机械设备行业专题研究：机器人大脑是商业化焦点，Sim2real或成主流训练方案.docxVIP

请仔细阅读本报告末页声明

证券研究报告|行业专题研究

2025年10月26日

机械设备

机器人大脑是商业化焦点，Sim2real或成主流训练方案

从LLM到VLM再到VLA等，模型将机器人泛化性、执行动作的精确度、物理感知等性能逐步提高。LLM解决了大规模文本数据训练问题，VLM跨模态突破了文本的限制将图像视频也融入至大模型中，VLA则跨越了图像视频/文本的感知理解与机器人动作之间的鸿沟。早期VLA更多侧重视觉信息的输入，随着越来越多用于人形机器人中，触觉（Touch，通过力/触觉传感器获取的压力/摩擦力/纹理等信息）输入端也被加入到模型中，这可以提升模型的鲁棒性。各类VLA模型的性能也在逐步提升：RT-1发布时只回答了数据集建构和模型设计问题，并没有表现过多的泛化性和迁移性；RT-2则表现出了强大的泛化性，但其数据收集成本较高；ViLLA则可以采用无标注的视频来训练，同时也解决了之前机器人生产的动作不符合物理学问题。

当前虚拟走向现实仍然存在巨大鸿沟，英伟达Sim2Real或为未来主流训练方式。Sim2Real的技术原理为利用合成数据生成技术，通过场景随机化、参数调整等方式让机器人接触大量不同数据积累经验，而后将仿真生成的精准数据与现实采集的少量数据输入Cosmos，生成更多样、更贴近真实情况的数据，用于训练机器人模型，使其能更好地适应现实世界。Sim2Real的核心纽带是串联3台计算机，第一台是AI超级计算机，为机器处理信息提供算力基础；第二台是仿真计算机，以Omniverse和IsaacSim为核心，让机器在虚拟世界掌握感知与交互能力；第三台是物理AI计算机，由GROOT、Cosmos和JetsonThor构成，负责让机器人在真实世界执行任务。银河通用发布的DexonomySim开源合成数据集即是采用虚拟数据与真实数据合成而来，真实数据为辅（量少），虚拟数据为主。

海外TeslaOptimus采用的AI模型拟人化程度高，国内北京通用人工智能研究院有不错进展。TeslaOptimus的AI集成高度借鉴FSD（核心在于纯视觉和单一神经网络架构），并于xAI的Gork模型（处理自然语言和情感互动）深度融合，输入原始图像就可以直接规划出人类想要的动作执行，不依赖于激光雷达类似的点云图，拟人化程度高，且在尝试让机器人可以感知自己的身体物理特征（如手臂有多长等）。北京通用人工智能研究院的科研团队提出了全球首个“力位混合控制算法”的统一理论，无需使用传感器，相关任务成功率较只使用位置控制的策略提高了约39.5%。银河通用发布全球首个灵巧手功能性抓取合成大数据集——DexonomySim，推动具身智能走向实际应用。

投资建议：建议关注有涉及相关软硬件业务的上市公司如品茗科技（北京通用人工智能研究院）等。

风险提示：机器人应用模型开发不及预期风险，数据质量和数量不及预期的风险，时间推移风险，样本误差风险。

增持（维持）

增持（维持）

行业走势

50%

38%

26%

14%

2%

-10%

——机械设备沪深300

2024-102025-022025-062025-10

相关研究

1、《商业航天火箭端专题报告：下半年密集首发试射，开启商业航天元年》2025-08-13

2、《工程机械：国内外大周期均向上，利润弹性大》2025-06-17

3、《机械设备：触觉：机器人的下一个超级赛道》2025-03-02

2025年10月26日

P.2请仔细阅读本报告末页声明

内容目录

LLM/VLM到VLA再到世界模型，人形机器人“大脑”发展迅猛 3

全球人形机器人模型各异，Teslaoptimus模型拟人化程度高 8

风险提示 15

图表目录

图表1：LLM功能 3

图表2：LLM工作机制 3

图表3：VLM功能示例 4

图表4：训练使用PrefixLM技术的VLM的示例 4

图表5：RT-1的架构、数据集与评估概况 5

图表6：RT-2的训练中使用的动作字符串的表示形式 5

图表7：Magma工作原理 6

图表8：LAM和ACT的组成 7

图表9：GeminiRobotics1.5系列如何工作 7

图表10：T