机器人行业金融方案.doc

目 录一、机器人行业1（一）基本运行情况1（二）市场竞争概况1（三）重点企业分析1（四）技术发展状况1（五）行业发展前景1一、基本运行情况2013年2015年，中国已连续三年成为全球最大的机器人市场。2015年，中国工业机器人全年累计销售68459台，同比增长18%，增幅分别高于同期欧洲市场8个百分点、美洲市场3个百分点、亚洲市场2个百分点。其中，国产机器人销售22257台，销量同比增长31.3%，明显高于外资品牌的销量增速；国产机器人在市场总销量中的比重为33%，比2014年提高4个百分点。从机械结构看，多关节机器人销量居首，全年销售4万余台，同比增长12.5%；其中，国产多关节机器人比重由2014年的9.9%升至2015年的15.1%，销量同比增长71.7%。坐标机器人销售总量超过1.6万台，销量同比增长38.4%，其中国产机器人占比超过六成，但外资品牌坐标机器人销量同比增长近90%，较上年提高10个百分点。SCARA机器人全年共计销售8000余台，同比增长13.1%；其中国产品牌销量同比下降，比重为26.5%，比上年回落10个百分点。从应用领域看，搬运与上下料是首要市场，共计销售29951台，占总销量的43.8%，同比增长46.4%；其中国产搬运与上下料机器人销售13529台，同比增长38.7%。焊接与钎焊机器人销售20880台，销量同比仅增1.2%；其中国产品牌销售3751台，同比增长13.0%，所占市场比重为18.0%。涂层与胶封机器人和加工机器人销量实现同比增长，装配及拆卸机器人和洁净室机器人销量同比下降。从下游行业看，汽车依旧是工业机器人最大的消费行业，占比36.8%；电气机械和器材制造业居第二位，占比23.3%；金属制造行业居第三位，占比15.2%。外资机器人应用比较集中，汽车行业销量占总销量的近48%，电气机械和器材制造业、金属制造行业销量分别占总销量的23.6%和7.6%。国产工业机器人应用范围更为广泛，已服务于国民经济35个行业中类，88个行业小类，与上年相比拓展了6个行业中类、21个行业小类。二、市场竞争概况目前中国已经有40多个机器人园区，而上规模的机器人企业超过800家，已出现高端产业低端化倾向，说明机器人行业已出现过热现象。工业机器人：国产机器人产业链成型，国内外差距未见缩小从零部件到本体、下游集成以及配套周边器件、软件等，国产机器人产业链已经成型。但存在的问题是技术差距仍然明显，没有看到缩小的趋势。最受关注的核心零部件方面，伺服电机基本在中低端，出货量在慢慢提高，需要时间来验证。减速机国内可以做的企业很多，单从性能数据上看，跟国际巨头HD、纳博特斯克等差别不大，但实际稳定性、耐久性和耐热性等仍然具有很大差距，本体客户不敢轻易批量采用，即使小批量使用，也是用在对精度、稳定性要求不高，对价格敏感的低利润领域。作为关键零部件，减速机的难点不在于技术，更多是热处理和装配工艺，这是整个工业体系的问题，短时间内无法解决。减速机的进口替代是一个漫长的过程，对行业的影响是可能促进外资品牌降价，对将减速机作为突破口的企业来说基本上是象征意义。机器人是技术、资金密集型，需要长时间验证才会被下游客户接受，对于制造业用户来说价格是重要因素但不是核心因素。国内“高端产业低端化”、不能及时把握跟进下一代发展趋势，国际企业占据行业主导权的情况长时间内仍将存在。服务机器人：儿童教育和医疗护理潜力大服务机器人同质化现象突出，多数是移动PAD的模式。应用主要分两类：一类是家庭陪伴型，用机器人的外形实现智能手机的功能，售价在1000-4000之间，在交互技术不成熟的情况下容易被当作电动玩具。另一类是送餐、迎宾型，由于技术局限性和实际体验预期差较大，新鲜期过后很快会遗忘。前者的意义在于，一旦AI、语音识别等技术成熟，可以形成很多规模巨大的细分领域，如陪伴老人、儿童教育、智能家居中枢等；后者更偏向过渡期的产品。