編者按：日前，CB Insight發(fā)表了一份關于Cobots機器人的研究報告，詳細介紹了Cobots機器人發(fā)展的歷程、遇到的一些問題及其應用前景。

一直以來，工廠里的機器人都很笨重、危險，而且只局限于大型工業(yè)環(huán)境。但現在，較小的協(xié)作機器人正在克服機器人行業(yè)的這些弊端。它們?yōu)闄C器人技術鋪平了道路，使我們更接近科幻電影中的未來。

自動車庫門開啟器的發(fā)明者喬治·C·德沃爾（George C. Devol），在推出他的可編程工業(yè)機器人“Unimate”時最初也受到了質疑。

但是德沃爾說，機器人將很快展示它無可比擬的優(yōu)勢。因為機器人可以三班倒，甚至一天24小時無休止的工作。

20世紀60年代初，德沃爾推出了重2000英磅的第一代工業(yè)機器人“Unimate”，該裝置(下圖)可以抓取、焊接、鉆孔和噴灑，液壓臂的路徑是用磁鼓硬盤驅動器編程。

50年后，現代機器人技術（可編程的網絡物理機器，不包括汽車和空中無人機）發(fā)生了巨大變化。

工廠里的機器人通常是大型的籠式設備，代替人類操作重復性的危險工作。而隨著智能手機的革命和自動汽車的發(fā)展，現成硬件的成本大大降低，更小、更靈巧的機器人已經進入工廠。

這些重量更輕，成本更低的機器人被稱為Cobots機器人，它們配備傳感器，能夠在工業(yè)環(huán)境中與人類協(xié)同工作，可以執(zhí)行抓住小物體、看到甚至學習解決“邊緣情況”等任務。

雖然現在Cobots機器人只占40億美元工業(yè)機器人市場份額中的一小部分，但估計10年后，Cobots機器人的份額將超過10億美元。

從歷史上看，機器人行業(yè)也一直存在很多問題。

• 視覺問題：機器人識別、導航物體（包括人）的視覺技術改善緩慢，公司依靠籠式設備以預防機器人失控帶來的人員傷害問題。
• 敏捷問題：機器人的抓握和機械能力仍然有限；
• 投資回報率低：機器人的研發(fā)投入高，但在在農業(yè)、制造業(yè)等領域仍未廣泛整合運用機器人技術；

接下來，我們將探討公司如何使用Cobots機器人應對這些技術挑戰(zhàn)，以及Cobots機器人在制造業(yè)、電子商務、農業(yè)和食品服務帶來的經濟改變。

目錄

• Cobots如何利用新的視覺技術
• Cobots克服機械問題
• Cobots的需求激增，傳統(tǒng)機器人玩家陷入困境
• 勞動力結構的變化正在增加Cobots的需求
• 結論

Cobots如何利用新的視覺技術

隨著機器人在全球范圍工廠的應用，允許識別物體，并在物體周圍進行安全導航的視覺系統(tǒng)機器人的需求開始出現。

許多機器人在高度結構化的環(huán)境中執(zhí)行簡單重復的任務，為了防止人類接近機器人發(fā)生危險，會用籠子隔離機器人作為安全保護。但現在，這種情況正在發(fā)生轉變。

近年來，視覺硬件（例如激光雷達）已經越來越便宜、有效，因此應用也更廣泛了。現在，很多創(chuàng)業(yè)公司正在開發(fā)具有視覺功能的Cobots機器人，這些機器人都載有傳感器，可以與人類一起進行無籠協(xié)作。

1996年左右發(fā)明的Cobots機器人形狀大小各異，在設計時考慮到了人類的工作場所，很容易重新編程也相對自動化。但Cobots機器人，還缺乏傳統(tǒng)工業(yè)機器人的力量。

而Cobots機器人在規(guī)模較小的工廠作業(yè)中有了優(yōu)勢。在這些工廠作業(yè)中，人類仍然需要參與其中。比如3D打印機、制造醫(yī)療設備，或者完成一些倉庫訂單挑選等認知任務。

