工业机器人是个发展多年,相对成熟,且市场应用规模逐渐增长的市场,但在具体应用中,还存在很多亟待解决的问题,尤其是在工业机器人的易用性方面。
MUJIN是一家专注于为工业机器人提供通用型一体化解决方案的日本企业,创办于2011年。其创始人Issei Takino此前是精密工具制造商Iscar公司的一名销售经理,多年奔波于日本、韩国、中国的工厂中,使他既觉察到了工业机器人的发展趋势,也看到了隐藏其中的问题。
2014年,MUJIN获得了UTEC(University of Tokyo Edge Capita)领投,JAFCO跟投的600万美元B轮融资,其中JAFCO出于未知原因,并未对外公布该项投资行为。
Issei Takino 在2011年看到的趋势,得到了证券行业分析师和政策的佐证。据财富证券发布的报告显示,2015年全球工业机器人总销量达到24.8万台,并预测这个数字将在2018年上升至40万台。中国政府也在去年回应了这一趋势:《机器人产业发展规划( 2016-2020年)》中指出,到2020年自主品牌工业机器人年产量将达到10万台。
与市场趋势利好相悖的是,企业主采买工业机器人依然不是一件“轻松”的事情。雷锋网(公众号:雷锋网)了解到,就目前现状而言,业界认为工业机器人在应用中还存在以下缺陷:
易用性较差
让工业机器人“干活”有两种方式:一种是编程输入型,一种是示教输入型。由于机器人结构复杂,使用工业机器人的一线工人经过严格和复杂的培训,操作非常繁琐,这为企业造成了巨大的成本。
无法应对环境变化
机器人与人类最大的区别就在于对环境的感知,即便近几年人工智能在不断发展,但机器人对于环境的感知程度依然很弱。一旦环境突变,非常有可能造成机器人大面积瘫痪,甚至引发工厂安全事故。
安全性存疑
工业机器人在操作过程中,有时会与人类实际接触,尤其是协作机器人,若设计时出现安全漏洞,被黑客劫持或,或者在运动规划时发生计算错误,非常容易发生机器伤人的意外。
这三个问题的核心其实都在于控制。
为了解决这些问题,Issei Takino 找来毕业于卡耐基梅隆大学的Rosen Diankov 担任 MUJIN CTO。Rosen Diankov 在运动规划领域钻研颇深,其博士论文即围绕此问题展开。或许很多人不知道他的名字,但从事这个行业的人基本都离不开开源项目 OpenRAVE,而 Rosen Diankov 便是这个开源项目的建立者和维护者。
从 OpenRAVE 的官网上可以看到,其目标定位于使工业机器人自动化,这与MUJIN其实有着共同的方向,相信这也是Issei Takino能将他拉入伙的原因。而在MUJIN的官网,新智造也发现,官方并不避讳这一点,并且大方的承认OpenRAVE对于MUJIN的重要性:
MUJIN的创新技术始于 Rosen Diankov 博士( CTO ),他于2006年发明了机器人运动规划库( OpenRAVE)。由于传统机器人已经依赖于昂贵而笨重的手动教学,Diankov 博士认识到,工业需要更多的自主机器人,能够执行不止重复的任务。这一概念在研究人员中传播,他们也承认这是必要的技术。最终,OpenRAVE成为世界上最流行的机器人运动规划库。
在 Rosen Diankov的技术支持下,MUJIN研发了Mujin Controller,该控制器能够通过以太网或接口与机器人制造商的API接口连接,可以实现实时的机器人系统控制,并能进行实时碰撞检测和避免。更值得一提的是,Mujin Controller不受限于机器人的模型、轴的数目或机械结构。
除机器人控制器技术、Mujin Controller外,MUJIN还为企业提供用于延长机器人寿命的翻新产品和建议。另外,MUJIN目前正在创建下一代的垃圾箱智能系统,同样使用Mujin Controller 中的碰撞避免和实时运动规划技术,可在三维中识别目标物体,实时利用这些信息来规划机器人运动,完成一个给定任务(如分捡垃圾),完全避免碰撞。
目前,MUJIN已经拿到了一些国际大厂的订单,包括三菱、安川、DENSO、Custom Robot、Canon、HONDA等十余家,暂时还没有新一轮的融资消息。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。