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