比较有亮点的是康力优蓝推出的商用服务机器人，已经有了很大的进步；以及推广中文语义识别的图灵机器人。服务机器人潜力巨大，当前缺乏解决痛点的产品和有效的商业模式。当前，对于服务机器人应关注三个层面：第一、偏底层、具备平台特性的企业，如科大讯飞、图灵、地平线；第二、具备内容储备和生产能力的企业，如奥飞动漫；第三、应用场景明确、客户黏性强且具备持续消费意愿的细分领域如儿童教育、医疗。机器人行业仍然继续快速发展，中国机器人已经进入全面普及期。工业机器人方面，外资加速布局，产品价格下降外加产品线丰富，国内企业靠低价和政府补贴的模式难以为继。行业内并购整合将成为这一阶段的主旋律。具备运动控制技术和资金优势的零部件企业（减速机除外）和系统集成细分行业龙头优势明显。三、重点企业分析1科大讯飞（智能语音、人工智能）科大讯飞股份有限公司成立于1999年，是一家专业从事智能语音及语言技术、人工智能技术研究，软件及芯片产品开发，语音信息服务及电子政务系统集成的国家级骨干软件企业。2008年，科大讯飞在深圳证券交易所挂牌上市，股票代码：002230。人工智能主要分为计算智能、感知智能、认知智能。计算智能，即机器“能存会算”的能力；感知智能，即机器具有“能听会说、能看会认”的能力，主要涉及语音合成、语音识别、图像识别、多语种语音处理等技术；认知智能，即机器具有“能理解会思考”的能力，主要涉及教育评测、知识服务、智能客服、机器翻译等技术。科大讯飞作为中国智能语音与人工智能产业领导者，在语音合成、语音识别、口语评测、自然语言处理等多项技术上拥有国际领先的成果。科大讯飞是我国唯一以语音技术为产业化方向的“国家863计划成果产业化基地”、“国家规划布局内重点软件企业”、“国家高技术产业化示范工程”，并被原信息产业部确定为中文语音交互技术标准工作组组长单位，牵头制定中文语音技术标准。2003年、2011年，科大讯飞两次荣获“国家科技进步奖”，2005年、2011年两次获得中国信息产业自主创新最高荣誉“信息产业重大技术发明奖”。自90年代中期以来，在历次的国内外语音合成评测中，各项关键指标均名列第一。2008年至今，科大讯飞连续在国际说话人、语种识别评测大赛中名列前茅。2014年，科大讯飞首次参加国际口语机器翻译评测比赛（International Workshop on Spoken Language Translation）即在中英和英中互译方向中以显著优势勇获第一。2011年，“国家智能语音高新技术产业化基地”、“语音及语言信息处理国家工程实验室”相继落户合肥，有利于进一步汇聚产业资源，提升科大讯飞产业龙头地位。2顺达智能（智能制造系统）无锡顺达智能自动化工程股份有限公司始创于1991年，位于位于风景秀丽的太湖之滨、水蜜桃之乡阳山镇无锡惠山经济开发区阳山配套区，公司遵循敬业为勤、一丝不苟的企业文化理念，开启现代制造业的智造时代。1991年，无锡顺达智能自动化工程股份有限公司正式成立，公司遵循敬业为勤、一丝不苟的企业文化理念，开启现代制造业的智造时代。如今，作为智能化制造系统整体解决方案供应商,顺达智能已拥有200多名员工，研发团队超过50人，是一家集研发、设计、制造为一体的国家高新技术企业。凭借先进的理念、卓越的技术、精湛的工艺，顺达智能的业务合作得到迅速扩张。公司的客户覆盖家电行业、农机行业、汽车行业、工程机械、仓储物流、新能源汽车等所有需要智能化改造升级的制造业客户，顺达智能可为其量身定制智能化生产系统.3利和兴（3C自动化集成）深圳市利和兴股份有限公司，前身是深圳市利和兴机电科技有限公司，成立于2006年，并于2014年11月7日正式更名为“深圳市利和兴股份有限公司”。2015年12月10日利和兴新三板正式上市。利和兴是一家集设备研发、生产、销售、服务为一体的智能自动化设备的国家高新科技企业，经过十多年的发展，建立起快速完善的销售服务体系，更为分布在中国、宝岛台湾、东南亚、日本、欧洲和美洲等国家和地区超过数百家客户提供有力的技术支持、售后支持。