中国老龄化趋势加剧,人口红利逐渐消失,已成为普遍认知。人力成本上涨的同时,当代年轻人就业观也已变化,很多人不再愿意前往“高强度、高危险、污染严重”的工厂一线,制造业行业普遍陷入“招工难”的窘境。在此背景下,引入作为替代性方案的机器人成为趋势。
据国际机器人联合会(IFR)今年2月发布的报告,2010年到2016年,中国工业机器人市场增长了5倍多。2013年以后,中国已连续四年成为全球最大的工业机器人市场,中国占全球市场的市场份额从2013年的1/5,到去年已接近1/3。
不过,在梅卡曼德机器人 CEO 邵天兰看来:工业机器人市场仍然有大量的需求没有被满足,由于智能性和灵活性的缺乏,工业机器人在很多新场景中难以被广泛应用;以货品分拣、机器上料等场景为例,由于待操作的物体往往是混杂放置的,而目前市面上提供的混杂分拣方案尚不成熟,大量工作仍依赖人工完成;此外,目前国内协作机器人市场现状还在于核心技术依赖进口、成本(如系统集成成本)昂贵、软件操作门槛高难度大。
就此需求,梅卡曼德机器人想借高性价比的视觉分拣、拆垛方案切入该市场。基于视觉的抓取,可以拆解为 5 个主要流程:看(摄像头)—识别—定位—抓取—执行。就技术而言,基于“眼睛”的“看”难度很大。邵天兰表示,传统 2D 摄像头无法准确确定混杂物体的位置,而目前的主流 3D 摄像头方案在性能(精度、速度、可靠性、适应性)与成本上不能满足工业要求。
比如 Kinect 主要为民用场景,精度达不到工业级要求;Ensenso 精度和速度达标,但在反光表面和暗色表面上表现欠佳,并且成本也较为昂贵(单个售价在10万人民币左右),更别谈造价更贵的 Enshape、SICK 等了。
梅卡曼德团队通过自主研发的 Mech-Eye 摄像头方案,将造价降低不少,虽然在原始信号质量方面有所损失,但配合其算法优势,对这部分损失进行了弥补,邵天兰称,和现有几种方案对比,该套方案在同一圆形薄铝板试样组、黑色铝管试样组中,点云图完整度、清晰度、准确度表现优于其他几种方案。
而在后续的识别、定位两步骤上,梅卡曼德团队的算法结合了传统算法、机器学习以及机器学习中的深度学习,以保证算法兼具传统算法的可靠性、快速性;传统机器学习的小数据量、可解释性;深度学习的复杂应变性。对于轨迹规划,邵天兰表示该技术在现有工业机器人中几乎没有应用,但是新场景的复杂性和不确定性使得轨迹规划技术成为必须。梅卡曼德的算法进行了大量工作以保证算法的速度和效果。
值得一提的是,其机器视觉开发框架不同于传统代码式框架,而是将其模块化、可视化,降低开发者、集成商以及客户的使用门槛。
Mech Viz 操控环境示意图
盈利模式上,梅卡曼德目前主要是提供整机方案,包括机械臂、相机和相应软件,其相机和软件方案客单价在 3.4 万左右。据悉,梅卡曼德已经在国内数个种子项目中技术落地。前不久,梅卡曼德与浙江清华长三角研究院达成了科技战略合作关系。
团队背景上,邵天兰本科毕业于清华大学软件学院,硕士毕业于德国慕尼黑工大(毕业论文满分)此后在德国协作机器人 Franka 公司工作了三年半。梅卡曼德联合创始人之一的付翱是清华精仪系的本、硕毕业生,毕业后在“工业机器人四大家族”之一工作数年,有行业经验积累。另外一位联合创始人丁有爽博士,先后就读于哈工大、清华大学和卡内基梅隆大学,发表过十余篇论文,拥有多项发明专利。德国汉堡大学计算机系终身教授、清华大学计算机系讲席教授、汉堡科学院院士张建伟教授,担任了梅卡曼德的技术顾问,做前沿技术方面的指导。
邵天兰表示,梅卡曼德团队当前有近 30 人,研发团队均毕业于国内外顶级高校,且不乏业内知名企业工作经历。年内预计团队会扩张到 50 人左右。
融资方面,梅卡曼德此前获得了华创资本(China Growth Capital)领投的数千万元人民币 Pre-A 轮融资,天使轮投资机构伽利略资本本轮继续跟投。本轮融资将被用于技术迭代和海内外市场拓展。