正在阅读:

当工业机器人拥有一双“慧眼”,这个百亿赛道被重塑

扫一扫下载界面新闻APP

当工业机器人拥有一双“慧眼”,这个百亿赛道被重塑

重构工业生产正当时。

文|光锥智能 卢滢西

巨大的厂房里,搭载着3D工业相机的机械臂正在进行着今天的工作,它需要将烧得通红、重达百斤的火车轮进行抓取上料。

高达500℃的温度,这样的场景,光想想就已经热得冒汗。

而就是这样酷热的环境下,在以前,这项工作基本是由工人来操作的。

3D视觉的出现,让机器人不仅能够在极端条件下抓取轮胎,还能拧螺丝、抓麻袋,实现“万物皆可抓取”。

近些年来,人工智能技术的发展推动了3D视觉的诞生,由3D视觉引导的工业机器人,能够识别各类规格的纸箱、麻袋等物流行业的常见物体,并通过深度学习建立模型,实现对新物体的准确识别和抓取。

而资本的嗅觉是最敏锐的。

据光锥智能不完全统计,2021年全年,3D视觉在工业机器人领域共发生融资事件17起,而仅仅是2022年第一季度,该领域就发生融资事件9起,实现了融资量的翻倍增长。

而火热在第二季度再次延续。近日,梅卡曼德宣布完成C+轮融资,与此同时,星猿哲也完成了B+轮的融资。

赛道的升温,背后是工业机器人智能化需求的推动。

长期以来,由于作业精度不够高、不够灵活,传统工业机器人一直被打上“笨重”、“刚性”的标签,虽然在一定程度上代替了人力,但效率提升有限。面对复杂的生产环境,工业机器人需要迈向自适应、自感知的智能化升级。

从“机器换人”到“智能智造”,利用3D视觉和人工智能技术,机器人重构工业生产正当时。

一、工业生产的新“视界”

1969年,第一片CCD图像传感器在美国贝尔实验室诞生,此后,生活、生产的各个领域都开始与图像和视觉相连接。

人类70%的信息都是通过眼睛感知到的,机器人也一样。在3D视觉出现之前,机器人识别三维世界需要先拍摄2D画面,再经过计算得出三维立体数据,过程繁琐复杂。特别是在工业生产中,仅仅依靠平面成像不足以提高工业机器人的智能化水平,它需要一双更明亮的“眼睛”。

作为机器视觉的一种,3D视觉在完成了2D成像的迭代后,也提高了机器人作业的灵活性。与2D视觉相比,3D机器视觉通过三维成像技术,能够获得物体高精度的三维点云坐标。

但3D视觉的最终目的并不只是让工业机器人能够“看得清”,还得“看得懂”。

就传统的工业机器人而言,大多是按照既有的指令来执行任务,动作重复机械。但加上3D视觉技术以后,可以通过图像获取、信息处理和机械控制的传导路径来实现高效灵活作业。

例如,在汽车制造的焊装车间里,需要对大型副车架的各类孔径、位置度等关键参数进行精准测量,单个工件微小的误差都会影响最终的装配效果。利用3D视觉技术,能够生成孔位等细节的高质量成像,将所得信息传输给计算机以后,机器人就可以灵活应对不同位置的孔位,快速、精准地完成测量任务。

从自动化到智能化,中国制造业单件大批量的传统生产模式正在逐渐被小批量、分散的柔性化生产模式所替代。因此,如何实现高端制造中机器人柔性化、小批量、定制化的生产,成为了高端制造和智能制造机器人关键技术需要解决的问题。

此前,华为天才少年稚晖君自制机械臂给葡萄皮缝针的视频在B站大火,工业机械臂的精细化生产也进一步进入大众的视野。

从前,在汽车、钢铁等制造业中,零部件的装配工序都主要由人工来操作,劳动强度大、效率低,而且零部件种类多、结构复杂,传统的自动化很难满足柔性化生产的需要。而3D视觉的出现扭转了这一局面。

