為行星滾柱絲杠一體式伺服電動(dòng)缸。我們認(rèn)為下肢髖、膝、踝關(guān)節(jié)及上肢的肘關(guān)節(jié)的伺服電缸采用高承載、高剛度的行星滾柱絲杠作為傳動(dòng)裝置可能性比較大。行星滾柱絲杠結(jié)構(gòu)復(fù)雜、加工難度大因而成本很高，通過(guò)調(diào)整設(shè)計(jì)、工藝方案適配人形機(jī)器人的需要來(lái)實(shí)現(xiàn)降本是其大規(guī)模應(yīng)用的前提。機(jī)械手：Optimus單手包括6個(gè)執(zhí)行器，可實(shí)現(xiàn)11個(gè)自由度，由微型電機(jī)驅(qū)動(dòng)，“欠驅(qū)動(dòng)”方案性價(jià)比高，“繩驅(qū)“傳動(dòng)結(jié)構(gòu)不確定性較大。“欠驅(qū)動(dòng)”，系統(tǒng)執(zhí)行器的數(shù)目小于其自由度數(shù)目，因?yàn)闄C(jī)械手本身高自由度數(shù)目的特性，出于提高系統(tǒng)設(shè)計(jì)的集成性、緊湊性和降低成本、更出于簡(jiǎn)化后續(xù)運(yùn)動(dòng)控制的考慮，設(shè)計(jì)者們會(huì)減少所使用電機(jī)的數(shù)目（即執(zhí)行器的數(shù)目），形成了執(zhí)行器的數(shù)目小于其自由度數(shù)目的欠驅(qū)動(dòng)方案。通過(guò)通過(guò)機(jī)械結(jié)構(gòu)的優(yōu)化實(shí)現(xiàn)以較少的執(zhí)行機(jī)構(gòu)驅(qū)動(dòng)更多的自由度，節(jié)省成本，是目前商業(yè)產(chǎn)品及高校機(jī)械手研發(fā)的主流選擇。機(jī)械手驅(qū)動(dòng)方案差異較大，電機(jī)的輕量化、低成本是關(guān)鍵。機(jī)械傳動(dòng)結(jié)構(gòu)上，機(jī)械手的主流方案包括繩驅(qū)（TendonDriven）、連桿、齒輪齒條、材料形變等。各機(jī)械手驅(qū)動(dòng)方案差異很大：RitsumeikanHandRitsumeikanHand通過(guò)耦合走線實(shí)現(xiàn)了2個(gè)驅(qū)動(dòng)器對(duì)15個(gè)關(guān)節(jié)的驅(qū)動(dòng)；Stanford/JPL靈巧手單手16個(gè)電機(jī)；ShadowHand單手30個(gè)電機(jī)，合計(jì)24個(gè)自由度。人形機(jī)器人機(jī)械手需要滿足質(zhì)量輕、結(jié)構(gòu)緊湊和抓取力強(qiáng)的要求，因此電機(jī)應(yīng)具有尺寸小、質(zhì)量輕、精度高、扭矩大的特點(diǎn)。空心杯電機(jī)結(jié)構(gòu)緊湊、能量密度高、能耗低，和人形機(jī)器人機(jī)械手需求契合度高。特斯拉Optimus機(jī)械手采取電機(jī)+腱繩驅(qū)動(dòng)的方式，可能對(duì)手部傳動(dòng)方案進(jìn)行優(yōu)化。盡管繩驅(qū)給機(jī)械手帶來(lái)了極大的靈活性，且可以極大簡(jiǎn)化設(shè)計(jì)難度和系統(tǒng)的復(fù)雜性，但其可靠性、傳動(dòng)效率都低于傳統(tǒng)連桿、齒輪齒條等方式，可能是研發(fā)團(tuán)隊(duì)短期開(kāi)發(fā)的權(quán)宜之計(jì)。3.2.環(huán)境感知：深度相機(jī)+激光雷達(dá)VS純視覺(jué)方案用于實(shí)現(xiàn)機(jī)器人自主移動(dòng)的感知和定位技術(shù)原理主要包括視覺(jué)、激光、超聲波、GPS、IMU等，對(duì)應(yīng)機(jī)器人感知系統(tǒng)的不同傳感器類(lèi)別。SLAM（即時(shí)定位與地圖構(gòu)建）是發(fā)展比較成熟、應(yīng)用廣泛的定位技術(shù)，它是機(jī)器人通過(guò)對(duì)各種傳感器數(shù)據(jù)進(jìn)行采集和計(jì)算，生成對(duì)其自身位置姿態(tài)的定位和場(chǎng)景地圖信息的系統(tǒng)。SLAM問(wèn)題可以描述為：機(jī)器人在未知環(huán)境中從一個(gè)未知位置開(kāi)始移動(dòng)，在移動(dòng)過(guò)程中根據(jù)位置估計(jì)和傳感器數(shù)據(jù)進(jìn)行自身定位，同時(shí)建造增量式地圖。獲取定位和地圖后，再根據(jù)路徑規(guī)劃算法（全局、局部、避障）實(shí)現(xiàn)自主移動(dòng)。