ロボティクス・ステート 2023
グローバルロボットに関する最終的な2023年年度報告書 硬件,データ,AI方法,展開傾向 シリコンバレーのロボットセンターからの無料研究
年間報告 · 2023
グローバルロボット工学 硬件,データ収集,AI訓練方法,および業界における部署傾向に関する最終年度報告書
[レポートを読む]
発行年4月2023年 42ページ 無料
2023年 番号
6つのデータポイントが この年の世界のロボット産業の状況を決定しています
年間14億2000万ドル
2023年にはグローバルロボット市場が 2022年には1210億ドルから18%増加する
72% RL
強化学習は依然として支配的な訓練方法であり,商業ロボット部署の72%で使用されています.
年間520ドル
平均的なデータ収集コストは 時給で
2 について
商業的なヒューマノイドプラットフォーム
3.9M
世界中で産業ロボットが設置され,新設の68%が中国に占拠されている.
4億10億
ロボット業界におけるグローバル・VC投資は 2021年22月のピークから下がり マクロ逆風が資本規律を強要した.
内容表
[ 固定リンク ]
総計
総括
](
年間
ハードウェア 景観
03 について
データ 問題
関連
AIと学習方法
ロープ
縦部部署
図書
投資と資本
07 について
2023年の突破の瞬間
年間
2024年の見通し
第1章
総括
2023年は再校正年でした. 2年間の破綻の投資,野心的なタイムライン,そして製品よりもテクノロジーデモのようなヒューマノイドプロトタイプの波の後,グローバルロボット業界は2023年を期待と展開の間のギャップを考慮して過ごしました.その計算は生産的でした. 2023年から強力な立場に浮上した企業や研究グループは,信頼性の高いハードウェア,より良いトレーニングデータ,厳格な展開検証を中心とした企業です.
グローバルロボット市場は2023年に142億ドルに達し,2022年に18%増加した.その成長率は健康であるが,2021年2222年の22%のペースから減速を示している.これはより緊密な資本市場と業界の投機的な終盤の修正を反映している.VC投資は2021年のピークで63億ドルから410億ドルに減少した. 流通した資金は より規律的で 戦略投資家は勢い駆動的な一般主義者を置き換えました ロボティクスシリーズAラウンドの平均注意期間は 6週間から11週間に延長されました
五金方面では,従来の産業ロボットが3.9百万台 (IFR) で,設置された基盤の大部分を占めていました.中国は世界最大のロボット市場として地位を固め,新規設置の68%を占めています. 人形セグメントは,頭文字を収録しながらも,商業化以前のままでした. 構造化された顧客関与のために利用可能なプラットフォームとして,DigitとBoston Dynamicsの開発プログラムであるアトラスの2つのプラットフォームのみを信頼性的に記述することができます.
再校正論文: 2023年はロボット工学にとって後退の一歩ではなかった. 業界がプロトタイプデモを展開準備と混同するのをやめさせた年でした.この再校正を早期に受け入れ,データインフラストラクチャ,オペレータートレーニング,展開信頼性への資源を再利用した企業は次のサイクルを定義します.
AI方面では,強化学習は,導入されたロボットシステムの72%に力を入れ,主导的なトレーニングパラダイムであり続けました.模倣学習は,操縦作業の潜在性を示した学術作業によって22%に牽引力を獲得しました.ハイブリッドカテゴリ (6%) は小さく残ったが,単一の方法がすべての展開シナリオを解決できないという認識を拡大した. 2023年の最も重要なAIイベントは,10月にGoogle DeepMindがRT-2
データの収集は業界で最も持続的なボトルネックであり続けました 高品質の遠隔操作デモの平均コストは520ドル/時間で,トレーニングに必要なデータセットを構築することは最も資金がよく供給されている組織を除くすべての人にとって非常に高価でした.標準化されたデータフォーマットはまだ広く採用されていなかった. ほとんどのチームは,プロプライエタリなスケーマでデータを収集し,組織間共有を不実用化しました.RLDSとレロボットのフォーマットが登場すると2024年に変更が開始されますが,2023年にはデータ問題はほとんど解決されていません.
第2章
ハードウェア 景観
2023年のロボットハードウェア市場は2つのスピードの物語でした.従来の産業部門は,自動車と電子機器の製造需要によって,ファヌック,ABB,KUKA,ヤスカワが製造する6軸腕,SCARAロボット,カルテジアンシステムなどが安定的に成長し続けました. 一方,中国のOEMから低コストで研究を中心とした新しいハードウェアが生まれ始めていたが, 2024年以降に特徴となる規模や生態系深さをまだ達成していない.
