电力设备行业人形机器人专题（上篇）：历史、变化与未来

目录历史：工业类人形机器人崭露锋芒 5人形机器人发展的三阶段 5以工业类为代表的产品持续迭代 7工业的表作 8娱乐&务的表作 问题&变化：政策扶持加码，软件端迎来奇点 13产业维度：国内政策不断加码 14产品维度：软件端迎来奇点，硬件端有待优化 15软件：AI能器人 15算法练 15感知力 18人机互 20硬件：部有优化 23下肢行稳性 23手部零件成 26未来：应用场景市场空间 28工业场景：替代传统工业机器人和人类劳动力 28性+本势显 28工业景市空间 30家庭&商用场景：成为人类生活的一部分 31人机互价体现 31家庭&用景市间 33风险提示 34图表目录图1：加藤实验研制出WL-5双足步行机器人 5图2：我国第一仿人机器人先行者” 5图3：本田“ASIMO”仿人机器人 6图4：索尼“SDR-3X”仿机器人 6图5：波士顿动展示器人最新成果 6图6：特斯拉机人最展示 6图7：人形机器发展三阶段 7图8：人形机器主流品 8图9：Atlas跑酷视觉看到和规划的信息 9图10：3D打印参与Atlas液压动力单元制造 9图波士顿动力机器/人发展历史 10图12：Digit（右）及其一代产品Cassie 图13：Agilityrobotics团队关于如何实现双机人的深度学习的理论 图14：AgilityRobotics机器狗人的发展历史 图《西部世界》中人形机器人更偏向乐服务型 12图16：Ameca 13图17：Mesmer平台的基本架构 13图18：EngineeredArts机器人发展历史 13图19：针对人形机器人政策逐渐增多 14图20：Isaac的基本框架 17图21：Isaac可实时渲来自传感器上的物数据 17图22：Isaac通过构建拟场景进行测试 17图23：RoboCat的训练周期 18图24：训练的成功率随训练次数的增多而高 18图25：后融合算法 19图26：数据级融合 19图的整体架构 20图28：BEV+TransFormers 20图29：波士顿动力机器接入Chatgpt后，实现工作人员的直接对话 20图30：Ameca能做出系列丰富的面部表情 20图31：谷歌打造的以语为中心的智能体框架 21图32：研究人员使用LLM将给定的高级指令拆为具体的行动规划 22图33：研发人员展示PaLM-E如何分步骤控制机人执行任务 22图的具流程和操作展示 23图35：目前主流的四种动器 24图36：四种驱动器的性对比 24图37：谐波减速器（上、减速器（中、行减速器（下） 24图38：电机以差动配置置，在不显著增加射性情况下增加肢体受能力 24图39：行走速度越快，器人受到的地面反用（GRF）也越高 25图40：不同机器人配置传感器负载范围（GRFrangefactor）为1-2，即器人行走或奔跑时传器能感知的最大的力为身量的1-2倍 25图41：安装了冲击吸收件的脚部结构，用吸机器人行走时传递冲力 26图42：带有定制的足部感器的脚部结构 26图43：腾讯灵巧手TRX-Hand 27图44：腾讯机械臂TRX-Arm 27图45：人类手指和机器手指之间接触表面差异 27图46：具有内在触觉的3D打印手掌、内部结构及3D打印制造步骤 27图47：Figure公司的企业愿景：替代劳动力家服务、外太空探索 28图48：我国工业机器人搬运和焊接为主 29图49：按作业方式分类工业机器人 29图50：特斯拉Optimus在工厂展示分拣工作 29图51：波士顿动力Atlas根据指令在工厂中活行任务 29图52：美国员工平均工约为28.83美元小时 30图53：2022年欧盟的均每小时劳动力成估为30.5欧元，欧元区为34.3欧元 30图54：全球工业机器人有量 31图55：全球劳动力数量 31图56：我国老龄化趋势发明显（%） 32图57：分年龄段分受教程度的人口单身率（%） 32图58：“萌妹机器人具备多种功能 33图59：用户可通过手机App选择剧情让机器人表演 33图60：全球服务机器人量（万台） 33图61：全球服务机器人售额（亿美元） 33表《北京市机人产创新发展行动方案（02—205年》部分内容 15表2：机器人成的敏性分析（单位：美元小时） 30表3：工业领域人形器人需求预测 31表4：家庭商用领域人形机器人需求预测 34历史：工业类人形机器人崭露锋芒人形机器人发展的三阶段（16019态”，研发重点着重在机器人的“下肢运动”。168年，美国的通用电气公司WL-5197019852000985、图1：加藤实验研制出WL-5双足步行机器人 图2：我国第一仿人机器人“先行者” 数据来源：《仿人机器人的研究历史、现状及展望》，