當然，機器人視覺仍然有很大的改進空間。

歐姆龍機器人公司（Omron Robotics）的竹內正如(Masaru Takeuchi)（在CES 2018上因其乒乓球機器人而聞名）在接受英國《金融時報》的采訪時候說，“機器人可以拿起一些東西并快速移動，但還無法辨別物體是什么，以及決定如何移動。

現在的技術水平如何？

教機器人繪制和操縱物體是一項艱巨的任務。 但谷歌的DeepMind實驗室和加州大學伯克利分校的研究發(fā)現，機器人通過單次的學習就能學習累積經驗，Cobots機器人就可以在沒有大量訓練數據的情況下識別新物體。

未來的機器人可能僅僅需要觀察一次人類行為就能學會該行為，或者直接使用VR手勢控制（一種由Covariant開創(chuàng)的方法）對機器人進行編程。

雖然這項技術還有不完善的地方，但現如今的技術水平，已經可以讓機器人和人類一起工作。Cobots機器人技術以及AGV（無人搬運車），已經成為制造業(yè)和倉庫環(huán)境方面的標準。

對于一些重復性、可預測的任務，機器人可以輕松完成。但對于復雜、特殊的情況，機器人需要算法加持才能實現。

因此對于人工智能、計算機視覺以及無人駕駛而言，算法的開發(fā)處理顯得至關重要。

在人工智能和機器學習領域，將90%的場景實現自動化是很容易的，但是剩下10%的自動化卻很難。A16Z合伙人本尼迪克特·埃文斯（Benedict Evans）曾說過“之前機器學習解決的都是對人類而言很容易、機器操作起來卻很難的問題，或者是那些人類難以向計算機描述的問題。

隨著機器學習工具的普及，很多初創(chuàng)公司都在開發(fā)計算機視覺以支持新一波的機器人技術。

以下是Veo Robotics（左）和Osaro （右）的演示，展示了工業(yè)分揀功能的視覺系統(tǒng)。Veo由一位前Rethink Robotics員工創(chuàng)立，旨在用類人眼去改造機器人手臂。Osaro在彼得·泰爾（Peter Thiel），埃拉·吉爾（Elad Gil）和肖恩·帕克（Sean Parker）等天使投資人的支持下，正在為制藥和食品服務等行業(yè)開發(fā)視覺軟件。

隨著計算機視覺的進步，關于計算機視覺的機器人也隨之普及。機器人的安全性和工作能力都大幅提高，這對計算機視覺也提出新的要求，促使創(chuàng)業(yè)公司不斷提升技術能力。

Cobots克服機械問題

雖然機器人正在變得司空見慣，但它們對于我們所期望的智能及靈活尚有很大差距。正如著名的機器人學家漢斯·莫拉維奇（Hans Moravec）所觀察到的：

“讓計算機進行智力測試和玩跳棋時，表現出成人水平相對容易。但在感知和移動性方面，計算機的水平連一歲孩童都比不上。”

原因在于，類似跳棋等推理只需要很少的計算，而感官和運動技能方面則需要大量的計算資源。

敏捷性是機器人面臨的主要問題。而硬件的提升使得Cobots機器人發(fā)揮了更大的效用。

物美價廉的Cobots硬件，讓創(chuàng)業(yè)公司有機會專注于計算機視覺和軟件定制從而完成特定的任務。最大的Cobots制造商Universal Robots（UR，2015年被Teradyne收購），其機械臂為新一波創(chuàng)業(yè)公司提供了新的發(fā)展熱潮。

像Ready Robotics、Fetch Robotics和Voodoo Manufacturing等風險投資支持的創(chuàng)業(yè)公司，都在UR的機械臂上構建了系統(tǒng)。Ready Robotics專門為工業(yè)自動化提供機器人服務（RaaS），Fetch Robotics的Cobots可以進行電子商務分揀，而Voodoo Manufacturing使用Cobots自動管理多臺3D打印機。

