We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
张
张君武
鲍
鲍天宇
张君武：从商业应用角度出发，认为Covariant和Dexterity是机器人领域的领先公司，并强调不同行业对第一梯队公司的定义不同。他认为特斯拉和Everyday Robots等公司技术发展迅速，但仍处于研发阶段，未来能否达到商业化应用还有待观察。他还详细解释了机器人研究的三个主要环节：感知、路径规划和执行，并分析了每个环节的难点，以及这些难点如何导致商业化挑战。他以自身在Vicarious公司从事分拣机器人工作的经验为例，阐述了感知中物体姿态识别、路径规划中路径调整以及执行中安全设定等方面的挑战。他指出，机器人成本与人工成本的平衡是商业化的关键，并认为AI技术提升准确率是实现平衡的关键。
鲍天宇：从技术角度出发，他认为波士顿动力在机器人动态控制方面领先，Everyday Robots在机器人学习和适应能力方面领先，但两家公司都离商业化较远。他认为，让机器人适应各种环境是一个巨大的挑战，并以Everyday Robots为例，说明了让机器人完成看似简单的任务（如垃圾分类）的难度。他分析了谷歌收购多家机器人公司后进展缓慢的原因，包括技术难度、商业化遥遥无期以及公司内部管理和战略调整等因素。他认为人形机器人代表着未来趋势，但离真正商业化还有很长的路要走。
泓君：作为主持人，他引导嘉宾讨论，并总结了嘉宾的观点。他提出了许多问题，例如：大家心目中第一梯队的机器人公司有哪些？机器人研究为什么这么难？大模型对机器人研究有什么影响？机器人公司如何实现商业化？等等。他帮助嘉宾理清思路，并引导讨论深入到技术细节和商业模式等方面。
鲍天宇：认为目前主流的工业机器人公司都在采用机器人即服务（Robot as a Service）的商业模式，这种模式虽然降低了客户的前期投入成本，但也增加了机器人公司的压力，因为客户会直接比较机器人与人工的成本，机器人公司需要保证高效率和高准确率才能盈利。他还指出，人形机器人代表着未来趋势，但目前离真正商业化还很远。他认为，大模型对机器人的影响主要体现在三个方面：自然语言交互、训练数据和执行能力。虽然目前大模型在机器人领域的应用还处于早期阶段，准确率还有待提高，但他对未来充满期待。
张君武：认为目前商业化较好的机器人公司主要集中在场景确定性较高的领域，例如亚马逊的Kiva系统、扫地机器人、手术机器人以及传统工业机器人等。他指出，AI技术在机器人领域的应用程度与商业化能力成反比，AI技术应用越多，商业化越难。他分析了机器人商业化面临的挑战，包括技术难度、成本控制、规模化生产以及客户满意度等方面。他认为，大模型技术能够提升人机交互效率，并辅助机器人完成更复杂的任务，但要实现大规模商业应用，还需要克服许多技术难题。
泓君：作为主持人，他引导嘉宾讨论，并总结了嘉宾的观点。他提出了许多问题，例如：大家心目中第一梯队的机器人公司有哪些？机器人研究为什么这么难？大模型对机器人研究有什么影响？机器人公司如何实现商业化？等等。他帮助嘉宾理清思路，并引导讨论深入到技术细节和商业模式等方面。
Deep Dive
本部分探讨了机器人领域的领先公司，嘉宾们从商业化角度出发，对Covariant、Dexterity、波士顿动力、特斯拉以及Everyday Robots等公司进行了分析和比较，并深入探讨了Everyday Robots的独特研究思路以及其在通用机器人领域的领先地位。
- Covariant和Dexterity专注于物流机器人，实现商业化；
- 波士顿动力在机器人动态控制方面领先，但商业化程度低；
- Everyday Robots专注于通用机器人，研究思路独特但被谷歌关停；
- 特斯拉和1X致力于人形机器人研发，具有量产潜力。
Shownotes Transcript