数据来源：《仿人机器人的研究历史、现状及展望》，（199001征自986P系列131997P200AOA2000图3：本田“ASIMO”仿人机器人 图4：索尼“SDR-3X”仿人机器人数据来源：《仿人机器人的研究历史、现状及展望》，

数据来源：《仿人机器人的研究历史、现状及展望》，（200至今“智EngineeredArts20152021Atlas、2022Optimus图5：波士顿动展示器人最新成果 图6：特斯拉机人最展示数据来源：科技最前线， 数据来源：特斯拉官网，图7：人形机器人发展的三阶段AgilityRobotics官网，以工业类为代表的产品持续迭代&&商图8：人形机器人主流产品数据来源：特斯拉官网，波士顿动力官网，AgilityRobotics官网，1XTechnologies官网，SanctuaryAI官网，Figure官网，EngineeredArts官网，小米官网，Robotsguide，（注：*为预测值）AtlasOptimus、AgilityRobotics的Digit等。1992BigDogLittleDogCheetahSpot等四足机器狗和Atlas等2022BDAII（SpotStretchAtlasAtlas：1.58028RGB3台NUC/Atlas最突出的亮点是能实现像人一样奔跑、跳跃和跨RGBAtlas会使Atlasas产Atlas80kg3D制造AasHU率，从而赋予Atlas图9：Atlas跑酷视觉“到”和规划的信息 图10：3D打印参与Atlas液压动力单元制造数据来源：机器之心， 数据来源：3D打印技术参考，图11：波士顿动力机器狗/人发展历史数据来源：波士顿动力官网，Agility201513118DigitAas以及特斯拉的Opu意味着DgtDigit（MarkovDecisionProcessDASS再将DASS运动设计：DigitCassie531DigitV2Digit图12：Digit（右）及其一代产品Cassie 图13：Agilityrobotics团队关于如何实现双机器人的深度学习的理论数据来源：AgilityRobotics官网， 数据来源：《BlindBipedalStairTraversalviaSim-to-RealReinforcementLearning》，图14：AgilityRobotics机器狗/人的发展历史数据来源：AgilityRobotics官网，娱乐&---图服务型数据来源：百度，EngineeredArts：成立于2005年，公司至今推出了6款机器人，最新型号Ameca是EngineeredArts机器人技术的集大成者。公司的产品已用于娱乐与教育行业。Ameca：1.87495152AI与AB（ArtificialBody）AmecaStableDiffusionAmecaAmeca和工程艺术系统Mesmer。rumMee：AmecaMesmerLIDAR图16：Ameca 图17：Mesmer平台的基本架构数据来源：EngineeredArts官网， 数据来源：EngineeredArts官网，图18：EngineeredArts机器人发展历史数据来源：EngineeredArts官网，问题&变化：政策扶持加码，软件端迎来奇点60AIAIAI的变和更产业维度：国内政策不断加码今年以来，针对机器人以及人形机器人的政策呈现显著变化。62019-202282019-2022图19：针对人形机器人的政策逐渐增多数据来源：政府网站，628（2023—2025年表《北京市机人产创新发展行动方案（02—025年》部分内容零部件 文件内容V减速器伺服驱动系统控制器传感器

