信息服务行业EAI(具身智能)：驱动通用人工智能与机器人产业的关键技术.docx

目 录

发展路线：EAI构建新概念，相关政策推动技术发展 6

技术背景：从模拟、感知、交互三方面训练EAI 7

EAI概念解析，虚拟与物理环境的结合 7

具身模拟器（EmbodiedSimulator） 8

通用模拟器（GeneralSimulator） 8

2.2.1基于真实世界的模拟器（Real-SceneBasedSimulators） 10

具身感知（EmbodiedPreception） 12

视觉同步定位和绘图(vSLAM) 12

3D视觉定位 13

视觉语言导航（VisualLanguageNavigation） 14

具身交互（EmbodiedIntereaction） 15

具身智能全面落地仍需解决四大难题 15

应用场景：具身智能产品多样，覆盖广阔市场 16

固定基座机器人：全面赋能实验室与工业场景 16

轮式/履带式机器人：高机动性适应复杂道路环境 18

四足机器人：龙头制造商占据大量市场份额 20

人形机器人：未来拥有强大潜力，技术仍需探索 20

潜在标的：美国商业化更为成熟，中国仍需探索 22

FigureAI：获巨头投资，技术不断成熟 22

特斯拉Optimus：优先赋能特斯拉工厂 23

宇树科技：技术领先，覆盖场景多元 24

中科创达：布局端侧智能+机器人 25

有鹿机器人：引入“通用智能大脑”概念 26

科大讯飞：讯飞超脑计划，让机器人走向通才 27

海康威视：视觉与移动机器人提供商 29

比亚迪电子：AMR提供物流解决方案 29

投资建议 30

风险提示 30

图目录

图1 中美机器人企业落地进度一览 7

图2 基于MLM和WM的具身智能框架 8

图3 通用模拟器的例子 9

图4 IsaacSim架构 9

图5 IsaacSim工作界面 10

图6 Isaac模拟机械手臂 10

图7 Isaac模拟无人机飞行 10

图8 基于真实世界的模拟器实例 11

图9 ThreeDWorld（TDW）设计展示 11

图10 多智能体互动和VR能力 12

图11 vSLAM架构展示 13

图12 3D视觉定位中的分级定位 13

图13 共视聚类概念展示 14

图14 NaVid架构图 14

图15 EQA任务例子 15

图16 ROMAN框架的功能 17

图17 ROMAN从错误中恢复的效果展示 17

图18 2013年-2023年亚马逊机器人应用数量 18

图19 KIVA机器人构造 19

图20 2018年-2022年中国移动机器人市场规模 19

图21 2022年中国移动机器人市场规模分布情况 19

图22 四足机器人发展路线 20

图23 人形机器人产业各大关联厂商 21

图24 人形机器人应用展望 21

图25 2024-2035年人形机器人市场规模预测 22

图26 FigureAI第一代与第二代机器人 23

图27 语音模块的工作模式解析 23

图28 特斯拉Optimus自主工作 24

图29 宇树科技产品一览 24

图30 CES2024宇树科技产品展示 25

图31 中科创达机器人产品 26

图32 有鹿机器人具身智能大模型 27

图33 有鹿机器人打造“通用大脑”概念 27

图34 科大讯飞机器人平台架构 28

图35 科大讯飞超脑计划2030 28

图36 海康威视移动机器人产品一览 29

图37 比亚迪电子AMR机器人 30

表目录

表1 实体人工智能和非实体人工智能 6

表2 政策推动人工智能技术发展 6

发展路线：EAI构建新概念，相关政策推动技术发展

具身智能（EmbodiedAI）最初是由艾伦-图灵（AlanTuring）于1950年提出的“具身图灵测试”（EmbodiedTuringTest），旨在确定智能体是否能够展现出解决虚拟环境中问题的能力，而且能够驾驭物理世界的复杂性和不可预测性。网络空间中的智能体通常被称为非实体人工智能，而物理空间中的智能体则是实体人工智能。多模态大模型

（MLMs）的必威体育精装版进展为具身模型注入了强大的感知、交互和规划能力，从而开发出能与虚拟和物理环境积极交互的通用具身智能体和机器人。因此，具身智能体被广泛认为是MLMs的最佳载体，目前最有代表性的具身模型是RT-2和RT-H。

表1实体人工智能和非实体人工智能

智能体种类 适应环境 物理实体 描述 代表性的智能体

非实体 网络空间 无 认知与物理实体相分离 ChatGPT,RoboGPT

实体 物理空间