3D视觉能够在拧螺丝、装汽车轮胎以及重物的上料装配等场景实现应用,引导机器人识别并抓取随意摆放的工件,按要求将工件装配于指定位置,实现高精度定位抓取及高精度纠偏放置。

从应用功能来看,3D视觉技术在视觉引导和检测类场景应用较为广泛。而从应用终端来看,物流、金属加工和汽车零部件行业是当前3D视觉工业机器人较为重要的应用领域。

每逢“618”、“双十一”等节日大促,电商仓内都需要处理上百万件的日订单量,而传统人工供包模式人力成本高、效率低,难以满足高分拣效率的客观需求。面对海量无序的SKU,3D视觉可以快速、准确识别包括硬包、软包、信封等多种形态的包裹,实现各类包裹的三维定位,引导机器人进行抓取并放置到指定地点。

可以预见,随着相机、镜头等核心硬件性能的提升,以及图像处理、深度学习等软件技术的发展,3D视觉技术重构工业生产的作用将会更加凸显。

二、4年涌入近百家,新老玩家大混战

在2018年的上海工博会上,展示3D视觉方案的工业机器人公司还寥寥无几,而伴随着3D技术越来越成熟、智能制造的兴起,多家3D视觉工业机器人公司获得了融资,此前相对冷清的赛道开始热闹起来。据高工机器人统计,目前中国市场上3D视觉厂商的数量大概在60-70家,且这一数量还在持续增长中。

热潮之下,一批智能机器人创业公司雨后春笋般涌现,如库柏特、灵西机器人、梅卡曼德、非夕、阿丘科技、星猿哲等。

传统的老牌企业也不甘示弱。工业机器人的“四大家族”ABB(瑞士)、安川(日本)、发那科(日本)和库卡陆续入局,同时,也能看到AI视觉领域海康威视和旷视的身影。

3D视觉工业机器人也受到资本的追捧。截至6月20日,2021年以来,工业3D视觉领域发生的融资事件共31起,融资金额高达数十亿美元,融资轮次主要集中在A轮和B轮,说明整个行业还在早期。

2016年,梅卡曼德CEO邵天兰曾在知乎上回答了“国产工业机器人目前发展到了什么水平?”的问题:“五至八年内中国机器人的硬件水平可以追上第一集团,三至五年内软件水平可以弯道超车,赶超第一集团。”

在机器视觉赛道上,国外的基恩士、康耐视等公司,在2D视觉领域占据着几十年的“霸主”地位。而如今,整个3D视觉市场仍处于发展的早期阶段,国内外厂商在硬件产品和软件算法上能够站在同一起跑线上。

其次,在3D视觉+AI+工业机器人的细分赛道,国内厂商布局更早。作为制造业大国,中国拥有丰富的工业应用场景,也产生了很多定制化需求,锻造了国内厂商较强的项目交付能力。

相较于国外厂商在应用需求形成一定规模时才会考虑开发方案,国内厂商更善于抓住机会去推广自己的产品,以量变的积累形成质的飞跃。

而在2D视觉市场长达几十年的发展历程中,行业格局早已趋于稳定,技术方向也较为固定,玩不出什么新花样。如果不是新技术带来新机会,新玩家很难切入场景。

就目前而言,3D视觉在工业机器人领域的应用,市场渗透率并不高,基本竞争格局可以分为上游元器件、软件算法、3D相机软硬件、一体化解决方案四类。由于产业处于早期阶段,国内市场格局较为分散,梅卡曼德和灵西机器人这类创业公司参与了产业链的多个环节,在一体化解决方案上走在前列。

虽然两者在软件算法平台的开发上相差无几,但在硬件技术和3D成像技术上,灵西机器人要优于梅卡曼德,而梅卡曼德则在缺陷检测应用中有更多的落地方案。在重点的下游应用行业,灵西机器人在物流、锂电市场有较为成熟的方案,而梅卡曼德在汽车等其他市场的优势更为明显。

从国内的市场竞争格局来看,能够进入规模化量产阶段的公司跑在第一梯队。而视科普销售总监余舒帆也曾表示,“随着涌入3D视觉赛道的玩家越来越多,会加剧头部企业的形成。同时,关于3D视觉的市场规模和行业应用会实现进一步突破。”

