OpenAI助力Figure机器人取得长足进步.pdfVIP

行行业报告│业报告│行行业专题业专题研研究究

正文目录

1.大模型有望提升机器人泛化能力3

1.1传统机器人泛化能力弱3

1.2大模型加持有望解决痛点3

2.OpenAI加持机器人智能提升7

2.1OpenAI加持Figure017

2.2Figure01展现优秀智能反馈9

3.投资建议10

3.1机器人赛道融资活跃10

3.2算力、机器视觉等领域有望受益10

4.风险提示11

图表目录

图表1：大模型能力对应智能机器人需求4

图表2：赋能机器人的大模型概览4

图表3：大模型能够更好训练机器人5

图表4：机器人任务级交互有望到来6

图表5：非技术性用户可通过大模型参与机器人迭代6

图表6：Figure公司注资公司7

图表7：Figure01机器人展示8

图表8：Figure01机器人技术原理展示8

图表9：Figure01将食物进行传递9

图表10：Figure01进行垃圾处理9

图表11：Figure01整理餐具9

图表12：Figure01与人进行对话并对此前行为进行评价9

图表13：2023年各月机器人公司融资情况10

2请务必阅读报告末页的重要声明

行行业报告│业报告│行行业专题业专题研研究究

1.大模型有望提升机器人泛化能力

1.1传统机器人泛化能力弱

莫拉维克悖论（Moravecsparadox）由汉斯·莫拉维克（HansMoravec）,罗

德尼·布鲁克斯（RodneyBrooks）,马文·闵斯基（MarvinMinsky）等人于20世纪

80年代提出。莫拉维克悖论指出：和传统假设不同，对计算机而言，实现逻辑推理

等人类高级智慧只需要相对很少的计算能力，而实现感知、运动等低等级智慧却需要

大量的计算资源。如AlphaGo可以战胜世界围棋冠军李世石，但如果让机器人完成却

并不简单。

➢机器人应用场景划分为封闭式和开放场景

封闭式场景指采用经典的定制化模式。预设机器人的任务执行边界，用户下发指

令后，先收集现有数据进行训练，在限定范围内穷举出所有任务可能性，尽可能覆盖

更多的解决路径，典型如工业场景的运输机器人。

开放场景则是指不受强封闭式规范和范围限制的长尾问题，如商超服务、居家养

老等。当机器人与人、环境进行大量的交互，数据集或存在少样本、甚至零样本的突

发情况，这对机器人理解、处理多种任务的泛化能力要求极高。如自动分拣领域中，

机器人可以完成相对更标准化的物流分拣、仓库分拣，而种类、特性更多的商超分拣

则较难实现。

➢机器人面临着泛化能力弱等痛点

机器人领域的传统深度学习模型是在针对特定任务定制的小型数据集上进行训

练的，面对新任务，机器人需要再次收集数据训练、设定方案和测试，从而导致了大

量的资源和人力损耗，这限制了机器人在不同应用程序中的适应性。

1.2大模型加持有望解决痛点

大模型是具有大量参数和较高计算资源需求，用于处理复杂任务并取得优异性

能的机器学习模型。大模型的出现，让高成本的垂直领域AI开发，变成“预训练大

模型+特定任务微调”的形式，可以大幅提高模型的泛化能力，提高开发速度。

尤其是在机器人相关领域，多模态基础模型可以将从不同传感器收集的多模态

异构数据融合和对齐成紧凑的紧凑同质表征，而这正是机器人理解和推理所需的。其

学习到的表征可望用于自动化技术栈的任何部分，包括感知、决策和控制。

3请务必阅读报告末页的重要声明

行行业报告│业报告│行行业专题业专题研研究究

图表1：大模型能力对应智能机器人需求

资料来源：知乎（Ro