作者 | 金旺
欄目 | 機(jī)器人新紀(jì)元
2019年,中國工業(yè)機(jī)器人累計裝機(jī)量達(dá)到78.3萬臺。
就連時任國際機(jī)器人聯(lián)合會(IFR)主席的Milton Guerry也不得不贊嘆,“中國是目前世界上最大,也是增長最快的機(jī)器人市場。”
身在這一龐大市場中的劉吳月發(fā)現(xiàn),當(dāng)時大部分機(jī)器人仍沿用著機(jī)床邏輯,通過預(yù)設(shè)軌跡移動位置來執(zhí)行任務(wù)。
據(jù)劉吳月當(dāng)時的估算,基于這種邏輯的機(jī)器人只能完成人類5%-10%的任務(wù),90%以上的任務(wù)無法通過基于這一邏輯的機(jī)器人來實現(xiàn),之所以如此,根源在于這類機(jī)器人缺乏手眼協(xié)同與在線調(diào)整能力。
當(dāng)時,具備力覺控制技術(shù)的機(jī)器人在市場上需求極為旺盛,但由于這項技術(shù)最初被幾家國外品牌壟斷,導(dǎo)致國內(nèi)團(tuán)隊難以打通商業(yè)邏輯。
面對這一機(jī)遇和挑戰(zhàn),本就在航天力傳感領(lǐng)域有著多年從業(yè)經(jīng)驗的劉吳月,毅然決定在這一年組建團(tuán)隊,進(jìn)軍這片藍(lán)海市場,目標(biāo)直指為機(jī)器人研發(fā)一款真正好用的國產(chǎn)力傳感器。
01 從機(jī)床邏輯,到擬人思維
2019年,僅僅依靠程序化的軌跡規(guī)劃來控制機(jī)器人執(zhí)行任務(wù)的模式,已經(jīng)遠(yuǎn)遠(yuǎn)無法滿足智能制造需求,缺乏反饋機(jī)制,成了當(dāng)時大多數(shù)工業(yè)機(jī)器人再度進(jìn)化的一大瓶頸。
劉吳月和他的藍(lán)點(diǎn)觸控正是在此背景下成立,并開始將航天領(lǐng)域的力傳感器技術(shù)帶到工業(yè)領(lǐng)域。
我們是在WRC 2025上見到的藍(lán)點(diǎn)觸控創(chuàng)始人劉吳月,回憶起當(dāng)時工業(yè)機(jī)器人產(chǎn)業(yè)現(xiàn)狀,劉吳月告訴我們,“在工廠搬運(yùn)場景中的放置環(huán)節(jié),尤其是接觸場景的物品放置,是當(dāng)時的一大難題。”
以富士康手機(jī)流水線作業(yè)為例,通過機(jī)器人將一個連接器插入手機(jī)時,假設(shè)軸與孔的間隙為0.05mm,如果以傳統(tǒng)機(jī)床思維,需要機(jī)器人以極高的精度定位到0.05mm,由此設(shè)計出的機(jī)器人程序,對機(jī)器人的成本和長期作業(yè)穩(wěn)定性帶來了很大的挑戰(zhàn)。
往往是稍有磨損或碰撞,這臺機(jī)器人就無法正常使用。
相較而言,人類手部操作并不依賴于高精度定位,而是通過視覺進(jìn)行大致定位,再通過“手感”將連接器插入到手機(jī)中,倘若能以這樣擬人思維設(shè)計機(jī)器人,不僅對機(jī)器人精度要求低、結(jié)構(gòu)成本也低,而且能實現(xiàn)長期穩(wěn)定的高精度操作。
這是劉吳月創(chuàng)立的藍(lán)點(diǎn)觸控研發(fā)力傳感器的核心邏輯,用力傳感器提升機(jī)器人手眼協(xié)同能力,讓機(jī)器人從機(jī)床邏輯進(jìn)化到擬人思維。
不過,當(dāng)劉吳月進(jìn)入這一市場時發(fā)現(xiàn),當(dāng)時國內(nèi)力傳感器,尤其是更高端的六維力傳感器市場被國外品牌長期壟斷,相較于這些國外品牌,中國創(chuàng)業(yè)團(tuán)隊要想進(jìn)入這一市場,普遍要面對兩大難題:
第一,研發(fā)出的力傳感器如何達(dá)到與這些國外品牌相當(dāng)?shù)男阅埽?/p>
第二,如何建立起自己的品牌信任度,打破國外品牌的長期壟斷。
于是,劉吳月從產(chǎn)品性能著手,開始研發(fā)第一款六維力傳感器。
六維力傳感器結(jié)構(gòu)復(fù)雜、研發(fā)難度大,但擁有更多的測量維度,可以測量物體在三維空間中所有受力情況。
在這款產(chǎn)品研發(fā)過程,藍(lán)點(diǎn)觸控團(tuán)隊關(guān)鍵是要攻克四項核心技術(shù)點(diǎn):高性能彈性體迭代設(shè)計、嵌入式硬件電路設(shè)計、深度學(xué)習(xí)解耦算法,以及六維同步校準(zhǔn)技術(shù)。
