Ambi Robotics（前身為Ambidextrous Laboratories）為其采摘機器人和基于模擬到真實的人工智能（AI）的操作系統籌集了610萬美元的種子資金。由肯德伯格大學（Ken Goldberg），美國加州大學伯克利分校的一位教授共同創立的Ambi Robotics表示，盡管它多年來在改善機器人抓地力方面的工作并不是秘密，但它正在退出隱身模式。

Ambi Robotics有兩個旗艦產品。AmbiSort是一種自動放置墻，可將散裝輸入流（斜槽，手提袋和垃圾箱）中的箱子，塑料袋和信封分類到目標容器（郵件袋，手提袋）中。Ambi Robotics稱，該系統“比體力勞動快50％以上”。AmbiKit是一個機器人系統，可以從任何項目集中構建獨特的套件。該公司表示，它可以與各種行業的訂閱盒，醫療箱，禮品套裝和樣品套裝一起使用，包括化妝品，食品和飲料，消費品，醫療設備，航空航天和汽車。

該公司的機器人是模塊化的，但它們確實使用基于吸力的抓取。這是AmbiSort的工作方式。深度感應相機首先查看物品箱并分析對象。在確定如何最好地抓取物品后，機器人將用其吸氣式夾具抓取物品，將其固定在條形碼掃描儀上，然后將物品放入垃圾箱。然后，當料箱已滿并準備好打包時，系統會向操作人員發出警報。

按Dex-Net計算

該公司的機器人由其專有的操作系統AmbiOS提供支持，該操作系統可對機器人進行仿真訓練，并將其進步成果轉移到實際系統中。AmbiOS基于敏捷網絡（Dex-Net）項目，該項目使深度神經網絡的訓練自動化，從而提高了機器人抓取各種物品的能力。

Dex-Net由加州大學伯克利分校的研究人員創建，其中許多人現在在Ambi Robotics工作。Dex-Net的算法結合了數千個3D對象模型和合成點云的仿真。本質上，深度神經網絡可確定魯棒的拾取點，從而為機器人提供了在無需進一步培訓的情況下成功抓取新穎物體的最佳機會。

Dex-Net 4.0于2019年1月推出，能夠針對500萬個合成深度圖像，抓取力和從3D對象堆中產生的獎勵訓練平行顎和基于真空的吸盤式抓取器的策略。對于具有兩個抓取器的物理機器人，當時的策略是清除多達25個新對象的垃圾箱，其可靠性大于95％，且每小時的平均拾取次數超過300。Ambi Robotics聯合創始人Jeff Mahler說：

“為了滿足COVID-19期間在線交付量驚人增長的需求，我們的機器人與倉庫員工一起工作，以減輕工作量，減少傷害并提高準確性，效率和吞吐量。我們的人工智能驅動的機器人系統專為人類操作而設計，使工人能夠發揮最佳性能，利用我們的模擬到真實技術來揀選和分類物品，而工人則可以完成裝箱和處理異常情況。”

Dex-Net團隊在2.0版本發布后于2017年左右開始考慮將該技術商業化。在2018年，該團隊應邀向亞馬遜進行了技術演示，電子商務巨頭的熱情和積極回應進一步激發了團隊的靈感。

Goldberg表示：

“使用我們獨特的基于模擬到真實的轉換的深度學習AI方法，AmbiOS可以為各種傳感器，機器人和包裝類別快速配置我們的系統，”“我們的AmbiSort機器人和龍門系統可靠地實現了超人分揀–允許人類工人以手動揀選速度的兩倍來分揀成千上萬的商業包裹。”

倉庫已經成熟，可以實現自動化，而機器人系統正在趕上電子商務的增長。有許多機器人公司專注于使用操縱來改進供應鏈運營中的各種流程。我們在最近的RoboBusiness Direct會議“機器人揀選，抓取和操縱方面的進展”中討論了此問題。就在昨天，波士頓動力公司發布了它的Stretch機器人，這是一種移動式卸垛機器人，旨在卸載卡車并在倉庫中移動箱子。Strecth成功的關鍵在于其處理各種包裝的能力。