料、精密机加工、高精度装配、高速润滑、高效热管理、先进检测等技术瓶硕．提高产品可靠性和稳定性突破高磁性材料、高精度编码器等技术，提升伺服电机结构设计、制造工艺、自整定水平和热控制能力，研制高精度、高功率密度和耐剧烈速度波动的伺服电机、驱动器及制动器研发振动抑制、惯量动态补偿、复杂运动控制等智能算法，研制多处理器并行、高实时性控制器。提升控制软件架构设计、任务调度等能力。研发机器人实时操作系统、系统仿真软件、机器视觉算法平台软件等。开发机器人控制高性能模拟仿真环境和自动／离线编程技术．增强人机交互和二次开发能力攻克力、热、光、电等先进传感器设计、制造、封测技术．优化精密加工工艺。提升微机电系统（MEMS）的工艺稳定性和良品率，研制3D视觉、热成像、六维力、激光雷达等传感器，加快突破肌电、脑电等前沿传感器技术末端执行器 提升端行器研设能力提柔操性和荷水，制巧指手柔性夹爪范华吸式端夹、炭末夹等．进块、用发展。数据来源：政府网站，产品维度：软件端迎来奇点，硬件端有待优化AIAI在现实世界中构建机器人需要从头开始创建数据集，这样做既耗时又耗费成本，并且训练速度较慢。开发人员为了降低成本并加快训练，逐步开始采用合成数据生成（DAIpeanedAIodes（obocsuao（transfer工具。英伟达Isaac是英伟达推出的一款专门用于机器人环境模拟的引擎，提供从数据合成和训（RPS等cSimIsaacSimReplicator3D合成数据，用以加速AI模型训练：NVIDIANGCGPUAIJupyterNotebookNVIDIAAI平台优化的AI基准和NVIDIANGCAI（NVIDIANVIDIANVIDIANGC目录中的预训练AIIsaac0-1图20：Isaac的基本框架数据来源：Nvidia官网，图21：Isaac可实时渲来自传感器上的物数据 图22：Isaac通过构建拟场景进行测试数据来源：Nvidia官网， 数据来源：Nvidia官网，谷歌2023620Robocat的AIRobocatRoocat以此循环反复继而不断扩充智能体的学习数据。具体来说，每个新任务的学习遵循5个步骤：100-1000RoboCat/10000RoboCatRoboCat。RoboCat36%500RoboCatAI了训练效率。图23：RoboCat的训练周期 图24：训练的成功率随训练次数的增多而高数据来源：Deepmind官网， 数据来源：Deepmind官网，多传感器融合（rFu,AI//式AI分布式集中式处理的准确性。图25：后融合算法 图26：数据级融合数据来源：CSDN， 数据来源：CSDN，基于TransFormers模型的多传感器融合技术率先在自动驾驶领域得到应用。TransFormers作为可能取代CNN和RNN的深度学习模型，能快速地完成对大量数据的特征提取，使得大模型在多模态信息处理上的能力得到不断强化。而TransFormers需要海量训练数据，而大模型和更大参数量级的发展将推动TransFormers模型的完善，驱动数据级的感知算法进一步优化。特斯拉在2021年的AIDay上率先发布BEV+TransFormers算法，基于“输入-提取-转换-融合-时序-输出”的思路，实现“2D-3D-4D”的转换。图27：TransFormers的整体架构 图28：BEV+TransFormers 数据来源：CSDN， 数据来源：CSDN，AI的使ChatGPTSpot中，SpotArtsAmeca中，Ameca图Chatgpt工作人员的直接对话

图30：Ameca能做出一系列丰富的面部表情数据来源：波士顿动力官网， 数据来源：EngineeredArts官网，LLMLLMPaLM-E给出PaLM-E5620L，与LMEPaLM-EPaLM-ELLMLLMVLMLMLM图31：谷歌打造的以语言为中心的智能体框架数据来源：《TowardsAUnifiedAgentwithFoundationModels》，图32：研究人员使用LLM将给定的高级指令拆分为具体的行动规划

图PaLM-E人执行任务 数据来源：《Languagemodelsaszero-shotplanners:Extractingactionableknowledgeforembodiedagents》，

