今天分享的是：2025人形机器人深度：从具身模型看动捕设备机会
报告共计：35页
《2025人形机器人深度：从具身模型看动捕设备机会》由东北证券发布，深入剖析了具身大模型及动捕设备在人形机器人领域的关键作用。
1. 具身大模型介绍
- 发展历程：具身智能起源于1950年代，历经概念萌芽、理论发展、跨学科融合等阶段，在深度学习推动下，如今走向产业应用。大模型从早期逻辑推理发展到多模态，具身大模型在此基础上兴起，以谷歌RT系列为代表，未来将深化多模态融合。
- 技术原理：Transformer模型是大模型基石，解决了梯度消失等问题。GPT基于此架构进行预训练和微调。强化学习让智能体在环境中试错优化策略，多模态融合整合不同模态信息提升决策能力。
- 路线选择：分层具身大模型如Figure AI，将任务分规划、决策和控制三层，各层协作，类似人类思维，具有模块化、可解释性等优点。端到端具身大模型以谷歌RT-2为例，直接从输入映射到输出，提升效率，但存在数据需求大、可解释性差等问题。长期看，端到端模型有望成主流。
2. 具身大模型的壁垒——数据
- 数据来源：具身机器人数据规模小、采集标注难。数据采集方法有遥操、动捕与仿真，各有优劣。真实数据与仿真数据混合使用是趋势，能提升机器人泛化能力。
- 机器人训练场：全球积极建设机器人训练场，规模化生成具身智能数据。国内外均有进展，国内国地中心的训练场启用，推动技术突破和应用。
3. 破局之法：动捕系统
- 技术原理：动作捕捉技术不断演进，系统由软硬件构成，按原理分为机械式、声学式等五类。光学式动作捕捉系统精度高、应用广，分为标记点式和无标记点式。
- 人形机器人运用：动捕系统用于构建高质量训练数据集，提升机器人性能。数据集生产有基于真实本体和虚拟本体两种常见方式。在遥操作数据采集中，数据连续性和鲁棒性更重要。
4. 相关标的：凌云光、奥飞娱乐、利亚德等企业在动作捕捉领域有所布局。凌云光的光学运动捕捉系统应用广泛；奥飞娱乐投资诺亦腾；利亚德通过子公司形成完整动作捕捉技术体系，还发布了动作大模型。
以下为报告节选内容
报告共计： 35页
中小未来圈，你需要的资料，我这里都有！