实际上,无论是行业格局还是技术发展,3D视觉仍然处于早期。而工业生产试错成本高,因此,在解决方案没有落地之前,资本和客户都在观望。

2019年,梅卡曼德的3D视觉+AI+机器人解决方案在汽车、家电、3C、物流等行业实现了50多个项目的落地,而灵西机器人、星猿哲等公司也分别获得了Pre-A轮和A轮融资。

从demo到方案落地,在没有客户和渠道积累的前提下,以技术见长的创业公司克服了经验不足、对行业了解不透的问题,砸出了3D视觉在工业机器人领域的第一道水花。

三、难题:成本待下降,技术仍需迭代

虽然机器视觉已经走过了70多年的历程,但对于3D视觉来说,真正意义上发展起来,是在2018以后。

4年时间,犹如一个孩童刚走得稳当。

据MIR睿工业统计,2021年工业3D视觉市场出货量达2.7万套,在整个工业机器视觉市场出货中占比不足5%,市场渗透率较低。

中国机器视觉产业联盟数据显示,在机器视觉的下游应用市场中,消费电子是现阶段3D视觉的主要应用市场,占比24.79%,其中智能手机应用占比最大;其次,半导体和汽车行业也是3D视觉主要的阵地。

3D视觉市场潜力巨大,但另一方面,也存在一些问题:3D视觉在工业机器人领域批量应用少,成本和支出难以平衡。

据悉,国产3D相机的价格一般在5-7万元人民币,进口相机在10万元及以上。而成本主要由前期的研发投入以及硬件本身的成本组成。

对于很多3D视觉+AI+工业机器人的解决方案提供商而言,前期投入的大量研发费用会拉高成本,而且在市场导入期,批量应用尚未展开,无法通过规模化生产的方式摊薄成本,这就导致了产品高昂的价格。

另外,3D相机硬件的成本约占整体硬件成本的40%。而在硬件市场上,海外厂商占据大部分高端市场份额,产品售价约比国内厂商高出50%-100%。3D相机内置的芯片、光学镜头等核心零部件需要外购,尽管近些年刮起了国产替代的风,但仍然还没撼动国外厂商的地位。

成本下不去,客户难买单,高昂的价格减缓了市场拓展的速度。

而技术和人才也仍存在一些待突破的难题。

3D视觉主要分为硬件设备和软件算法两个部分,光源、镜头、相机等硬件产品负责成像,视觉控制系统则负责处理成像的数据并输出结果。

在硬件方面,3D工业相机的作业频率需要适应机器人的固有最高节拍。据悉,ABB速度最快的SCARA机器人的节拍时间可达0.29秒 ,这对3D工业相机的作业速度提出挑战。同时,目前的3D工业相机无法完全排除环境光的干扰,仍然会受到高反光工件以及环境光的变化带来的影响。

在软件算法方面,也同样需要进一步提升。在缺陷检测应用中,往往是给定一些具体的缺陷模型,让3D视觉来识别缺陷是否存在。但在实际应用中,许多缺陷由于缺少样本或者样本量少,从而出现漏检的情况。3D视觉对识别非预期性的缺陷还需要更强的学习和处理能力。

另外,3D视觉是一个交叉领域,涉及光学、3D成像、深度学习、运动规划等众多技术,链条很长。相关领域的人才稀缺也导致了售后技术支持的窘境:懂软件算法的,不一定会修理硬件。如果遇到设备故障的情况,售后链条长。

归根结底,由于3D视觉仍然处于Gartner曲线的技术萌芽期,市场整体比较碎片化,离解决方案大规模的成熟落地还有一段距离。任何新兴的技术产业都需要经历这一过程,要先学会走,才能真正跑起来。

当第一声水花溅起时,所泛起的不一定是涟漪,也有可能掀起巨浪。

顺为资本副总裁黄豪曾表示:“随着工业自动化和智能化的持续推进,3D机器视觉将在工业、物流和商业等多个领域遍地开花。

处于规模快速增长的爆发前夜,3D视觉正在酝酿下一个百亿市场。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