四、技术发展状况第一部分：工业机器人1现阶段机器人仍是生产线辅助设备，核心设备仍是机床现阶段工业机器人技术发展仍然很不成熟。在现有的生产模式下，机床仍然是最核心、最基础的设备，是工作母机;机器人用于人工替代，只是生产线上面的辅助设备。无论是中国还是全球，相对于机床，机器人占生产线总成本的比例还比较低。考虑到这点，也许机器人本体的产值只能无限接近机床产值。2012年，全球机床产值5590亿元，机器人本体产值有530亿元，加上集成约1600亿元，约占机床产值的29%。在中国，这一比例更低，只有11%，未来有很大提升空间。随着自动化大趋势的发展，机器人将取代机床成为新一代工业生产的基础。但这发生的前提是工业机器人技术得到突破，克服现有的问题。2工业机器人技术仍有很大提升空间工业机器人技术未来的发展方向：-智能化，智能化就是机器人的操控将越来越简单，很多东西机器人就能自主判断，不需要人示教，不需要高级的技术人员操作。智能化也就是傻瓜化。-柔性化，现在的机器人是一个单臂的机器人，就不能像人手那样灵活。如果双臂机器手技术得到突破。这种机器用在工厂里，基本可以代替人做所有的工作。像现在单臂的机器人在装配线上就没法用，协调性达不到要求。-安全性，现在的机器人，由于技术还没有发展到一定的程度，很容易对人造成伤害。跟人交互的一些安全措施还没有做到位。现在想做到位需要装一些很贵的传感器。-低成本，工业机器人由于现在成本还很高，如果想打造很智能化的东西，成本很高就卖不出去，需要通过上规模降低成本。-技术融合，机器人技术将类似于80年代的手机、90年代的互联网、2000年代的移动设备，经历一个技术融合的过程。未来的机器人技术将在通信、感知、处理、移动、意识、操作这六个方面突破。随着工业机器人技术突破，应用将更加广泛，未来工业机器人的市场容量将有望十倍或数十倍扩张。未来的机器人会变得很柔性，很智能化，很安全，成本也很低。但这需要一个发展的过程。库卡和尤傲已经研制一些安全性机器人的代表。现在要想做到安全性，对人没有伤害，机器人的速度就会比较低。这样子的机器人可以应用在一些特定的场合。有的场合对效率的要求不高就可以用，但是不能普遍的应用。3BAXTER机器人与双臂机器人Baxter机器人：Baxter与其它工业机器人的不同之处在于它的精度和速度降低，但是适应性和安全性增强。它的另一个重要特征是成本低。此外，Baxter还被认为类似于PC机，能根据用户的需求进行软件升级。但整体而言，Baxter机器人还处于试验阶段。双臂机器人：ABB和安川等机器人企业正在研制双臂机器人。双臂机器人可以从事传统机器人无法做到的事，如精细的组装等。符合机器人往更智能化、灵活化方向发展。由于大量使用高端传感器，成本很高，尚未大面积使用。第二部分：服务机器人目前，服务机器人还未产业化，技术有待进一步提高。服务机器人核心技术与模块分析：1服务机器人核心技术：多模态交互技术（1）智能机器人三大核心技术模块：感知+交互+运控整个服务机器人产业建立在三大核心技术模块：人机交互及识别模块、环境感知模块、运动控制模块。依托于三大模块，机器人有基础的硬件：电池模组、电源模组、主机、存储器、专用芯片等，还有操作系统：ROS、Linux、安卓等；由硬件和操作系统构成机器人整机，整合基础硬件、系统、算法、控制元件，形成满足一定行走能力和交互能力的机器人整机；在此基础上形成各种基础应用开发，基于机器人操作系统开发的控制类APP、管理员APP和各类应用程序App等；产生的数据将有群组服务、云服务、大数据服务等。服务机器人的交互能力、感知能力、运动能力对应三大模块。交互模块包括语音识别、语义识别、语音合成、图像识别等，相当于人的大脑；感知模块借助于各种传感器、陀螺仪、激光雷达、相机、摄像头等，相当于人的眼、耳、鼻、皮肤等；运控模块包括舵机、电机、芯片等。图表 1：三大核心模块从技术储备上来看，人工智能是核心。