未来，深度学习的自学习和自适应性在工业领域将有诸多应用

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 6 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。

以上是网络信息转载，信息真实性自行斟酌。