《科創(chuàng)板日報(bào)》3月3日訊 合力搬運(yùn)重物、給機(jī)器人“工友”充電......人形機(jī)器人之間的協(xié)作正不斷玩出新花樣。

今日，優(yōu)必選官微發(fā)布視頻顯示，Walker S系列機(jī)器人在極氪5G智慧工廠協(xié)同實(shí)訓(xùn)。在視頻中，機(jī)器人通過合力搬運(yùn)大負(fù)載大尺寸貨物，并實(shí)施混合決策式分揀、精準(zhǔn)操作類質(zhì)檢等行動。雖然其效率距離人類仍有較大差距，但已能夠?qū)崿F(xiàn)多機(jī)協(xié)同作業(yè)。

在視頻末尾，當(dāng)一臺機(jī)器人電量耗盡而關(guān)機(jī)時(shí)，附近機(jī)器人還會為其充電。

據(jù)悉，此次協(xié)同實(shí)訓(xùn)為全球首例多臺、多場景、多任務(wù)的人形機(jī)器人協(xié)同實(shí)訓(xùn)，其背后的技術(shù)為人形機(jī)器人群腦網(wǎng)絡(luò)（BrainNet）軟件架構(gòu)，以及人形智能網(wǎng)聯(lián)中樞Internet of Humanoids (IoH)。

具體而言，群腦網(wǎng)絡(luò)（BrainNet）架構(gòu)由云端協(xié)同的推理型節(jié)點(diǎn)和技能型節(jié)點(diǎn)鏈接，形成群體維度下的超級大腦和智能小腦。超級大腦基于多模態(tài)具身推理大模型，以實(shí)現(xiàn)產(chǎn)線任務(wù)決策；智能小腦基于Transformer模型，從而支持多機(jī)并行分布式學(xué)習(xí)。

在上述軟件的加持下，憑借人形機(jī)器人現(xiàn)有硬件，能夠?qū)闻_人形機(jī)器人的任務(wù)范疇擴(kuò)展至多臺機(jī)器人協(xié)同完成的產(chǎn)線級需求。并且，通過在一線生產(chǎn)廠實(shí)積累工業(yè)數(shù)據(jù)集，可以不斷進(jìn)行訓(xùn)練和調(diào)優(yōu)。

優(yōu)必選認(rèn)為，人形機(jī)器人群體智能技術(shù)攻關(guān)是實(shí)現(xiàn)工業(yè)場景規(guī)?；瘧?yīng)用的必經(jīng)之路。就在日前，美國機(jī)器人創(chuàng)企Figure AI同樣發(fā)布了一段機(jī)器人集體進(jìn)廠在物流中心整理快遞的視頻。在視頻中，機(jī)器人能夠識別、抓取并按照邏輯擺放快遞。

憑借最近發(fā)布的視覺-語言-動作（VLA）模型Helix，F(xiàn)igure機(jī)器人能夠根據(jù)自然語言指令，識別并拾取幾乎所有小型物品，并且能夠驅(qū)使多臺機(jī)器人共同操作任務(wù)。

當(dāng)下，機(jī)器人行業(yè)的主線邏輯，正完成從硬件端向軟件端的轉(zhuǎn)變。國金證券認(rèn)為，軟件端進(jìn)步將帶動人形機(jī)器人邁向通用場景應(yīng)用更近一步。

憑借群腦網(wǎng)絡(luò)軟件架構(gòu)和VLA模型Helix，優(yōu)必選和Figure分別以現(xiàn)有機(jī)器人硬件載體在工業(yè)任務(wù)操作方面取得進(jìn)展。對此，中金研報(bào)表示，具身智能軟件端泛化能力表現(xiàn)超預(yù)期，具身智能進(jìn)化持續(xù)加速。人形機(jī)器人能否以及何時(shí)可以打開C端市場、實(shí)現(xiàn)放量，關(guān)鍵瓶頸在于大腦的泛化能力表現(xiàn)。

中泰證券2月20日研報(bào)指出，AI進(jìn)入2.0時(shí)代，人形機(jī)器人將是AI最大的落地場景。硬件端目前看相對較為完善，軟件端的迭代是驅(qū)動產(chǎn)品力不斷提升的關(guān)鍵。

分析師進(jìn)一步表示，軟件端分為大腦與小腦。大腦主要負(fù)責(zé)環(huán)境感知和智能交互，其底層算法分別是FSD與LLM及其延伸的大模型。大腦端的FSD及LLM伴隨智能駕駛與大模型進(jìn)展進(jìn)行選代，發(fā)展較為成熟。相對來說，亟待提升的是小腦，即運(yùn)動控制，其發(fā)展較為初期。

至于小腦的主要制約因素，機(jī)構(gòu)指出，相較于大模型的發(fā)展擁有海量的數(shù)據(jù)輸入，機(jī)器人的訓(xùn)練數(shù)據(jù)集十分有限；前精細(xì)動作尚未又統(tǒng)一的底層算法，無法設(shè)置統(tǒng)一的獎勵函數(shù)進(jìn)行強(qiáng)化學(xué)習(xí)。因此，小腦端運(yùn)控?cái)?shù)據(jù)的采集與運(yùn)動控制底層算法的選代是驅(qū)動產(chǎn)品力提升的中期維度影響因素。從2025年人形機(jī)器人產(chǎn)業(yè)量產(chǎn)角度來看，建議重點(diǎn)關(guān)注數(shù)據(jù)采集和運(yùn)動控制算法。

其中，數(shù)據(jù)采集的核心工具是動捕設(shè)備，相關(guān)公司包括：凌云光、諾亦騰、世優(yōu)科技、利亞德、天娛數(shù)科等；運(yùn)動控制算法方面，國內(nèi)供應(yīng)商可以切入的領(lǐng)域?yàn)檫\(yùn)動控制器，相關(guān)公司有：固高科技、雷賽智能、禾川科技等。