拿到经纬4000万投资之后,他要消灭机器与人的距离,提升5倍分拣效能 AI资讯

/ / 2020-07-27
[导读]武汉库柏特成立于2016年5月,主要研发机器人操作系统,核心团队来自华为和西门子,团队规模50个人左右,创始人李淼为瑞士洛桑理工大学工学博士、麻省理工博士后。今年3月,库柏特宣布获经纬中国4000万元A轮投资。“10年前我就在搞机器人抓取,10年后还在搞这......
[ 导读 ] 武汉库柏特成立于2016年5月,主要研发机器人操作系统,核心团队来自华为和西门子,团队规模50个人左右,创始人李淼为瑞士洛桑理工大学工学博士、麻省理工博士后。今年3月,库柏特宣布获经纬中国4000万元A轮投资。

“10年前我就在搞机器人抓取,10年后还在搞这个。机器人的其他方向我判断不了,但是机器人有一个方向我知道,机器人和人的智力一定是越来越接近。所有的电子设备只要和人的距离近,就会有前途。” 库柏特创始人李淼接受采访时说。

武汉库柏特成立于2016年5月,核心团队来自华为和西门子,团队规模50个人左右,创始人李淼为瑞士洛桑理工大学工学博士、麻省理工博士后。公司主要研发协作机器人系统,可应用于传统机械臂。其针对客户的不同需求进行定制化系统设计和开发,可应用于上下料的无序分拣、手机或者航空叶片的力控打磨、智能示教、智能贴标以及零件装配等。业务层面,库柏特主攻物流行业,同时也覆盖医疗和3C制造行业。

其实在2016年回国创业之前,李淼的人生计划是去MTK,但与几位教授聊完之后,他发现这条路比较稳定,也没有太大的激情继续做之前的事情。“几位教授告诉我一句话,如果你的人生没有一点不确定性,将会变得非常无聊。”李淼回忆。

今年3月,库柏特宣布获经纬中国4000万元A轮投资。近日,李淼在接受采访时透露,目前在准备B轮融资,已经拿到投资人2个TS,本轮融资1亿元左右,估值约5亿元。融资主要用在市场、渠道推广,以及打造物流产品线。

“在机器人抓取领域,全国只有五六个人比我强”

可能很多人都见过工业机械臂工作的场景,但那些都是计算机设定好的程序,然后机械臂按照设定轨迹运动。相比之下,机器人抓取是没有规则的,因为被抓取物体的形状、材质和所在的位置都不相同,要求机器手能够实时识别和抓取各种物体。

机器手就像人的手。

人的大脑有40%计算量都是用来控制脑和眼睛,身体其他所有部位所需计算量加起来是60%,而这里面,手所需要的计算量是最多的。因为手上有非常多“传感器”,人类进化了几十亿年才能够完成抓取这一看似简单的动作。

“做机器人抓取的中国人,基本是从国外高校毕业的,做了5-10年以上的只有5、6个人,他们不在BAT这些大公司。”李淼说,“做抓取的人为什么少?因为以前大家都嘲笑这个行业,认为工人都可以完成这个动作,没有行业应用前景。”

但是近年来,我国劳动力成本急速攀升。牛津经济研究院发布的一份研究报告中就给出了这样的数据。这份报告分别将美国2003年、2012年和2016年的劳动力成本设定为基准值,可以发现2003年时中国的劳动力成本仅为美国的四成左右,但2012年时就已经接近美国的成本。而2016年中国的劳动力成本仅比美国便宜4%。

在高人力成本的压力之下,迫使诸多公司欲借助机器代替人做抓取,库柏特正是为这些企业提供AI+软件+硬件的解决方案。李淼说:“我们的核心技术是将硬件软件化,软件AI化。其实很多需要用硬件来解决的问题,可以通过软件解决,比如抓名片,传统的抓取是设定一个程序,仅能在同一个位置抓取,而我们可以在任何一个位置抓取,这是硬件的软件化。软件定位之后,因为我们摄像头有一个视觉传感器,能识别手机、名片等很多物体,有学习和推广的能力,即软件的AI化。”

例如,某厂商需要抓取服务,可以先从硬件厂商(比如库卡、新松)那购买一个机械臂,库柏特再为其加上一个AI+软件的操作系统(反过来也把硬件公司吸纳到平台里面去),最终为用户提供一个AI+软件+硬件的解决方案。李淼透露,库柏特的机器人抓取准确度大于99%。

可以能很多人会有疑问:新松、库卡这些巨头为何不切入机器人抓取领域?

