本文來自格隆匯專欄：中信證券研究 作者：袁健聰 李景濤 楊澤原 丁奇 胡葉倩雯 黃耀庭 李鷂 夏胤磊

特斯拉在推特（X）平台上展示了Optimus機器人的最新進展，視頻展示了視覺自標定、顏色分揀任務、單腳保持平衡等能力。從技術角度上看，特斯拉展示了機器人End-to-end技術路線可能性，依靠視覺自標定產生真實世界的數據，通過Dojo訓練end-to-end網絡，由圖像直接生成機器人的控制指令並執行，並實現了顏色分揀任務。中信證券認為，該方案與其FSD的運行模式類似，FSD以及Dojo的成功經驗有望加速機器人迭代速度，由單一任務向多任務拓展。建議關注特斯拉機器人相關受益標的以及特斯拉引領下機器人end-to-end網絡和機器人姿態控制相關有望受益的公司。

▍事項：

2023年9月24日，特斯拉在推特（X）平台上展示了Optimus機器人的最新進展，視頻主要分為三個部分，四肢的視覺自標定、按顏色分揀任務和單腳保持平衡，對此中信證券點評如下：

▍機器人中的視覺自標定（self-calibrating）對標自動駕駛中的自動標註（auto labeling），為機器人訓練提供真實世界數據集。

在視頻的第一個部分，展示了機器人的視覺自標定能力，僅通過視覺和關節編碼器，可以精確的定位四肢在空間中所在的位置。對於機器人訓練而言，經標註過的真實世界訓練數據集往往難以獲得，需要大量人工手工標記，並且從二維圖像到三維空間中映射的位置難以保證精度。特斯拉通過視覺自標定算法，通過視覺圖像以及關節角度，可以自動生成精確的三維空間的位置數據，產生訓練數據集。視覺自標定可類比特斯拉FSD中的自動標註，大幅提升了數據集標註的效率，為後續網絡訓練奠定基礎。

▍展示機器人End-to-end技術路線可能性，純視覺+端計算，未來有望複製自動駕駛（FSD）的成功路徑。

過去來看，相比於新能源汽車，機器人具備更高的自由度、更復雜的動力學模型，機器人的端到端網絡非常難訓練。視頻的第二個部分，展示了機器人在端到端網絡下的顏色分揀能力，展示了該技術路線的可能性。此外，特斯拉提到：1）純視覺：機器人採用純視覺方案作為感知，神經網絡的輸入只有圖像；2）端計算：特斯拉機器人的神經網絡運行是完全本地的（fully on-board），無需採用雲計算，並且在人的干擾下仍可以實時重新決策和執行；3）end-to-end：特斯拉機器人採用end-to-end，視頻作為輸入，控制作為輸出（video in, controls out）。從純視覺+端計算+end-to-end網絡這幾方面來看，特斯拉機器人與其FSD的邏輯架構十分接近，在Dojo的訓練平台加持下，機器人未來有望複製FSD的成功路徑。

▍單腳保持平衡，炫技機器人運動控制能力。

視頻第三個部分，機器人展示了單腳保持平衡等若干“瑜伽”動作。單腳保持平衡相比於雙腳保持平衡的難度進一步提升，對機器人的位控環和力控環要求進一步提升。具體而言，機器人中IMU傳感器、關節力/力矩傳感器以及制動器在單腳平衡任務中發揮重要作用。IMU通過監測機器人的整體姿勢和傾斜角度，從而為人形機器人的位控環提供了重要反饋信息；力/力矩傳感器作為力控環的感知設備，在機器人保持平衡中提供實時力反饋支持；制動器在機器人展示拉伸、瑜伽姿勢時最後形成動作定格的過程中，確保機器人的精度和穩定性。特斯拉機器人已能實現單腳保持平衡，展現了強大的運動控制能力，強調了核心零部件的重要性。

▍特斯拉有望引領行業技術路線，相關產業鏈值得關注。

除了特斯拉本身的進展展示之外，特斯拉對於行業技術路線的引領是值得關注的。類似於特斯拉引領下，自動駕駛的技術路線有向不借助高精地圖、不依靠激光雷達的純視覺方案發展的趨勢。中信證券認為，在特斯拉的引領下，機器人中純視覺+end-to-end網絡+端計算架構的應用，有望受到行業內其他同行關注，成為未來機器人的重要技術路徑之一。

▍風險因素：

機器人技術路線變動風險；機器人技術進步速度低於預期；機器人應用場景發展潛力低於預期。

▍投資策略。

特斯拉人形機器人最新進展視頻，展示了end-to-end網絡在機器人中閉環的可能性。中信證券認為機器人end-to-end網絡在實現單一任務後，遷移到其他任務的速度是很快的，後續迭代速度有望加速，複製FSD的成功路徑。建議主要關注三條投資主線：1）特斯拉迭代速度加快，特斯拉人形機器人相關受益公司；2）機器人End-to-end網絡下有望受益的公司；3）機器人運動控制。

注：本文節選自中信證券研究部已於2023年9月24日發佈的《新能源汽車行業機器人行業重大事項點評一特斯拉End-t0-end方案初現，有望複製FSD成功

路徑》報吿，分析師：袁健聰S1010517080005；李景濤S1010520120003；楊澤原S1010517080002；丁奇S1010519120003；胡葉倩雯S1010517100004；黃亞元S1010520040001；李鵬S1010521070005；黃耀庭S1010521060003；夏磊S1010521090005