回憶起當(dāng)時這款產(chǎn)品的技術(shù)攻關(guān)過程,劉吳月告訴我們,“其實我們國家航天領(lǐng)域在力傳感方面已經(jīng)擁有了數(shù)十年的技術(shù)積累,我們團(tuán)隊相當(dāng)于是站在巨人的肩膀上來完成這件事。”
實際上,藍(lán)點(diǎn)觸控第一款LB系列六維力傳感器的客戶,也正是來自航天領(lǐng)域。
2019年,清華大學(xué)航空航天學(xué)院模擬空間站在模擬太空抓取衛(wèi)星任務(wù)時,用到的正是藍(lán)點(diǎn)觸控第一款六維力傳感器。
在此之前,這一項目中原本選用的是海外某頭部品牌的六維力傳感器,但由于對方的產(chǎn)品當(dāng)時無法測出受力情況,也就有了后來換用藍(lán)點(diǎn)觸控產(chǎn)品的經(jīng)歷。
藍(lán)點(diǎn)觸控由此邁出了商業(yè)化道路上的第一步。
02 大模型拉高機(jī)器人性能需求
2022年,ChatGPT的發(fā)布,將人工智能技術(shù)帶入到大模型范式中,大模型的Scaling Law,將數(shù)據(jù)的重要性提高到了史無前例的高度。
然而,劉吳月很早就意識到了數(shù)據(jù)的重要性。
這里要特別一提的是,六維力傳感器在工業(yè)機(jī)器人,以及協(xié)作機(jī)器人中的工作鏈路:
力傳感器通過彈性體感知外部力的變化,將力轉(zhuǎn)化為應(yīng)變值,即電阻值的變化,再通過數(shù)據(jù)采集系統(tǒng)處理,經(jīng)解耦算法生成高精度的六維力信號,并輸入到機(jī)器人的控制器中;
機(jī)器人控制器根據(jù)外部受力情況,通過力控算法反向控制機(jī)器人運(yùn)動,實現(xiàn)機(jī)器人的力度控制或拖動跟隨等動作。
數(shù)據(jù)正是優(yōu)化這條技術(shù)鏈路,不斷提升六維力傳感器性能的關(guān)鍵。
劉吳月告訴我們,無論是傳統(tǒng)算法、小模型,還是大模型,數(shù)據(jù)都是底層的核心。
正因如此,在過去這些年里,藍(lán)點(diǎn)觸控在三個方面構(gòu)建起了自己的技術(shù)壁壘:硬件、算法,以及數(shù)據(jù)工藝積累。
劉吳月就這三者的關(guān)系類比特斯拉做了一個形象的比喻——硬件相當(dāng)于是汽車,算法相當(dāng)于是自動駕駛系統(tǒng),數(shù)據(jù)則是這二者背后最大的技術(shù)壁壘。
正因如此,當(dāng)藍(lán)點(diǎn)觸控在2020年針對力控算法下游細(xì)分場景進(jìn)行深入布局,進(jìn)入到了機(jī)器人打磨拋光工作站這一細(xì)分市場時,特別搭建了工藝算法模型和工藝數(shù)據(jù)庫。
研發(fā)機(jī)器人打磨拋光工作站的另一個重要原因是,在六維力傳感器產(chǎn)品研發(fā)體系相對成熟后,考慮到公司商業(yè)化路徑,劉吳月為藍(lán)點(diǎn)觸控制定了“一橫多縱”戰(zhàn)略——橫向是力傳感器系列產(chǎn)品,縱向是不同細(xì)分場景的整機(jī)設(shè)備。
藍(lán)點(diǎn)觸控六維力傳感器迎來第一個出貨量拐點(diǎn),是在2022年。
根據(jù)MIR DATABANK統(tǒng)計數(shù)據(jù)顯示,2022年中國協(xié)作機(jī)器人市場出貨量超過19000臺,再創(chuàng)歷史新高。
劉吳月告訴我們,“經(jīng)過過去三年的技術(shù)積累和客戶深耕,藍(lán)點(diǎn)觸控這一年已經(jīng)在行業(yè)內(nèi)有了很好的口碑,尤其在協(xié)作機(jī)器人市場對六維力傳感器需求不斷增長下,帶動了藍(lán)點(diǎn)觸控第一波出貨量。”
2022年,也成了藍(lán)點(diǎn)觸控商業(yè)化的一個關(guān)鍵拐點(diǎn)。
與此同時,2022年,大模型浪潮的來襲,成為機(jī)器人市場的一個重要變量,開始醞釀一個更龐大的機(jī)器人產(chǎn)業(yè)生態(tài)。
關(guān)于具身大模型對于機(jī)器人零部件的影響,劉吳月告訴我們這樣一套邏輯,“具身大模型正在拉動機(jī)器人整機(jī)硬件需求,機(jī)器人整機(jī)硬件又在牽動零部件發(fā)展,零部件提升反過來又會提高具身大模型的能力。”
