人形机器人专题：人形机器人元年或将开启，AI下游硬件应用迭起

今天分享的是人形机器人系列深度研究报告：《人形机器人专题：人形机器人元年或将开启，AI下游硬件应用迭起》。

（报告出品方：天风证券）

报告共计：65页

技术沿革：ACT 提升模仿学习能力，ALOHA 解决成本高昂问题

机械手臂的运动控制能力，是制约人形机器人普适性和灵活性发展的关键因素。这也是Mobile ALOHA 开源项目的独特性和技术含量所在，利用直接的“模仿学习”方法，让机器人“模仿”人类，低成本地解决操作训练和灵敏度问题，以 ALOHA 硬件的形式辅助 Al 的协同训练与决策精准度。

机器人类人操作训练方法多样，模仿学习的性价比优势突出。模仿学习:即从人类提供的演示中进行模仿学习，这种“行为克隆”可以让机器人学习各种原始的技能，从简单的拾放操作，到更精细的操作等等，无需庞大数据库储备用于训练 AI 大模型，在训练成本和训练周期上具有较大优势。

ACT 方法利用强化学习助力模仿学习简单化、易操作，增强机器人多场景应用性。 Mobile ALOHA 团队先期开发的 ACT（Action Chunking with Transformers）强化协同学习与模仿学习的结合，通过训练直接映射人类动作的端到端模型，无需整体建模， 就可以训练人形机器人，使得普通人也可以在较短的时间内远程操纵 Mobile ALOHA 机器人完成未训练过的任务，并达到专家水平。

灵巧手以人手的结构和功能为模仿对象，在提升机器人柔性和易用性中发挥极为重要的 作用。灵巧手作