李淼解释,这些大公司更多是卖机器人本体,只能告诉机械臂怎么动,但是做不了抓取这件事,因为机械臂没有识别物体的能力。而且这些大公司都有自己的操作系统,不可能让它的系统能够兼容所有其他一切的机器人。

其实,大公司的思路是类似苹果做闭环系统,自己的系统自己用。而库柏特走的是安卓的思路,把机械臂买回来,再打包卖给客户。大公司只会控制机器人的关节,库柏特的定位是做更上层的,做他们控制器的控制器,大公司只做一个DOS(磁盘操作),而库柏特是在DOS上加了一一个操作系统。

李淼透露,库柏特已经与京东、阿里达成合作,阿里的定位是做开放平台,对外技术合作不奇怪;其实京东自己也在研发机器人抓取,但是没搞出来,因为这个领域技术壁垒确实很高。

他还表示,市场上的大部分机器人抓取从各个方面都不成熟,包括视觉、触觉、力学传感器都不成熟,目前工业上主要用的是机械臂+吸盘,只能走固定的轨迹,但是缺了一个“大脑”。人的眼睛和手的动作,实际上是大脑完成的,机器人上没有大脑。

盈利方面,库柏特是通过后续软件的维护和升级来变现,类似SaaS模式,李淼介绍,库柏特的客单价35万元左右,目前已经卖了几十套,今年预计营收2000万元。

消灭机器人与人之间的距离,提升5倍物流分拣效能

仔细观察我们身边的智能硬件就会发现,离我们日常生活的距离越近,商业价值越大,比如手机已经成为随身必带的产品,它的商业价值巨大。而机器人(比如陪伴机器人、客服机器人)离我们的距离约10米,它的商业价值难以充分发挥出来,而机器手正是将机器人与人之间的距离拉近。

李淼说:“我们希望在未来机器人与人的距离能够缩短到1米,在未来二十年我们希望将这个距离能够缩小到10厘米,在未来三十年能够缩小到1厘米。希望有一天机器人能够跟我们完全无障碍近距离接触,到2050年这是我想实现的一个目标。”

业务层面,库柏特的主要客户集中在物流行业。物流是一个劳动非常密集的行业,数据显示,中国每天有2亿个包裹需要运送,而这2亿个包裹是用人的手来分拣,同样的动作每天需要6亿次。统计下来,每一年至少有100万人在做分拣。

李淼说,机器人相对人来做极大节省成本,一台机器人可以替换4-5个人,至少节省一半以上成本。而且机器人不只是节省成本,现场很多公司根本招不到人,因为现在的年轻人都是95后和00后,不愿意干这些无聊重复的活。

深度学习黑匣子:不知道多少数据最适用

AI的下半场是数据之争。

关于AI,工业界和学术界一直有一个很大的分歧,学术界认为算法很重要,工业上更强调场景。李淼坚定认为,场景肯定是大于数据,数据大于算法。因为对于创业公司,AI的算法很难独享。而且算法都是基于机器学习,本质上需要大量廉价、可靠的数据,才能让算法又用武之地。

但是,数据训练有一个很大的问题,不知道数据什么时候是合适的。数据有2个维度,一个是质量的维度,不知道这个数据在维度是否是足够,比如要分辨很多人说话,单纯通过录音是不是足够的,是否还需要拿其他的视觉信息才能分辨出来。比如自动驾驶,有的人用雷达,有的人将激光,GPS以及深度摄像头做技术融合,但没人能保证多少种技术是足够的,所以只能不断加传感器,但很多人其实是假想它是足够。

还有一个维度是数量是否足够,为什么深度学习是10万个数据能够让这个算法跑起来,而不是两万、一万,它的下线是什么,上线在哪,没人能想清楚。

李淼举例说:“我们之前在一个食品的案例里面,测了一个30万组的数据,后来发现10万组也够,2万组效果也差不多。而要做30万组数据需要的人力成本非常高,而2万数据的人力成本低很多。”

在不同的场景下,数据的要求也不一样,比如人脸识别和语音识别场景需要的数据不同,但是没人能分析为什么。

无论从数据的质量维度和数量维度分析,本质上是因为深度学习理论上难以支撑。人能够举一反三,触类旁通,但是机器不能。人首先要模仿,从常识转化为经验,经验转化为模型,模型转化为最终的选择。而大多数的算法还停留在常识阶段。

云从科技创始人周曦此前在接受采访时说:“深度学习是非常庞大的一个神经网络,这个网络很好,技术能做出非常好的结果,但它不知道如何得出这个结果。如果我不创业了,我会继续研究深度学习,这里面还有很多的黑匣子。”

李淼认为,数据需要在封闭的具体场景,不能是无限开放的场景。封闭的场景是指有一定的技术门槛,在一个较小的垂直领域,市场现在看起来还很模糊。比如我们选择机器人抓取,也是因为巨头没有这些基因,他们习惯于在程序上改变交互,但没有从物理上改变,而这个行业本身是一个比较小的行业,没那么多人去做,但是未来机器人需要这些东西。而一些开放的场景是一个蓝海,比如自动驾驶、服务机器人等,巨头都会来做,创业公司最好避开。

人工智能——2017年最火热的标签。对于众多AI试水者,你知道如何平衡技术与需求吗?你知道如何利用政策事半功倍吗?你知道如何寻找公司的投资伯乐吗?12月14日,「2017创新者年会·AI产业应用峰会」,我们将邀请众多投资人、创业者、AI领域精英共同探讨,不仅是AI+产业+应用,这里是需求方和技术提供方的沟通平台,是政策专家与企业方的交流平台,是投资人与企业方交流的互猎平台,是应届毕业生和企业方的对接平台。多维度,更深度,来这里实现属于你的AI!