通用機器人公司的數據顯示，這些機器人只要工作195天，其帶來的經濟收益就能與其成本持平。

在整個行業(yè)中，Cobots 機器人的平均價格為24000美元，到2020年，Cobots將是一個價值30億美元的市場。

機械手

盡管機械臂的靈活性有了提高，但通用末端執(zhí)行器（可操縱物體的機械手）仍然是個問題。

現在的機械臂適用范圍較窄，因此很多創(chuàng)業(yè)公司都在開發(fā)適用范圍更廣泛的機械手，利用巧妙的技術來抓取各種物體。

例如，Empire Robotics和Soft Robotics專注于軟體機器人，它們都使用柔性材料、流體或氣壓來代替機械。現有的機器人操縱方式還有很多局限，而軟體機器人可以避免操作不當帶來的一些問題。Soft Robotics軟體機器人的抓手，已經經過FDA的質檢，可以用于食品包裝。

對于靈敏度較低的材料，Grabit公司可提供在傳統(tǒng)機器人手臂上采用電吸附的技術，Optoforce公司可以為專業(yè)應用提供傳感器和工具。

這種對通用末端執(zhí)行器的追求不僅僅局限于純粹的機器人公司，亞馬遜最近的一項專利名為“Robotic Gripper With Digits Controlled By Shared Fluid Volume”的文章，詳細介紹了其研發(fā)的一種機械手，該機械手為可多種工具處理器，可以處理各種不同材質、不同重量的物品。

Cobots機器人和傳統(tǒng)的機械手，就外觀上而言沒有什么不同，只是Cobots機器人搭載了傳感器。雖然Cobots還遠未達到人類操作的靈巧水準，但未來Cobots機器人一定是能智能操作任何物體的通用末端執(zhí)行器。

Cobots的需求激增，傳統(tǒng)機器人玩家陷入困境

2010年Cobots的興起令工業(yè)機器人巨頭惶恐。

據Fanuc執(zhí)行董事說，“我們從沒有想過大型制造商會想要使用Cobots這樣的機器人，因為這些機器人只能舉起很輕重量的物體，能力有限。”

但現在，工業(yè)機器人企業(yè)們紛紛都在效仿UR發(fā)展Cobots機器人，該公司的Cobots機器人份額甚至占到了總市場份額的60%。

像ABB，Fanuc，Yaskawa，KUKA和Robert Bosch這樣的傳統(tǒng)工業(yè)機器人巨頭，他們都已跟隨UR入局Cobots市場，但所占市場份額很小。據估計，Fanuc所占市場份額在6％~10％之間，而Yaskawa的市場份額更小。這迫使企業(yè)進行協(xié)作開發(fā)，比如Kawasaki就正在與其瑞士競爭對手ABB合作，以實現機器人編程的標準化。

為何Cobots的需求突然激增？

一個重要的原因是全球勞動力成本的上升。由于經濟增長，一些工業(yè)大國的工資飆升。例如，在中國，自2006年以來，平均工資增長了一倍多，中國已經不再是低成本外包的優(yōu)先選擇。中國正在喪失世界工廠的地位，工業(yè)制造中心正在向它的周邊國家轉移，比如越南等國家。由于人力成本的飆升，用機器人代替人力的需求也就更迫切，僅去年，機器人的需求就增長了20%以上。

昂貴的人力勞動力成本也使得制造業(yè)傾斜于本地化，機器人技術正在推動這一輪的變革，讓制造業(yè)回歸美國。2015年，在波士頓咨詢公司的一項調查中顯示，20％的美國制造商表示，他們正在或者將要把生產地從中國轉移回美國。大多數人都覺得，機械自動化帶來的成本降低，使得美國在制造業(yè)方面更具競爭力。

隨后，公司越來越多地轉向Cobots機器人生產，這些機器人容易編程，比人力價格便宜，也比傳統(tǒng)的機器人便宜。由于價格優(yōu)勢，Cobots機器人的銷量更多了。

不僅科技巨頭對Cobots機器人趨之若鶩，中小型企業(yè)對其也青睞有加。在2018年1月的一次財報電話會議上，Teradyne的首席財務官格雷戈里·比徹（Gregory Beecher）注意到與其合作的Cobots業(yè)務正在高速增長，并透露其大約50 %的客戶是中小企業(yè)。

傳統(tǒng)大型企業(yè)和中小型企業(yè)都在搶占Cobots的市場份額。大型制造商裝備精良，可以為Cobots機器人提供硬件支持。

Cobots機器人發(fā)展的挑戰(zhàn)還在于用戶缺乏機器人意識。Universal Robots公司的總裁指出“現有市場上，大概只有10%的用戶真正了解協(xié)作機器人，剩下90%都是一知半解”。Cobots還有很大的發(fā)展?jié)摿Α?

