撰文 | 微胖
「別人做不了的事情，我們做到了，需求遲早會找上門。」武漢庫柏特（Cobot）科技有限公司 CEO 李淼說。
目前國內唯一食品級智慧分揀系統，讓這家成立於 2016 年 5 月的機器人創業公司一舉成名。
一個偶然的機會，朋友找到李淼，讓他幫忙一家湖北菇業公司解決難題。
傳統香菇加工企業依靠人工分揀不同種類的香菇。招工難一直困擾著菇業加工企業。「現在的年輕人都是 95、00 後，不願意幹這些無聊重複的活兒。」李淼說。
人工分揀速度也慢，分揀一個香菇大約需要 5 秒。中國人一年要吃掉 1400 噸香菇，這種分揀速度無法滿足大幅增長的市場需求。
不僅如此，由於長期低頭工作，工人容易產生疲勞，分揀質量業也沒有保障。分揀出來的香菇會走向下游食品企業，如果下游廠商返現香菇中有白薄膜之類的雜質，將會引來重罰。
於是，庫柏特為這家公司定製了一條機器人智慧香菇無序分揀流水線。系統可以識別 26 種香菇，分揀速度可以達到 0.8 秒/個，是人工的 2-3 倍，精準率可以達到 99.7%。
香菇分揀系統
李淼算了一筆賬：一條傳統香菇分揀流水線通常由 8 個工人組成，而庫柏特智慧線上只需 4 臺機器人與 2 個工人協同工作，1 小時分揀數量是傳統線的 210%，成本僅為傳統線成本的 75%。同產量的情況下，一條智慧生產線每年可為企業節約 20 萬以上。
打造通用作業系統，會用電腦，就會用機器人
在李淼看來，公司的明星產品——智慧無序分揀系統更像是一款熱門 App。
「App 火了，平臺價值才凸顯出來。」李淼說，沒人在安卓系統上開發好玩的應用，這個平臺也火不起來。
庫柏特的核心競爭力是一套自主研發的機器人作業系統。系統主要包含視覺與力控兩個底層技術，可應用於分揀、打磨與柔性裝配。
選擇從機器人作業系統切入市場，與李淼對機器人軟體的「執念」分不開。
庫柏特 CEO 李淼
來看一組工業機器人的銷量數字。
2015 年，全球範圍內的工業機器人銷售量僅為 250，000 左右，這個數量是大型計算機銷售峰值的十倍。相比之下，伺服器和 PC 的銷售總量分別約為 1000 萬臺和 3 億臺。
不難看出，和已經走入千家萬戶的電腦不同，工業機器人還沒有真正走向主流市場。
制約工業機器人市場化的兩大關鍵因素是成本和易用性。中國這麼多中小企業，很多需求得不到滿足，不降低機器人的操作門檻，如何推動製造業升級？
但是，提升易用性這一點，比降低成本更難。
「我們調查發現，即使買到 ABB、發那科機器人，使用者還是用不了。」李淼說。「結果，企業還是要找 ABB 的人來做整合。」
現在國內主要使用的幾種工業機器人 Kuka，ABB, 安川電機，發那科都用自己的控制系統和互動軟體。
儘管有 ROS（機器人作業系統）和 OpenCV（開源計算機視覺）這樣的應用軟體來簡化任務和要求，讓機器人能夠運轉起來做一些有用的事情，但是，依然需要由擁有博士學位的機器人專家來操作。
維護和重新程式設計買過的機器人已經很不方便了，換一個公司的機器人又要重新培訓人員，後續人力成本近乎是產品價格的三倍。
除了操作門檻非常高，機器人也很笨。每一個動作都需要工程師在背後進行精細的程式設計。由於路徑是固定或受限的，因此，只能通過手工調整來避免一些問題。當機器人通過視覺應對複雜場景時，手工調整就無用武之地了。
中國看重機器人硬體，看不起整合，覺得「不就是調嘛」，李淼感嘆道，其實，隔行如隔山。
「這裡涉及很多問題，比如工程問題。」李淼說，「還有科學思想，如何用軟體甚至 AI 思想，將它們整合到同一個平臺下。讓除錯變得有規律可循。」
