L'année 2026 sera le point de départ et une grande année pour la narration robotique. La piste des robots devrait bientôt connaître son moment GPT. Les projets de robots connexes sont encore à un stade précoce et valent la peine d'être suivis. La 3G a apporté WeChat, la 4G a réalisé Douyin, l'émergence d'applications de niveau killer repose souvent sur l'évolution des infrastructures sous-jacentes, bien que la plupart du temps, ces dernières ne soient pas facilement perçues par le grand public. L'évolution des robots repose principalement sur trois conditions : données + modèles + matériel. —— Modèle (le cerveau du robot). L'apparition de VLA combinée avec le robot lui-même a permis au robot de passer d'une "exécution de programme prédéfini" à un cycle autonome de "perception-décision-action". De plus, la capacité de généralisation du modèle a considérablement augmenté, le modèle peut désormais traiter des tâches complexes de longue traîne comme plier des vêtements. Certains modèles d'intelligence incarnée open source rendent également cette technologie de plus en plus démocratique. —— Matériel (le corps du robot) Actuellement, les robots domestiques peuvent passer de la phase de prototype à celle de l'expérimentation. Les composants du robot comprennent à peu près ces parties : système de contrôle (pensée et calcul), système de capteurs (capteurs visuels et de force, etc.), système d'exécution (moteurs de couple, freins, réducteurs, etc.), système d'alimentation (batteries lithium). Actuellement, le coût du matériel reste élevé, donc la plupart des scénarios d'utilisation des robots sont encore des scénarios industrialisés. Les scénarios industriels seront également les premiers endroits où les robots seront commercialisés à grande échelle. —— Données (le sang du robot) Actuellement, la collecte de données des robots se fait par plusieurs méthodes principales, l'une étant le contrôle à distance de véritables machines, l'autre étant la simulation. Les données de haute qualité provenant de véritables machines sont essentielles, mais le coût de collecte est extrêmement élevé. Imaginez combien il est coûteux d'acheter un Franka à 30 000 dollars pour faire de l'entraînement de données chez soi. Ainsi, l'industrie utilise des technologies de simulation et des modèles pour synthétiser et prédire des données, compensant le manque de données réelles. On peut chercher de bons projets cibles sous ces trois aspects. Cette année, il pourrait également y avoir une multitude de mèmes sur les robots, restez à l'affût.