数据来源：《PaLM-E:AnEmbodiedMultimodalLanguageModel》，2023712LLMVLMsDauep3DLLMVLM进3D值地图。LLMLM的API3D图34：VoxPoser的具体流程和操作展示数据来源：《VoxPoser:Composable3DValueMapsforRoboticManipulationwithLanguageModels》，人形机器人的执行系统由多个执行器组成，而执行器主要安装在机器人的双臂和双腿，帮助机器人实现手部操作和腿部移动的两个主要功能，因此机器人的硬件端问题主要集中在上肢的手部和下肢的腿部两个部位。Atlas1-2m/sOptimus5英里/Atlas2.5m/sCyberOne3.6km/h---驱动器+力矩传感器）DesignofaHighlyDynamicHumanoidRobot+提高反向驱动力，减少冲击力对齿轮的损害；在《Leg:TheStudyofDesignPrinciplesandMetricsforDynamicHumanoidRobots（SEA轮箱和载荷之间放置弹性元件从而减少齿轮箱上受到的冲击载荷、本体驱动器（Proprioceptiveactuators，即使用电机的电流来估计致动器的转矩输出从而降低反射惯性提供抗冲击性能）以及液压驱动（即波士顿动力使用的方案）等方案也被逐步应用到机器人上。（髋关节、膝关节和踝关节）图35：目前主流的四种动器 图36：四种驱动器的性对比数据来源：《DesignofaHighlyDynamicHumanoidRobot》，

数据来源：《DesignofaHighlyDynamicHumanoidRobot》，图（上（中速器（下）

图38：电机以差动配置布置，在不显著增加反射惯性情况下增加肢体的受力能力 数据来源：百度， 数据来源：《TelloLeg:TheStudyofDesignPrinciplesandMetricsforDynamicHumanoidRobots》，力矩传感器存在的问题：负载能力不足。1-2倍（当面临外部干扰或者变化复杂的地面环境时，载荷也随之下降，一旦承受超出这一范围的冲击力（机器人奔跑时的负载范围较步行时更小，传感器或出现故障并影响机器人的行走。另外，传感器中的扭矩范围也受到机器人重量和脚部尺寸的限制，一般而言，脚踝扭矩要求不大于机器人重量和脚部尺寸的乘积。图39：行走速度越快，机器人受到的地面反作用力（GRF）也越高数据来源：《Multi-AxisForce-TorqueSensorsforMeasuringZero-MomentPointinHumanoidRobots:AReview》，

图40：不同机器人配置的传感器负载范围（GRFrange1-2倍数据来源：《Multi-AxisForce-TorqueSensorsforMeasuringZero-MomentPointinHumanoidRobots:AReview》，安装阻尼器、记忆材料、液压减震器、弹簧等。在《DesignofaHighlyDynamicHumanoidRobotIMU比图数据来源：《Multi-AxisForce-TorqueSensorsforMeasuringZero-MomentPointinHumanoidRobots:AReview》，

