管理层看到物理机组成员的机会。 执行平淡 重复性任务 执行 危险的任务 执行脏操作 任务 协助工人 直接到 完成一项任务 允许工人 执行任务 距离 玛格纳，其制造工厂为包括奔驰、宝马和捷豹在内的领 先汽车制造商组装汽车，已宣布将试点使用Sanctuary A I的人形机器人“凤凰”。 131 最新的凤凰机器人，他们的 第七代产品，能够在24小时内自动化新的任务。同款机 器人的早期版本曾在加拿大一家零售店使用，完成从清

车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 3.2.3 高阶智驾需要激光雷达提供安全冗余 3.2.4 前视摄像头市场分散 3.2.5 从全量感知到按需感知的算法演进 3.3 决策层 3.3.1 域控制器构成 3.3.2 智驾域控市场逐渐走向合作定制化 3.3.3 德赛西威：高算力智驾域控行业的领军企业 3.3 发 表 的 论 文 《 End to End Learning for Self-Driving Cars》。同年，英伟达发布了 基于卷积神经网络（CNN）的端到端自动驾驶系统DAVE-2， 通过摄像头图像直接输出转向指令。这是端到端技术的早期 尝试，标志着自动驾驶从模块化向一体化迈进的起点。 2017年：Wayve.AI成立并发布“Learning to Drive in a Day”。Wayve 行为克隆（BC） 在行为克隆中，通过最小化规划损失 来实现智能体策略与专家策略的匹配， 其中监督学习中的损失函数用于度量 智能体动作与专家动作之间的距离。 早期应用于自动驾驶的BC，利用端到 端神经网络从摄像头输入生成控制信 号（如方向盘转动、加速等）。为了 使基于BC的端到端驾驶模型能够应对 复杂的城市场景，业内提出了进一步 改进，如多传感器输入、辅助任务和 改进的专家设计。 简洁性和高效性，因为无须手工设计奖励函数。

5G+AI投资策略研究 目录 CONTENTS 5G：终端发布在即，射频、光学、面板行业迎新机遇 1 5G将开启手机新一轮换机周期 1.1 射频端：需求增加、技术升级、集成度提升 1.2 摄像头：5G智能化时代最核心传感器，持续升级 1.3 面板：柔性OLED趋势不改，大尺寸LCD静待行业价格拐点 1.4 设备和材料：国产替代加速进行 1.5 AI：安防、汽车和IoT将是率先爆发的三个场景 1 显示器 6 1.1 5G将开启手机新一轮换机周期 1 5G：终端发布在即，射频、光学、面板行业迎新机遇 1.2 射频端：需求增加、技术升级、集成度提升 1.3 摄像头：5G智能化时代最核心传感器，持续升级 1.4 面板：柔性OLED趋势不改，大尺寸LCD静待行业价格拐点 1.5 设备和材料：国产替代加速进行 7 从4G换机周期看5G：国内4G换机周期效应明显 1.1 11 1.1 5G将开启手机新一轮换机周期 1 5G：终端发布在即，射频、光学、面板行业迎新机遇 1.2 射频端：需求增加、技术升级、集成度提升 1.3 摄像头：5G智能化时代最核心传感器，持续升级 1.4 面板：柔性OLED趋势不改，大尺寸LCD静待行业价格拐点 1.5 设备和材料：国产替代加速进行 12 5G对终端射频器件影响：需求增加、技术升级、集成度提升

主迭代，情感化交流能力， 成为机器与AI Agent的结合 体 信息/指令获取端口 遥控器，控制器 遥控器，指令集，摄像头、 雷达等传感器 遥控器，指令集，文本， 摄像头，雷达，麦克风等 各类传感器 遥控器，指令集，文本，摄 像头，雷达，麦克风等各类 传感器 遥控器，指令集，文本，摄 像头，雷达，麦克风等各类 传感器 应用场景 工业制造、科研机构 工业制造、家庭清扫、特种 应用 工业制造、科研机构、特 的演示视频中，展示了二代Optimus学会了分装电池，并且比以前走得更快更远更稳。特斯拉表示， Optimus人型机器人的训练数据都是来自穿戴VR头显的人类训练员。可以看到，完整的系统集成了VR头显、传感器、手套、动捕服和相关软件。 通过利用VR头显，Optimus人型机器人可以1：1地复刻映射人类训练员的动作，而软件可以以实现第一人称视频的实时传输和精确控制输出，同 时保持极低延迟。另外， 173cm）； • 长时间佩戴和操作动捕服和 VR 头显； • 持续的手 / 眼协调和精细操作、身 体协调、动觉意识和上下楼梯； • 全天站立、坐下、行走、弯腰、 弯曲、伸展、蹲下和扭动； • 灵活安排工作时间：白班 / 夜班和 1 个周末 + 必要时加班。 • 每天走预定的测试路线进行数据 采集； • 穿着动捕服和 VR 头显，根据项 目要求执行指定的动作和操作； • 启动

年iRobot公司首次发布第一款 扫地机器人Roomba真空吸尘器。 2003年，火星探测器精神号和机遇 号落地火星表面。 2005年，人形机器人Albert HUBO被 发布，是世界上第一款具有人形头 部的行走类人机器人。 2005年，波士顿动力推出四足机器 人BigDog，适应复杂地形。 2008年，协作机器人先驱Universal Robots发布首款商用协作机器人 （Cobot）。 驱动因素 技术驱动：关键硬件实现国产化自研或大幅降价，大模型的 爆发降低开发成本，共同促进机器人落地通用场景 资料与数据来源：公开资料 数据收集与预处理 在智能机器人开发中，大模型 可整合来自摄像头、传感器等 设备采集的图像、声音、物理 信号等数据，将原始数据转化 为适合模型训练的高质量数据 集，极大提升数据准备效率与 质量。 1 大模型 模型训练环节 大模型可实现多任务学习，让 统 减速器 电机 绿的谐波、瑞迪智驱、福德机器人、 同川科技、中大力德、昊志机电 鸣志电器、伟创电气、拓邦股份、步科 股份、昊志机电、禾川科技、鼎智科技 感 知 系 统 雷达 编码器 摄像头 力传感器 触摸传感器 奥比中光、森云智能、 海康机器人、奥普特科 技、凌云光技术 柯力传感、东华测试、 中航电测、凌云股份、 坤维科技、宇立仪器 纽迪瑞科技、苏州能斯 达、三三智能科技、慧 闻纳米科技和钛深科技

与宝马合作：Figure AI 与 BMW 签署商业协议，将通 用人形机器人部署到汽车制造环境中 2024年8月 发布Figure 02：该机器人设计更为精简，电池容量较 前代增加了50%，配备了6个RGB摄像头和由OpenAI 开发的定制AI模型，具备与人类进行对话的能 力。Figure 02已在宝马位于南卡罗来纳州的工厂进行 测试，执行与汽车组装相关的任务 概 念 发 布 基 础 能 力 工 作 能 • 机器人效率VS人工：5:1 • 使用寿命：6年 2030E测算关键假设 • 售价：21万元/台 • 折旧：5% • 机器人效率VS人工：3:1 • 使用寿命：8年 2026头部企业小批量产 2027头部企业商业化尝试 产品技术成熟进度是关键Trigger Triggers: 故障率降低 续航延长 效率/完成率提高 成本下降 寿命延长 Source: M2研究 & 分析；全球人形

