把工業機器人放出籠子！起底百億美元協作機器人市場

溫馨提示

京東X機器人挑戰賽火熱招募參賽項目，您的團隊或身邊有技術相近有意向報名的科研團隊和企業，可以轉發給他們，感謝大家支持。大賽總獎金高達200萬元，其中一等獎50萬元。除了賽事獎勵，京東還將提供項目孵化基金、就業綠色通道等一系列後續資源。點擊以下二維碼識別，詳情請參看和轉發此鏈接。

時值全球自動化浪潮和中國製造2025的戰略布局，製造業對工業機器人的需求高漲，而投資者也將在高投資回報、更新快速的龐大市場的驅動下，下注機器人布局。相比於笨重、危險，僅適用於大型環境的傳統工業機器人，協作型機器人正在克服挑戰，顛覆產業。

COBOT 打開百億市場

20世紀60年代初，德沃爾2000磅重的Unimate arm在通用汽車工廠安了家，這是第一個工業機器人，負責熱壓鑄金屬。Unimate arm可以抓握、焊接、鑽孔和噴洒，液壓臂的路徑使用磁鼓式硬碟驅動器進行編程。

Unimate arm

再往前走五十年，機器人的定義有了翻天覆地的變化，現代機器人是可編程的網路物理機器，當然，不包括汽車和空中無人機。

通常說的工業機器人是大型的籠式裝置，用來代替人類重複、危險的工作。而隨著智能手機的革命和自動駕駛汽車的發展，更小、更靈巧、成本更低的機器人進入了工廠。

這些重量較輕、成本較低的機器人可以配備感測器，使它們能夠在工業環境中與人類協同工作，成為「COBOT」（協作機器人）。機器人可以執行特定的任務，如抓緊小物體、觀察，甚至學習處理「邊緣情況」（edge cases）。

儘管協作機器人僅佔400億美元規模的工業機器人市場的很小一部分，但下一個十年將迅猛增長成為100億美元市場。

機器人的痛點和解法

從歷史上看，機器人行業在很大程度上一直困擾著一些問題：

1、視覺問題：允許機器人識別和導航物體（包括人）的視覺技術一直在緩慢改進，公司依靠籠子來保護人類，同時也就杜絕了近程操縱的可能。

2、靈巧性問題：機器人抓握和機械能力仍然有限。

3、低投資回報：昂貴的機器人價格加上低勞動力成本，阻礙了在農業和製造等領域廣泛普及機器人技術的需求。

下文將詳述COBOT（協作機器人）如何應對這些技術挑戰，並改變製造業、電子商務、農業和食品服務等產業的。

新的視覺技術

隨著機器人逐漸被應用於世界各地的工廠，研發視覺系統，使機器人可以識別物體，進行安全導航，被提上日程。

許多機器人的功能是在高度結構化的環境中，執行可重複的任務。因此，傳統的安全措施通常由一個籠子組成，簡單有效的避免了人類與機器人接觸產生的危險。但現在，變化正在發生。

近年來，視覺硬體（如激光雷達）已經變得更便宜、更有效，並且得到了更廣泛的應用。如今，許多初創公司都在使用基於新的視覺技術的協作機器人，它們裝載著感測器，人類員工可以站在它身邊進行操控。

大約1996，有許多不同的形狀和大小的協作機器人被發明了出來，根據人類工作場所進行了設計。這種機器人容易重新編程，相對自治，力量上遠不如低技術型工業機器人。

協作機器人在小型工廠環境找到了「絕佳位置」，進行3D列印，製造醫療設備，或完成更多的認知任務，如倉庫訂單揀選等。在那裡，人類員工也參與工作。

機器人的認知

教機器人適配環境（map）和操作物體，是一項艱巨的任務。有幸的是，谷歌的DeepMind和UC伯克利的一些研究進展已經成功證明了「一次性學習」（one-shot learning）的可行性，即協作機器人可以在沒有大量訓練數據的情況下識別新的對象。

未來的機器人可能只需要觀察人類員工的工作流程就能完成任務學習；或者操作者可以使用VR手勢進行編程（協變開創的方法），使機器人掌握工作方式。

雖然這項技術還有很長的路要走，但今天的技術已經足夠成熟到可以讓機器人和人類協同工作了。目前，協作機器人和它的麻吉AGVs（自動引導車輛/運輸機器人），已經成為製造業和倉庫環境的標準配置。

三類工業機器人（運輸機器人/AGV、協作機器人、傳統的工業機器人）

機器人可以很容易地完成重複的、可預測的任務。

但是對於結構化相對不明顯的任務，例如從一個隨機分類中挑選出一個項目，對應著很多更獨特的場景，就需要特別的演算法。真正的協同工作情況下，運輸機器人就必須自主地「看到」人類員工的行動，並採取相應行動。