目前的技术储备方面，只有语音和OCR领域具备一定的成熟度。语音和OCR领域已发展接近20年，在某些特定场景和行业已经有了一些数据基础。其他的技术包括图像识别、语义分析都还在很早期的阶段。语音领域，也是目前已知的平台类企业最大的板块。（2）服务机器人多场景特征，多模态交互融合是关键从第一代以鼠标和键盘的交互方式为特点的PC互联网，到第二代以触屏、GPS等交互方式为特点的移动互联网，再到今天以多模态人机交互方式为特点的第三代互联网，服务机器人产业，底层的逻辑就是人机交互方式的发展和演变。随着语音交互、视觉图像交互、动作交互、脑电波交互等多模态人机交互技术的逐步发展和成熟，这些第三代人机交互方式将会深层次地改变我们日常生活的应用场景；同时，一场第三代互联网的主流终端模式和服务内容入口的竞争也在同步进行。多模态融合了视觉、听觉、触觉、嗅觉等交互方式，其表达效率和表达的信息完整度要由于传统单一的交互模式。人机交互是服务机器人场景化不可或缺的环节。传统的交互模式中，大多是单一单向的交互方式。人机对话中，尤其是多轮人机对话，涉及到语音理解、语义分析、情感分析、动作捕捉等多个维度。2感知模块：多传感融合，SLAM+激光雷达是核心（1）与视觉相比，激光雷达+SLAM的方案优势突出多传感融合保证安全，技术难点在于激光雷达。激光雷达、毫米波雷达、3D摄像头等多种传感器在功能上的冗余，保证了服务机器人的安全性和正常使用。其中激光雷达是绕不开的核心。激光雷达的原理是：通过发射n条激光利用三角测距原理（低成本方案）或TOF（TimeofFlight，高成本方案）来测量周围物体与自身的距离，获得精度较高的距离信息点云数据。激光雷达是传感器的一种，对于服务机器人如果要实现精确的服务，满足复杂场景下的用户需求，除了精准的定位，还需要结合定位信息对环境进行识别。作为入口，激光雷达是SLAM的重要入口。SLAM(SimultaneousLocalizationAndMapping)的含义是即时定位与地图构建，指的是机器人在自身位置不确定的条件下,在完全未知环境中创建地图,同时利用地图进行自主定位和导航。SLAM问题可以描述为:机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和传感器数据进行自身定位,同时建造增量式地图。自主定位导航主要应用于商场导购、自动送餐、智能仓储、安全巡逻、病床看护、除尘清扫等。自主定位导航需要三大技术： 实时定位。GPS没办法用，目前GPS只能实现到半米的精度，而且实时定位的更新频率很快，需要达到10次/秒的更新频率，目前的定位技术没办法满足。定位包括相对定位和绝对定位。相对定位主要依靠内部本体感受传感器如里程计、陀螺仪等，通过给定初始位姿，来测量相对于机器人初始位姿的距离和方向来确定当前机器人的位姿，也叫做航迹推测(DeadReckoning,DR)；绝对定位主要采用主动或被动标识、地图匹配、GPS、或导航信标进行定位。位置的计算方法包括有三角测量法、三边测量法和模型匹配算法等； 绘制地图。导航领域是有专人绘制的，但是在家庭里面，是不可能有人来绘制地图的，家庭的家居会实时变化，所以需要机器人能在没有人工干预的情况下画图； 路径规划。导航仪的核心就是路径规划，机器人绘制的地图是任何一个方向都可以走的，机器人的路径规划还包括避障和直接控制行为，导航仪是由人来决定，机器人是用算法决定的，谷歌的无人驾驶汽车，主要的工作量都在导航算法上。以扫地机器人为例：国际上有一个标准场地，80平米，没有导航模块的一般会在40多分钟，80%的清洁率。而装上公司的SLAM模块后，10分钟就达到了95%的覆盖率。如果把视野放到其他领域，必须要非常高效的移动到目的地，这是不可绕过的技术方案。做一个简单的对比： 视觉定位。定位范围是0.1-2米，无法获得地图，需要配额外的传感器才能躲避障碍物，需要合理的光源才能适应环境；稳定性比较差； 如果采用激光雷达的方式，定位精度可以控制在0.01-0.1米，并且可以获得精确的地图；支持自主躲避障碍，不会产生累计误差。