深度學習已經帶來了變革，將機器人變成學習機器。不需要精確程式設計，機器人可以隨著時間的推移從資料和經驗中學習，並能執行多種任務。
庫柏特的定位也因此非常清晰明確：藉助 AI 結合軟體，依靠自己的平臺實現軟體決定硬體，提高機器人的易用性。
比如，如果客戶需要抓取服務，可以先從硬體廠商購買機械臂，庫柏特再為機械臂加上一個 AI+軟體的作業系統。
不過，底層控制器是機器人巨頭的核心技術，不會開源。「能夠給你一兩個 API 就不錯了。」李淼說。
為了讓機器人廠商配合開放介面，庫柏特一家一家地去談合作。一開始都會很難，李淼說，但是，總有可以突破的點，只要有訂單在手。國內廠商也有願意和你合作。
借用深度學習技術讓機器人操作更加簡單，正在逐漸成為一個創業熱點。
上個月，前 OpenAI 科學家辭職創立智慧機器人公司 Embodied Intelligence。公司總裁也表達了類似的創業思路。
「我們提供的智慧模組可以接入任何市面上的機器人，讓它們可以自然地學習新的技能，無需編寫晦澀難懂的程式碼。」
日本 Mujin、Preferred Networks 、美國強人工智慧公司 Vicarious 等，也是這個領域炙手可熱的創業公司。
一份對機器人報告網站全球資料庫中 752 家機器人創業公司的分析顯示，超過一半的創業公司都是以軟體起家。
就在前不久，吳恩達成立公司 Landing.ai，旨在讓深度學習落地製造業。
瞄準智慧無序分揀，解放人類雙手
已故的機器人視覺領域的專家 Adil Shafi 曾預言，機器人無序抓取將會成為 2020 年的主流。
但事實上，機器人抓取曾在很長一段時間裡不受重視。
李淼是瑞士洛桑理工大學工學博士、麻省理工博士後。這位有著八年抓取規劃和智慧控制研究經驗的老「Grasper」，對此感受很深。
「做機器人抓取的中國人，基本是從國外高校畢業的，做了 5-10 年以上的只有 5、6 個人。」李淼說。
「做抓取的人為什麼少？因為以前大家都嘲笑這個行業，認為工人都可以完成這個動作，沒有行業應用前景。」
但是，隨著人力成本的攀升，很多大公司又開始嘗試這個領域，比如谷歌、亞馬遜、發那科等。
非結構化環境中進行自動分揀的商業可行性，仍然是一個艱鉅挑戰。當零件、貨物以完全的隨機形式放在箱內，方向不同，且有重疊甚至纏繞的現象時，機器人成像和抓取就會變得困難。
近些年來，深度學習的突破為非結構化環境中的識別和抓取各種形狀大小的物體提供了新的可能。2016 年，著名的 Amazon Picking Challenge 賽中，冠亞軍都將深度學習作為其視覺和抓取任務背後的核心演算法。
作為國內僅有幾個將深度學習落地工業中的實際案例之一，目前庫柏特的智慧無序分揀系統準確率已經達到 99%。
「現在還在訓練香菇分揀系統。」李淼說。
通過高解析度工業相機配合影像感知演算法，獲取目標物體的類別和位置資訊。然後，利用機器臂、末端執行器和動態抓取控制演算法，實現對物體的精準分揀。
為了訓練香菇分揀系統，庫柏特找了一千多 T 的香菇圖片，識別難度比識別貓狗更甚。
香菇有很多種類，花菇、冬菇、香覃是三種常見的香菇。花菇又進一步分為花菇、白花菇、茶花菇..... 還有厚菇 (板菇)、薄菇等。這些香菇大小、形狀甚至紋路都不一樣。
「貓狗的圖片，可以從網上爬。香菇圖片不常見。ImageNet 上也就幾百張。我們就要自己去做圖片。」李淼回憶道，「而且香菇是大自然的產品，中國和日本產的就不同。另外，香菇迭代非常快，基本上三個月就一代。」