開發處理這些邊緣情況的演算法成為了前沿的人工智慧（AI）、計算機視覺和自動駕駛研究課題。

在人工智慧和機器學習上，為90%的場景自動化路徑很容易——難的是最後的「一公里」。頂級風投A16Z的Benedict Evans指出，機器學習是要解決那種對機器來說很難，對人來說很容易的問題，或者說，是人們很難描述成計算機語言的問題。

隨著機器學習工具的廣泛普及，初創公司正注力於計算機視覺，以支持新一輪的機器人技術。

下圖是Veo Robotics（左）和Osaro（右）演示的基於視覺系統的機器人揀選和排序。Veo Robotics的創立者是Rethink Robotics的前僱員，公司旨在用「人類級眼睛」改造笨重的機械臂。Osaso則由Peter Thiel、Elad Gil和Sean Parker等人創立，面向製藥和食品服務等行業開發機器人配套的視覺軟體。

隨著協作機器人的發展，工業機器人採用率也會增加。安全性和能力的提高意味著工業機器人將迎來更大的需求，這可能會進一步吸引創業公司設計更先進的計算機視覺系統，從而創造一個積極的反饋循環。

靈巧性的追求

雖然機器人變得越來越普遍，但它們還沒有開發出我們所期待的智能或靈巧性，就像摩登家庭或終結者2想像的那樣。著名的機器人學家Hans Moravec在莫拉維克悖論中提出：

「讓計算機在智力測試或西洋跳棋上表現出成人水平的表現是比較容易的，在感知和移動性方面，很難或不可能賦予他們一歲人類的水平。」

換句話說，高級推理只需要很少的計算，但是低水平的感覺或運動技能需要巨大的計算資源。靈巧性是機器人學的一大挑戰，相對而言，改進硬體是更加有效的途徑。

高投資回報

更便宜、更好的協作機器人硬體為專註於計算機視覺和定製軟體的初創公司提供了機遇。最大的協作機器人製造商是丹麥的Universal Robots（優傲），2015年被美國的TelaDaye（泰瑞達）收購，它家的協作機械臂為初創公司提供鎬鏟（picks-and-shovels）。

優傲為創企們提供協作式機械臂

有著風投背景的初創公司，如Ready Robotics、Fetch Robotics和Voodoo Manufacturing都利用優傲的協作機械臂構建機器人系統。Ready Robotics正在為工業自動化任務提供機器人服務（RAS）。Fetch Robotics的協作機器人執行電子商務分揀，Voodoo Manufacturing使用協作機器人進行多個3D印表機的自動化管理。

根據優傲的說法，有些機械臂平均工作195天就能回本。在整個行業中，協作機器人的平均售價為24000美元，據估計這在2020年將是30億美元的市場。

機械手

儘管靈巧度有所提高，但通用的末端執行器——一種能操縱任何物體的機械手，仍然難以實現。

現在的機械手沒辦法兼容多項任務，但初創公司正在動用聰明的黑客，探索末端執行器抓取各種各樣的對象。

四類末端執行器/機械手

舉個例子，專門從事柔性機器人的Empire Robotics和Soft Robotics，使用靈活的材料、流體或空氣壓力，而不是機械力學。這類操作仍然不完善，柔性機器人是一種很好的解決方法，可以避免用不適當的力擠壓對象物體。Soft Robotics的手爪機器人（gripper）被FDA批准處理食品，目前用於食品包裝。

此外，對於較不敏感的材料，Grave在傳統的機器人臂上採用電粘附材料，而Optoforce使感測器結合專門的工具進行應對。

亞馬遜專利：基於共享流體體積的數字控制實現的機器夾鉗，可以同時處理沉重、耐用的物品和輕軟的物品。

協作機器人是基於感測器的機械設備，解決笨重型機械臂的不足，在這點看機械手沒什麼不同。雖然目前機械手，或者說末端執行器沒有達到人類的高度靈活性，但相信未來的協作機器人將配有高效的末端執行器和聰明的工具，可以智能地處理任何事情。

需求爆炸

自20世紀40年代起，新一代的協作機器人開始使工業機器人巨頭們措手不及。

根據Fanuc執行主任的說法，「我們沒想到大型製造商會想要使用這樣的機器人，因為這些機器人只能舉起輕量物體，並且能力有限。」

現在，從業人員們正在追趕Teradyne協作機器人部門優傲，據稱他們目前佔據著約60%的協作機器人市場份額。

像ABB、Fanuc、Yaskawa（安川電氣）、庫卡和羅伯特博世這樣的機器人大公司，也都跟隨優傲進入協作機器人市場（估計Fanuc擁有6%到10%的市場份額，安川電氣的規模甚至更小）。同時，他們也在結盟：川崎重工（Kawasaki）正與瑞士競爭對手ABB合作，以規範機器人編程。