在這套邏輯背后,本質(zhì)上源自于具身大模型對高質(zhì)量數(shù)據(jù)的需求,硬件性能提升會帶來更高質(zhì)量的數(shù)據(jù),數(shù)據(jù)質(zhì)量提高推動了具身大模型能力提升,進(jìn)而對硬件提出更高要求,這是一個迭代循環(huán)的過程。
與此同時,大模型正在催生一個更性感的機(jī)器人市場,人形機(jī)器人市場。
03 我們都在期待人形機(jī)器人的拐點(diǎn)
據(jù)IDC統(tǒng)計數(shù)據(jù)顯示,2024年中國人形機(jī)器人商用銷售出貨量約為2000臺,預(yù)計到2030年將會達(dá)到6萬臺。
就當(dāng)下人形機(jī)器人市場發(fā)展趨勢來看,劉吳月認(rèn)為,“每年翻倍增長已經(jīng)問題不大,但關(guān)鍵是能否實現(xiàn)指數(shù)級增長。”
如果按照每年翻倍增長的態(tài)勢來看,即便是到了2030年,國內(nèi)人形機(jī)器人市場體量也只有十幾萬臺,遠(yuǎn)遠(yuǎn)無法滿足大家對于人形機(jī)器人批量進(jìn)入工廠,乃至進(jìn)入家庭的想象空間。
整個機(jī)器人產(chǎn)業(yè),乃至具身智能產(chǎn)業(yè),更期待的是人形機(jī)器人的ChatGPT時刻。
不過,就今年而言,劉吳月也感受到了人形機(jī)器人市場出現(xiàn)了一個明顯的變化,在人形機(jī)器人逐漸走入實際場景中后,對六維力傳感器提出了更高的需求。
作為藍(lán)點(diǎn)觸控的公司董事,也是藍(lán)點(diǎn)觸控的投資人之一,北京航空航天大學(xué)機(jī)器人所名譽(yù)所長王田苗教授曾在2023年組了一個機(jī)器人行業(yè)交流的飯局,當(dāng)時有不少國內(nèi)知名機(jī)器人企業(yè)創(chuàng)始人到場。
彼時,在現(xiàn)場交流過程中,大家普遍認(rèn)為要推動人形機(jī)器人發(fā)展,需要繼續(xù)提升視覺精度,對力覺還沒什么剛需。
但當(dāng)時間進(jìn)入到2024年下半年,劉吳月發(fā)現(xiàn),當(dāng)大家的人形機(jī)器人完成研發(fā),開始進(jìn)入場景進(jìn)行數(shù)據(jù)訓(xùn)練時發(fā)現(xiàn),人形機(jī)器人即便是將水杯放到桌子上這樣簡單的操作,也無法很好地完成。
這其中的原因正是視覺定位精度普遍在2-10mm,無法達(dá)到場景應(yīng)用需求,要滿足這樣的需求,就需要有手眼協(xié)同能力,六維力傳感器提供的手部力覺,正是最核心的反饋能力。
正因如此,藍(lán)點(diǎn)觸控的六維力傳感器2024年下半年在人形機(jī)器人市場迎來了第二波快速業(yè)務(wù)增長。
據(jù)劉吳月透露,包括智元、優(yōu)必選、小米、眾擎、千尋智能等人形機(jī)器人頭部企業(yè),都已經(jīng)是藍(lán)點(diǎn)觸控的客戶。
劉吳月告訴我們,“人形機(jī)器人通常需要28個關(guān)節(jié)力傳感器和4個末端六維力傳感器,在整機(jī)成本占比約為15%。”
“相較于協(xié)作機(jī)器人而言,人形機(jī)器人對六維力傳感器的小尺寸、高精度、強(qiáng)過載能力有著更高的要求,產(chǎn)品研發(fā)難度在于如何在滿足這些需求的同時保持性能穩(wěn)定。”
據(jù)悉,目前,藍(lán)點(diǎn)觸控針對人形機(jī)器人研發(fā)的六維力傳感器已經(jīng)具備0.3%FS精度,最高響應(yīng)頻率可以做到10kHz。
與此同時,人形機(jī)器人也已經(jīng)成為藍(lán)點(diǎn)觸控如今的核心戰(zhàn)略業(yè)務(wù)之一。
此外,劉吳月也向我們透露,“我們面向人形機(jī)器人打造的下一代力傳感器將更小巧、更高精度,擁有更強(qiáng)的抗過載能力,與整機(jī)結(jié)構(gòu)深度融合,可真正實現(xiàn)機(jī)器人無感安裝,但會擁有更強(qiáng)的感知能力,從而滿足人形機(jī)器人復(fù)雜場景的柔性操作需求。”打造陪伴人形機(jī)器人,傅利葉
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。
關(guān)注智造、硬件、機(jī)器人。