اخیراً، وزارت صنعت و فناوری اطلاعات استان آنهویی اخیراً "برنامه اقدام برای توسعه صنعت ربات های انسان نما در استان آنهویی (2024-2027)" (از این پس "برنامه اقدام" نامیده می شود) منتشر کرد که بیان می کند که تا سال 2027، یک سیستم نوآوری اولیه و بومشناسی صنعتی برای صنعت رباتهای انساننما استان آنهویی حول سیستم هدف «23456» ساخته میشود و قابلیتهای صنعتیسازی را شکل میدهد.
در عصر امروز، فناوری رباتهای انساننما با سرعتی بیسابقه در حال توسعه است و تغییرات عمیقی را در صنعت، صنعت خدمات و حتی زندگی روزمره ایجاد میکند. با بهبود عملکرد محاسباتی، پیشرفت در یادگیری ماشین و تئوری کنترل، و پیشرفتهایی در علم مواد جدید، روباتهای انساننما به تدریج از صفحات علمی تخیلی به دنیای واقعی میروند و به یک نیروی مهم محرک پیشرفت اجتماعی تبدیل میشوند.
اخیراً CCTV Finance گزارش داده است که روباتهای انساننما یک صنعت نماینده با حس قوی از آینده هستند. بر اساس یک گزارش سازمانی، انتظار میرود که مقیاس صنعت رباتهای انساننما چین تا سال 2026 از 20 میلیارد یوان فراتر رود. در عصر کنونی انفجار فناوری هوش مصنوعی مولد، روباتهای انساننما به احتمال زیاد به رشد غیرمنتظرهای در آینده دست خواهند یافت. .
بر اساس گزارش موسسه تحقیقاتی توسعه صنعت اطلاعات الکترونیک چین "تحقیقات مشاوره CCID"، صنعت ربات های انسان نما در سال 2023 وارد دوره انفجاری خواهد شد و ماشین های کامل عملکردی به تدریج جریان اصلی را اشغال خواهند کرد و پتانسیل توسعه عظیمی در آینده خواهند داشت. در محیط کار و زندگی انسان، ربات های انسان نما می توانند وظایف کاری پیچیده و متنوع را انجام دهند و به انسان ها در کارشان کمک کنند یا جایگزین کنند. انتظار می رود ربات های انسان نما اولین کسانی باشند که به کاربردهای نمایشی در زمینه صنعتی دست پیدا کنند و به تدریج جایگزین انسان در زمینه های خاص شوند و پس از رسیدن به سطح بالایی از بلوغ در زمینه معیشت مردم به طور گسترده ای استفاده شوند.
بر اساس گزارش قبلی آیتی هوم، وزارت صنعت و فناوری اطلاعات در آبان ماه سال گذشته «نظریههای راهنمای نوآوری و توسعه رباتهای انساننما» را صادر کرد و پیشنهاد کرد تا سال ۲۰۲۵، سیستم نوآوری رباتهای انساننما بهطور مقدماتی ایجاد شود. و پیشرفتهایی در فناوریهای کلیدی مانند "مغز، مخچه و اندام" برای اطمینان از تامین ایمن و موثر اجزای اصلی ایجاد خواهد شد. در عین حال، محصولات ماشین کامل به سطح پیشرفته بین المللی رسیده و به تولید انبوه دست یافته اند. آنها در سناریوهای خدمات ویژه، تولیدی و معیشتی نشان داده شده اند و به کار گرفته شده اند و شکل گیری مکانیسم ها و ابزارهای حاکمیتی مؤثر را بررسی می کنند.
از منظر ثبت اختراعات موثر فناوری، چین وارد خط مقدم رقابت در زمینه فناوری ربات های انسان نما در جهان شده است. طبق دادههای در دسترس عموم از موسسه تحقیقات روزانه مردم، چین تا 31 می 2023، دارای 3110 حق ثبت اختراع معتبر برای روباتهای انساننما است که در رتبه اول جهان قرار دارد. تعداد درخواست های ثبت اختراع برای ربات های انسان نما 6618 است که رتبه اول را نیز در جهان دارد. از منظر وضعیت ثبت اختراع سازمانی، در بین ده متقاضی برتر با بیشترین تعداد ثبت اختراع موثر برای رباتهای انساننما در سطح جهان، Ubisoft Technology، Data، و دانشگاه Tsinghua/موسسه فناوری پکن (مساوی) به ترتیب در رتبههای اول، نهم و دهم قرار دارند. ; علاوه بر این، ژاپن 5 نهاد وارد ده شرکت برتر است، در حالی که کره جنوبی و ایالات متحده هر کدام یک نهاد وارد ده شرکت برتر هستند.
رباتهای انساننما بهطور مداوم فناوریهای جدیدی مانند هوش مصنوعی، یادگیری ماشین، بینایی کامپیوتر و غیره را برای دستیابی به توانایی تصمیمگیری مستقل بالاتر، توانایی درک دقیقتر و توانایی حرکتی انعطافپذیرتر ادغام میکنند. نوآوری این فناوریها توسعه رباتهای انساننما را به سطح بالاتری سوق میدهد و سناریوهای کاربردی گستردهتر آنها را گسترش میدهد.
روباتهای انساننما به تدریج از حوزههای صنعتی سنتی به مناطق خدماتی مانند مراقبتهای بهداشتی، آموزشی و خدمات خانگی گسترش خواهند یافت. در زمینه پزشکی، ربات های انسان نما می توانند به پزشکان در انجام جراحی، آموزش توانبخشی و سایر وظایف کمک کنند. در زمینه آموزش، روباتهای انساننما میتوانند به عنوان کمک آموزشی برای کمک به دانشآموزان در درک بهتر دانش عمل کنند. در زمینه خدمات خانگی، ربات های انسان نما می توانند وظایفی مانند نظافت، مراقبت از سالمندان و کودکان را بر عهده بگیرند. این سناریوهای کاربردی جدید فرصت های بیشتری در بازار برای روبات های انسان نما به ارمغان می آورد.
در حال حاضر ربات های انسان نما وارد دوره انفجار صنعتی شده اند. در عین حال، صنعت کنونی با مشکلات و چالش هایی مانند بلوغ کم تکنولوژیکی و محصول، مشکل در ساخت و نگهداری در مقیاس بزرگ، محدودیت در سناریوهای کاربردی با ارزش بالا و دشواری در پیاده سازی تجاری سازی مواجه است.