表：全球協作機器人代表企業
下文將詳述COBOT（協作機器人）如何應對這些技術挑戰，并改變制造業、電子商務、農業和食品服務等產業的。
新的視覺技術
隨著機器人逐漸被應用于世界各地的工廠，研發視覺系統，使機器人可以識別物體，進行安全導航，被提上日程。
近年來，視覺硬件（如激光雷達）已經變得更便宜、更有效，并且得到了更廣泛的應用。如今，許多初創公司都在使用基于新的視覺技術的協作機器人，它們裝載著傳感器，人類員工可以站在它身邊進行操控。
大約1996年，有許多不同的形狀和大小的協作機器人被發明了出來，根據人類工作場所進行了設計。這種機器人容易重新編程，相對自治，力量上遠不如低技術型工業機器人。
協作機器人在小型工廠環境找到了“絕佳位置”，進行3D打印，制造醫療設備，或完成更多的認知任務，如倉庫訂單揀選等。在那里，人類員工也參與工作。
機器人的認知
教機器人適配環境（map）和操作物體，是一項艱巨的任務。有幸的是，谷歌的DeepMind和UC伯克利的一些研究進展已經成功證明了“一次性學習”（one-shot learning）的可行性，即協作機器人可以在沒有大量訓練數據的情況下識別新的對象。
未來的機器人可能只需要觀察人類員工的工作流程就能完成任務學習；或者操作者可以使用VR手勢進行編程（協變開創的方法），使機器人掌握工作方式。
雖然這項技術還有很長的路要走，但今天的技術已經足夠成熟到可以讓機器人和人類協同工作了。目前，協作機器人和它的麻吉AGVs（自動引導車輛/運輸機器人），已經成為制造業和倉庫環境的標準配置。
機器人可以很容易地完成重復的、可預測的任務。
但是對于結構化相對不明顯的任務，例如從一個隨機分類中挑選出一個項目，對應著很多更獨特的場景，就需要特別的算法。真正的協同工作情況下，運輸機器人就必須自主地“看到”人類員工的行動，并采取相應行動。
開發處理這些邊緣情況的算法成為了前沿的人工智能（AI）、計算機視覺和自動駕駛研究課題。
在人工智能和機器學習上，為90%的場景自動化路徑很容易——難的是最后的“一公里”。頂級風投A16Z的Benedict Evans指出，機器學習是要解決那種對機器來說很難，對人來說很容易的問題，或者說，是人們很難描述成計算機語言的問題。
隨著機器學習工具的廣泛普及，初創公司正注力于計算機視覺，以支持新一輪的機器人技術。
靈巧性的追求
雖然機器人變得越來越普遍，但它們還沒有開發出我們所期待的智能或靈巧性，就像摩登家庭或終結者2想象的那樣。著名的機器人學家Hans Moravec在莫拉維克悖論中提出：
“讓計算機在智力測試或西洋跳棋上表現出成人水平的表現是比較容易的，在感知和移動性方面，很難或不可能賦予他們一歲人類的水平。”
換句話說，高級推理只需要很少的計算，但是低水平的感覺或運動技能需要巨大的計算資源。靈巧性是機器人學的一大挑戰，相對而言，改進硬件是更加有效的途徑。
高投資回報
更便宜、更好的協作機器人硬件為專注于計算機視覺和定制軟件的初創公司提供了機遇。最大的協作機器人制造商是丹麥的Universal Robots（優傲），2015年被美國的TelaDaye（泰瑞達）收購，它家的協作機械臂為初創公司提供鎬鏟（picks-and-shovels）。
有著風投背景的初創公司，如Ready Robotics、Fetch Robotics和Voodoo Manufacturing都利用優傲的協作機械臂構建機器人系統。Ready Robotics正在為工業自動化任務提供機器人服務（RAS）。Fetch Robotics的協作機器人執行電子商務分揀，Voodoo Manufacturing使用協作機器人進行多個3D打印機的自動化管理。
根據優傲的說法，有些機械臂平均工作195天就能回本。在整個行業中，協作機器人的平均售價為24000美元，據估計這在2020年將是30億美元的市場。
機械手
盡管靈巧度有所提高，但通用的末端執行器——一種能操縱任何物體的機械手，仍然難以實現。
現在的機械手沒辦法兼容多項任務，但初創公司正在動用聰明的黑客，探索末端執行器抓取各種各樣的對象。