勞動力結構的變化正在增加Cobots的需求

如上所述，全球勞動力成本上升使得Cobots的需求增加。這種需求在農業(yè)，制造業(yè)和建筑業(yè)等行業(yè)尤其突出。

世界各地嬰兒潮一代已經接近退休年齡，但沒有新的一批工人接替他們的位置。據估計，美國大約22%熟練的制造業(yè)工人(或270萬工人)將在未來十年退休——如果這個趨勢繼續(xù)下去，這個行業(yè)將出現約200萬工人的缺口。

在許多其他行業(yè)，工人短缺也是瓶頸。電工和水管工等熟練工人是建筑業(yè)發(fā)展的一個限制因素。去年，由于加利福尼亞葡萄酒生產地的農業(yè)勞動力短缺，釀酒商擔心農作物會壞在葡萄藤上。

使這些困難更加麻煩的是歷史上的低失業(yè)率(這意味著工人在其他經濟領域有更好的選擇)。

公司正面臨壓力，要求提高員工的生產力。有了Cobots，這種做法比以往任何時候都更加便宜。創(chuàng)業(yè)公司正在做出回應，在最需要的地方提供定制版的Cobots。

以下是一些Cobot創(chuàng)業(yè)公司早期取得成功的領域。

倉儲與電子商務

即使像亞馬遜這樣的巨頭也很難為其蓬勃發(fā)展的訂單履行中心找到勞動力。在2017年8月大肆宣傳的“就業(yè)日”期間，該公司僅收到20000份求職申請，遠遠低于其50000份的目標。此外，亞馬遜一直在內部努力增加勞動力。

亞馬遜以7.75億美元收購了倉庫機器人制造商Kiva Systems，引發(fā)了機器人制造商之間的軍備競賽。當亞馬遜決定Kiva只在內部使用時，其他公司爭相填補Kiva留下的空白。

與此同時，隨著電子商務的繁榮發(fā)展，對倉庫空間的需求激增。去年，平均倉庫天花板高度比2001年上升了21%，而新倉庫建設的支出在2017年10月達到高峰，僅當月就有27億美元用于建設倉庫。不出所料，倉庫中對協(xié)作機器人的需求正在增長。

持續(xù)發(fā)展的電子商務浪潮，推動了全行業(yè)要求按時交付訂單的壓力，機器人創(chuàng)業(yè)公司出現了爆炸式增長，它們專注于提高履行效率。像Kiva一樣，許多人正在使用無人搬運車(或稱AGVs )進行物資運輸和物品揀取。

AGV技術已經存在了幾十年，隨著更好的自動化和視覺系統(tǒng)的出現，AGV技術開始得到提升。(它更復雜的“表親”有時被稱為AMRs，或自動移動機器人。)許多資金雄厚的創(chuàng)業(yè)公司都提供類似Kiva的貨運機器人，用于運輸電子商務和制造業(yè)務所需的材料。

像Seegrid這樣的創(chuàng)業(yè)公司專注于碼垛和叉車，而Clearpath的Otto分部專注于材料運輸。除了標準運輸工具外，Fetch 和 Locus都提供移動揀取機器人。

除了運輸，電子商務中另一個主要的Cobot應用是挑選和分類。

隨著消費者購買的商品越來越多，機器人需要挑選和包裝各種各樣的商品。。Gap正在試用KindredSort(下圖，左)來對配送中心的商品進行分類。Righthand Robotics(下圖，右)為電子商務提供了更多的選擇。值得注意的是，它們都用的是Universal Robot的手臂硬件。