伝統的な産業支配
国際ロボット連盟は2023年末までに世界的に390万台の産業ロボットが設置されたと報告し,新たな記録となった.年間輸送量は約553,000台に達し,その73%は自動車,電子,金属/機械製造の3つの垂直分野に向けられている. 中間産業部門の平均販売価格は2万8000ドル~4万5000ドルで安定した状態で,この市場セグメントの成熟度と競争の規律を反映しています.
中国が重力の中心でした.国別に世界規模での設置の68%で,中国
協力ロボット (コボット)
共同ロボット部門は2023年に19%成長し,より広範な産業市場を上回った.ユニバーサルロボットが市場主導権を保持したが,中国のコボットメーカー,特にJAKA,Dobot,Elite Robotはアジア太平洋市場において重要なシェアを獲得した. コボットはより広い産業カテゴリー内 (総輸送の約8%) のニッチであり続けましたが,成長経路は伝統的なケージとフェンスパラダイムを超えて多様化している市場を示した.
商業 人類 の 誕生
2023年にヒューマノイドロボット工学は,活発な活動と商業生産が限られた分野であった.Agility Robotics デジタルは,構造化された商業パイロットに部署された最初のヒューマノイドロボットとなった.アマゾンは10月に完成センターでテストプログラムを発表した. ボストン・ダイナミックスはアトラス開発プログラムを継続し,ハイドロリックアトラスプラットフォームから2024年に発表される電気再設計へと移行した. これらの2つを超えて,ヒューマノイド・ランドスケープは主にプロトタイプ開発の様々な段階で資金がよく調達されたスタートアップで構成され,Figure AI (2023年に設立された) Apptronik,1X Technologies,およびUnitreeを含むいくつかの中国人参加者 (後に四肢からヒューマノイドに転換する)
ハードウェア現実チェック: ニュース頭文字にもかかわらず,2023年に実際のテストに50人の人間像ロボットが投入された.デモビデオと展開現実の間のギャップは依然として巨大でした.このギャップを公に認めた企業は,時間表に過剰な約束をするのではなく,後回の資金調達で価値のある信頼性を獲得しました.
中国 成長するハードウェアエコシステム
中国OEMは長い間低コスト産業部門を支配していたが,2023年は研究・AI準備のハードウェア部門への進出の始まりとなった. Unitree (B1とB2四駆) と AgileX (モバイルベース) と Elephant Robotics (デスクトップ腕) のような企業は,西側の研究ハードウェアの精度にまだ匹敵していないが,劇的に優れた価格対能力比を提供したプラットフォームを輸送を開始した. 米国や欧州の製造業者から15,000ドルを費やした研究級の腕は,中国のサプライヤーから4,000~7,000ドルに推定される.この価格圧縮は2024年に劇的に加速する.
グローバルロボット市場規模 ($B)
ソース:RCSV研究,IFR,PitchBook
2023年 (%) に別々のロボット装置
ソース:RCSV研究,IFR
| Country | Share of Installations | Key Driver |
|---|---|---|
| China | 68% | Government subsidies, EV/electronics manufacturing |
| Japan | 9% | Automotive, aging workforce |
| United States | 8% | Logistics, reshoring initiatives |
| Germany | 5% | Automotive OEMs, Industrie 4.0 |
| South Korea | 5% | Electronics, shipbuilding |
| Rest of World | 5% | Mixed |
第3章
データ 問題
ロボット学習の現状を把握する一つの文が 2023年にあったら,それはこうでした:誰もがデータがボトルネックだと知っていたし,ほとんど誰もそれを修正するスケーラブルな計画を持っていなかった. ロボットトレーニングデータの収集のコスト,複雑性,そして分散は,コンピュータよりも,アルゴリズムよりも,ハードウェアよりも業界で最も拘束力のある制約であり続けました.
520ドル/時間 現実は
2023年に高品質の遠隔操作データの1時間の平均的な完全読み込みコストは約520ドルでした.この数字にはオペレーター労働,ハードウェアの減価,環境設定,データ浄化,フォーマット変換が含まれています. 標準的なピックアンド・ロークタスクでは,信頼性の高いポリシーを訓練するために200500回のデモが必要で,データ予算は1回のトレーニング試行前に5万13万ドルの範囲でありました. 1,000以上のデモを必要とするより複雑な操作タスクでは,予算は25万ドルを超えることができます.