大型機器人製造商們進入協作機器人市場

為什麼突然對協作機器人產生了需求？

一個主要原因大抵是勞動力成本上升。由於經濟增長，工業化國家的工資飆升。舉個例子，自2006以來，中國的平均工資增長了一倍以上，從而不再被認為是低成本外包的目的地。

事實上，中國現在太貴了，以至於它的消費電子代工工作流向越南這樣的低成本鄰國，去年，中國的機器人需求增長了20%以上。

昂貴的勞動力也在影響本地化製造的規模，為此，機器人技術正在掀起新一輪的再就業浪潮（就像川普的口號說的：讓製造業回到美國）。在BCC 2015年進行的調查中，20%的美國製造商表示，他們正積極將生產從中國轉移回美國，或者計劃在未來兩年內開發新的（本土）生產線。多數人表示，自動化降低成本，使得美國更具競爭力。

機器人與勞動力的成本對比

隨後，公司越來越多地轉向協作機器人，它們很容易編程，比傳統的勞動力便宜，而且比傳統的工業機器人便宜。由於所有這些原因，協作機器人製造商以比以前更低的價格銷售出了更多的設備。

值得指出的是，這不僅僅是科技巨頭的創新戰區，更小的工廠也在加入協作機器人的浪潮。2018年1月的財報中，Teradyne的首席財務官Gregory Beecher注意到其協作機器人業務的高速增長，大約50%的客戶是中小型企業（SMB）。

中小型企業對協作機器人的需求暴漲

協作機器人市場正處於跑馬圈地的時刻，更大的製造商可能有更充足的裝備為協作機器人的運動提供硬體（儘管他們的大部分模型仍然是工業品種）。

缺乏市場意識可能成為未來的挑戰。優傲的總裁指出：「我們的目標市場，（現在）大概只有10%的人知道協作機器人，也就是說有90%的潛力市場尚未開發。」

行業中的應用

如上所述，全球勞動力成本的上升對協作機器人的需求日益增加。這種需求在農業、製造業和建築業中尤為嚴重。

隨著「嬰兒潮一代」開始接近退休年齡，勞動力市場缺乏新的工人來取代他們的崗位。據估計，美國約22%的熟練製造業工人（也就是2.7萬人）將在未來十年退休，如果趨勢繼續下去，該行業將減少約200萬名工人。

與此同時，技術工人，如電工和水管工的退休潮也在成為建築業的限制因素。去年，由於加利福尼亞葡萄酒國家的農業勞動力短缺，生產商擔心莊稼會死在藤上。

加劇這些困難的還有歷史性的低失業率（這意味著工人在經濟其他領域有更好的選擇，即所謂的結構性勞動力短缺）。

公司正因僱員的減少而面臨壓力。有了協作機器人，就有了一項對策。初創公司正在為特定行業的提供定製化的協作機器人。

以下是協作機器人初創公司早期成功的幾個領域。

倉儲與電子商務

甚至像亞馬遜這樣的巨頭也在為勞動力短缺而苦惱。2017年8月求職季，該公司僅收到20000份求職申請，大大低於50000的目標。

為此，亞馬遜公司斥資7.75億美元收購KiVa Systems，一家倉儲機器人製造商，據說已經在機器人製造商之間掀起了一場競賽：當亞馬遜決定收納Kiva並僅在內部使用時，其他公司匆忙填補了Kiva留下的空白。

與此同時，隨著電子商務的繁榮，倉儲空間的需求也隨之激增。去年，平均倉庫天花板高度比2001提高了21%，而新倉庫建設的支出在2017年10月達到頂峰（僅在當月就花費了27億美元）。毫無疑問，倉庫中協作機器人的需求正在增長。

倉儲業的繁榮

持續的電子商務浪潮，推動了全行業按時交付訂單的壓力。對此，出現了一系列的機器人初創公司，它們致力於提高生產效率。比如Kiva，許多創企都在與運輸機器人/自主引導車輛（AGVs）一起進行物質運輸和物品揀選。

AGV技術已經出現了幾十年（其更複雜的「表兄弟」有時被稱為AMR，或自主移動機器人），隨著更好的自主性和視覺系統的出現，AGV技術開始進入市場。許多資金充足的創企提供類似Kiva的貨運機器人，用於運輸電子商務和製造業的材料。

