垂直領域具身智能機器人，為什么是現(xiàn)在看好?

“大腦”成熟度逐步提升，打造具身智能落地基礎：機器人“大腦”主要功能包括實時交互、多模態(tài)感知、自主可靠 決策、涌現(xiàn)和泛化等，產業(yè)從Z基礎的LLM (大語言模型)+VFM (視覺基礎模型)過渡至 VLM (視覺語言模型)多模 態(tài)模型，并進一步增加運動控制實現(xiàn)VLA (視覺語言動作模型)。近年目標檢測、3D語言映射、對象表示、策略學習、 任務規(guī)劃等研究突飛猛進，顯著提升了機器人感知、決策、控制能力，打造具身智能落地基礎。

垂直領域缺數(shù)據(jù)、推理慢、控制難等問題有望解決，加速產業(yè)化落地：目前的通用機器人距離成熟產業(yè)化應用還有一 定距離，其中受到了真機數(shù)據(jù)有限、大模型推理時間太長、運動控制難度較高等多種因素影響。要解決這些問題，我 們認為更多的還是要針對某一垂直領域場景進行突破，數(shù)據(jù)方面通過供應鏈、機器人企業(yè)、用戶、政府等共同發(fā)力實 現(xiàn)場景零到一突破，通過機器人部署增加真機數(shù)據(jù)獲取量，加速實現(xiàn)“數(shù)據(jù)飛輪”;推理時間的問題可以通過調優(yōu)更 “小”的垂直領域模型解決，貼合場景應用需求同時匹配邊緣算力；同時我們認為不必追求人形形態(tài)，僅上肢的具身 智能工作站、輪式機器人也有較好應用前景，其運動控制算法更成熟，更容易實現(xiàn)產業(yè)化落地。

哪些場景前景大?

潛在場景尋找思路：我們一方面認為工業(yè)機器人滲透率越低，未來的應用前景越大，因為工業(yè)機器人完成了標準化行 業(yè)的自動化升J，剩下的柔性化程度較高的行業(yè)則需要利用大模型的泛化能力實現(xiàn)自動化，例如塑料化工、食品加工、 家電等行業(yè)有較多工序工業(yè)機器人應用成熟度較低；另一方面認為可以從“缺工”角度出發(fā)，招工難是終端用戶Z直 接的需求痛點，例如餐廳、家政、物流、養(yǎng)老、服裝等行業(yè)有較好具身智能機器人應用前景。

服裝：服裝行業(yè)是典型的勞動密集型行業(yè)，尤其是縫紉環(huán)節(jié)主要依靠人工難以實現(xiàn)自動化升J，主要由于處理布料柔 性化程度過高無法通過工業(yè)機器人完成。但目前整體來看針對布料處理的大模型、傳感器均有了一定的成熟度， 1X 世界模型具備針對布料折疊生成長時程任務模擬能力、FLIP 框架在布料折疊任務中可生成長期規(guī)劃方案、SSFold 方 法可對未見過的布料完成折疊、帕西尼靈巧手傳感器可實現(xiàn)不同布料材質識別。同時縫制機械領軍企業(yè)杰克股份聯(lián)合 多家高校開始攻關服裝機器人，服裝行業(yè)的垂直機器人開發(fā)有望加速。

康養(yǎng)：我們認為康養(yǎng)場景是具身智能機器人Z終實現(xiàn)家庭應用的Z優(yōu)過渡場景，下游面臨“招工難”痛點，同時產業(yè) 目前從硬件和物品傳遞、病患移動等常見任務處理能力上看均有一定的成熟度。海外有1X 積極開發(fā)家用機器人，其 大模型性能不斷提升，國內有傅利葉、優(yōu)必選、億嘉和等越來越多的企業(yè)切入該賽道，有望加速產品成熟。同時兩部 門發(fā)文支持機器人在家庭、社區(qū)和養(yǎng)老機構等場景試點應用，政策支持也有望助力產業(yè)實現(xiàn)關鍵的零到一突破。

物流：物流行業(yè)經過多年自動化升J已經在倉儲、傳送、分揀等環(huán)節(jié)具有了較高的自動化程度，但其中剩下了一些工 作量較大的例如拆零揀選環(huán)節(jié)仍以人工為主柔性化程度較高，后續(xù)有望通過具身智能機器人填補空缺并集成進現(xiàn)有的 自動化系統(tǒng)。目前物流巨頭GXO 與多家機器人企業(yè)合作探索應用，其中Digit已經實現(xiàn)了商業(yè)化運營，F(xiàn)igure Helix 模型在物流行業(yè)應用后性能也快速提升展示了巨大成長潛力。物流行業(yè)在終端用戶、物流裝備企業(yè)、機器人企業(yè)的共同推動下有望成為一個“爆款”場景。

附件：垂直領域具身智能機器人的野望?餐廳,家政,物流,養(yǎng)老,服裝等行業(yè)有較好具身智能機器人應用前景