【行业研究报告】机械设备-机器人行业研究：垂直领域具身智能机器人的野望

态模型，并进一步增加运动控制实现VLA（视觉语言动作模型）。近年目标检测、3D语言映射、对象表示、策略学习、
任务规划等研究突飞猛进，显著提升了机器人感知、决策、控制能力，打造具身智能落地基础。
任务规划等研究突飞猛进，显著提升了机器人感知、决策、控制能力，打造具身智能落地基础。
垂直领域缺数据、推理慢、控制难等问题有望解决，加速产业化落地：目前的通用机器人距离成熟产业化应用还有一
定距离，其中受到了真机数据有限、大模型推理时间太长、运动控制难度较高等多种因素影响。要解决这些问题，我
们认为更多的还是要针对某一垂直领域场景进行突破，数据方面通过供应链、机器人企业、用户、政府等共同发力实
现场景零到一突破，通过机器人部署增加真机数据获取量，加速实现“数据飞轮”；推理时间的问题可以通过调优更
“小”的垂直领域模型解决，贴合场景应用需求同时匹配边缘算力；同时我们认为不必追求人形形态，仅上肢的具身
智能工作站、轮式机器人也有较好应用前景，其运动控制算法更成熟，更容易实现产业化落地。
哪些场景前景大？
潜在场景寻找思路：我们一方面认为工业机器人渗透率越低，未来的应用前景越大，因为工业机器人完成了标准化行
业的自动化升级，剩下的柔性化程度较高的行业则需要利用大模型的泛化能力实现自动化，例如塑料化工、食品加工、
家电等行业有较多工序工业机器人应用成熟度较低；另一方面认为可以从“缺工”角度出发，招工难是终端用户最直
接的需求痛点，例如餐厅、家政、物流、养老、服装等行业有较好具身智能机器人应用前景。
服装：服装行业是典型的劳动密集型行业，尤其是缝纫环节主要依靠人工难以实现自动化升级，主要由于处理布料柔
性化程度过高无法通过工业机器人完成。但目前整体来看针对布料处理的大模型、传感器均有了一定的成熟度，1X
世界模型具备针对布料折叠生成长时程任务模拟能力、FLIP框架在布料折叠任务中可生成长期规划方案、SSFold方
法可对未见过的布料完成折叠、帕西尼灵巧手传感器可实现不同布料材质识别。同时缝制机械领军企业杰克股份联合
多家高校开始攻关服装机器人，服装行业的垂直机器人开发有望加速。
康养：我们认为康养场景是具身智能机器人最终实现家庭应用的最优过渡场景，下游面临“招工难”痛点，同时产业