拜读维拉科技关于机器人相关信息的综合整理，涵盖企业排名、产品类型及资本市场动态：一、中国十大机器人公司（综合类）‌优必选UBTECH）‌聚焦人工智能与人形机器人研发，产品覆盖教育、娱乐及服务领域，技术处于行业前沿‌。使用NVIDIA Isaac Manipulator生成抓取姿势和机器人运动机器人‌中科院旗下企业，工业机器人全品类覆盖，是国产智能工厂解决方案的核心供应商‌。埃斯顿自动化‌国产工业机器人龙头，实现控制器、伺服系统、本体一体化自研，加速替代外资品牌‌。遨博机器人（AUBO）协作机器人领域领先者，主打轻量化设计，适用于3C装配、教育等柔性场景‌。埃夫特智能‌国产工业机器人上市第一股，与意大利COMAU深度合作，产品稳定性突出‌。二、细分领域机器人产品‌智能陪伴机器人‌Gowild公子小白‌：情感社交机器人，主打家庭陪伴功能‌。CANBOT爱乐优‌：专注0-12岁儿童心智发育型亲子机器人‌。仿真人机器人目前市场以服务型机器人为主，如家庭保姆机器人（售价10万-16万区间）‌，但高仿真人形机器人仍处研发阶段。水下机器人‌工业级产品多用于深海探测、管道巡检，消费级产品尚未普及。使用NVIDIA Isaac Manipulator生成抓取姿势和机器人运动资本市场动态‌机器人概念股龙头‌双林股份‌：特斯拉Optimus关节模组核心供应商，订单排至2026年‌。中大力德‌：国产减速器龙头，谐波减速器市占率30%‌。金力永磁‌：稀土永磁材料供应商，受益于机器人电机需求增长‌。行业趋势‌2025年人形机器人赛道融资活跃，但面临商业化落地争议，头部企业加速并购整合‌。四、其他相关机器人视频资源‌：可通过专业科技平台或企业官网（如优必选、新松）获取技术演示与应用案例。价格区间‌：服务型机器人（如保姆机器人）普遍在10万-16万元，男性机器人13万售价属高端定制产品‌。

NVIDIA 宣布与 Intrinsic. 就任务的基础技能模型学习展开合作。

工业制造中的许多拾取和放置问题仍然由人类操作员解决，为这些任务而仍具有挑战性。例如，在机器维护环境中，作为复杂的多步骤零件制造过程的一部分，协作机器人可以用来从料仓中挑选原材料零件，并将其送入机床或弯曲机。

这类机器人可以使用基础模型进行编程，从而实现基础模型在物体零件、机器人形态和现实世界的工业环境等方面显著的通用性。

本文介绍了使用 NVIDIA Isa Manipulator 生成抓取姿势和机器人运动的工作流，首先在NVIDIA Isaac 中进行，然后在现实世界中使用 Intrinsic Flowstate 执行。

感知也是通过 Flowstate 完成的，在 Flowstate 中，我们使用对象姿态估计包来获得杂乱场景中可抓取对象的位置和方向。

在本文中，我们在一个具有挑战性的取放应用程序上演示了该系统：一个机器人在杂乱的垃圾箱中抓取金属零件，并以精确的放置姿势将其区分。这些薄金属片本身很难被感知，因为一般的深度相机难以处理镜面，同时操作也有难度，因为需要使用吸盘夹具而不是手指。

用于抓取和运动生成的Isaac Manipulator

为了生成真空抓取的合成数据，我们使用了金属片和吸盘的 CAD 模型。在仿真过程中，我们针对每个物体尝试数千种抓取方式，并找到最优的解决方案。

良好的吸盘需要密封并避免金属板上出现的孔洞，我们还想避免金属板在运输过程中的晃动，这也是在仿真中需要确保的。

使用NVIDIA Isaac Manipulator生成抓取姿势和机器人运动 第1张

图 1. Isaac Sim 中的抓握示例

在生成了一组密集的抓取姿势后，我们使用物体姿势信息将其转换为机器人框架。然后，我们使用CUDA 加速运动生成库 NVIDIA cuMoon（由 cuRobo 提供支持）生成无碰撞轨迹，以移动机器人并实现其中一个目标抓取姿势。

其中一些姿势可能在运动学上无法实现，或者可能会发生碰撞，cuRobo 在规划轨迹时会对这两种情况进行过滤。作为参考，cuRobo 可以在 NVIDIA RTX 40 系列显卡上快速生成运动计划，仅需 30 毫秒。

在 Isaac Sim 中进行评估

我们首先在 Isaac Sim 中评估了工作流。仿真机器人来自配备有吸盘的定制 Kuka K10 臂的 CAD 文件。物体被随机定位，以仿真现实世界中的垃圾箱拣选场景。

我们没有使用物体检测器，而是直接从中获取物体姿态信息。我们利用了有关物体类型的地面实况信息，根据物体的初始姿态确定最佳可触及抓手。

利用 Intrinsic Flowstate在现实世界执行

我们的工作流直接从仿真转移到现实世界中的工作单元。实际的硬件设置包括一个外部校准的顶置多摄像头系统和一个配备吸盘的 Kuka K10 机械臂。

使用 Intrinsic Flowstate 中的原生对象姿态估计包来检测片状金属物体的位置。然后，使用 Isaac Manipulator 来计算对象的抓取位置，并计划一个无碰撞的轨迹来执行抓取任务。

最后，我们通过 Flowstate 中的位置在机械臂上执行该机器人轨迹。总的来说，在演示中实现了大约 8 秒/次拾取的循环时间。

展望未来

我们计划将框架扩展到更高级的智能拾放功能，例如机器。在这个例子中，机器人必须将抓取的物体精确地放置在某个位置或固定装置上，以便机器进行下游处理。