雖然在視覺方面用到了機器學習，但在力的方面，還是傳統辦法，李淼告訴我們，深度學習不是萬能的，使用還是要謹慎。
目前庫柏特已實現對 5000 多個品類的分揀，對新產品匯入可以在數分鐘之內完成。
力控打磨系統
而在機器人打磨和 3C 柔性製造方面，庫柏特也在探索機器學習的用武之地。
比如，打磨過程中多大的力是合適的，力反饋控制是怎麼設計比較好，最後打磨質量怎麼評估，目前在工業界應該還是憑經驗解決的。庫柏特希望通過機器學習解決這三個問題。
在 3C 裝配過程中，插銷入孔卡死比較常見。是否可以將窮盡所有可能力的方向的 hacking 解決方案轉變為一個類似搜尋的問題？搜尋是機器學習擅長的領域。怎麼去建立這個資料庫，怎麼進行有效搜尋？
目前，深度學習只是我們的一個補充，還是傳統方法為主。李淼說。
智慧拖動示教系統
現在公司全職員工在 70 人左右，其中 50 人負責視覺與觸覺底層演算法的研發與迭代，其餘 20 人負責具體應用場景的落地。
在武漢這樣的二線城市組建一支這樣的團隊，實屬不易。
「雖然我們沒有那種頂尖的人才，但是核心團隊整體水平不錯。」李淼說。
場景為大，從工業機器人走向服務機器人
在賽道選擇上，李淼始終有著清楚地認知。
選擇做抓取，也是考慮到巨頭不會做抓取。因為巨頭的基因，李淼解釋道，巨頭做機器人手臂，但是手臂沒有抓取功能，他們習慣於在程式上改變互動，但沒有從物理上改變的習慣。
這個行業本身是一個比較小的行業，沒那麼多人去做，但是未來機器人需要這些東西，因此特別適合創業公司去做。
不過，和網際網路巨頭比起來，「我們有技術，但是缺少場景。」李淼十分注重應用場景熱度。「你也希望自己的東西能夠有用，對吧。」
除了在食品行業為企業提供解決方案外，憑藉在物流行業分揀的突破，庫柏特在今年已與 ABB、京東、菜鳥以及部分大型整合商達成合作。
和菜鳥的合作中，已經可以識別 4000 個 SKU，完全靠機器人實現。
至於在物流分揀中的效率，李淼介紹說，能將原本 12 人/條線降低至 3 人/條線，分揀速度從 12s/單提升至 4s/單，單個系統的峰值可達到 30 萬單/日，並且對新產品匯入可以在數分鐘之內完成。
「基本上，目前工資在 5000-10000 的手工勞動者所做的事，都是我們潛在機器人替換升級領域。」李淼說。
12 月，公司完成 1.02 億元人民幣 B 輪融資，創業內融資額新高。B 輪融資後，庫柏特表示資金將主要用於市場的推廣並探索醫療與新零售等新場景的落地。
你想要一瓶水，網購很花時間。寫字樓的無人貨架東西又不豐富。在這種情況下，「便利店未來可能會消失，取而代之的可能是大型無人倉，這種購物模式完全由機器人在後臺完成分揀傳送，減少企業的成本和消費者的時間成本。」李淼曾舉例道。
未來，公司會從工業機器人領域往服務機器人領域擴充，為服務機器人的智慧互動添磚加瓦。庫柏特也會一直致力於解放人手。
今年庫柏特的銷售收入為 2500 萬人民幣。除了直接售賣軟硬一體的解決方案外，公司也在嘗試以租賃的方式，按系統呼叫次數計費。
提供服務而不是銷售產品的觀念，一直以來都是向市場推廣未經測試過的產品的一個好方法，而相關創業公司也從中發現了規模經濟的好處。
庫柏特也認為，機器人即服務（RaSS) 這種模式能夠大大降低使用者付費的心理門檻，加快公司的市場佔有率。
當談及學術 Demo 到產業落地的距離時，李淼想了想說，大家要降低期望值，不要有過高期待。
不過，夢想還是要有的。
在一張舊時的知乎招聘廣告中，李淼寫道：
一年內座標武漢，未來座標深圳與歐洲。