5
2014年底，還在瑞士聯邦洛桑理工（EPFL）攻讀博士學位的李淼一次去深圳參觀一個制造企業，里面很年輕的媽媽帶著孩子在安裝一個屏蔽箱的電子元器件，這是件很枯燥的事兒，李淼覺得這些工作應該交給機器人。也就是在這個時候，李淼第一次動了創業的心思。
回到瑞士后，李淼聯合了兩個朋友想一起創業，一個CMU的博士，一個EPFL的同事。不過關于創業的理念大家出現了分歧，另外兩人想做高端產品，高價賣給KUKA或者ABB，然后再賣給中國，而李淼想直接先接觸客戶，從底層做起。“他們是top down，我是bottom up”李淼對雷鋒網說道。
那次的創業并沒有成形，后來CMU的博士進入了無人駕駛領域，EPFL的同事加入了一個美國的初創企業。而李淼則在2016年5月成立庫柏特，并在當年6月回國參加一個政府項目時獲得來自合力投資500萬天使融資，于是回國創業便成了順理成章的事。
李淼在EPFL讀博期間研究方向為機器人學習和人機協調交互，博士論文被提名EPFL優秀博士論文獎和ABB自動化獎，其中機器人抓取的動態自適應研究工作，被美國國家標準技術研究所（NIST）選為機器人基于傳感的抓取效率的標準測試方法。
傳統工業機器人智能程度低、操作困難、靈活性差，李淼希望結合機器學習包括深度學習與機器人控制讓機器人變得更加智能化。比如說傳統工業機器人只能執行預設的任務，而智能化工業機器人則可以感知并分析環境最后做出決策。
由庫柏特開發出的庫柏特系統（Cobot System）通過核心學習算法以及專用控制軟件針對客戶的不同需求進行定制化系統設計和開發，可應用于上下料的無序分揀、手機或者航空葉片的力控打磨、智能示教、智能貼標以及零件裝配等行業。庫柏特系統特點：
機器人采用力控傳感器打磨，恒力接觸打磨，精度高，并能對工藝進行智能化學習；
3D視覺來料無序分揀，可一鍵快速適配多種產品，無需增加額外投入；
采用智能示教技術，非專業人員也可以在數分鐘內完成程序編程；
對來料對象產品一致性要求低，通過軟件自主學習調整，硬件成本低；
目前，庫柏特針對不同場景下的需求設計出四款系統，包括機器人智能無序分揀系統、機器人力控打磨系統、機器人柔性裝配系統和機器人智能移動抓取系統。
機器人智能無序分揀系統
用途：通過3D掃描儀和機器人實現了對目標物品的視覺定位、抓取、搬運、旋轉、擺放等操作，可對自動化流水生產線中無序或任意擺放的物品進行抓取和分揀。
特點：分揀速度快、分揀精度高、適用性強、定制化服務、連續性工作
應用場景：物品檢測、物品分揀、產品分揀包裝
機器人力控打磨系統
用途：利用力控反饋，精密軌跡調整，視覺檢測識別實現安全、穩定、高效的打磨作業，克服人工打磨帶來效率低、產品質量不一致等缺點。
特點：實時監控、力控反饋、精密微調、穩定高效、視覺檢測、系統集成
應用場景：模具打磨、航空葉片表面打磨、光學鏡片打磨、汽車零部件打磨、手機外殼打磨
機器人柔性裝配系統
用途：此系統擁有人機協作、機器學習、柔順操作、機器人抓取、多模態協作裝配等相關技術，可用于提供柔性任務解決方案，例如：柔性裝配、智能分揀、柔性打磨。
特點：多區域識別、安全操作、精密協作、簡單程序框架
應用場景：工件裝配、智能貼標、食品分揀
機器人智能移動抓取系統
用途：通過對機械臂和IGV智能移動平臺的優化布置和系統整合，可實現更加智能通用的機器人柔性任務解決方案，同時也可用于教學科研。
特點：智能避障、安全操作、定點取物、隨即抓取、多點任務、無線控制
應用場景：倉儲物流、產品分揀
庫柏特機器人智能無序分揀系統最新測試視頻
庫柏特系統解決的是通用和運動規劃兩大問題，利用庫柏特系統的編程平臺，工程師可以直接控制不同制造商的機械臂規劃行為，而不必再去學習其使用的編程語言或底層的硬件邏輯，降低了學習成本；其二則是這不僅是一個高級的編程語言平臺，能將更為抽象的語言編譯為機器語言，更是一個高級的機器人操控平臺，在輸入抽象的行為后能夠自動規劃機器人的運動軌跡。也就是說，庫柏特要做的是工業機器人的通用編程平臺，或者說是工業機器人操作系統，這一點與日本的創業企業Mujin比較類似。
“我們是幫所有機器人本體制造商拓寬他們應用范圍的，幫所有集成商降低他們繼承難度與風險，幫終端客戶減少集成費用”李淼向雷鋒網解釋道。“我們的愿景就是把機器人像人一樣用，而不是把人當機器”對著一些圖片，李淼繼續說道，這些照片里，很多工人都在重復地執行一項簡單的工作。
近日，李淼公布在2016年12月獲得A輪4000萬融資，投資方為經緯中國，資金將主要用于其在工業、制造業的市場布局。
想更多關于機器人方面的資訊？歡迎關注雷鋒網旗下垂直欄目微信公眾號「新智造」，跟雷鋒網一起讀懂智能&未來。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
