Z Recommendation
本文展示了自主机器人领域的潜力和挑战，揭示了这个领域的发展前景。从直观外科手术到制造业自动化，自主机器人正在改变我们的生活和工作方式。文章深入探讨了自主机器人的关键技术，包括摄像头和计算机视觉、深度学习以及生成式人工智能，这些技术正在推动机器人从简单的自动化工具转变为能够自主执行复杂任务的智能伙伴。
本文也指出了自主机器人发展面临的挑战，如硬件执行难题、资本密集度、收入质量和就业影响。对于对自主机器人领域感兴趣的读者来说，这篇文章提供了有价值的市场洞察，并提出了投资指导原则，帮助我们了解如何在这个快速发展的领域中寻找并支持有前景的创新企业。
为什么自主机器人如此重要
去年，直观外科公司的机器人帮助完成了160万例手术；这些手术通常是外科医生单独无法安全完成的。这个数字令人震惊，但要考虑到它仅占全球手术总数的不到0.5%。机器人技术是一个令人兴奋的领域，它有可能为社会解锁巨大的价值，但它仍然是一个可以说处于初级阶段的领域。
如今，制造业、物流和医疗等垂直市场部署机器人来优化和加快他们的工作流程，但它们需要人类控制或编程来遵循预先定义的规则才能运行。想想工厂里的拾取放置机器人，甚至是直观外科公司医生控制的达芬奇手术机器人。这些机器人在替代重复性的人类任务方面表现出色，提高了产出，同时节省了时间和成本。
在过去的几年里，我们已经看到了自主机器人的早期应用——这些机器人可以感知周围环境并在没有人类输入的情况下行动。自主机器人仍然是一个小众领域，但我们相信，随着自主机器人能够实现更高价值应用案例，它的出现将在未来几年扩大整个机器人市场。
在2023年人工智能（AI）的分水岭之后，我们相信自主机器人也即将迎来它的辉煌时刻。开发人员正在将AI技术，如多模态模型和大型语言模型（LLM），应用于解决具有挑战性的机器人问题，如感知、路径规划和运动控制。在这篇深入研究中，我们解释了为什么现在是开始关注自主机器人的时候了，包括最近的市场发展和未来的增长机会。
从历史上看，机器人开发需要大量时间和资本投入，仅仅是为了建造原型机器人。但是最近的技术进步，比如生成式人工智能（AI）和神经网络，加快了开发时间表中的关键阶段。如今，机器人在各种深度技术中拥有最高的NASA技术成熟度等级（TRL），接近最终产品的测试并逐渐商用化。（想象一下Cruise在旧山推出的无人汽车服务，于2022年面向公众开放。）现在，许多人都在问一个问题，“自主机器人公司能否成为伟大的企业？”
与软件不同，训练自主机器人需要更多复杂的输入，不仅仅是代码。自主机器人学习如何运作有两种主要方式：通过摄像头和计算机视觉，以及深度学习和生成式人工智能。
自主机器人的构建模块
1、摄像头和计算机视觉技术
为了感知周围环境，自主机器人依赖摄像头和计算机视觉技术。未来，我们认为自主机器人将使用一系列传感器，包括激光雷达、雷达、声纳和电磁波谱中的其他波长，以一种对人类来说不可能的方式感知世界。但是，除了摄像头之外，今天的大多数传感器对大多数应用来说成本过高。然而，高质量的摄像头由于在智能手机中使用了20年，变得价格不贵。智能手机的普及以及大规模生产摄像头推动了摄像头性能每美元的增长，这在其他传感器上并没有发生。摄像头通常也使用被动传感器技术，其制造成本低于激光雷达或雷达等主动传感器。主动传感器通常会将光波反射到目标上，然后测量光波返回传感器的时间。这通常需要机械部件，例如谷歌自主车顶部所见的旋转式激光雷达传感器，其制造成本比固态设备高。