当工业机器人拥有一双“慧眼”,这个百亿赛道被重塑

重构工业生产正当时。

文|光锥智能 卢滢西

巨大的厂房里,搭载着3D工业相机的机械臂正在进行着今天的工作,它需要将烧得通红、重达百斤的火车轮进行抓取上料。

高达500℃的温度,这样的场景,光想想就已经热得冒汗。

而就是这样酷热的环境下,在以前,这项工作基本是由工人来操作的。

3D视觉的出现,让机器人不仅能够在极端条件下抓取轮胎,还能拧螺丝、抓麻袋,实现“万物皆可抓取”。

近些年来,人工智能技术的发展推动了3D视觉的诞生,由3D视觉引导的工业机器人,能够识别各类规格的纸箱、麻袋等物流行业的常见物体,并通过深度学习建立模型,实现对新物体的准确识别和抓取。

而资本的嗅觉是最敏锐的。

据光锥智能不完全统计,2021年全年,3D视觉在工业机器人领域共发生融资事件17起,而仅仅是2022年第一季度,该领域就发生融资事件9起,实现了融资量的翻倍增长。

而火热在第二季度再次延续。近日,梅卡曼德宣布完成C+轮融资,与此同时,星猿哲也完成了B+轮的融资。

赛道的升温,背后是工业机器人智能化需求的推动。

长期以来,由于作业精度不够高、不够灵活,传统工业机器人一直被打上“笨重”、“刚性”的标签,虽然在一定程度上代替了人力,但效率提升有限。面对复杂的生产环境,工业机器人需要迈向自适应、自感知的智能化升级。

从“机器换人”到“智能智造”,利用3D视觉和人工智能技术,机器人重构工业生产正当时。

一、工业生产的新“视界”

1969年,第一片CCD图像传感器在美国贝尔实验室诞生,此后,生活、生产的各个领域都开始与图像和视觉相连接。

人类70%的信息都是通过眼睛感知到的,机器人也一样。在3D视觉出现之前,机器人识别三维世界需要先拍摄2D画面,再经过计算得出三维立体数据,过程繁琐复杂。特别是在工业生产中,仅仅依靠平面成像不足以提高工业机器人的智能化水平,它需要一双更明亮的“眼睛”。

作为机器视觉的一种,3D视觉在完成了2D成像的迭代后,也提高了机器人作业的灵活性。与2D视觉相比,3D机器视觉通过三维成像技术,能够获得物体高精度的三维点云坐标。

但3D视觉的最终目的并不只是让工业机器人能够“看得清”,还得“看得懂”。

就传统的工业机器人而言,大多是按照既有的指令来执行任务,动作重复机械。但加上3D视觉技术以后,可以通过图像获取、信息处理和机械控制的传导路径来实现高效灵活作业。

例如,在汽车制造的焊装车间里,需要对大型副车架的各类孔径、位置度等关键参数进行精准测量,单个工件微小的误差都会影响最终的装配效果。利用3D视觉技术,能够生成孔位等细节的高质量成像,将所得信息传输给计算机以后,机器人就可以灵活应对不同位置的孔位,快速、精准地完成测量任务。

从自动化到智能化,中国制造业单件大批量的传统生产模式正在逐渐被小批量、分散的柔性化生产模式所替代。因此,如何实现高端制造中机器人柔性化、小批量、定制化的生产,成为了高端制造和智能制造机器人关键技术需要解决的问题。

此前,华为天才少年稚晖君自制机械臂给葡萄皮缝针的视频在B站大火,工业机械臂的精细化生产也进一步进入大众的视野。

从前,在汽车、钢铁等制造业中,零部件的装配工序都主要由人工来操作,劳动强度大、效率低,而且零部件种类多、结构复杂,传统的自动化很难满足柔性化生产的需要。而3D视觉的出现扭转了这一局面。

3D视觉能够在拧螺丝、装汽车轮胎以及重物的上料装配等场景实现应用,引导机器人识别并抓取随意摆放的工件,按要求将工件装配于指定位置,实现高精度定位抓取及高精度纠偏放置。

