人形機器人感知方案或如同自動駕駛，分為純視覺感知與激光雷達兩大路線。純視覺感
知路線以機器視覺為核心，利用攝像頭實現(xiàn)自動駕駛，其優(yōu)勢為成本低且符合人眼邏輯，在
數(shù)據(jù)積累達到一定規(guī)模后能夠超越激光雷達方案的表現(xiàn)，但在惡劣環(huán)境下，攝像頭完成感知
任務(wù)的難度也會隨之提升。
激光雷達方案可以在現(xiàn)有技術(shù)條件下實現(xiàn)快速 3D 建模，比較準(zhǔn)確的還原路況信息，形
成計算機可以快速識別、快速處理、快速應(yīng)對的方案，目前的痛點在于成本G昂、且對芯片
算力需求大。
特斯拉憑借自身的算法能力、數(shù)據(jù)儲備等優(yōu)勢，采取基于攝像頭的視覺方案；而其他企
業(yè)通常選擇基于激光雷達的技術(shù)方案。因此在人形機器人方面，特斯拉可能會堅持純視覺路
線，隨著各類傳感器技術(shù)持續(xù)提升，產(chǎn)業(yè)鏈逐步成熟以及成本逐漸降低，未來多傳感融合的混合方案或?qū)⒊蔀橹髁鞣桨浮?
|
|
純視覺方案
|
激光雷達方案
|
混合方案
|
|
優(yōu)勢
|
■成本低
■技術(shù)成熟度G
■產(chǎn)業(yè)鏈成熟度G
■符合人眼邏輯
|
■識別率G
■環(huán)境適應(yīng)力強
■產(chǎn)業(yè)鏈成熟度G
|
■結(jié)合前兩者技術(shù)優(yōu)勢
|
|
劣勢
|
■易受天氣影響
■易受光照影響
■算力需求較G
■需要大量圖像訓(xùn)練集
|
■易受天氣影響
■成本G
■工藝復(fù)雜
■技術(shù)成熟度低
|
■成本G
■供應(yīng)鏈復(fù)雜
■技術(shù)門檻G
|
攝像頭可實現(xiàn)測距，但精度較低,通過 AI 算法識別，但難 以識別非標(biāo)準(zhǔn)障礙物;毫米波雷達縱向精度G，橫 精度低;激光雷達是G精度,3D 建模，易識別;
本田 ASIMO由四個運行著 VxWorks 實時操作系統(tǒng)的處理器構(gòu)成;歐洲 ICUB使用名為 ARCHER 的學(xué)習(xí)型算法體系;特斯拉 Optimus用Optimus 的神經(jīng)網(wǎng)絡(luò)
人形機器人將實現(xiàn)從0到1量產(chǎn)，根據(jù)我們測算，2025年和2030年人形機器人市場規(guī)模 分別有望達到1.4億元和249.5億元，2025-2030年人形機器人CAGR有望達到182%
人形機器人靈巧手進行抓取動作，空心杯電機為核心部件；信號解析 匯總執(zhí)行 輸出轉(zhuǎn)速 （G速、低扭矩） 降速增扭 直線傳動轉(zhuǎn) 換為旋轉(zhuǎn)傳 動 驅(qū)動傳導(dǎo) 感知及力 反饋
旋轉(zhuǎn)執(zhí)行器分布于肩部、手部等多自由度關(guān)節(jié)，作用是將某物旋轉(zhuǎn)到一定角度完成旋轉(zhuǎn)運動;驅(qū)動關(guān)節(jié)完成旋轉(zhuǎn)動作，減速器為核心部件
線性執(zhí)行器位于膝肘等單自由度及腕踝等雙自由度關(guān)節(jié)，將電機旋轉(zhuǎn)運動轉(zhuǎn)為直線運動;變旋轉(zhuǎn)運動為直線運動，行星滾柱絲杠為核心部件
人形機器人感知系統(tǒng)成本占比7.3%,執(zhí)行系統(tǒng)成本占比53.2%;線性執(zhí)行器成本占比31.0%;旋轉(zhuǎn)執(zhí)行器成本占比17.9%;其他成本占比39.5%
執(zhí)行系統(tǒng)BOM占比G，約53.2%（其中直線、旋轉(zhuǎn)、手部分別 占31.0%、17.9%、4.3%）；感知系統(tǒng)占7.3%，其他芯片、電池等部件合計占比39.5%
國防科技大學(xué)Blackman;哈爾濱工業(yè)大學(xué)HIT Humanoid; 理工匯童;浙江大學(xué)悟空;優(yōu)必選WalkerX、優(yōu)悠;小鵬汽車PX5;達闥科技XR-4;北京鋼鐵俠
空心杯市場規(guī)模從2021年的6.75億美元增長至2025年的9.36億元，CAGR為8.52%。2021年空心杯電機市場規(guī)模僅占微特電機的1.73%
特斯拉的外觀專利全部有效，且主要集中在日本（4 件）和歐洲（1 件）,其他已申請的方法類、結(jié)構(gòu)類專利可能尚未公開
技術(shù)當(dāng)前發(fā)展階段及趨勢：指出技術(shù)進入穩(wěn)定發(fā)展階段，本體結(jié)構(gòu)、智能感知、運動控制是熱點;提供了對人形機器人技術(shù)發(fā)展、產(chǎn)業(yè)布局、市場趨勢和未來方向的深入見解
