Mimic Robotics的創(chuàng)始團(tuán)隊，來源：Mimic Robotics這家公司叫Mimic Robotics，它近日獲得由Elaia和Speedinvest領(lǐng)投的1600萬美元種子輪融資，F(xiàn)ounderful、1st Kind、10X Founders、2100以及Sequoia Scout跟投。在2024年5月，它還獲得Founderful領(lǐng)投的250萬美元早期融資。
Mimic Robotics成立于2024年，從ETH Zürich（蘇黎世聯(lián)邦理工學(xué)院）Soft Robotics Lab分拆而來，實驗室的核心成員Stefan Weirich（CEO）、Elvis Nava（CTO）、Stephan-Daniel Gravert（CPO）、Benedek Forrai （首席科學(xué)家）擔(dān)任公司的聯(lián)合創(chuàng)始人，實驗室負(fù)責(zé)人Robert Katzschmann教授是公司的聯(lián)合創(chuàng)始人兼首席顧問。
Mimic Robotics的創(chuàng)始團(tuán)隊，來源：Mimic Robotics
在通用具身模型出現(xiàn)之前，機器人的大部分領(lǐng)域被特設(shè)（ad-hoc）的方法所主導(dǎo)，這些方法是針對特定任務(wù)的，它們有足夠高的精度和不錯的魯棒性，但是只能解決單一任務(wù)。例如，它們需要多個獨立的組件來解決路徑規(guī)劃、碰撞避免、物體檢測、狀態(tài)估計和應(yīng)用邏輯等問題。很顯然，它們不具有通用性。同時，讓整個系統(tǒng)具有高可靠性和商業(yè)可行性，也相對困難。
例如，傳統(tǒng)的機器人手，是專為特定的重復(fù)性任務(wù)而設(shè)計，缺乏靈活性。其編程過程耗時且需要專業(yè)知識，導(dǎo)致它們難以適應(yīng)需要機器人配合人類專用工具和工作流程的動態(tài)環(huán)境。
Mimic Robotics團(tuán)隊，押注于具身智能在行為上的端到端深度學(xué)習(xí)模型（也可稱為大行為模型），相比由多個獨立組件組成的復(fù)雜系統(tǒng)，它可以理解為一個將RGB圖像和本體感覺讀數(shù)映射到機器人動作的單一端到端模型。這使得學(xué)習(xí)大量不同的操作任務(wù)變成了一個數(shù)據(jù)擴(kuò)展問題，而不是一系列特設(shè)的工程問題。
但是從計算規(guī)模和數(shù)據(jù)的質(zhì)和量來說，通用具身智能模型的發(fā)展水平，相比大語言模型，還要落后5年左右，當(dāng)然，這也給了初創(chuàng)公司在基礎(chǔ)模型層面進(jìn)行競爭的機會。
當(dāng)然，現(xiàn)在通用具身智能模型公司的估值水平都已經(jīng)不低，例如Figure，估值已經(jīng)390億美元，其他如Skild AI和Physical Intelligence也估值數(shù)十億美元。
Mimic Robotics專注在機器人的“操作”（manipulation）能力，因為無論其余的機器人系統(tǒng)是什么樣子（無論是固定工作站、輪式機器人、四足機器人還是人形機器人），“操作”都是實現(xiàn)機器人廣泛經(jīng)濟(jì)影響的關(guān)鍵。
具體來說：Mimic Robotics構(gòu)建能無縫融入人類工作場所的靈巧機械手，并用端到端的基礎(chǔ)AI模型來驅(qū)動它們，使得這些機械手能夠執(zhí)行通用的技能，簡單的工業(yè)和物流拾取放置，到配套、食品制備，甚至是服務(wù)和護(hù)理。
通用具身智能模型，其原生數(shù)據(jù)格式是“機器人遙操作數(shù)據(jù)”，以往的數(shù)據(jù)獲取方式是部署大量機器人，雇傭機器人操作員，并獲取大量的機器人軌跡和攝像頭畫面數(shù)據(jù)，以便通過模仿學(xué)習(xí)來訓(xùn)練模型。
但是通用模型，其模型能力的好壞，大半倒要決定于數(shù)據(jù)的數(shù)量和質(zhì)量，此前的數(shù)據(jù)獲取方式，保證了數(shù)據(jù)質(zhì)量，但鑒于通用具身智能模型的Scaling Law已經(jīng)一定程度上被驗證（參看我們此前關(guān)于Generalist的文章），模型對于數(shù)據(jù)量的需求幾乎是無限的，若長期依賴昂貴的物理機器人人工數(shù)據(jù)收集，成本很難控制，必然遇到瓶頸。
