机械设备行业专题研究：机器人大脑是商业化焦点，Sim2real或成主流训练方案

证券研究报告 | 行业专题研究 请仔细阅读本报告末页声明 gszqdatemark 机械设备 机器人大脑是商业化焦点，Sim2real 或成主流训练方案 从 LLM 到 VLM 再到 VLA 等，模型将机器人泛化性、执行动作的精确度、物理感知等性能逐步提高。LLM 解决了大规模文本数据训练问题，VLM 跨模态突破了文本的限制将图像视频也融入至大模型中，VLA 则跨越了图像视频/文本的感知理解与机器人动作之间的鸿沟。早期 VLA 更多侧重视觉信息的输入，随着越来越多用于人形机器人中，触觉（Touch，通过力/触觉传感器获取的压力/摩擦力/纹理等信息）输入端也被加入到模型中，这可以提升模型的鲁棒性。各类 VLA 模型的性能也在逐步提升：RT-1 发布时只回答了数据集建构和模型设计问题，并没有表现过多的泛化性和迁移性；RT-2 则表现出了强大的泛化性，但其数据收集成本较高；ViLLA 则可以采用无标注的视频来训练，同时也解决了之前机器人生产的动作不符合物理学问题。 当前虚拟走向现实仍然存在巨大鸿沟，英伟达 Sim2Real 或为未来主流训练方式。Sim2Real 的技术原理为利用合成数据生成技术，通过场景随机化、参数调整等方式让机器人接触大量不同数据积累经验，而后将仿真生成的精准数据与现实采集的少量数据输入 Cosmos，生成更多样、更贴近真实情况的数据，用于训练机器人模型，使其能更好地适应现实世界。Sim2Real 的核心纽带是串联 3 台计算机，第一台是 AI 超级计算机，为机器处理信息提供算力基础；第二台是仿真计算机，以 Omniverse 和 Isaac Sim 为核心，让机器在虚拟世界掌握感知与交互能力；第三台是物理 AI 计算机，由 GROOT、Cosmos 和 Jetson Thor 构成，负责让机器人在真实世界执行任务。银河通用发布的 DexonomySim 开源合成数据集即是采用虚拟数据与真实数据合成而来，真实数据为辅（量少），虚拟数据为主。 海外 Tesla Optimus 采用的 AI 模型拟人化程度高，国内北京通用人工智能研究院有不错进展。Tesla Optimus 的 AI 集成高度借鉴 FSD（（核心在于纯视觉和单一神经网络架构），并于 xAI 的 Gork 模型（处理自然语言和情感互动）深度融合，输入原始图像就可以直接规划出人类想要的动作执行，不依赖于激光雷达类似的点云图，拟人化程度高，且在尝试让机器人可以感知自己的身体物理特征（如手臂有多长等）。北京通用人工智能研究院的科研团队提出了全球首个“力位混合控制算法”的统一理论，无需使用传感器，相关任务成功率较只使用位置控制的策略提高了约 39.5%。银 河 通 用 发 布 全 球 首 个 灵 巧 手 功 能 性 抓 取 合 成 大 数 据 集 — —DexonomySim，推动具身智能走向实际应用。 投资建议：建议关注有涉及相关软硬件业务的上市公司如品茗科技（北京通用人工智能研究院）等。 风险提示：机器人应用模型开发不及预期风险，数据质量和数量不及预期的风险，时间推移风险，样本误差风险。 增持（维持） 行业走势 作者 分析师 张一鸣 执业证书编号：S0680522070009 邮箱：zhangyiming@gszq.com 分析师 何鲁丽 执业证书编号：S0680523070003 邮箱：heluli3652@gszq.com 相关研究 1、《商业航天火箭端 专题报告：下半年密集首发试射，开启商业航天元年》 2025-08-13 2、《工程机械：国内外大周期均向上，利润弹性大》 2025-06-17 3、《机械设备：触觉：机器人的下一个超级赛道》 2025-03-02 -10%2%14%26%38%50%2024-102025-022025-062025-10机械设备沪深3002025 10 26年 月 日 gszqgszqdadatemarkrk P.2 请仔细阅读本报告末页声明 内容目录 LLM/VLM 到 VLA 再到世界模型，人形机器人“大脑”发展迅猛 ................................................................... 3 全球人形机器人模型各异，Tesla optimus 模型拟人化程度高 ....................................................................... 8 风险提示 ..............................................................................................................................................15 图表目录 图表 1： LLM 功能 ................................................................................................................................. 3 图表 2： LLM 工作机制 ........................................................................................................................... 3 图表 3： VLM 功能示例 ........................................................................................................................... 4 图表 4： 训练使用 PrefixLM 技术的 VLM 的示例 ......................................................................................... 4 图表 5： RT-1 的架构、数据集与评估概况 ................................................................................................ 5 图表 6： RT-2 的训练中使用的动作字符串的表示形式 ................................................................................ 5 图表 7： Magma 工作原理 ................................................................................................