网站大量收购独家精品文档,联系QQ:2885784924

人形机器人行业日度跟踪:Figure公开机器人训练方法,vivo入局具身智能.pdfVIP

人形机器人行业日度跟踪:Figure公开机器人训练方法,vivo入局具身智能.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

行业要闻

具身智能人形机器人综合性运动会将在4月24日至26日无锡市惠山区举办。

公司动态

3月25日多家公司发布机器人相关动态:(1)Figure将强化学习用于人形运动的端到端神经网络;(2)华辰装备与

福立旺签约100台磨床销售合同;(3)vivo宣布成立机器人Lab,入局具身智能;(4)飞龙汽车获国际知名汽车零部

件公司项目定点协议;(5)瑞松科技拟使用超募资金9000万日元购买松下互联株式会社高精高速并联机器人项目相

关资产;(6)奥迪一汽首次在生产基地试运行优必选人形机器人WalkerS1;(7)亿嘉和携手香港科技大学李泽湘教

授共同创立麟动科技;(8)魔法原子将于3月26日举办2025场景战略发布会;(9)星云股份与天机智能达成战略合

作。

核心指标

3月25日机器人大部分标的股价下调:

分板块看,涨幅前三为:轻量化(+0.04%)无框电机(-0.76%)微型电机(-1.31%);

分个股看,涨幅前三为:肇民科技(+9%,轻量化)日发精机(+8%,设备)安培龙(+2%,传感器);

市值回调:亿嘉和、旭升集团、埃斯顿、日发精机、均胜电子、四会富仕当前市值已低于21年6月-22年6月的平均

市值。

投资建议

最近板块调整较多,机器人大产业趋势下,调整就是好的布局机会,继续坚定看好板块,同时建议仓位向能兑现的优

质龙头聚焦,继续推荐T链核心标的拓普集团、三花智控等标的,以及优质Tier1关节总成商。

核心策略和推荐标的不变。当前我们认为T为代表的巨头供应链仍然是最核心投资主线,考虑3-4月灵巧手发布的事

件催化,重点关注:(1)灵巧手的边际变化,即微型丝杠和触觉传感器;(2)关注宇树灵巧手下一代灵巧手落地,华

为链关注极目机器人的发布进展;(3)关注低估值细分赛道头部公司估值重塑:长期格局看,细分赛道头部公司胜率

仍然是最高的。

风险提示

技术进展不及预期;下游需求不及预期;竞争加剧的风险。

敬请参阅最后一页特别声明1

扫码获取更多服务

行业点评

行业要闻

具身智能人形机器人综合性运动会将在4月24日至26日无锡市惠山区举办

观点网讯:3月25日消息,“2025世界机器人大赛—首届具身智能机器人运动会”新闻发布会于日前在无锡召开。世

界机器人大赛组委会秘书长李洋介绍,本次运动会是国内首次举办的具身智能与人形机器人综合性运动会,活动将于

2025年4月24日至26日在无锡市惠山区举办。

公司动态

Figure:将强化学习(RL)的训练用于人形运动的端到端神经网络

3月25日,Figure公布了旗下机器人人形运动最新进展:使用强化学习来训练Figure02人形机器人如何像人类一样

行走。

RL赋能Sim2Real——效率大大增加

Figure在高保真模拟中训练了其RL控制器运行了数千个具有不同参数和场景的虚拟人形机器人。这种多样化的体

验使策略能够从模拟直接(“零样本”)转移到Figure02机器人,从而提供稳健且像人类一样的行走。Figure的RL

驱动训练缩短了开发周期,在几个小时内模拟了几年的数据,并始终如一地提供稳健的真实性能。

RL中添加额外奖励——步态更接近人类

Figure通过奖励机器人模仿人类步行参考轨迹,将类人步态的偏好注入到学习框架中。这些轨迹建立了策略允许生成

的步行风格的先验,而额外的奖励项则优化了速度跟踪、功耗和对外部扰动和地形变化的鲁棒性。

模拟中使用域随机化——无需额外微调

为了弥补“模拟与现实之间的差距”,Figure在模拟中使用了域随机化。域随机化通过随机化每个机器人的物理属性

来弥补模拟与现实之间的差距,模拟策略可能需要运行的各种系统。这有助于策略将零样本推广到物理机器人,而无

需进行任何额外的微调。

点评:当前机器人运控缺少通用性,训练算法亟需海量数据,机器人本体公司采用Sim2Real可大幅缩短训练时间,

有望加速迎来机器人智能化和运动能力放量的节点,

文档评论(0)

bookuser001 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档