特斯拉Optimus代表当前商业化人机产品的最快速度与先进技术，值得作为案例深入研究。短短两年半时间内Optimus共迭代3次，期间亦有产品新进展发布，当前工作能力、灵活程度、静态稳定性、智能水平已达到同行先进水平。在业务规划和招聘节奏上加紧步伐，可复用造车技术与供应链，商业化较快。
以特斯拉Optimus为例，对人形机器人的运控、感知硬件结构进行拆解，对人机软件算法方案进行分析。
运控——执行器方案：Optimus执行器采用刚性驱动器（TSA）方案。全身执行器分为——旋转关节（14个）、直线关节（14个）与空心杯/灵巧手关节（12个）。旋转关节由定制的永磁电机（无框力矩电机）+角接触球轴承+谐波减速器+交叉滚子轴承+力矩传感器+位置传感器（双编）+驱动器+机械离合器+关节CNC件组成，线性关节由永磁电机（无框力矩电机）+球轴承+四点角接触轴承+反向式行星滚柱丝杠+力传感器+位置传感器（单编）+驱动器+关节CNC件组成，空心杯关节由空心杯电机+多级行星减速器+蜗轮蜗杆+位置传感器（双编）+驱动器+金属腱绳构成。
感知——传感器方案：视觉感知上，Optimus主要采用纯视觉方案（3D多目视觉）。力觉感知上，除了各执行器的力/力矩传感器（内部传感器）外，Gen2在手部和脚底新增了触觉传感器，在脚踝与手腕处增加了多维力传感器。
软件——环境感知、思考决策、运动控制软件方案：特斯拉打通FSD在自动驾驶和Optimus中的底层模块，在一定程度上实现算法复用，并在不同模块（环境感知、思考决策、运动控制）上进行了机器人适用性优化。环境感知上，Optimus复用了占用网络模型来感知与理解周围物体，获取场景中物体的相关信息。相比汽车，Optimus所需训练数据不同且需要训练更多的神经网络。思考决策（规划）上，Optimus使用了端到端的神经网络模型，进行任务级、动作级的决策。相比汽车，Optimus的感知、规划与控制模块联系更为紧密，具体模型进行了机器人适用性优化。运动控制上，Optimus在肢体运动控制中加入状态估计模型，在肢体操纵控制中使用了模仿学习等技术。 总结特斯拉Optimus人机方案，向上游寻找高价值量细分领域。
人形机器人相比传统机器人，在执行器、传感器以及软件方案上有较大不同。首先，人机在执行器、传感器的用量上就已超过传统机器人，可关注用量增加的零部件细分领域，例如谐波减速器、编码器、力/力传感器。其次，关注属于人机新增需求的零部件细分领域，例如行星减速器、行星滚柱丝杠、无框力矩电机、空心杯电机、3D视觉传感器、具身智能。
对比人形机器人各细分领域价值量占比情况，寻找高价值量的细分投资领域。首先，在人形机器人产品中，行星滚柱丝杠、力/力矩传感器、电机、减速器、编码器、空心杯电机为总价值量占比相对较高的硬件零部件。其次，行星滚柱丝杠、IMU、多维/六维力/力矩传感器、3D视觉硬件（非纯视觉）为单位价值量较高的硬件零部件，未来人机量产、成本需要进一步降低的趋势下，可关注以上领域国产替代下的投资机会。
暂无评论内容