RoboCat面世，“Self-improving”为通用机器人铺平道路。1）近期，Google DeepMind推出RoboCat，其基于其多模态模型Gato，可在模拟和物理环境中处理语言、图像和动作。2）自我提升的关键在于自我生成训练数据。RoboCat可基于输入的机械臂操作实例，通过练习生成新的训练数据，并将新数据合并进入训练集，用于新版本RoboCat的训练，持续迭代。3）“通用性学习能力”为RoboCat强项，可快速适应不同机械臂和任务操作。在多样化训练下，即使新的机械臂更加复杂，它也能在几个小时内学会操作，并且在观察1000个由人类控制的示范项目（仅仅几个小时就收集完毕）后，便能灵巧指挥新的机械臂。4）RoboCat具备良性的训练循环，学习新任务越多，就能更好学习额外新任务。最初版本只有36%概率成功完成以前未接触的任务，但最新版本已接受更多不同任务训练，成功率增加一倍多。同时，RoboCat完成现实世界训练任务的成功率要远高于传统基于视觉的模型方案。5）RoboCat独立学习技能和快速自我提高的能力，特别是应用于不同的机器人时，将有助于为新一代更有效、通用的机器人铺平道路。

从通用机器人到行业机器人，“ViT+GPT+机械”为标准范式。1）行业机器人的实现难度相对通用机器人更低，而多模态GPT的发展是通往行业机器人的钥匙。多模态GPT助力机器人在交互能力、规划控制能力、泛化能力、感知能力等多方面得到极大提升。与此同时，ViT可应用于各种模态，使用transformer编码器得到包含输入模态特征的编码，可行性已经得到了以上业界众多工作的验证，成为了多模态GPT的典型范式。Google推出5620亿参数的PalM-E模型，将540B PaLM 和ViT-22B结合。通过ViT将连续的具体观察结果（例如图像、状态估计或其他传感器模态）以类似于语言的方式注入到语言模型中，可以执行多种具体任务，包括机器人操作规划、视觉问题解答、生成字幕等。并具备能与数据集中不存在的物体交互的泛化能力。2）执行器是实现动态运动的最关键的部分，当前业界与学界有众多型号的人形机器人，分别采用不同的方案。根据UCLA《Design of a Highly Dynamic Humanoid Robot》分类，目前有腿机器人的执行器方案可分为高速齿轮减速+力矩传感器执行器、串联弹性执行器、本体驱动器和液压执行器等。伴随机器人需求持续释放，产业链也有望迎来景气。

建议关注算法及行业机器人潜力公司：

风险提示：机器人技术迭代不及预期风险；经济下行超预期风险；行业竞争加剧风险。