像Seegrid這樣的初創公司，專註於碼垛和叉車；Clearpath的Otto部門專註於物料運輸；Fetch和6 River Systems都是資金充足的玩家，在倉庫環境中提供移動採摘機器人。

倉庫中的移動機器人

除了運輸，電子商務中另一個主要的協作機器人應用是揀選和排序。

隨著消費者購買的增加，機器人需要挑選並包裝混合項目。Kindred Sort（左下）在GAP配送中心進行項目分類。Righthand Robotics（右下）則偏向於電子商務分揀。值得注意的是，這兩家都用的是優傲的機械臂硬體，不過Kindred在其他小樣中採用了Fanuc的機械臂。

Kindred Sort和Righthand Robotics的分揀機械臂

由於倉庫中的高投資回報率，初創企業可能會繼續為這一蓬勃的垂直領域發展技術。舉例而言，亞馬遜最近披露了它是如何投資於各種新機器人的，京東最近也公布了它的10萬平方英尺倉庫，每天最多處理20萬個訂單，只有4個工人。

農業

在John Deere斥資3.05億美元收購藍河技術（Blue River Technology）之後，2017年人們對農業機器人的興趣開始暴增。

根據美國農業部的數據，大多數大型農場使用一定程度的自動化來指導農業。初創公司正在研發自動化農業設備，從自動駕駛拖拉機到專門的機器人臂採摘機。

在巨大的勞動力短缺和更嚴格的移民規則中，農業機器人自去年加利福尼亞的作物幾乎無人采割之後就逐漸成熟了起來。代表性公司如Agrobot（下圖），正在研究漿果採摘——對於機器人來說只是不碾碎漿果就很難做到了。

Agrobot的漿果採摘機

一個的類似採摘者是Abundant Robotics的蘋果採摘機器人，它去年從SRI International（斯坦福國際研究院）剝離出來，並從谷歌風險投資公司和雅馬哈汽車合資公司等投資者那裡籌集了1000萬美元。

Abundant Robotics的蘋果採摘機

其他玩家，如Harvest Automation（農業AGV）和Lely（自動化擠牛奶），正在重定義協作機器人。

Clearpath Robotics是服務機器人領域中規模最大、資金最充足的初創公司之一，並為多個垂直機構開發協作機器人。Notaby，該公司關注機器人收割和播種UGV（無人地面載具），並為現有設備提供改造使其具備自動化能力。

餐飲業

協作機器人初創公司也瞄準了食品服務業，這個行業目前的失業率一直處於6%的最低水平。在一個以高周轉率著稱的行業中，餐館投資機器人不是為了擺脫工人，而是因為他們找不到足夠的僱員。

舉個例子，Panera Bread在過去2年增加了約25000個新職位，以應對來自數字平台的訂單數量增加。在很多地方，食品生產商有線下餐館營業和線上提供配的區別。

餐飲業的協作機器人

初創公司正在採用定製的人工智慧和機械臂來進行自動化烹飪。2018年3月，加利福尼亞南部餐廳連鎖店CaliBurger嘗試了 Miso Robotics的漢堡包翻轉機器人（左上），名為「Flippy」。NPR報道，漢堡包機器人目前零售價為6萬美元。此外，協作機器人還在烤架線上有效。在初級階段，這些機器人還無法跟上顧客的需求。

在別處，自動漢堡包餐廳Creator（右上）使用20台電腦、350個感測器和50個執行機構，在5分鐘內遞送一個6美元的漢堡。雖然沒有使用典型的協作機械臂或運輸機器人（AGV），該系統本質是協作機器，它製造的漢堡包通過人類職員交付給客戶。

在飲料方面，創企Hypergiant最近宣布與TGI Fridays建立夥伴關係，創建弗拉納根（Flanagan），一個人工智慧演算法加持的調酒師，給食客提供個性化的雞尾酒。

結論

現在已經有很多人在思考自動化是如何改造工廠和取代工人的。雖然協作機器人有一個很好的內核——人機協同，但毫無疑問，這項技術將顛覆現有的工廠模式。隨著需求和技術的不斷增長，協作機器人即將迎來一個分水嶺。

更好的自動化將產生強大的漣漪效應，這將改變我們所知的製造業。工廠將搬遷，不太願意在廉價勞動力市場中運作。機器人管理相關的工廠工作可能激增。協作機器人技術的新投資更是有望帶來大規模的生產力提升。

公司整合技術的方式以及政府在下一個經濟階段制定的政策，將對未來的人機協作模式、生產成本和成效等產生深淵的影響。

文章來源： 智東西

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！