人工智能行业证券研究报告：机器人智能化三部曲，Meta及微软篇_26页_4mb

报告摘要

随着人工智能技术的不断进步，具备与物理世界交互能力的智能机器人成为学界和业界的重要研究方向。Meta和微软作为科技巨头，分别在机器人模型领域取得了显著进展，推动了机器人智能化的发展。

Meta：持续探索如何在小规模数据集上实现更优秀的机器人控制，注重提升数据效率，而非依赖大规模数据集。其推出的R3M、CACTI、ASC、MT-ACT等模型，分别在不同阶段实现了数据预训练、数据增强、技能协调和动作序列生成等关键技术突破。
微软：结合自然语言处理能力，推出LATTE和基于ChatGPT的机器人控制框架，通过自然语言指令实现对机器人轨迹的控制，展示了大语言模型在机器人控制中的应用潜力。

R3M：基于人类第一视角视频数据集(Ego4D)训练的机器人预训练模型，使用了时间对比学习、视频-语言对齐等方法，提升了模型的性能和效率。在模拟和现实场景中，R3M的成功率分别为62%和56%，显著优于CLIP等其他方法。
CACTI：可扩展的多任务多场景视觉模仿学习框架，通过数据收集、数据增强、数据压缩和训练四个阶段构建模型。在仿真环境中，CACTI的成功率可达62%，在现实环境中约为30%。数据增强对模型性能有显著提升作用。
ASC：采用强化学习与MoE技术融合的机器人控制模型，具备较强的抗干扰能力。在现实环境中，ASC模型在30次实验中实现了96.7%和100%的成功率，模拟环境中实现了94.9%的成功率。模型中加入的技能协调策略和纠正策略显著提升了性能。
MT-ACT：结合SAM视觉模型和动作序列生成技术，实现了在小规模数据集上的高成功率。在L1、L2、L3难度任务中，成功率分别为81.67%、65.17%和31.33%，在L4难度任务中也实现了25%的成功率，展现了其在有限训练数据下的强大性能。

LATTE：基于自然语言的机器人轨迹控制框架，使用Bert和CLIP模型处理文本和图像输入，生成符合用户指令的轨迹。在训练集内和外的指令处理中，模型分别实现了66%和46%的更好表现。
ChatGPT for Robotics：通过大语言模型处理用户指令，调用机器人控制API完成任务。通过提示工程设计的Prompt，ChatGPT可以生成代码，实现对机器人控制的复杂任务，如将颜色方块拼接成微软Logo。

数据效率提升：Meta更注重在小规模数据集上构建通用机器人控制模型，采用数据增强、人类视频数据预训练等方法。
技能协调与动作序列生成：ASC模型通过强化学习和MoE技术实现了技能协调，MT-ACT则结合SAM视觉模型和动作序列生成技术，提升了模型的通用性和任务完成能力。
自然语言与机器人控制融合：微软通过LATTE和ChatGPT for Robotics，展示了自然语言在机器人控制中的应用潜力。

股票评级：买入（相对涨幅15%以上）、增持（相对涨幅5%-15%）、中性（相对涨幅-5%-5%）、减持（相对跌幅5%-15%）、卖出（相对跌幅15%以上）。
行业评级：强于大市（相对涨幅10%以上）、中性（相对涨幅-10%-10%）、弱于大市（相对跌幅10%以上）。

中信建投证券研究发展部
- 北京：东城区朝内大街2号凯恒中心B座12层，电话：(8610) 8513-0588，联系人：李祉瑶，邮箱：lizhiyao@csc.com.cn
- 上海：浦东新区浦东南路528号南塔2103室，电话：(8621) 6882-1612，联系人：翁起帆，邮箱：wengqifan@csc.com.cn
- 深圳：福田区福中三路与鹏程一路交汇处广电金融中心35楼，电话：（86755）8252-1369，联系人：曹莹，邮箱：caoying@csc.com.cn
中信建投（国际）
- 香港：中环交易广场2期18楼，电话：（852）3465-5600，联系人：刘泓麟，邮箱：charleneliu@csci.hk

展开完整摘要