3.2.1.波士頓動(dòng)力Atlas：深度相機(jī)+激光雷達(dá)波士頓動(dòng)力Atlas感知方案融合深度相機(jī)和激光雷達(dá)，基于多平面分割算法實(shí)現(xiàn)步態(tài)規(guī)劃。Atlas機(jī)器人感知視覺(jué)技術(shù)發(fā)展相對(duì)成熟，它借鑒GoogleTransformer模型，搭建HydraNet神經(jīng)網(wǎng)絡(luò)模型，優(yōu)化視覺(jué)算法，完成了自動(dòng)駕駛純視覺(jué)系統(tǒng)的遷移；Atlas使用ToF深度相機(jī)以每秒15幀的頻率生成點(diǎn)云，基于多平面分割算法從點(diǎn)云中提取環(huán)境表面，數(shù)據(jù)經(jīng)過(guò)映射后完成對(duì)周邊物體的識(shí)別。之后，工控機(jī)基于識(shí)別到的表面和物體信息進(jìn)行步態(tài)規(guī)劃，以實(shí)現(xiàn)避障、探測(cè)地面狀況以和巡航等任務(wù)。IHMC全稱(chēng)為“人類(lèi)與機(jī)器認(rèn)知研究所”，是一家專(zhuān)注于研發(fā)機(jī)器人控制算法的頂尖機(jī)構(gòu)，主要研發(fā)人形機(jī)器人行走所需的關(guān)鍵算法，而指揮Atlas機(jī)器人站立、行走等算法就來(lái)自于IHMC。3.2.2.特斯拉Optimus：純視覺(jué)方案，成本更低特斯拉Optimus環(huán)境感知采用基于攝像頭的純視覺(jué)方案，移植特斯拉全自動(dòng)駕駛系統(tǒng)，成本更低。Optimus頭部搭載三枚攝像頭（魚(yú)眼攝像頭+左右攝像頭），通過(guò)全景分割+自研的三維重建算法（OccupancyNetwork）實(shí)現(xiàn)環(huán)境感知，純視覺(jué)方案相比激光雷達(dá)等感知設(shè)備成本更低，但對(duì)算力要求高。機(jī)器人繼承了Autopilot算法框架，通過(guò)重新采集數(shù)據(jù)訓(xùn)練適用于機(jī)器人的神經(jīng)網(wǎng)絡(luò)，以實(shí)現(xiàn)環(huán)境的三維重建、路徑規(guī)劃、自主導(dǎo)航、動(dòng)態(tài)交互等。特斯拉強(qiáng)大的全自動(dòng)駕駛系統(tǒng)（FSD）的移植，使機(jī)器人視覺(jué)方案在不增加硬件成本的前提下朝著更精確、更智能的方向進(jìn)步。3.3.運(yùn)動(dòng)控制：尚未形成通用的控制器解決方案運(yùn)控算法是核心競(jìng)爭(zhēng)力，各家人形機(jī)器人控制算法均為自研。人形機(jī)器人對(duì)運(yùn)動(dòng)控制能力及感知計(jì)算能力要求較高，且不同廠商的執(zhí)行器數(shù)量和類(lèi)別差異較大，未來(lái)運(yùn)控算法或成為廠商核心競(jìng)爭(zhēng)力，且自研可能性較大；此外人形機(jī)器人控制方案，對(duì)于客戶應(yīng)用場(chǎng)景的了解程度及工藝要求也是重要因素，目前下游場(chǎng)景分散，單獨(dú)一家廠商還很難將人形機(jī)器人做到各個(gè)場(chǎng)景的通用。3.3.1.運(yùn)動(dòng)控制算法：思路相似，均為離線行為庫(kù)和實(shí)時(shí)調(diào)整波斯頓動(dòng)力Atlas：基于離線行為庫(kù)和模型預(yù)測(cè)控制（MPC）實(shí)現(xiàn)行為控制離線行為庫(kù)基于軌跡優(yōu)化算法（質(zhì)心運(yùn)動(dòng)學(xué)優(yōu)化+運(yùn)動(dòng)學(xué)優(yōu)化）和動(dòng)作捕捉（MotionCapture）創(chuàng)建，技術(shù)人員可通過(guò)向庫(kù)中添加新軌跡為機(jī)器人添加新功能；機(jī)器人被指定行為目標(biāo)后，從行為庫(kù)中選擇盡可能接近目標(biāo)的行為，獲得理論上可行的動(dòng)態(tài)連續(xù)動(dòng)作。模型預(yù)測(cè)控制（MPC）根據(jù)傳感器反饋的實(shí)時(shí)信息，基于行為庫(kù)調(diào)整部分參數(shù)（力、姿勢(shì)、關(guān)節(jié)動(dòng)作時(shí)間等）的細(xì)節(jié)，以適應(yīng)真實(shí)環(huán)境同理想的差異和其他實(shí)時(shí)因素。MPC這種在線控制方式允許機(jī)器人偏離模