費用曲線は2020年に820ドル/時間から2023年に520ドルに減少していましたが,幅広く採用を可能にするために減少のペースは十分ではありませんでした. 主要なコスト要因は,オペレーターの専門知識 (訓練された遠隔操作事業者は稀でプレミアム料金が要求されていた) ハードウェアの設定時間 (各データ収集セッションに重要な校正が必要だった) と標準化された品質スコアがない (チームが収集されたエピソードの手動品質レビューにかなりの努力を費やした).
手工データ問題: 2023年には,ロボットデータ収集は,工業生産よりも手工製造に似ている.各チームは独自の収集セットアップを構築し,独自のオペレーターを訓練し,独自の品質基準を定義し,独自の形式でデータを保存しました. この手工的なアプローチは高品質の個々のデータセットを生産しましたが,集計,共有,ベンチマークを極めて困難にしました.
標準形式はない
広く採用されたロボットデモデータ形式の欠如は,おそらく2023年に最も有害な構造問題であった.研究グループは,カスタム HDF5 計画,独自のバイナリーフォーマット,または緩やかに構造化されたファイルディレクトリにエピソードを保存した.GoogleのRLDS (Reinforcement Learning Datasets) フォーマットは存在したが,Google関連プロジェクトの外では批判的な量に達しなかった. Hugging FaceのLeRobotプロジェクトは初期段階の開発でした.実用的な結果として,両ラボが同様のハードウェアを使用した場合でも,重要な技術的努力なしに,一つのラボで収集されたデータセットは,別のラボで直接使用できない.
遠隔操作 ハードウェアの制限
2023年に利用可能な遠隔操作システムは機能的でも高価でエロノミック的にも困難でした.ジェロのリーダーフォローアームシステムおよび類似のプロジェクトでは5,000~15,000ドルで,重要な専門知識が必要でした. VRベースのテレ操作 (Meta Questまたは類似のヘッドセットを使用) は,より低いエントリーポイントを提供したが,細かい操作作業のためのデータ品質を劣化させた遅延とマッピングの課題を導入した.オペレーターパフォーマンスとデータ品質を改善するハプティックフィードバックは,$50,000以上の研究システムでのみ利用可能であった.
規模 の 要求
これらの制約にもかかわらず,2023年には,有意義な規模でのデータ収集を組織する最初の試みが行われた.GoogleのRT-X協力により,21の研究機関が参加し,当時最大の多体ロボットデータセットである22種類のロボットに約13万話が集まった. プロジェクトでは,データ共有の可能性と,その実現に必要な膨大な調整費を証明した.データセットの存在は,概念を証明し,その建設コストは,根本的に異なる収集インフラストラクチャが必要であることを証明した.
データ収集コスト/時間 ($)
ソース:RCSV Research,事業者の市場データ
第4章
AIと学習方法
2023年のロボット工学におけるAI・ランドスケープは強化学習が支配されていたが,次の質問が सताされていた.答えは10月にGoogle DeepMindのRT-2紙で届きました.この論文では,大きな視覚言語モデルが直接ロボット行動に適応できると証明された.しかし,その研究結果から商業的な影響への旅はさらに18ヶ月かかるだろう. 2023年には 実際に導入されたツールが より古いもの 証明されていて 魅力的ではありませんでした
強化 学習: まだ 王
強化学習は2023年に導入されたロボット学習システムの72%を占めた.支配力は2つの領域に集中した. 移動 (RLが足のロボットに明確に優れていることを証明した) と構造化操作 (タスク報酬がはっきりと定義できる). Agility Robotics,Boston Dynamics,Unitreeなどの企業は,RL訓練されたポリシーを,ローモーションコントローラの基礎として使用した.操作では,RLは明確な成功基準の作業に最もうまく機能した.
制限は同様に明らかでした.RLは構造化されていない環境で長距離で接触に富んだ操作作業を困難にしていました.RLだけでタオルを折り畳む,サンドイッチを準備する,または食料品袋を梱包する方針を訓練することは,非常に困難でした.大規模なシミュレーションキャンペーンまたは報酬エンジニアリングが非常に複雑で,エンジニアリングの努力がプロジェクトタイムラインに支配していた.