图42：带有定制的足部传感器的脚部结构数据来源：《DesignofaHighlyDynamicHumanoidRobot》，1）传感器TRX-Hand图43：腾讯灵巧手TRX-Hand 图44：腾讯机械臂TRX-Arm数据来源：腾讯RoboticsX实验室， 数据来源：腾讯RoboticsX实验室，存在的问题：集成难度大。相对于腿部而言，手部对传感器的集成有更高的要求。10-1210-12包括驱动解决方案：针对集成问题，目前逐渐被市场所接受的是通过3D打印技术将传感器嵌入机器人的手指，传感器之间的紧凑性、坚固性以稳定性也因此得到提高，常用的材料包括TPU、炭黑、CNT等。另外，研究人员也提出使用欠驱动运动（underactuated图人类手指和机器手指之间接触表面差异 图46：具有内在触觉的打印手掌、内部构以及3D打印制造步骤数据来源：百度， 数据来源：《RoboticHandswithIntrinsicTactileSensingvia3DPrintedSoftPressureSensors》，未来：应用场景市场空间人形机器人的应用场景会是哪里？为什么在过去十年各家科技企业纷纷染指机器Figure图47：Figure公司的企业愿景：替代劳动力、家庭服务、外太空探索数据来源：Figure官网，工业场景：替代传统工业机器人和人类劳动力+在人形机器人中，未来率先应用的大概率会在工业场景，去取代重复、无聊、危险的工作，替代传统工业机器人和人类劳动力。可4图48：我国工业机器人搬运和焊接为主 图49：按作业方式分类工业机器人搬运 焊接 装配 洁净 分拣 加工 其他数据来源：艾迪咨询， 数据来源：艾迪咨询，图50：特斯拉Optimus在工厂展示分拣工作 图51：波士顿动力Atlas根据指令在工厂中活执行任务数据来源：特斯拉官网， 数据来源：波士顿动力官网，2023528.83/7.25/310360*24h0.35美元/到20万美元且使用寿命仅为3年时，对应的用工成本才接近美国最低工资标准。当然，这样计算存在不妥之处，比如人工劳动方面，包含税费、福利和保险费用等各种成本并没有考虑进去，而机器人方面也需进一步考虑机器人的电费、维修和保养等各种费用。但总体而言，通过简单的成本对比，我们仍能看到人形机器人在工业场景替代传统劳动力的经济性，未来即使由于各种原因并不能完全取代人类，但也能部分替代性价比更低的工种。售价35710（万美元）31.160.690.500.3551.931.160.830.5872.701.621.160.81103.862.311.651.16155.793.472.481.74207.724.633.312.31数据来源：图52：美国员工平均工约为28.83美元小时 图年欧盟的平每小时劳动力成本计为30.534.3欧元数据来源：BureauofLaborStatistics， 数据来源：Eurostat，20241%203030%能取代2-52024年的0.0003%逐步提升到20300.1%20241.62030年这一数字将增加到328.4万台，CAGR达143%。372.0%351.5%1.0%330.5%310.0%图372.0%351.5%1.0%330.5%310.0%0全球工业机器人保有量万台）

18%16%14%12%10%8%6%4%2%0%-2%-4%

292725全球劳动力数量（亿人）

-0.5%-1.0%-1.5%-2.0%数据来源：， 数据来源：，2022E2023E2024E2025E2022E2023E2024E2025E2026E2027E2028E2029E2030E替代传统工业机器人工业器保有 382.5420.7462.8509.1560.0616.0677.6745.4819.9yoy 10%10%10%10%10%10%10%10%10%渗透率0.3%1.0%5.0%10.0%20.0%25.0%30.0%人形机器人需求量（万台）1.25.128.061.6135.5186.3246.0yoy340%450%120%120%38%32%替代人类劳动力劳动数量 34.635.035.335.736.036.436.840.841.2yoy 1%1%1%1%1%1%1%11%1%替代比例2.02.03.03.05.05.05.0渗透率0.00030.00100.00500.01000.05000.07500.1000%%%%%%%人形机器人需求量（万台）0.41.86.012.136.861.282.4yoy304%237%102%203%67%35%工业领域人形机器人总需求量（万台）1.66.934.073.7172.3247.5328.4yoy330%395%117%134%44%33%售价（万美元）2.02.02.01.81.81.51.5市场规模（亿美元）3.213.768.0132.7310.1371.3492.6量（万台）（亿人）数据来源：家庭&商用场景：成为人类生活的一部分2023Optimus1:12:1，100Optimus。AIChatGPT图56：我国老龄化趋势发明显（%） 图57：分年龄段分受教程度的人口单身率（%）1614121086420中国:人口结构:占总人口比例:65岁及以上中国:出生率数据来源：， 数据来源：《中国青年图鉴：个体化明显增强，单身失婚“一人户”大增》，100图“萌妹”机器备多种功能 图用户可通过手机p选择剧情让机器人表演数据来源：清宝引擎机器人公司官网， 数据来源：乐森机器人官网