Omdia：机器人工厂蓄势待发，利用生成式AI创造新的机遇

生成式人工智能（GenAI）是指使用基础模型，如大型语言模型（LLM）、视觉语言模型（VLM）、视觉转换器（Vi-T）和视觉-语言-动作模型（VLAM），从现有的数据输入中产生新的输出。在机器人领域，这些输出包括机器人代码、动作和导航。GenAI 具有高度的创新性，但同时也具有复杂性、快速发展性和破坏性，因此很难确定利用和部署该技术的最佳方式。此外，可供选择的方案以及如何利用这些优势也因行业垂直领域、组织和使用案例的不同而各异。

本报告旨在帮助机器人供应商、机器人专家和爱好者了解复杂的 GenAI 环境，并确定正确的方法、机会和合作关系。

多年来，技术供应商和终端用户一直相信，机器人将为人类社会开创一个超自动化未来，充满着无限的创造和生产力。随着各类机器人形态的涌现，例如：可与人类员工协同工作的协作机器人手臂；能感知、思考并根据周围环境做出反应的自主移动机器人；以及能在结构粗糙的地面行走的四足机器人，人类社会似乎离这愿景更加靠近。然而，目前的机器人只能处理特定的任务，在整体能力上并不能很好地实现通用化。

面对这个挑战，生成式人工智能似乎是场及时雨。自ChatGPT 在 2022 年末出现以来，该技术已经展示了广泛的通用技能和能力。一个预先训练好的基础模型可以生成有价值的输出，如理解自然语言命令、生成类似人类的反应，并帮助程序员创建代码。更重要的是，经过微调的基础模型可以帮助机器人与人类协作、理解人类指令、规划自己的行动，并与其他机器人互动。

生成式人工智能也掀起了科技业对仿人机器人的关注。仿人机器人具有类似人类的躯干、手和腿，能两足移动，无需任何额外的支持，就能做出拟人的各种动作。作为最接近人类外形的机器人类型，许多专家甚至认为，由于生成式人工智能与仿人机器人拟人的属性，两种科技的紧密融合是和谐与必然的。

顺应这个思路，海内外主要供应商，如Boston Dynamics、特斯拉、优必选、傅利叶智能、宇树、达闼和小米都推出了各种具有高度灵活性和柔韧性的仿人机器人。近期优必选还与蔚来一起展示了仿人机器人如何在汽车厂里执行质量监测的工作。尽管如此，仿人机器人技术仍处于萌芽阶段，在可预见的未来还没有取代人类劳动力的明确迹象，与生成式人工智能的结合仍然处于摸索阶段，还未能达到完美的融合。生成式人工智能在机器人的部署，还是会聚焦在商业模式与硬件发展较为成熟的协作机器人和自主移动机器人。

目前，面向机器人的生成式人工智能软件开发主要由谷歌、Meta、微软和英伟达等主要人工智能厂商主导。他们主要集中在优化机器人任务的基础模型和机器人人工智能开发平台上。虽然基础模型和框架为生成机器人动作奠定了坚实的基础，将软件部署到机器人中仍然至关重要。为了将通常需要大量资源的基础模型无缝集成到计算和存储资源有限的机器人中，就必须对基础模型进行压缩。因此，比起开发平台，全栈式生成式人工智能解决方案会让部署过程更加简易。一些中国机器人厂商，如达闼和猎户星空，为机器人开发者提供端到端的解决方案，涵盖硬件、大模型、开发平台和终端部署。

机器人软件技术堆栈