请仔细阅读本报告末页声明 证券研究报告 | 行业点评 2024 年 01 月 12 日 机械设备 Mobile Aloha 发布，机器人场景泛化能力进一步强化 事件：斯坦福华人团队重磅发布开源炒菜机器人 Mobile ALOHA，Mobile ALOHA 能在复杂的场景中完成各类任务，可以烹饪各类美食如滑蛋虾仁、干贝烧鸡、耗油生菜等，也可以做扫地、洗碗等清洁家务。Mobile ALOHA配备了 2 个腕部摄像头、1 个顶部摄像头，并配备了机载电源和计算，移动速度和人类速度相当，机器人操作重型家用用品时仍具有良好稳定性，所有自由度都可以同时遥控操作（包括移动底座和手臂）。最重要的，打造 Mobile ALOHA 的所有成本仅用了 3.2 万美元。 Mobile ALOHA 所展示出的泛化学习能力强劲，机器人应用潜力大。斯坦福机器人研究团队核心解决了两个问题：1）硬件端：打造了即插即用的全身远程操控硬件和证明了复杂任务的高性能双臂移动操作的可行性，这是机器人广泛应用于各种复杂场景的关键点；2）软件端：Mobile ALOHA 展示出了强大的模仿学习能力，机器人通过静态 ALOHA 数据协同训练的模仿学习，可以学习各种精细复杂的任务，研究人员通过 50 次的示范可以把机器人的自主任务成功率提升到 80%+，另外，用户使用 Mobile ALOHA 远程操控未见过的任务时，熟练度可以迅速接近专家级程度。Mobile ALOHA 的硬件和软件都已开源，预计斯坦福所展示的机器人在应用场景的潜力在未来将会被快速复制。 从传统炒菜机器人/机器人厨房到 Mobile ALOHA，大模型持续进步中。传统炒菜机器人需要自动备菜和放入菜等，机器人厨房中的 Moley 无法自由移动、只能通过记录学习以及没有足够强的泛化能力。Mobile ALOHA 相比之前的厨房/炒菜机器人拥有足够强的学习和泛化能力，可以自由移动且成本较低。尽管大模型在视觉和语言处理方面表现出变革性的能力，但在面对现实世界的机器人任务时，其泛化和微调仍然面临一系列挑战，未来我们认为大模型将会赋予机器人更强的能力，机器人将能够适应不同的任务和环境，提供更加智能和个性化的服务。 投资建议：机器人的场景泛化能力进一步强化，从 2B 到 2C，应用场景的拓宽打开机器人市场想象空间，建议关注产业链核心环节：：（1）第一梯队：鸣志电器、绿的谐波、三花智控、拓普集团；（2）丝杠：北特科技、贝斯特、五洲新春；（3）感知&力控：峰岹科技、敏芯股份、东华测试、汉威科技；（4）设备：田中精机、华辰装备、浙海德曼、日发精机。 风险提示：制造业扩产不及预期的风险，行业竞争格局加剧的风险，机器人应用模型开发不及预期的风险。 增持（维持） 行业走势 作者 分析师 张一鸣 执业证书编号：S0680522070009 邮箱：zhangyiming@gszq.com 分析师 何鲁丽 执业证书编号：S0680523070003 邮箱：heluli3652@gszq.com 相关研究 1、《机械设备：机器人硬件拆解七：丝杠生产工艺流程详解》2023-12-21 2、《机械设备：：机器人硬件拆解 6：末端触觉与力控》2023-12-21 3、《机械设备：机器人硬件拆解五：灵巧手传动装置解析》2023-11-23 -32%-16%0%16%2023-012023-052023-092024-01机械设备沪深300 2024 年 01 月 12 日 P.2 请仔细阅读本报告末页声明 内容目录 1 从 LLM 到 VLM 到 VLA，机器人应用模型迎来奇点时刻 ........................................................................................... 3 2 从传统炒菜机器人到 Mobile ALOHA，人工替代愈来愈近 ........................................................................................ 8 风险提示 .............................................................................................................................................................. 12 图表目录 图表 1：LLM 发展脉络 ............................................................................................................................................ 3 图表 2：LLM 在机器人上的应用 .....................