舉個例子，專門從事柔性機器人的Empire Robotics和Soft Robotics，使用靈活的材料、流體或空氣壓力，而不是機械力學。這類操作仍然不完善，柔性機器人是一種很好的解決方法，可以避免用不適當的力擠壓對象物體。Soft Robotics的手爪機器人（gripper）被FDA批準處理食品，目前用于食品包裝。
此外，對于較不敏感的材料，Grave在傳統的機器人臂上采用電粘附材料，而Optoforce使傳感器結合專門的工具進行應對。
協作機器人是基于傳感器的機械設備，解決笨重型機械臂的不足，在這點看機械手沒什么不同。雖然目前機械手，或者說末端執行器沒有達到人類的高度靈活性，但相信未來的協作機器人將配有高效的末端執行器和聰明的工具，可以智能地處理任何事情。
需求爆炸
自20世紀40年代起，新一代的協作機器人開始使工業機器人巨頭們措手不及。
根據Fanuc執行主任的說法，“我們沒想到大型制造商會想要使用這樣的機器人，因為這些機器人只能舉起輕量物體，并且能力有限。”
現在，從業人員們正在追趕Teradyne協作機器人部門優傲，據稱他們目前占據著約60%的協作機器人市場份額。
像ABB、Fanuc、Yaskawa（安川電氣）、庫卡和羅伯特博世這樣的機器人大公司，也都跟隨優傲進入協作機器人市場（估計Fanuc擁有6%到10%的市場份額，安川電氣的規模甚至更小）。同時，他們也在結盟：川崎重工（Kawasaki）正與瑞士競爭對手ABB合作，以規范機器人編程。
為什么突然對協作機器人產生了需求？
一個主要原因大抵是勞動力成本上升。由于經濟增長，工業化國家的工資飆升。舉個例子，自2006以來，中國的平均工資增長了一倍以上，從而不再被認為是低成本外包的目的地。
事實上，中國現在太貴了，以至于它的消費電子代工工作流向越南這樣的低成本鄰國，去年，中國的機器人需求增長了20%以上。
昂貴的勞動力也在影響本地化制造的規模，為此，機器人技術正在掀起新一輪的再就業浪潮（就像川普的口號說的：讓制造業回到美國）。在BCC 2015年進行的調查中，20%的美國制造商表示，他們正積極將生產從中國轉移回美國，或者計劃在未來兩年內開發新的（本土）生產線。多數人表示，自動化降低成本，使得美國更具競爭力。
隨后，公司越來越多地轉向協作機器人，它們很容易編程，比傳統的勞動力便宜，而且比傳統的工業機器人便宜。由于所有這些原因，協作機器人制造商以比以前更低的價格銷售出了更多的設備。
值得指出的是，這不僅僅是科技巨頭的創新戰區，更小的工廠也在加入協作機器人的浪潮。2018年1月的財報中，Teradyne的首席財務官Gregory Beecher注意到其協作機器人業務的高速增長，大約50%的客戶是中小型企業（SMB）。
協作機器人市場正處于跑馬圈地的時刻，更大的制造商可能有更充足的裝備為協作機器人的運動提供硬件（盡管他們的大部分模型仍然是工業品種）。
缺乏市場意識可能成為未來的挑戰。優傲的總裁指出：“我們的目標市場，（現在）大概只有10%的人知道協作機器人，也就是說有90%的潛力市場尚未開發。”
行業中的應用
以下是協作機器人初創公司早期成功的幾個領域。
倉儲與電子商務
甚至像亞馬遜這樣的巨頭也在為勞動力短缺而苦惱。2017年8月求職季，該公司僅收到20000份求職申請，大大低于50000的目標。
為此，亞馬遜公司斥資7.75億美元收購KiVa Systems，一家倉儲機器人制造商，據說已經在機器人制造商之間掀起了一場競賽：當亞馬遜決定收納Kiva并僅在內部使用時，其他公司匆忙填補了Kiva留下的空白。
與此同時，隨著電子商務的繁榮，倉儲空間的需求也隨之激增。去年，平均倉庫天花板高度比2001提高了21%，而新倉庫建設的支出在2017年10月達到頂峰（僅在當月就花費了27億美元）。毫無疑問，倉庫中協作機器人的需求正在增長。
持續的電子商務浪潮，推動了全行業按時交付訂單的壓力。對此，出現了一系列的機器人初創公司，它們致力于提高生產效率。比如Kiva，許多創企都在與運輸機器人/自主引導車輛（AGVs）一起進行物質運輸和物品揀選。