激光雷达在服务机器人上的应用刚刚开始。激光雷达优点是可以实时测量周围物体和障碍物的距离，且可以测量绝大部分物体，比如谷歌无人驾驶汽车、BigDog机器人都是用不同型号的激光雷达进行人体的定位；缺点是在大雨大雪等恶劣天气中使用效果会受到影响，而毫米波雷达精度不高、视场小，但测量距离远，可以达到200米，刚好弥补了激光雷达的短板。激光雷达是“机器之眼”，能够获得周边环境的点云数据模型，现在多用于在测量中有一定精度要求的领域，或需要测量自身与人体距离的智能装备，在测量与人的距离这一功能上尚无完美替代方案。在目前主流的前沿机器人身上已经装备了激光雷达模块，如Atlas和pepper等。（2）多传感融合是服务机器人感知环境的大趋势具备移动功能的智能装备，首先要实现感知自身位置与周边物体的需求。目前，绝大多数移动式智能装备都是使用激光雷达、摄像头、毫米波雷达、超声波传感器、GPS这五类传感器或其中某几个的组合来实现自主移动功能。这五种传感器各具特征，各自有所侧重，一般在复杂系统中组合使用。而激光雷达在测量与人的距离这一功能上独占一绝，尚无完美替代方案。激光雷达：通过发射n条激光利用三角测距原理（低成本方案）或TOF（TimeofFlight，高成本方案）来测量周围物体与自身的距离，获得精度较高的距离信息点云数据。激光雷达按照激光束的数量可以分为1线、4线、8线、16线、32线、64线激光雷达，多个激光束排列在一个竖直的平面呈不同角度发射出去，经高速旋转或电子方式形成了对于空间的三维扫描，n线激光雷达就相当于一次性打出了n个平面，激光束的数量决定了三维空间的覆盖面和点云数据的密度。激光雷达优点是可以实时测量周围物体和障碍物的距离，且可以测量绝大部分物体，比如谷歌无人驾驶汽车、BigDog机器人、Pepper都是用不同型号的激光雷达进行人体的定位；缺点是在大雨大雪等恶劣天气中使用效果会受到影响，比如谷歌无人驾驶汽车从未在大雨大雪等恶劣条件下测试。激光雷达是“机器之眼”，能够获得周边环境的点云数据模型，现在多用于在测量中有一定精度要求的领域，或需要测量自身与人体距离的智能装备，在测量与人的距离这一功能上尚无完美替代方案。摄像头：获得观察画面，对每一帧画面进行算法处理，能够识别物体、判断位置。摄像头必须先识别再测距，如果无法识别则无法测距。其优点在于摄像头是目前唯一能够辨别物体的传感器。但是摄像头同时具有3个缺点：缺点一是逆光或光影复杂的地方难以使用；缺点二在于依赖于算法，能否辨别物体完全依赖样本的训练，样本未覆盖的物体将无法辨别，比如Mobileye在中国道路上应用，识别超载运货车的成功率不超过80%；缺点三在于摄像头对于行人的识别具有不稳定性，如穿着吉祥物套装或着装颜色与背景相似的人或搬运东西的人极有可能无法识别。毫米波雷达：发射110毫米的电磁波，根据反射波的时间差及强度等来测量距离，汽车毫米波雷达的频段主要在24Ghz和77Ghz。其优点在于性价比较高，在很多高档轿车里都有应用；缺点是行人的反射波容易被其他物体反射波埋没，难以分辨，无法识别行人，例如采用毫米波雷达和摄像头的感知系统实现自动驾驶的特斯拉，在行人较多的闹市区会自动锁定自动驾驶功能。因此，毫米波雷达在测距领域具有较高性价比，但是其无法探测行人是一个致命弱点，只能应用于自适应巡航系统等ADAS系统。超声波传感器：发射振动频率高于声波的机械波，根据反射波测量距离。其优点在于探测物体范围极广，能够探测绝大部分物体，且有较高稳定性；缺点是一般只能探测10米以内的距离，无法进行远距离探测。因此，超声波雷达广泛应用于倒车雷达，在自动驾驶领域常常作为短距离雷达，应用如自动泊车辅助系统。GPS：可以获得自身相对于全局的位置信息。其优点在于技术较为成熟，能够实现在全局视角的定位功能；缺点在于无法获得周围障碍物的位置信息。