🌐 English 即时比分

Maven Robotics 欲抢走你的机器人部署订单

人工智能 来源: TechCrunch 发布时间: 热度: 👍
Maven Robotics 欲抢走你的机器人部署订单
🤖
🤖

核心导读

Maven Robotics 结束隐身模式,获 1 亿美元融资,凭端到端工业机器人方案击败对手,拿下大型消费品物流客户;现最多 8 台机器人每日运行 16 小时,正常运行率超 99%。公司计划制造 250 台第三代机器人并设计第四代平台,主攻混合码垛,再逐步扩展物料处理与自动化,强调不参与模型竞赛,而是按任务解决工业劳动力问题。

2024年,Maven Robotics 刚刚成立,几乎一无所有——用首席执行官兼联合创始人哈姆扎·德尔巴斯(Hamza Derbas)对 TechCrunch 的话说,只有“一幅机器人漫画和一支团队”。 尽管如此,他们听说一家有物流需求的大型消费品公司来到城里,准备与四家竞争对手机器人公司洽谈自动化事宜。德尔巴斯设法争取到与该公司的会面,但他没有大谈自己对机器人的看法,而是要求参观对方的工厂和仓库。 “我们看到了人们如何工作,也锁定了能立即创造价值的流程,”他对 TechCrunch 说。“我们向他们展示,我们的机器人方法与众不同——我们不是要解决单个机器人问题。我们试图自主地端到端承接任务:一端接入仓库管理系统,另一端把产品送上卡车。” 他们击败了已经拥有机器人的公司,拿下了这笔订单。在与该公司及其他几个合作伙伴合作两年后,德尔巴斯说,Maven 已有最多八台机器人每天工作 16 小时,正常运行时间达到 99% 或更高。 如今,这家初创公司结束隐身模式,此前从 RoboStrategy、LocalGlobe、Vine Ventures 和 XTX Markets Ventures 融资 1 亿美元,并计划制造 250 台第三代机器人,同时启动第四代平台的设计。 他们的机器人安装在轮式底座上,能以每小时 10 英里的速度移动,配备两条可举起最多 30 公斤的手臂。其主要工作是“混合码垛”——装有箱装货物的木托盘从不同工厂运到配送中心,机器人在那里生成一个混合多种商品的新托盘,再发往门店。 “商品上架 48 小时内,他们就想根据实时需求改变组合。这里有一份要发往那家零售店、包含不同混合产品的订单;请把它配出来。今天这些都靠人工完成,工人在仓库里跑来跑去,拿一个这个、拿一个那个。” 在 Maven 位于圣克拉拉的设施里,机器人在训练区内流畅地开展工作,用真空吸盘以合理速度抓取并排列箱子。一块实时视频屏幕显示,两台机器人正在客户设施中工作,员工在它们周围走动。 德尔巴斯的职业生涯始于汽车工程,专注于电动汽车;但在创办 Maven 之前,他在苹果公司一个特别项目组工作了九年。他不愿谈论该项目,但外界普遍认为该团队在 2024 年解散前一直在研发自动驾驶汽车。正是那时,他与兄弟哈立德(Khalid)共同创办了 Maven。哈立德此前从事私募股权,现任公司首席财务官。 与其他物理 AI 公司一样,该公司依赖自动驾驶汽车领域的资深人才;这一领域已发展出最复杂的方法,用真实数据训练自主硬件。这需要数据管道能在几分钟或几小时内从运行中的机器人返回信息——“然后重新训练、评估、进行消融研究,找出正确的权重组合,重新部署,再转动这个循环。” 在机器人公司林立的拥挤世界里,Maven 以关注工业运营现实而与众不同。投资该公司的 RoboStrategy 投资人杰克·皮尔逊(Jack Pearson)表示,这家公司的独特之处在于其工业系统背景,而非一种为学习而优化、或聚焦特定架构的研究文化。 Agility 是一家机器人公司,将于今年秋天通过一笔 24 亿美元的 SPAC 交易上市,可能是市场上定位最相似的公司,专注于安全和特定工业工作流程。但它的机器人用两条腿站立。德尔巴斯在强调自己尊重这家公司的同时表示,这对他们所做的任何事情都“毫无意义……它们非常复杂、不可靠,还会增加不必要的成本。这里最重要的是投资回报率。” 对高负荷运转设施的现实以及操作人员需求的理解,帮助这家初创公司迈出了第一步;但如果 Maven 想扩展到当前工作流程之外,它就必须建立某种研究文化。码垛或许是一个 800 亿美元的市场,但该公司瞄准的下一批任务,将需要目前尚不存在的机器人操作能力。 Maven 的下一大重点是收集更多数据,训练机器人处理物料,然后迈向自动化和制造。公司将利用自身系统、借用第三方供应商,甚至已经开发出一双钳形手套,让人类模拟他们希望夹爪具备的形态。虽然该公司自称通用机器人制造商,但其策略是逐个任务地朝这一目标前进。“我们立足于一次解决一个客户问题,”德尔巴斯说。“如果你专注于解决问题,并选择足够大的问题,那么每个问题都是一个数十亿美元的市场。这样做,你就有充足的数据来掌握这些技能。” 这个过程可能是把机器人带入工作场所的最可行路径——也可能意味着,一旦前沿实验室推出下一个强大的物理 AI 模型,就可能被其一招击败。 “我们不参与模型竞赛——我们参与的是解决工业劳动力问题、让这种方案以世界所需的规模成为可能的竞赛,”德尔巴斯对 TechCrunch 说。
分享这篇文章: