事件：特斯拉通过推特发布Tesla Optimus 人形机器人最新的展示录像，1）实现目标物件的自主筛分；2）运动控制通过端到端神经网络进行训练；

亮点1，视觉感知能力升级：

1）识别 ，精准实现四肢位置校准、运动控制，实现色差物件分类抓取；2）纠错，具备排除干扰、自动纠错能力（不受外部人员干预动作的影响，自动扶正倒置物件）

#运动控制通过输入录像视频进行训练，与人类的学习机制类似，区别于通过编程控制（需要预编程，占用内存）；

#与FSD V12的训练模式类似，意味着在自动驾驶汽车上的开发经验可以转移应用至人形机器人；

亮点2，运动控制能力升级：

#灵巧手，抓取放置物件的过程，对力度的控制能力强，整个动作展现出接近人手般的细腻和灵活；

#实现瑜伽的拉伸动作，并保持平衡，这要求极高的重心分配及动作定位、调整能力；

释放明确信号，通过自主学习的方式Optimus可以完成一列复杂动作，进一步的通过大量特定场景的任务素材输入和训练，Optimus能够在通用场景实现更复杂的工况和作业，只是时间的问题。

1、目前草根调研下来，大家普遍认为是超预期的。最超预期的点还是仅靠视觉+位置编码器就能借助算法实现这样的抓取。

2、快速咨询了国内专家比如智元等，整体上此前的研究中只有智元提到过一些这样的算法，其他国产的这块都还比落后；国产卷的地方主要在快速运动的运控算法层面，和T关注侧重有所不同。

3、目前海外研究的思路，Twitter下面马斯克回复了，底下楼层很多，我们还在一一总结，初步看下来外网也觉得很惊喜超预期，他们称这个是End to end neural network，Video in，Control Out；T在之前自动驾驶V12里实现的现在挪到了机器人上。外网认为这种“镜像”式的大模型学习最为超预期，而且特斯拉欢迎大家一起加入算法优化开发（比如他的瑜伽动作）。

4、硬件+算法上超预期的地方：特斯拉的静态平衡下算法做的很好，国内此前也提出过这个观点，特斯拉在静态场景下的精细化动作执行是他目标场景，所以带来了硬件方案的差异。

5、标的受益结论：所以视频中体现的特斯拉还是在自己原来的方案上进一步优化，整体上是利好全部T方案的硬件公司的（视频中此次着重提到的新的硬件的词语是——位置编码器，这个其实是在电机里，三花拓普总成的部分，上游生产这些的公司主要是禾川、奥普光电，但是这个准确说并不是新东西，这次的核心思路还是依靠比较简单的硬件+算法，实现了比大家预期好一些的效果）