模倣 学問: 競い て いる 人
模倣学習 (IL) は2023年に導入の22%を占め,急速に成長していた.催化剤は,ILが驚くほど小さいデータセットサイズで信頼性の高い操作性能を達成できると証明した一連の学術結果であった. トニー・シャオとスタンフォード大学の同僚が2023年に発表した ACT（Action Chunking with Transformers） 論文では,わずか50回のデモで訓練されたトランスフォーマーベースの IL政策が接触豊富な双手操作作業を実行できると示しました. この結果は,有用なILのためのデータ要件が以前考えられていたよりも低い可能性があることを示唆したため,応用ロボットコミュニティの想像力を捕まえた.
実践的な魅力は単純でした 報酬機能の設計や何十億ものシミュレーションエピソードを実行する代わりに チームが数百のテレオペレーションデモを集め 直接政策を訓練することができます 制限されたデータに訓練されたIL政策は,訓練分布の外に脆弱性がある傾向があったが,よく定義された環境を持つ多くの企業用例では,この制限は受け入れられる.
**RT-2信号:**Google DeepMindのRT-2論文 (2023年10月) は,今年の最も重要な研究成果の一つでした. 55Bパラメータのビジョン言語モデル (PaLM-E) が自然言語指示からロボットアクションを出すために調整できると証明することによって,RT-2は次の年に支配するビジョン言語行動 (VLA) パラダイムを確立しました. 2023年には TPUパッドで動作する研究器具で 2025年までに 子孫は消費者のGPUで動作する
ハイブリッド 方法
残りの6%の部署はハイブリッド方法を使用した.通常は低レベルの制御 (関節トルク,バランス) と IL または高レベルのタスクシーケンシングのための古典的な計画と組み合わせたRLを使用した.この架構は,車輪または足のベースがRL訓練された移動が必要とする移動操作で最も一般的な. ハイブリッドアプローチは実用的で操作的には複雑で,チームには2つの分離したトレーニングパイプラインを維持し,それらの間のインターフェースを管理する必要がありました.
模擬: 基本的だが 十分ではない
物理シミュレーション (主にアイザックジム,ミュジョコ,ピブルレットを通じて) は2023年にRLトレーニングに不可欠なものとなりました.実質的にすべての移動政策と多くの操作政策は,実際のハードウェアに移行する前に,完全にまたは部分的にシミュレーションで訓練されました. 模擬政策が現実世界の物理と遭遇するときに Sim-to-Real 性能低下は,依然として技術的課題の中心でした.ドメインランダム化 (模擬条件の広範な分布を訓練する) は標準緩和戦略でしたが,効果的に実装するには,重要な専門知識と計算が必要でした.
訓練方法の採用 2023 (%)
源:RCSV年次開発者調査,n=640
第5章
縦部部署
ロボット部署は2023年に伝統的な産業垂直分野に重点的に集中した.自動車と電子機器の製造は,単位量による商業ロボット部署全体の65%を占めた.物流は,継続的な電子商取引ブームと持続的な倉庫労働力不足を反映した第三位の垂直部門であり,成長最速でした. 垂直の長い尾は 食品サービス,医療,農業 生命の兆候を示し始めていましたが,まだ試行プロジェクトから持続的な商業展開までの限界を突破していない.
自動車: アンカー垂直
自動車製造業は2023年に世界ロボット部署の38%を占めた.これは新しいことではありません. 伝統的な
電子製造
電子機器は半導体製造,PCB組み立て,消費者電子製品の最終組み立てによって推進された展開の27%を占めた.電子機器の製造の精度要求は位置精度と力制御の境界を押し続けました.SCARAロボットと小さな六軸腕がこの垂直に支配しており,平均サイクル時間は数分ではなく秒で測定された. 継続的なチップ不足と再投資 (米国におけるCHIPS法,EUのチップ法) は,新しく建設された工場における自動化に対する需要を増加させ始めていました.
物流:成長の垂直
輸送における物流と倉庫は18%を占め,同年比31%増加しました 垂直のどの主要分野でも最も速い成長率です. 主要な形体要因は,輸送用自動移動ロボット (AMR) と排列とパレット化用固定武器でした. AMRからモバイル操作者 (武器を持つ基地) への移行は始まったが,初期段階にとどまりました. 2023年には,世界各地の物流環境で500台未満のモバイル操作者が展開されました.アマゾン,ウォルマート,およびいくつかの欧州物流事業者は主要な購入者でした.