由于倉庫的投資回報率很高，創(chuàng)業(yè)公司很可能會繼續(xù)為這個蓬勃發(fā)展的垂直產業(yè)開發(fā)技術。 例如，亞馬遜最近透露，該公司正在投資各種新型機器人，京東最近也推出了面積達10萬平方英尺的設施，每天可以處理多達20萬個訂單——只有4名工人。

農業(yè)

迪爾公司(John Deere)以3.05億美元收購了藍河科技公司(Blue River Technology)之后，人們對農業(yè)機器人技術的興趣飆升。

根據美國農業(yè)部的數據，大多數大型農場都在使用某種程度的自動化設備。創(chuàng)業(yè)公司正在推動農業(yè)設備自動化，從自動駕駛拖拉機到專門的采摘機器人。

在嚴重的勞動力短缺和更嚴格的移民規(guī)則的情況下，自從去年加利福尼亞州的農作物幾乎沒有人采摘以來，農業(yè)機器人擴張的時機已經成熟。 有一家深耕這一領域的公司是Agrobot(下圖) ，該公司致力于采摘漿果——機器人很難在不壓碎漿果的情況下完成這項工作。

一個類似的專為蘋果園設計采摘機器的公司是Abundant Robotics，它于去年從SRI International分拆出來，并從谷歌風投和雅馬哈汽車風投等投資者那里籌集了1000萬美元的資金。

其他玩家，如Harvest Automation(農業(yè)用的AGV)和Lely (自動擠奶)，正在重塑Cobot的應用范圍。

Clearpath Robotics 是服務機器人領域規(guī)模最大、資金最充足的創(chuàng)業(yè)公司之一，并且為許多垂直行業(yè)開發(fā)了Cobots。 不僅如此，該公司還制造了機器人收割和播種UGV，并且可以對現有設備進行自動化改造。

餐飲服務

Cobots 創(chuàng)業(yè)公司也瞄準了食品服務行業(yè)，目前該行業(yè)的失業(yè)率一直處于6 %的低水平。在一個以高營業(yè)額著稱的行業(yè)，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勞動力。

例如，Panera Bread 在過去的兩年里增加了大約25000個新的工作崗位來處理來自數字化訂單帶來的工作量。 在其他地方，食品生產商正在通過晚些時候開門或者外賣的方式來應對。

創(chuàng)業(yè)公司正在使用定制的人工智能和Cobot臂來自動化烹飪過程。2018年3月，南加州連鎖餐廳CaliBurger嘗試用Miso Robotics的機器人(左上)來制作漢堡。NPR報道稱，漢堡機器人目前的零售價為6萬美元。然而，要使這些Cobots發(fā)揮作用，還有很多工作要做。一開始，機器人并不能滿足顧客的需求。

在其他地方，自動漢堡餐廳Creator(右上方)使用20臺電腦、350個傳感器和50個致動器結構在5分鐘內交付一個6美元的漢堡。雖然沒有使用經典的Cobot臂或AGV，但該系統(tǒng)是人機協(xié)作的，因為機器人制造的漢堡是由人工提供給顧客的。

在飲料方面，創(chuàng)業(yè)公司Hypergiant最近宣布與TGI Fridays合作，創(chuàng)建了一個由人工智能驅動的調酒師Flanagan，為顧客提供個性化的雞尾酒。

結論

對于自動化將如何改造工廠和取代工人，已經引發(fā)了巨大的爭論。雖然Cobots有利于重塑品牌吸引力，也暗示著機器人和人類的協(xié)同作用，但毫無疑問，這項技術是工廠發(fā)生變遷的核心。隨著需求和技術的同步增長，Cobots正準備迎來一個分水嶺時刻。

更好的自動化將產生強大的連鎖反應，這將改變我們所知的制造業(yè)。工廠將搬遷，不會再依賴于廉價勞動力。在工廠和其他地方管理機器人的工作可能會激增。對Cobot技術的新投資甚至可能導致大規(guī)模的生產力提升。

公司整合技術的方式，以及政府為下一個經濟階段而制定的監(jiān)管政策，將會對Cobots的具體表現產生深遠影響。