具备定位功能的GPS与前几个探障类传感器往往需要搭配使用。通过对比分析这五类位置、物体感知传感器的特性以及优缺点，我们认为：这五类传感器各具特点，能够满足不同功能，需要相互搭配组合使用，但激光雷达在精度和探测人体的稳定性上独占一绝，其在感知系统中的重要位置难以被撼动和逾越。但是激光雷达也有其最大的缺陷，能判断障碍物，但是不能识别障碍物，因此也无法对障碍物进行理解。在机器人的感知领域，除了要探测到障碍物，还需要进行障碍物识别，因此，在整个过程中，还需要加载深度图像识别与其配合。共同完成对环境的感知。图表 2：国内外激光雷达企业及产品应用领域3交互模块：语音达商用门槛，语义理解亟待提升1）智能语音技术已经达到商用门槛语音语义发展历经三阶段，规则阶段进展甚微，统计阶段第一次爆发，深度学习是第二次爆发。20世纪50年代到70年代，在语音识别领域由规则主导，瓶颈无法破除发展缓慢，IBM几百个词70%的识别度；20世纪70年代到20世纪末，发展迅速，统计与规则角力，并逐步解决语音识别、词性分析、句法分析问题；21世纪初，由于计算能力增强语音技术有了重大突破，2006年至今，深度学习继续在语音识别领域完善。图表 3：语音语义发展史2）语义理解仍需时日，静待深度学习算法突破自然语言处理（NLP）：词法和句法基本解决，语义目前仅是浅层处理。NLP分析技术大致分为三个层面：词法分析、句法分析和语义分析。（1）词法分析词法分析包括分词、词性标注、命名实体识别和词义消歧。分词和词性标注好理解。命名实体识别的任务是识别句子中的人名、地名和机构名称等等命名实体。每一个命名实体都是由一个或多个词语构成的。词义消歧是要根据句子上下文语境来判断出每一个或某些词语的真实意思。（2）句法分析句法分析是将输入句子从序列形式变成树状结构，从而可以捕捉到句子内部词语之间的搭配或者修饰关系，这一步是NLP中关键的一步。目前研究界存在两种主流的句法分析方法：短语结构句法体系，依存结构句法体系。其中依存关系句法体系现在已经成为研究句法分析的热点。依存语法表示形式简洁，易于理解和标注，其可以很容易的表示词语之间的语义关系，比如句子成分之间可以构成施事，受事，时间等关系。这种语义关系可以很方便的应用鱼语义分析和信息抽取等方面。依存关系还可以更高效的实现解码算法。句法分析得到的句法结构可以帮助上层的语义分析，以及一些应用，例如机器翻译、问答、文本挖掘、信息检索等。（3）语义分析语义分析的最终目的是理解句子表达的真实语义。但是用什么形式来表示语义一直没有能够很好的解决。语义角色标注是比较成熟的浅层语义分析技术。给定句子中的一个谓词，语义角色标注的任务就是从句子中标注出这个谓词的施事、受事、时间、地点等参数。语义角色标注一般都在句法分析的基础上完成，句法结构对于语义角色标注的性能至关重要。自然语言处理难点：词义消歧是瓶颈，中文相对英文更难。之一：切词，中英文自然语言处理都有一个先行环节，就是把输入的字符串分解成为词汇单位；之二：词类标注；之三：语法理论；之四：词义消歧。自然语言处理未来的解决方式：深度学习。自然语言处理未来将依靠深度学习，具体在三个方面：词嵌入、基础模型、应用。这一部分的解决方式与图像识别类似，具体内容将在下面图像识别处继续说明。图表 4：深度学习在自然语言处理的功能（3）图像识别对语音语义交互领域形成补充图像识别系统的过程分为五部分：图像输入、预处理、特征提取、分类和匹配。人类感觉信息中的80%都是视觉信息。图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。简单来说，图像识别就是计算机如何像人一样读懂图片的内容。借助图像识别技术，我们不仅可以通过图片搜索更快的获取信息，还可以产生一种新的与外部世界交互的方式，甚至会让外部世界更加智能的运行。图表 5：图像识别过程图像识别的应用领域非常广泛。