浮上する垂直
食品サービス,保健サービス,農業は2023年に世界中で1000台未満のロボットユニットを展開したが,不均衡な投資の関心を引き寄せていた.食品サービス自動化 (自動調理,配送,配送) は,日本,韓国,そして特定の米国市場におけるQSRチェーンで試行進されていた. 医療機器は,主に外科システム (Intuitive Surgical
産業の垂直部署 2023
ソース:RCSV研究,IFR
| Vertical | Share of Deployments | YoY Growth | Leading Form Factor |
|---|---|---|---|
| Automotive | 38% | +12% | 6-Axis Industrial Arm |
| Electronics | 27% | +15% | SCARA / Small 6-Axis |
| Logistics / Warehousing | 18% | +31% | AMR / Fixed Arm |
| Food / Pharma | 8% | +24% | Cobot / SCARA |
| Other | 9% | +18% | Mixed |
第6章
投資と資本
ロボティクス投資景観は,修正という単一語で定義されました.歴史的に上昇したベンチャー活動2021年に630億ドル,2022年には580億ドルを経て,グローバルロボティクスVC投資は41億ドルに減少しました.これは崩壊ではありません. 過剰な期間を経て 基本に戻り 利率上昇 LP へのコミットメントの強まり そして ディープテクノロジー の 垂直部門に 影響を与える リスク回避の普遍化でした ロボット学特有の動態は,展開の時間軸が過度に圧縮されたことを認識し, 2023年までに商業的なヒューマノイド展開を期待していた投資家は,最も先進的なプログラムでさえ,意味のある収益から18~24ヶ月だった現実に直面していた.
戦略的資本への移行
2023年の投資景観で最も大きな変化は資本の量ではなく,その源であった. 2021年22年のピークを推し進めた金融VCは急激に下がった.その代わりに,戦略的投資家たちは前進した. 自動車OEM (Hyundai, BMW, Mercedes-Benz),物流事業者 (Amazon, DHL),技術企業 (NVIDIA,Google,Microsoft) は,Aシリーズからロボット企業にとって支配的な資本源となった.戦略投資家は,運用専門知識,展開サイト,顧客関係に富んだ資産を導入し,ロボット企業にとって純粋な金融支援よりも価値があった.
中国:政府主導の投資
中国におけるロボット投資景観は異なる動力で動いていた.中国のロボット企業への民間投資が世界的な修正をたどった一方で,政府支援の資金と市政投資プログラムは部分的に減少を補償した.深
**2023年の投資修正は,2021年22年に膨張した評価で上昇した企業にとって痛いものでした.現在は平面またはダウンラウンドに直面しています.しかし,それは全体的に業界にとって健康でした.企業は,物語やプロトタイプ示範に頼るよりも,展開メトリックを示す必要がありました. この規律は後来の回復の基礎となるでしょう
評価圧縮
ロボット業界Aシリーズにおける金前の評価は2022年に3500万ドルから2023年に2200万ドルに減少し,37%の圧縮となった.ソフトウェアやデータ差別化に関する明確な記述がないハードウェアのみの企業にとって修正は最も厳しい. 繰り返し収益への道を示せる企業 (データサービス,ソフトウェアサブスクリプション,または艦隊管理) は, hardwareのみの同類よりも1.52倍高い評価を同等収益水準で維持した.
グローバルロボット・VC投資 ($B)
ソース:RCSV研究,ピッチブック,クランチベース
第7章
2023年の突破の瞬間
逆転点であることが判明しました 2023年には 5つのことが最も重要でした
1. RT-2:VLAパラダイムが登場 (Google DeepMind,2023年10月)
RT-2 (ロボットトランスフォーマー2) は,特に55億パラメータのパラマテルの PaLM-E 変数に 視覚的観測や自然言語のタスク説明から直接ロボットアクションを出すために調整できると実証した. このモデルは新しいオブジェクトでRT-1よりも一般化に3倍の改善を達成し,言語モデルの意味力理解を活用して訓練されていない指示に従うことができた.結果はまだ展開できていなかった (リアルタイム制御にはインフェレンスは遅すぎていた),しかし,次の世代のロボット学習システムを定義する建築テンプレートを確立した.
ACT:効率的な模倣学習 (スタンフォード, 2023)
トニー・シャオと同僚の "Transformers Action Chunking"の論文では 比較的単純なトランスフォーマーアーキテクチャが 50回のテレオペレーションデモで訓練され 接触力豊かな双手操作を行うことができると示しました 重要な洞察は,単一の時間ステップではなく,行動の連続を予測する,時間一貫性を向上させ,複合エラーを減らす.ACTは,次の12ヶ月間,応用ロボット学習における最も複製された結果となった.