从应用功能来看,3D视觉技术在视觉引导和检测类场景应用较为广泛。而从应用终端来看,物流、金属加工和汽车零部件行业是当前3D视觉工业机器人较为重要的应用领域。

每逢“618”、“双十一”等节日大促,电商仓内都需要处理上百万件的日订单量,而传统人工供包模式人力成本高、效率低,难以满足高分拣效率的客观需求。面对海量无序的SKU,3D视觉可以快速、准确识别包括硬包、软包、信封等多种形态的包裹,实现各类包裹的三维定位,引导机器人进行抓取并放置到指定地点。

可以预见,随着相机、镜头等核心硬件性能的提升,以及图像处理、深度学习等软件技术的发展,3D视觉技术重构工业生产的作用将会更加凸显。

二、4年涌入近百家,新老玩家大混战

在2018年的上海工博会上,展示3D视觉方案的工业机器人公司还寥寥无几,而伴随着3D技术越来越成熟、智能制造的兴起,多家3D视觉工业机器人公司获得了融资,此前相对冷清的赛道开始热闹起来。据高工机器人统计,目前中国市场上3D视觉厂商的数量大概在60-70家,且这一数量还在持续增长中。

热潮之下,一批智能机器人创业公司雨后春笋般涌现,如库柏特、灵西机器人、梅卡曼德、非夕、阿丘科技、星猿哲等。

传统的老牌企业也不甘示弱。工业机器人的“四大家族”ABB(瑞士)、安川(日本)、发那科(日本)和库卡陆续入局,同时,也能看到AI视觉领域海康威视和旷视的身影。

3D视觉工业机器人也受到资本的追捧。截至6月20日,2021年以来,工业3D视觉领域发生的融资事件共31起,融资金额高达数十亿美元,融资轮次主要集中在A轮和B轮,说明整个行业还在早期。

2016年,梅卡曼德CEO邵天兰曾在知乎上回答了“国产工业机器人目前发展到了什么水平?”的问题:“五至八年内中国机器人的硬件水平可以追上第一集团,三至五年内软件水平可以弯道超车,赶超第一集团。”

在机器视觉赛道上,国外的基恩士、康耐视等公司,在2D视觉领域占据着几十年的“霸主”地位。而如今,整个3D视觉市场仍处于发展的早期阶段,国内外厂商在硬件产品和软件算法上能够站在同一起跑线上。

其次,在3D视觉+AI+工业机器人的细分赛道,国内厂商布局更早。作为制造业大国,中国拥有丰富的工业应用场景,也产生了很多定制化需求,锻造了国内厂商较强的项目交付能力。

相较于国外厂商在应用需求形成一定规模时才会考虑开发方案,国内厂商更善于抓住机会去推广自己的产品,以量变的积累形成质的飞跃。

而在2D视觉市场长达几十年的发展历程中,行业格局早已趋于稳定,技术方向也较为固定,玩不出什么新花样。如果不是新技术带来新机会,新玩家很难切入场景。

就目前而言,3D视觉在工业机器人领域的应用,市场渗透率并不高,基本竞争格局可以分为上游元器件、软件算法、3D相机软硬件、一体化解决方案四类。由于产业处于早期阶段,国内市场格局较为分散,梅卡曼德和灵西机器人这类创业公司参与了产业链的多个环节,在一体化解决方案上走在前列。

虽然两者在软件算法平台的开发上相差无几,但在硬件技术和3D成像技术上,灵西机器人要优于梅卡曼德,而梅卡曼德则在缺陷检测应用中有更多的落地方案。在重点的下游应用行业,灵西机器人在物流、锂电市场有较为成熟的方案,而梅卡曼德在汽车等其他市场的优势更为明显。

从国内的市场竞争格局来看,能够进入规模化量产阶段的公司跑在第一梯队。而视科普销售总监余舒帆也曾表示,“随着涌入3D视觉赛道的玩家越来越多,会加剧头部企业的形成。同时,关于3D视觉的市场规模和行业应用会实现进一步突破。”