从工业视觉到人机交互，从视觉导航到虚拟现实，从安全领域到医学图像，从自动解释道遥感分析，这些在未来服务机器人身体上都是非常重要的功能。图像识别准确率不断提高，但是仍无法满足商用要求。ImageNet图像分类大赛：以计算机视觉领域“奥林匹克竞赛”之称的ImageNet对象分类为基准。比赛设置：1000类图像分类问题，训练数据集126万张图像，验证集5万张，测试集10万张。2012，2013，2014均采用了该数据集。评价标准采用top-5错误率，即对一张图像预测5个类别，只要有一个和人工标注类别相同就算对，否则算错。近年来识别准确率不断提高，但仍在自然条件下表现不好，仍无法满足商用要求。图表 6：图像识别未来研究方向4运控模块：步态与非步态，不是替代，而是共生（1）液压已突破瓶颈，电机控制有待提升服务机器人运动的控制，有液压控制和电机控制两种方式。Alphabet的子公司BostonDynamics研发的Atlas是液压控制的典型代表，2016年2月，其利用3D打印技术将液压元件嵌入身体，通过液压控制采用力矩控制的算法，实现了雪地行走和摔倒爬起等动作，技术复杂但是非常成功。而本田公司的Asimo采用经典的ZMP算法，自2000年来第一次亮相至今，经过不断发展已经实现了基本的弯腰、握手、跳舞等功能，但是在控制精度和稳定性方面仍然有待提高。虽然如此，因为液压控制的体积大等原因，在军事应用方面前景较好，但是在家庭应用领域，电机控制将是主流。图表 7：Atlas和Asimo对比步态行走侧重于精准控制，非步态行走主要是简单移动。从外观来看，服务机器人的行走方式有两种，步态和非步态。步态行走包括液压控制和电机控制，在电机控制中，在关节的位置处，有一种典型的舵机，因其精巧的体积和合适的扭矩非常适合用在服务机器人的关节处控制，同时舵机也是机器人硬件的主要成本之一，典型的带有舵机的机器人：国外是Nao机器人、Asimo机器人和Atlas等，国内典型是优必选；非步态行走主要是电机控制，结构较为简单，主要是在机器人底部装上万向轮，供其简单移动，一般的万向轮成本很低，只有几十元，非步态的典型机器人代表是：国外是Pepper，国内是康力优蓝。（2）运控模块中，舵机是核心部件舵机是步态服务机器人的核心部件，舵机对价格十分敏感。舵机也叫伺服电机，包含了电机、传感器和控制器，是一个简单而完整的伺服电机系统。最早用于船舶上实现其转向功能，由于可以通过程序连续控制其转角，可以得到比较精准的位置、速度或力矩输出，因而广泛用于机器人各类关节运动中。步态机器人自由度（关节数）众多，优必选Alpha1S有16个自由度，本田Asimo第三代有57个自由度，步态机器人对舵机价格十分敏感。目前在服务机器人舵机领域，最流行的品牌是韩国Robotis的Dynamixel系列。舵机功率（角速度X扭矩）相同时，角速度与扭矩成反比。舵机的功率和舵机的尺寸比值可以理解为该舵机的功率密度，一般同样品牌的舵机，功率密度大的价格高。对于服务机器人舵机的核心参数扭矩更是如此，随扭矩增加，价格增长飞快。比如Dynamixel系列中，扭矩12kg?cm的价格约400元，扭矩28kg?cm价格约2000元,扭矩106kg/cm价格约4000元。5其他模块：AI智能芯片与机器人操作系统（1）AI智能芯片：通用与专用并行，各司其职通用芯片向深度神经网络方向发展如火如荼。传统的CPU是计算机的核心，在图形处理和深度神经网络的计算上，GPU表现出更强的性能，而2015年Intel收购Altera的主要产品FPGA即现场可编程门阵列性能更加优异，中端FPGA能够实现375GFLOPS的性能,功耗仅为10-20W，和CPU和GPU相比，FPGA在深度神经网络（DNN）预测系统中性能更加出色。DNN系统用于语言识别、图像搜索、OCR、面部识别、网页搜索以及自然语言处理等各种不同应用。相同功率时，在32线程下，FPGA的速度/功耗比约为CPU的42倍，约为GPU的25倍。专用芯片以智能算法和仿生两条主线并行。