3. アギリティ・ディジット アマゾン (2023年10月)
Agility Roboticsは,そのDigitの人形ロボットがAmazonのコンプリメントセンターでトート移動作業のためにテストされていることを発表した.展開は構造化パイロットであったが (商業的な販売ではない) Fortune 500の会社によって,人間形ロボットが実際の商業物流環境に配置されたのは初めてであった. 世界最大の企業は 人形形形を 演示のためではなく 実用的な仕事のために 評価していました
4 波士頓動力アトラス:電気移行
ボストン・ダイナミックス社は2023年の大部分を"水力発電から完全電気操作"に"アトラスプラットフォーム"を移行するために費やした. 新しい電動アトラスは2024年4月まで公開されず,2023年に行われた技術作業は,高トルク電動アクチュエーターを開発し,スケーラビリティの製造のためのプラットフォームを再設計し,研究ではなく商業的なアプリケーションに oriente されたソフトウェアスタックを構築した.
5 図 AI 設立 (2023)
図AIは,商業部署のための一般用途の人類型ロボットを構築するという明示的な目標で2023年に設立されました.この会社は7000万ドルのシリーズAを調達し,ボストンダイナミックス,テスラ,GoogleDeepMind,Appleのスペシャルプロジェクトグループから集まったチームで投資家を引き寄せました. 図の設立は初期製品 (初期開発段階にあった) で重要ではなく,人形ロボットに対する資本市場の信念について表明したものであった.さらに広範な修正中に,最も優れたチームは人形プログラムのための実質的な資本を調達することができた.
** パターン:** これらの突破の瞬間はそれぞれ共通点がある. モデルの大型AIと物理ロボット学の融合. RT-2は概念を証明した. ACTは小型チームにとって実用化した. DigitとAtlasはハードウェアが現実環境のために準備ができていることを示した. 図の設立は,資本が融合に賭け準備ができていることを示した. 2023年には,これらは別々の糸であった. 2025年までに 単一の組織になります
第8章
2024年の見通し
ロボット学を予測することは謙虚な仕事です.この報告書の2022版は,人間型商業化のペースを過小評価し,応用ロボット学習に対する基礎モデル研究の影響を過小評価しました.正直に提示された警告を踏まえて,RCSV研究チームは2024年を定義すると考えているテーマはこちらです.
1.データインフラストラクチャは別々のカテゴリーとして登場する
年間520ドル/時間データ収集コストは 2024年に減少し始めます. 標準的なデータフォーマット (RLDSとレロボットが採用され) と,標準的なデータ収集業務のために,より安価な遠隔操作ハードウェア (リーダー・フォロワーシステム3000ドル未満) によって,コストは 2024年4月までに350~400ドル/時間に達すると予想されます. データ収集インフラを建設する企業は,投資家の大きな関心を引き出すでしょう.
2. VLAモデルは研究から Dev-Previewに移行する
RT-2 の後,我々は2024年に少なくとも2つのオープンソースのVLAモデルリリースを期待している.これは商業的に利用可能なGPUでインタラクティブな速度で実行される.これらは生産準備ができていないが,研究チームや資金が十分に調達されたスタートアップがVLAベースの配備パイプラインを構築し始めるには十分である.研究と製品間のギャップは閉じるようになる.
3 ヒト化機器の展開は商業化以前のまま
組織化パイロットが拡大する 計画では 2024年末までに 3
4 投資は安定する
グローバルロボット・VC投資は 2024年に4555億ドルで安定すると予想しており,その混合は戦略投資者に向け動いている.ヒューマノイドセグメントは,Figure AI,1X Technologies,Apptronikなどの企業から非常に大きな弾丸が数少ないため,不均衡な資本シェアを引き寄せます (総ロボット・VCの3040%を推定しています).
5\ 中国が加速する
中国が2024年にロボット開発を進める野心が強くなると,政府による公式なヒューマノイドプログラム,ハードウェアコスト圧縮を継続し,西側国境のラボに競合する中国のVLA研究が登場する.中国のハードウェアコスト優勢は,グローバルロボット経済における構造力となる.
2024年の概要: 2024年はロボット産業が 信頼性のある展開に 移行する年になる.
[2024年の報告書を読む →]
ロボットフォームファクターミックス (%)
ソース:RCSV研究,IFR
この報告を引用する
機械産業の現状2023:グローバルロボット産業に関する年次報告. _ RCSV研究.
複製引用
ロボット に 進歩 し て ください
ロボット部署,データ収集,物理的なAIに関する最新情報を メールボックスに届けます