实际上,无论是行业格局还是技术发展,3D视觉仍然处于早期。而工业生产试错成本高,因此,在解决方案没有落地之前,资本和客户都在观望。

2019年,梅卡曼德的3D视觉+AI+机器人解决方案在汽车、家电、3C、物流等行业实现了50多个项目的落地,而灵西机器人、星猿哲等公司也分别获得了Pre-A轮和A轮融资。

从demo到方案落地,在没有客户和渠道积累的前提下,以技术见长的创业公司克服了经验不足、对行业了解不透的问题,砸出了3D视觉在工业机器人领域的第一道水花。

三、难题:成本待下降,技术仍需迭代

虽然机器视觉已经走过了70多年的历程,但对于3D视觉来说,真正意义上发展起来,是在2018以后。

4年时间,犹如一个孩童刚走得稳当。

据MIR睿工业统计,2021年工业3D视觉市场出货量达2.7万套,在整个工业机器视觉市场出货中占比不足5%,市场渗透率较低。

中国机器视觉产业联盟数据显示,在机器视觉的下游应用市场中,消费电子是现阶段3D视觉的主要应用市场,占比24.79%,其中智能手机应用占比最大;其次,半导体和汽车行业也是3D视觉主要的阵地。

3D视觉市场潜力巨大,但另一方面,也存在一些问题:3D视觉在工业机器人领域批量应用少,成本和支出难以平衡。

据悉,国产3D相机的价格一般在5-7万元人民币,进口相机在10万元及以上。而成本主要由前期的研发投入以及硬件本身的成本组成。

对于很多3D视觉+AI+工业机器人的解决方案提供商而言,前期投入的大量研发费用会拉高成本,而且在市场导入期,批量应用尚未展开,无法通过规模化生产的方式摊薄成本,这就导致了产品高昂的价格。

另外,3D相机硬件的成本约占整体硬件成本的40%。而在硬件市场上,海外厂商占据大部分高端市场份额,产品售价约比国内厂商高出50%-100%。3D相机内置的芯片、光学镜头等核心零部件需要外购,尽管近些年刮起了国产替代的风,但仍然还没撼动国外厂商的地位。

成本下不去,客户难买单,高昂的价格减缓了市场拓展的速度。

而技术和人才也仍存在一些待突破的难题。

3D视觉主要分为硬件设备和软件算法两个部分,光源、镜头、相机等硬件产品负责成像,视觉控制系统则负责处理成像的数据并输出结果。

在硬件方面,3D工业相机的作业频率需要适应机器人的固有最高节拍。据悉,ABB速度最快的SCARA机器人的节拍时间可达0.29秒 ,这对3D工业相机的作业速度提出挑战。同时,目前的3D工业相机无法完全排除环境光的干扰,仍然会受到高反光工件以及环境光的变化带来的影响。

在软件算法方面,也同样需要进一步提升。在缺陷检测应用中,往往是给定一些具体的缺陷模型,让3D视觉来识别缺陷是否存在。但在实际应用中,许多缺陷由于缺少样本或者样本量少,从而出现漏检的情况。3D视觉对识别非预期性的缺陷还需要更强的学习和处理能力。

另外,3D视觉是一个交叉领域,涉及光学、3D成像、深度学习、运动规划等众多技术,链条很长。相关领域的人才稀缺也导致了售后技术支持的窘境:懂软件算法的,不一定会修理硬件。如果遇到设备故障的情况,售后链条长。

归根结底,由于3D视觉仍然处于Gartner曲线的技术萌芽期,市场整体比较碎片化,离解决方案大规模的成熟落地还有一段距离。任何新兴的技术产业都需要经历这一过程,要先学会走,才能真正跑起来。

当第一声水花溅起时,所泛起的不一定是涟漪,也有可能掀起巨浪。

顺为资本副总裁黄豪曾表示:“随着工业自动化和智能化的持续推进,3D机器视觉将在工业、物流和商业等多个领域遍地开花。

处于规模快速增长的爆发前夜,3D视觉正在酝酿下一个百亿市场。

本文为转载内容,授权事宜请联系原著作权人。