【光大机械】探讨DeepSeek对人形
机器人发展的影响——具身智能系列报告(一)
Deepseek R1的突破,对
人形机器人的影响主要集中在“task planning”层面,即所谓“大脑”。原因在于主流的具身智能大模型中,普遍采用VLM(视觉语言大模型)作为backbone(骨干网络)。
一方面,北大联合香港科技大学团队基于自研框架将Deepseek R1系列模型扩展至图文模态,并取得了优越的视觉理解表现。
另一方面,Deepseek团队具备DeepSeek-VL2等大型混合专家(MoE)视觉-语言模型系列,具备较好的视觉语义对话能力。
整体来看,由于训练数据的缺失,“大脑”的“task planning”能力相对成熟,而小脑的“motion planning”则较弱。Deepseek团队的开源策略,有望在“大脑”层面降低行业门槛,推动更多的力量向更底层的运控集中。
建议关注:1)高复杂度灵巧手的功能实现;2)丝杠量产与降本;3)国产
谐波产业链;4)多技术路线的六维力
传感器;5)初步量产后的机器人动捕与训练
风险分析:1)产业化进程不及预期;(2)竞争加剧风险;(3)核心技术进步不及预期。
详询光大机械团队:黄帅斌/陈佳宁 /李佳琦 /夏天宇