AI + 具身智能

一、具身智能的定义和演进脉络

1. 具身智能的核心概念和内涵

1）具身智能的定义：智能体借助身体和环境交互产生智能行为

2）具身智能和传统AI、机器人技艺的本质区别

2. 演进历程和要害里程碑经过回顾

1）早期具身智能理论奠基和要害节点

2）波士顿动力Atlas、特斯拉Optimus等等里程碑货品梳理

3. 具身智能的独特优势和革新点

1）对比传统机器人：自主性、适应性、泛化本领差异

二、具身智能的技艺架构全景

1. 感知-决策-执行的技艺闭环架构

1）感知层：多模态传感器融合的系统构成

2）决策层：强化研习和大模型赋能的决策制度

3）执行层：精密运动将控和运动规划

2. 大模型赋能具身智能的技艺趋势

1）大语言模型和机器人基础模型的融合路径

2）VLA（Vision-Language-Action）模型的演进现况

一、视觉感知

1. 摄像头、深度相机等等视觉传感器事务原理

1）RGB摄像头、ToF、深度相机的技艺原理对比

2. 图像识别、标的检测、语义分割等等要害算法

1）YOLO、Mask R-CNN等等主流算法在机器人感知中的运用

2）三维重建和SLAM技艺在机器人导航中的作用

3. 视觉感知在制造情境中的运用实例

1）质量检测和缺陷识别情境

2）物体抓取和分拣情境

二、听觉感知和触觉感知

1. 语音识别、声音定位等等技艺原理

1）语音交互在具身智能人机协同中的运用方式

2. 触觉传感器在精细操作中的作用

1）力/力矩传感器、触觉阵列的事务原理

2）触觉反馈在精细装配（如螺丝拧紧）中的要害作用

三、多模态资料融合办法

1. 资料层、特征层、决策层融合的技艺手段

1）早期融合和晚期融合的优劣对比

2. 多模态融合拉升感知准确性的实践路径

1）注意力制度、图神经网络等等融合算法

一、决策算法原理

1. 决策树、强化研习、深度研习等等决策算法原领会说

1）决策树：可解释性强的规则型决策

2）强化研习（RL）：试错研习的打法精进制度

3）深度强化研习（DRL）：高维状态空间的决策突破

2. 机器人在复杂环境中的路径规划实操

1）RRT、RRT*、PRM等等路径规划算法原理

2）基于深度强化研习的端到端路径规划办法

二、基于大模型的决策精进打法

1. 大模型在复杂决策差事中的优势和挑战

1）LLM的推理本领赋能机器人差事拆解和规划

2）幻觉问题、实时性挑战和化解方案

2. 具身智能和大模型融合的实践路径

1）SayCan、RT-2等等代表性事务拆解

一、汽车制造实例

1. 比亚迪、吉利等等国产头部车企产线机器人的运用实践

1）焊装、涂装、总装工序中的机器人运用

2）柔性产线和多车型共线生产技艺

2. 特斯拉上海工厂人形机器人部署情况

1）Optimus在工厂物流情境的落地进展

二、3C电子制造实例

1. 苹果供给链头部代工公司自动化产线的具身智能运用

1）SMT贴片、组装、测试工序中的运用模式

2. 立讯精密、闻泰科技等等头部代工公司的机器人运用

1）精密连接器生产中的视觉带出机器人运用

三、物流仓储实例

1. 顺丰、京东物流的搬运机器人和分拣系统

1）AGV/AMR在大型仓储中的运用架构

2. 离散制造车间柔性物流机器人的运用模式

1）工业AMR在车间物流中的多机协同方案

四、特种作业实例

1. 耐高温、高压、辐射等等恶劣环境特种作业机器人

1）核工业、化工厂等等情境的机器人运用实例

2. 精密制造情境中的高精尖机器人运用

1）半导体晶圆搬运机器人、微米级装配机器人

一，国外主流公司具身智能布局情况

1. 特斯拉Optimus，波士顿动力Atlas的人形机器人进展

1）技艺路线对比：灵巧手、视觉感知，双足行走

2. ABB、FANUC等等工业机器人巨头的具身智能布局

1）ABB的协同机器人YuMi和未来工厂愿景

二、国内和国外差异化比较

1. 技艺差距和优势领域拆解

1）硬件层：伺服电机、减速器等等核心零部件的国产化进程

2）软件层：大模型和机器人结合的本领差距

2. 运用情境的差异化特点

1）国内制造情境的复杂性和柔性的独特诉求

三、我国在具身智能业界运用的优劣势拆解

1. 优势：供给链完整、运用情境充实、政策支持

2. 劣势：核心零部件倚重进口、基础研究薄弱

一、具身智能业界政策和资本动态

1. 国家以及地方具身智能业界政策梳理

1）北京、上海、深圳等等地机器人业界政策对比

2. 资本加持具身智能业界业界演进的路径

1）近三年具身智能领域投融资经过回顾

二、具身智能在制造领域的演进展望

1. 制造型公司导入具身智能的路径建议

1）分阶段推进：从辅助到自主的渐进路径

2）ROI评核和投资回报拆解轮廓

2. 具身智能和制造公司数智化的深度融合趋势

1）数字孪生和具身智能的协同运用

收束和答疑

一、课程核心学识点回顾

二、制造业导入具身智能的常见挑战和化解打法

三、参训者问题交流答疑

说明1：以上为初步拟定的课程纲要，会根据贵方实际诉求开展针对性调整。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|焦波老师