¿Qué cambios aportan los modelos de gran escala a la robótica?

  • Una nueva generación de modelos de vanguardia está pasando de adaptarse a cambios en el color o la textura de los objetos a completar tareas nuevas con cero o pocos ejemplos. En entornos desconocidos y escenarios no estructurados, podría reducirse la dependencia del ajuste fino de cada tarea.
  • Goldman Sachs considera que esto acelerará la comercialización en ámbitos como la asistencia doméstica y la logística compleja, pero no hará que el sector madure de la noche a la mañana. Según la comparación de los expertos entrevistados, si se mide por la seguridad y la fiabilidad de la producción en masa, la manipulación robótica de propósito general sigue en una etapa comparable a las primeras fases del desarrollo de la conducción autónoma, pero se espera que el ritmo de avance tecnológico alcance entre 2 y 4 veces el ritmo histórico de la conducción autónoma.
  • Sigue existiendo una disyuntiva entre generalización y precisión: la fabricación industrial exige una fiabilidad y una precisión de repetición extremadamente altas y seguirá dependiendo de datos específicos y de control determinista del movimiento; los modelos de gran escala son más adecuados para entornos comerciales, logísticos y de servicios domésticos que requieren respuestas flexibles ante los cambios.

¿Qué pasos faltan entre comprender una tarea y realizar una acción?

  • La precisión actual de la percepción tridimensional sigue siendo insuficiente para gestionar de forma estable interacciones a escala milimétrica, y la latencia de inferencia también tiene dificultades para satisfacer las exigencias de estabilidad dinámica, operación a alta velocidad y recuperación rápida. El despliegue comercial también exige comprimir las capacidades de los modelos de gran escala en modelos de borde más eficientes para reducir los costes operativos.
  • Los expertos dividen la inteligencia robótica en tres capas: los modelos de alto nivel comprenden y planifican las tareas, la capa intermedia convierte las intenciones en trayectorias de movimiento y la capa de bajo nivel se encarga del control a alta velocidad y la retroalimentación de fuerza. A corto plazo, a los laboratorios de modelos de vanguardia les resultará difícil profundizar en la capa de bajo nivel, porque cada máquina tiene características electromecánicas distintas y también debe pasar por pruebas físicas, desgaste y reparaciones.
  • Por ello, Goldman Sachs considera que la diferenciación a largo plazo de los fabricantes de robots procederá cada vez más del control en tiempo real, la arquitectura de seguridad, el despliegue de modelos de borde y la integración de hardware y software. Aunque se utilice un modelo de gran escala de terceros como «cerebro», los fabricantes especializados en electromecánica de precisión y control del movimiento pueden seguir encargándose de la ejecución física.

¿Por qué podrían beneficiarse primero la recopilación de datos y la detección táctil?

  • La manipulación diestra implica múltiples grados de libertad de movimiento, contacto continuo y retroalimentación táctil. Los expertos estiman que alcanzar el umbral de producción de propósito general podría requerir unas 10 millones horas de datos de interacción multimodal de alta calidad, difíciles de sustituir por grabaciones de vídeo pasivas o con ruido convencionales.
  • El vídeo en primera persona ayuda a comprender las tareas, pero carece de información como la fuerza de contacto; la simulación puede generar rápidamente trayectorias de movimiento, pero detalles como la fricción y la deformación de los materiales difieren de la realidad y requieren calibración.
  • Los expertos ven potencial en las interfaces de manipulación de propósito general que recopilan datos de movimiento directamente en el punto de contacto entre la mano y el objeto, combinadas con detección táctil de alta resolución para compensar los puntos ciegos visuales causados por la oclusión a corta distancia y los errores de profundidad. Sobre esa base, Goldman Sachs ve con optimismo la demanda a corto plazo de hardware de recopilación de datos, como sensores espaciales tridimensionales y matrices táctiles.

¿Cómo se relacionan las oportunidades del sector con las empresas y las aplicaciones?

  • Goldman Sachs considera que combinar modelos fundacionales con robots colaborativos y la automatización existente en las fábricas también podría ser una solución práctica. Que los fabricantes se beneficien dependerá de si sus tecnologías de sensórica, recopilación de datos o control del movimiento, o sus componentes clave, pueden incorporarse a aplicaciones reales.
  • Goldman Sachs otorga una recomendación de compra a Inovance Technology, valorando sus capacidades de automatización industrial y control del movimiento, así como su cartera de hardware con capacidades de percepción y recopilación de datos. También recomienda comprar Shuanghuan Driveline y prevé que sus ingresos por robots de IA alcancen entre 400 millones y 500 millones de yuanes en 2027, más del doble de su nivel anterior.
  • La oportunidad de Sanhua Intelligent Controls en robótica reside principalmente en el montaje de actuadores. Goldman Sachs recomienda comprar sus acciones H y mantiene una calificación neutral para sus acciones A, con preferencia por las acciones H, de menor valoración; también considera que las expectativas del mercado sobre los robots humanoides son optimistas en relación con el avance de la producción de Optimus.