计算机行业机器人系列深度报告之二十三：机器人算法，硬件遇上现代AI算法

业及产业 行业研究/行业深度 证券研究报告 计算机 2025 年 03 月 04 日 机器人算法：硬件遇上现代 AI 算法 看好 ——机器人系列深度报告之二十三 相关研究 《机器人：三层融合，2025 年产业质变！——机器人系列深度报告之二十一》 2025/01/17 《科技：东西合璧，世界领军-重新审视TMT 地位、壁垒与估值（数字经济专题之新质生产力篇）》 2024/04/27 证券分析师 刘洋 A0230513050006 liuyang2@swsresearch.com 王珂 A0230521120002 wangke@swsresearch.com 戴文杰 A0230522100006 daiwj@swsresearch.com 屠亦婷 A0230512080003 tuyt@swsresearch.com 刘正 A0230518100001 liuzheng@swsresearch.com 韩强 A0230518060003 hanqiang@swsresearch.com 黄忠煌 A0230519110001 huangzh@swsresearch.com 洪依真 A0230519060003 hongyz@swsresearch.com 林起贤 A0230519060002 linqx@swsresearch.com 李国盛 A0230521080003 ligs@swsresearch.com 杨海晏 A0230518070003 yanghy@swsresearch.com 胡书捷 A0230524070007 husj@swsresearch.com 周文远 A0230518110003 zhouwy@swsresearch.com 研究支持 徐平平 A0230123060004 xupp@swsresearch.com 联系人 刘洋 (8621)23297818× liuyang2@swsresearch.com 本期投资提示： ⚫ 本篇尝试解答机器人领域新焦点问题：1）现代 AI 算法对机器人的帮助。2）当前热门机器人产品，其算法来龙去脉。3）从机器人行为特征，即可推测出什么算法发挥作用或失灵；4）东西方方案差异，西方投资者容易误解东方。本文承接 2025 年 1 月的《机器人：三层融合，2025 年产业质变！》后产业新问题。 ⚫ 机器人三大环节的 AI 算法中，控制部分是焦点。1）控制的动力学基础来自“拉格朗日“公式、或“牛顿-欧拉“动力学公式，稳定性判据的代表是”李雅普诺夫稳定性判据”。2）实际操作起来，误差积累较大，原因是复杂度/全局建模/符号运算/最关键的高次项。高次项的来源是：惯性力、科氏力、齿轮弹性变形、关节摩擦等。3）以 GPU为主的算力处理二次以上计算效率不高，常伴随这些现象：轨迹跟踪误差大、动作抖动、延迟卡顿、局部死循环、能耗异常。这也是限制过去机器人功能的重要因素。 ⚫ 现代 AI 方法，对机器人三大环节的提升 ：控制>规划>感知。1）控制环节：正文归纳了机器人控制的明细算法(例如上半身机械臂的关节空间、操作空间，下半身轮足的平衡控制、环境交互控制)，也展示了其依赖的数学和物理公式。可见“高次项”积累误差会大。现代 AI（强化学习、端到端等）对其增强会明显，可用“乘号”表示其增益效果。2）规划环节：正文展示了规划按照目标、环境信息、原理、场景划分的大类，以及在经典规划算法下的弱点。可以用“加号”来表示现代 AI 对规划的增强。3）感知环节： 类似梳理了各分支和现代 AI 算法的必要性。由于感知算法已在 AD/ADAS 领域得到充分研发与工程化，其技术外溢到机器人领域，已较为自然。4）我们将波士顿动力/特斯拉/Figure/宇树/云深处/智元公开信息体现的现代 AI 算法与之对应，增强说服力。 ⚫ 有趣实践：基于机器人动作，推测其算法。1)运动丝滑、柔顺。常为强化学习（RL）算法；2)协作性强。常为分层强化学习（HRL）、语义驱动算法；3)创造力强，可“人机互动”。例如用 VLA 模型；4)高速场景多。例如强化学习（RL）、低延迟（MPC）。 ⚫ 两个重要推论：关键学科与硬件方案；1）国内公司的算法聚焦在物理实用性、和数学延展性；海外公司的算法聚焦在实验室、数学完备性。2）AI 算法的差异，已经影响到各自硬件方案，文中给出了两个案例（减速器、驱动器从液压转电机）。3）西方投资者容易误解（常为低估）东方机器人产业链，因为是参照西方思维、产业链、算法习惯。 ⚫ 投资分析意见：1）已论述德赛西威、虹软科技、索辰科技、柏楚电子、比亚迪电子、优必选、中控技术、北特科技。2）白马：三花智控、拓普集团、恒立液压、绿的谐波、五洲新春、兆威机电、双环传动、银轮股份。3)黑马：道通科技、凯尔达、卧龙电驱等。 ⚫ 近期变化的领域或标的：1）边际增量变化灵巧手：凯尔达、汉威科技、兆威机电等；2）控制器；3）消费&医疗机器人（如微创机器人）；4）服务机器人（美团配送机器人）；5）部分有机器人新进展的公司：均胜电子、天准科技、芯动联科、成都华微。 ⚫ 风险提示：技术风险（技术融合方案多元化、迭代速度快）、竞争风险(上述至少五大类参与者均会布局)、市场风险（有可能 - 年是加速年，这些需要密切跟踪）、政策风险（产业发展，政府可能会加强对该行业的监管）、供应链风险、高市盈率风险（部分机器人股票市盈率偏高，可能伴随股价走势的波动）。 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共29页 简单金融 成就梦想 投资案件 结论和投资分析意见 维持行业“看好”评级。本篇报告从机械、自控、ICT 的底层技术开始推导，论述现代 AI 算法对经典机器人算法的帮助。若推导成立，预计 2025-2026 年机器人智能化程度类似 2024 年 AD/ADAS 一样质变。 原因与逻辑 现代 AI 算法解决控制难点很关键，解决后利于机器人大量推广。1）动力学基础来自“拉格朗日“公式、或“牛顿-欧拉“动力学公式，稳定性判据的代表是”李雅普诺夫稳定性判据”。2）实际操作起来，误差积累较大，原因是复杂度/全局建模/符号运算/最关键的高次项。高次项的来源是：惯性力、科氏力、齿轮弹性变形、关节摩擦等。而现代 AI 算法（例如强化学习），端到端对其改善和增强非常明显，容易被低估。 有别于大众的认识 投资者普遍尚未从底层技术原理分析 AI 算法对机器人能力的增强，难以衡量机器人的长期技术和产品能力。我们认为：现代 AI 方法，对机器人三大环节的提升 ：控制>规划>感知。1）控制环节：正文归纳了机器人控制的明细算法，也展示了其依赖的数学和物理公式。可见“高次项”积累误差会大。现代 AI（强化学习、端到端等）对其增强会明显，可用“乘号”表示其增益效果。2）规划环节：正文展示了规划按照目标、环境信息、原理、场景划分的大类，以及在经典规划算法下的弱点。可以用“加号”来表示现代 AI 对规划的增强。3）感知环节： 类似梳理了各分支和现代 AI算法的必要性。由于感知算法已在 AD/ADAS 领域得