来源：Ecovacs 区分⾼端和低端模型的关键在于它们如何在环境中导航⽽不会撞到障碍物或被困住 。廉价和旧型号只是简单地运⾏算法，指导它们在撞到障碍物时转向另⼀个⽅向 许多⾼端型号采⽤仅视觉解决⽅案，只使⽤摄像头作为传感器。相同技术也⽀持特斯 拉EV上的FSD（全⾃动驾驶）系统，该系统利⽤计算机视觉（CV，AI的⼀个⼦分⽀ ）来识别地板上的障碍物。机器⼈学习了各种障碍物的外观，如何优化路径并轻松地 在⾮平坦区域周围导航 和机场等公共场所⼯作，⽐⼈类 更有效率。 例如，来⾃狮城机器⼈的R12 Rex Scrub（图20）是⽤于商业⽤途的⼤型区域机器⼈地板清 洁机。该机器⼈使⽤许多传感器，从激光雷达（光传感器）到摄像头（深度传感器）进⾏积 极障碍跟踪。 18 2020 RECS调查数据（美国能源信息管理局） © 2024 花旗银⾏ 25 花旗集团全球洞察与解决⽅案 2024年12⽉ Fybots（图21）推 AMR智能背后的秘密是同时定位和制图（SLAM）技术。SLAM技术使每个机器⼈ 能够通过不断绘制区域地图并通过实时信息流跟踪⾃⾝位置，探索未知但不断变化 的环境。当前的⼯业解决⽅案专注于视觉SLAM，即机器⼈配备先进摄像头和⼈⼯智 能处理器，以实现视觉和⾃动化决策（例如路径规划和碰撞回避）。 2024年7⽉，美国制造业最近的劳动⼒存储量达到了505,000⼈，约占该⾏业总就业 ⼈数的3.8%。物料处理仍然是劳动⼒费⽤的重要组成部分，在⼯⼚的总运营成本中

数据轻量化 腾讯地图 轻量化数据服务，模块化工具链支持车企仅调用必要地 图要素（如交通标志） 数据带宽需求降低，处理效率提升 众包更新机制 Mobileye 以REM路径，通过1亿+车载摄像头实时更新覆盖全球 采集成本降低，鲜度达分钟级 传感器精简 Momenta 4D毫米波雷达替代部分激光雷达，自研80TOPS中端芯片 传感器成本降低，算力/价格比提升 众源数据机制创 时 交 通 利用海量车辆回传的匿名数据，提供高质 量的实时交通信息服务（HERE Real-time Traffic），帮助车辆了解真实路况。 动 态 更 新 通过融合车辆传感器数据（摄像头、雷达等）与 专业测绘数据，实现地图要素的快速验证与更新 （类似众源更新模式），保持地图的鲜度。 资料来源：HERE公开资料，泰伯智库 D 趋势展望 版权声明：本报告版权归泰伯

人形 机器人的范畴压缩过窄。 此外，在关于人形机器人的众多观点中，有一种颇具代表性的看 法，即认为人形机器人应当是：外观、行动与人类相似，具有部分或 全部人类特征的机器人。人类特征包括躯干、头、肢体、语言、动作 和智力等。而该观点争议较大的地方是“具有部分或全部人类特征的 机器人”，因为如果是“具有部分人类特征”的话，很难看起来像“人”， 如只有一只手或一个头部等，该定义的范畴又扩展过宽。 种定义，即： 人形机器人（狭义）：外观和行为与人类相似，具有躯干、头部 和四肢的机器人。 7 人形机器人（广义）：外观和行为与人类相似，具有部分或全部 人类特征的机器人。人类特征包括躯干、头、肢体、语言、动作和智 力等。 本白皮书所聚焦的产品以及产业研究与分析对象为广义上的人形 机器人，标准化研究对象包括但不限于人形机器人产业发展历程中相 关的产品、技术、过程或服务。 图 1 人形机器人参考图 高精度传感器、地图构建算法、路径规划算法以及导航与控制算法等 多种技术的综合应用，可以实现机器人在多样化环境中的自主导航与 控制。这项技术主要涵盖四个方面：一是环境感知和空间定位，通过 激光雷达、摄像头、超声波传感器等多种传感器，实时采集周围环境 的信息，包括障碍物的位置、形状、距离等，为后续的定位与导航提 43 供数据支持；二是地图构建，基于采集到的环境信息，结合机器人自 身的运动状态，构

庭安全、安防、健康 与保健以及居家养老支持。这些先进的、由AI驱动的应用需要情境感知能力，即实时感知、 理解和应对复杂情况的能力。因此，AI应用必须与家庭的多个系统相连接，如灯光、门窗、 摄像头、安全传感器、HVAC、家电、AV设备、管道、灌溉系统、泳池、汽车和能源等。通 用连接需要在两个方面进行标准化——设备网络和应用层。让我们以消费电子行业为例来看 看这是如何运作的。 AIoT重新定义设备连接性