AGV技術已經出現了幾十年（其更復雜的“表兄弟”有時被稱為AMR，或自主移動機器人），隨著更好的自主性和視覺系統的出現，AGV技術開始進入市場。許多資金充足的創企提供類似Kiva的貨運機器人，用于運輸電子商務和制造業的材料。
像Seegrid這樣的初創公司，專注于碼垛和叉車；Clearpath的Otto部門專注于物料運輸；Fetch和6 River Systems都是資金充足的玩家，在倉庫環境中提供移動采摘機器人。
除了運輸，電子商務中另一個主要的協作機器人應用是揀選和排序。
隨著消費者購買的增加，機器人需要挑選并包裝混合項目。Kindred Sort（左下）在GAP配送中心進行項目分類。
由于倉庫中的高投資回報率，初創企業可能會繼續為這一蓬勃的垂直領域發展技術。舉例而言，亞馬遜最近披露了它是如何投資于各種新機器人的，京東最近也公布了它的10萬平方英尺倉庫，每天最多處理20萬個訂單，只有4個工人。
農業
在John Deere斥資3.05億美元收購藍河技術（Blue River Technology）之后，2017年人們對農業機器人的興趣開始暴增。
根據美國農業部的數據，大多數大型農場使用一定程度的自動化來指導農業。初創公司正在研發自動化農業設備，從自動駕駛拖拉機到專門的機器人臂采摘機。
在巨大的勞動力短缺和更嚴格的移民規則中，農業機器人自去年加利福尼亞的作物幾乎無人采割之后就逐漸成熟了起來。代表性公司如Agrobot（下圖），正在研究漿果采摘——對于機器人來說只是不碾碎漿果就很難做到了。
一個的類似采摘者是Abundant Robotics的蘋果采摘機器人，它去年從SRI International（斯坦福國際研究院）剝離出來，并從谷歌風險投資公司和雅馬哈汽車合資公司等投資者那里籌集了1000萬美元。
其他玩家，如Harvest Automation（農業AGV）和Lely（自動化擠牛奶），正在重定義協作機器人。
Clearpath Robotics是服務機器人領域中規模最大、資金最充足的初創公司之一，并為多個垂直機構開發協作機器人。Notaby，該公司關注機器人收割和播種UGV（無人地面載具），并為現有設備提供改造使其具備自動化能力。
餐飲業
協作機器人初創公司也瞄準了食品服務業，這個行業目前的失業率一直處于6%的最低水平。在一個以高周轉率著稱的行業中，餐館投資機器人不是為了擺脫工人，而是因為他們找不到足夠的雇員。
舉個例子，Panera Bread在過去2年增加了約25000個新職位，以應對來自數字平臺的訂單數量增加。在很多地方，食品生產商有線下餐館營業和線上提供配的區別。
初創公司正在采用定制的人工智能和機械臂來進行自動化烹飪。2018年3月，加利福尼亞南部餐廳連鎖店CaliBurger嘗試了Miso Robotics的漢堡包翻轉機器人（左上），名為“Flippy”。NPR報道，漢堡包機器人目前零售價為6萬美元。此外，協作機器人還在烤架線上有效。在初級階段，這些機器人還無法跟上顧客的需求。
在別處，自動漢堡包餐廳Creator（右上）使用20臺電腦、350個傳感器和50個執行機構，在5分鐘內遞送一個6美元的漢堡。雖然沒有使用典型的協作機械臂或運輸機器人（AGV），該系統本質是協作機器，它制造的漢堡包通過人類職員交付給客戶。
在飲料方面，創企Hypergiant最近宣布與TGI Fridays建立伙伴關系，創建弗拉納根（Flanagan），一個人工智能算法加持的調酒師，給食客提供個性化的雞尾酒。
結論
現在已經有很多人在思考自動化是如何改造工廠和取代工人的。雖然協作機器人有一個很好的內核——人機協同，但毫無疑問，這項技術將顛覆現有的工廠模式。隨著需求和技術的不斷增長，協作機器人即將迎來一個分水嶺。
更好的自動化將產生強大的漣漪效應，這將改變我們所知的制造業。工廠將搬遷，不太愿意在廉價勞動力市場中運作。機器人管理相關的工廠工作可能激增。協作機器人技術的新投資更是有望帶來大規模的生產力提升。
目前，已有部分成功案例驗證了協作機器人的高投資回報，傳統機器人巨頭的涉足將使該產業獲得快速進展。（文章來源于億歐網）
