当地时间24日，特斯拉机器人官方账号Tesla Optimus更新了“具身智能首秀”。

在介绍中，特斯拉称，人形机器人Optimus（擎天柱）已可以自主对物品分类，其神经网络训练是“完全端到端的”——即可实现视频信号输入，控制信号输出。

在视频中，特斯拉机器人展示了视觉自标定、颜色分拣任务、单脚保持平衡等能力，在感知、大脑、运动与控制方面具备多项亮点：

在感知方面，通过视觉感知及关节位置编码器，Optimus便可自动校准四肢，并精准定位四肢的空间位置。

在大脑方面，凭借纯视觉技术及完全本地部署的神经网络，其可以迅速适应环境并完成多项任务。

其将蓝色与绿色积木分别分拣到对应颜色的托盘之中，即便在抓取积木过程中，有人在一旁将积木打乱，Optimus也可以立即调整并适应新环境，继续分拣积木。与此同时，其还可以将翻倒的积木摆正，并执行“打乱分类好的积木”等新任务。

在运动控制能力方面，Optimus可以精准抓取物品，在做出动作时，该机器人的四肢、躯干、手指动作都极为灵活，且与人类接近。此外，Optimus还做出多个单腿支撑的运动拉伸动作，并能在拉伸的同时保持躯干平衡。

值得注意的是，特斯拉端到端模型输入端为视频信号，即图像及音频信号的混合输入，但此次展示显示，其识别部分神经网络算法仅使用视觉信息。

中信证券认为，特斯拉V12自动驾驶的算法体系同时应用于人形机器人及汽车是可行的，且有利于加速提升识别算法的泛化能力。随着特斯拉展示了机器人端到端技术路线可能性，该方案与其FSD的运行模式类似，FSD以及Dojo的成功经验有望加速机器人迭代速度，由单一任务向多任务拓展。

分环节来看，（1）在输入端，分析师指出，本次特斯拉展现的图像识别，2D及3D相机都可实现，选配核心为成本控制因素，国内视觉镜头及相机等核心零部件厂商已具备此类产品生产能力，产品配套方案及产品性价比值得关注。