AI专题报告：人形机器人的AI算法，如何借力于自动驾驶FSD

在我们的研究框架中，AGI、混合虚拟现实、元宇宙均描述的是未来成型的生态。

在我们的研究框架中，AGI、混合虚拟现实、元宇宙均描述的是未来成型的生态。AGI/虚拟现实的真正实现，首先依托于智能科技视角下的两条技术路径——混合平台、重构时空，人形机器人即混合平台的一种工程方案。智能科技视角下，chatGPT 是生产力范畴、MR 眼镜与人形机器人是不同的计算平台/新空间，我们预计其中 MR 眼镜将于 2024 年进入 C 端，人形机器人预计将于2026 年进入家庭 C 端。 

国内外市场对人形机器人产业进程的分歧巨大（落脚于能否2026 年进家庭 C 端），源于硬件的诸多关键部位均需 0-1 的定制化研发，软件（主要是 AI 算法）部分则较车端自动驾驶更具挑战。我们本篇报告聚焦于软件部位的 AI 算法部分：AI 算法部分为何至关重要？自动驾驶 FSD 详细分析及最新进展、人形机器人的 AI 算法部分如何借力于 FSD？ 

软件算法的迭代速度、技术高度对人形机器人的导入速度、产品高度起到决定性的作用，且随着硬件体系成熟，软件算法的重要性会愈加凸显：1）人形机器人与传统机器人的突破在和物理世界的实时感知交互，决定其实现的关键在于软件算法；2）算法能力的提升在一定范围内会降低对硬件的依赖与精度要求，参考自动驾驶方案逐步降低对雷达的依赖走向纯视觉方案；3）当产品的成熟度达到一定高度后，硬件趋向同质化，很难体现出产品的差异性，在一定范围内所体现出的重要性或将逐步降低，而软件的成熟度、稳定性等因素将日益成为影响产品差异性竞争力的重要因素。

特斯拉自动驾驶自研方案经历四次重要迭代，当前形成了“4D空间+占用网络”的核心架构。自动驾驶方案主要有感知、决策规划、运动控制三个模块，其中感知层相当于自动驾驶的“眼睛”，帮助汽车理解所处的外部环境，感知模型的输出是基础；建立在准确、可靠的感知输出结果上，决策规划模型相当于“大脑”，对自车及周边环境轨迹进行预测，通过打分机制筛选出最优运动轨迹输出给运动控制模块；获得行动轨迹后，运动控制模块将其分解为方向转向、行车速度等操作指令，将其传输给方向盘、油门、刹车等执行器进行操作，最终实现对汽车的控制。