人形机器人行为规划难度远高于自动驾驶

人形机器人决策难度更G：决策层依据感知层获取的信息进行决策判断，来控制机器人身体做出动作规划 并下发指令。特斯拉人形机器人与FSD底层模块打通，一定程度上算法可复用，但人形机器人需完成人类 各种动作，动作连续复杂、需频繁的物理交互且操作因果性多，算法难度远G于自动驾驶。

⚫ ChatGPT助力拆解任务：大语言模型擅长推断语言条件，并利用其代码编写能力，拆分任务，给出运动规划的 目标函数。

⚫ 实时反馈以便调整动作：依据感知系统的反馈，可实时调整动作规划，并执行