Mimic Robotics采取的方法是讓工廠工人戴上能夠捕捉他們執(zhí)行日常任務(wù)時詳盡數(shù)據(jù)的手套，這些數(shù)據(jù)隨后被用于訓(xùn)練具身智能模型，確保Mimic的機械手能夠復(fù)現(xiàn)人類的操作手法，包括對工作環(huán)境的變化做出反應(yīng)。同時，它們用現(xiàn)在可以低成本獲取的海量第一人稱人類視頻數(shù)據(jù)上進(jìn)行訓(xùn)練。保證了數(shù)據(jù)的數(shù)量，同時控制了成本。
前文提到，Mimic Robotics構(gòu)建能無縫融入人類工作場所的靈巧機械手，一方面因為人類的手和機器人手之間的“具身差距”（embodiment gap）遠(yuǎn)小于人類手和雙指夾具機器人之間的差距，另一方面，也因為對于它們專注的機器人的“操作”能力來說，靈巧機械手是最佳載體。
不過Mimic Robotics并沒有一開始就走人形機器人的路線，甚至沒有自己生產(chǎn)機器人的手臂；他們是市面上已廣泛銷售的機械臂，并制造自己的機械手與之連接。
這樣做的好處首先在于降低了他們的開發(fā)和生產(chǎn)的成本，另一方面，使用市售的機械臂可以讓他們無縫接入到這些機械臂原來就有的場景里，并且做得更好。
Mimic聯(lián)合創(chuàng)始人Elvis Nava（CTO）表示：“用市售機械臂加我們的機械手結(jié)合，可以更快的切入市場，解決行業(yè)目前急需解決的問題，即完成那些原來需要人類完成的工作，而且即插即用。我們已經(jīng)完成了一個主要技術(shù)里程碑，就是從實驗室驗證技術(shù)，轉(zhuǎn)變?yōu)闃?gòu)建能夠大規(guī)模執(zhí)行客戶任務(wù)的產(chǎn)品化機械手。”
憑借其解決方案，mimic旨在服務(wù)零售、物流和制造業(yè)中固定工位的體力勞動市場，這些行業(yè)在歐洲面臨嚴(yán)重的勞動力短缺，且許多任務(wù)對工人來說枯燥重復(fù)。
根據(jù)Grand View Research最近的研究，2024年全球工業(yè)機器人市場規(guī)模為339億美元，并預(yù)測其年增長率將接近10%，到2030年將達(dá)到605億美元。
目前，Mimic正與歐洲大型制造和汽車公司合作開展多個試點項目，在裝配線和包裝環(huán)節(jié)測試其技術(shù)，其機械臂+機械手的全面商業(yè)部署將在未來一到兩年內(nèi)開始。
進(jìn)入全面商業(yè)部署后，Elvis Nava表示，Mimic將采取兩種定價模式。主流的是提供“機器人即服務(wù)”訂閱，這降低了采用門檻，并能讓客戶從第一個月起就看到運營成本的節(jié)省。
他還補充說，達(dá)到一定規(guī)模的一些客戶不喜歡運營支出模式，因此Mimic也會將機器人工作站直接出售給他們，并收取持續(xù)的服務(wù)等級協(xié)議（SLA）費用和軟件訂閱費。
具身智能機器人要走向?qū)嵱没?，走向普及，目前還面臨眾多卡點。在硬件方面，就有感知（視覺，聽覺，觸覺），移動能力（雙足、四足、輪式），操作能力（手臂，靈巧手），續(xù)航能力，以及成本控制；在軟件/智能方面，有指令理解能力，對物理規(guī)則的遵循，控制算法，通用泛化能力與魯棒性的平衡，當(dāng)然，還有作為基石的數(shù)據(jù)。
要讓具身智能機器人走向普及，需要的是產(chǎn)業(yè)鏈上所有環(huán)節(jié)的共同進(jìn)步，無論是軟件還是硬件，無論是模型還是機械手。
但這需要一個過程，就像新能源智能汽車的產(chǎn)業(yè)鏈，經(jīng)過了多年的共同發(fā)展，在能源（純電、插電、增程）、車體、車內(nèi)舒適性、智能化上都有長足進(jìn)步，才迎來了近幾年的整體爆發(fā)。
當(dāng)然，對于具身智能行業(yè)，通用智能（模型）的進(jìn)化是核心，但是推動具身通用智能的進(jìn)化，并不像LLM那樣容易，因為作為物理AI的通用智能，它的維度要更加復(fù)雜，所以整個具身智能機器人各個部位的整體突破才顯得更重要，因為單個部位的突破，比如機械手-操作能力，只要它進(jìn)入應(yīng)用，創(chuàng)造價值，積累數(shù)據(jù)，也是能夠反復(fù)通用智能的。
中國市場擁有全球最完備的具身智能硬件產(chǎn)業(yè)鏈之一，在成本控制上更是全球領(lǐng)先，同時也擁有豐富的應(yīng)用落地場景，中國在具身智能產(chǎn)業(yè)鏈上各個領(lǐng)域的創(chuàng)業(yè)者們，都有機會做到世界前列。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論