专用芯片又称为“人工智能芯片”“神经网络芯片”等，目前专用芯片有两种思路：以智能算法为主线和以仿生为主线，两者的典型代表分别为寒武纪、IBMTureNorth。寒武纪1号的主频可以达到0.98GHz，处理速度相当于同等面积下CPU的100倍。即便与最先进的GPU相比,寒武纪1号的人工神经网络处理速度也不落下风，而其面积和功耗远低于GPU的1/100。IBM在复杂性和使用性方面取得了突破。4096个内核，100万个“神经元”、2.56亿个“突触”集成在直径只有几厘米的方寸之间，能耗不到70毫瓦。图表 8：通用芯片和专用芯片对比通用芯片和专用芯片各有千秋，未来将是并存局面。芯片是指内含集成电路的硅片，是机器人的大脑。芯片包括通用芯片和专用芯片，通用芯片不限使用领域，而专用芯片一般为专门为服务机器人定制。对于机器人来说，由于涉及到深度神经网络，故在计算量上将会更大，通用芯片中GPU和FPGA在解决这问题上优于传统CPU，扩展性和移植性较好，但是软件复杂度和开发周期较高；相比之下，专用芯片能实现更高的效率和更低的功耗，但是目前整体处于研发阶段，根据目前的资料，虽然其扩展性和软件移植性不如通用芯片，但是软件复杂度和开发周期优于通用芯片。两种芯片各有千秋，未来预计是并存局面。（2）两大主流操作系统之外，国产系统正在孕育全球机器人主流操作系统是安卓和ROS，两者均基于linux内核。安卓由Google公司开发，在商用领域有广泛应用，占据智能手机和平板电脑的绝大部分市场份额，在机器人上也有广泛应用。ROS诞生于斯坦福AI实验室，在学术和研究领域广受欢迎，目前的应用更偏向于在工业机器人领域和工业控制。除此之外，法国Aldebaran公司自主开发的NAOqi操作系统也较为知名，国产操作系统TuringOS、iBotOS等也在突破。图表 9：机器人操作系统对比实现了手机的爆发后，安卓又被广泛用在不同设备上。鉴于安卓开源和定制化的特性，在手机上得到广泛应用后，在平板电脑、电子书、智能电视、智能机器人、智能眼镜、智能手表、智能耳机等领域，安卓不断的攻城略地，截至2015年底，安卓被用在24,093种不同的设备上，比上年增长了28%。得益于广泛硬件市场，安卓生态圈应用数全球第一。据AppFigures发布的报告显示，谷歌Play商店中的应用数超越了比苹果iosAppstore中的应用数，截至2014年底，谷歌Play拥有143万款应用，而苹果iosAppStore仅有121万款应用。鉴于此，为吸引更多开发者，原本搭载基于ROS自己研发的NAOqi系统的Pepper机器人，也在自身操作系统上增加了Android系统层，供开发者开发应用。ROS诞生于实验室，使用机器人类型快速增长。ROS系统诞生于2007年斯坦福人工智能实验室。当时是为了支持一个名STAIR项目，在项目之初，机器人平台集合了所有AI的方法，包括机器学习、视觉、导航、计划、推理、语音和语言处理。2008年到2013年，Willow Garage与超过20家研究机构的工程师一起合作开发ROS系统。2013年2月，ROS的管理工作转移到Open Source Robotics Foundation，2013年8月Willow Garage公司被它的创立者转为另一家创立者成立的公司Suitable Technologies的子公司，Willow Garage对PR2的支持工作随后交给了Clearpath Robotics。自从2010年至今，搭载ROS系统的机器人类型数从0起步至目前的106种。ROS系统主要应用于智能机器人。截至目前，ROS应用在106种机器人上，以智能机器人为主，其中又以移动机器人和智能交互机器人为主，包括著名的Pepper和NAO。目前已经有很多机器人公司采用了ROS系统来开发一些应用于全新市场的产品，如ClearPath，Rethink，Unbounded，Neurala，BlueRiver等，最典型的就是W