机器人装备了摄像头来帮助它们看东西，只需要额外的推力来帮助它们处理所看到的东西。计算机视觉技术使机器人能够在一个平面上分割物体，并在物体在不同平面上移动时对其进行跟踪。换句话说，它帮助它们认识到随着时间的推移，它们看到了什么，并像人类一样理解世界。
2、深度学习与生成式人工智能
为了获得自主性，机器人需要能够随着时间的推移进行学习，并最终获得自主决策的能力。深度学习通过神经网络使机器人能够理解它们所看到的内容，并从它们收到的指令中学习。此外，最近的创新，如谷歌DeepMind的Robotic Transformer 2（RT-2），现在实现了一种视觉-语言-行动范式，机器人可以接收摄像头图像，解释场景中的对象，并直接预测机器人要执行的动作。每项任务都需要理解视觉语义概念，以及执行机器人控制以操作这些概念的能力，例如“切芹菜”或“清理混乱”。这有可能通过允许人类使用自然语言而不是深奥的机器人编程语言来指导自主机器人，从而减少人机界面之间的摩擦。
随着摄像头、计算机视觉和深度学习的技术成熟，我们得到了一种可以感知、理解和从其环境中学习的机器人；一种自主的机器人。生成式人工智能消除了人机交互的摩擦，使沟通变得像与同事或朋友交谈一样简单。
在自主机器人方面，一些周边领域的进步也加速了创新：
执行器：执行器一直是机器人设计的薄弱环节之一，执行器必须安全、耐用、节能且具有成本效益，同时还要产生高水平的扭矩输出和密度。这种灵活的硬件就像人体的关节一样，使机器人能够流畅地移动。这是机器人设计的薄弱环节之一，因为执行器必须安全、耐用、节能且具有成本效益，同时还要产生高水平的扭矩输出和密度。像ANYbotics这样的公司正在这一领域进行一些令人兴奋的创新。
边缘AI计算：边缘计算的进步意味着机器人将能够在数据源处理更强大的计算，与将数据发送到其他地方进行分析的基于云的机器人系统相比，这将提供更快、更安全的结果。这使得以前不可能实现的实时和高安全性用例成为可能。
5G连接：机器人车队可以使用5G进行相互连接和学习，即使在WiFi信号弱的地方也是如此。车队学习可以实现大规模学习，从而解锁机器人能力的指数级增长。eSIM/iSIM标准和芯片可用性的进步意味着5G蜂窝连接将成为许多用例的可行选择，而在以前，功耗使其不切实际。
我们的预测：自主机器人正在帮助人类
当我们谈论自主机器人时，我们发现自主性的出现主要有两种方式：自主运动和自主操控。
自主运动使机器人能够自行从A点移动到B点（回想一下之前的Cruise示例）。相反，自主操控是我们看到的机器人的潜力所在，它们不仅会影响生产力，实际上还会保护人类生命，在某些情况下还会增强人类生命。
这种自主性使机器人能够自行完成类似人类的灵巧任务，如推动物体、打开门或取样。
让机器人在高风险环境中执行任务，如石油钻井平台和核电站，将使人类摆脱固有的危险工作环境，更不用说预防许多悲剧性伤亡了。像Figure、1X Robotics和特斯拉这样的公司已经在建造和测试可以执行平凡而不安全任务的类人机器人。
随着企业寻求提高机器人的自主性，减少对远程操作的依赖，产品开发人员将需要在以自我为中心的数据集上训练模型，即以第一人称视角的视觉数据。像Apple Vision Pro这样的新型AR/VR产品有可能加速这种训练数据的创建。
我们预测，自主和远程操控将改变许多行业，包括：
医疗机器人和自动化
医疗机器人协助外科医生进行非侵入性手术，改善手术流程、外科医生的人体工程学和患者预后。
在未来，人工智能（AI）和机器学习（ML）将提高手术效果和患者预后。有朝一日，我们可以期待看到这些机器人自行进行手术，利用深度学习很好地执行手术程序。
仓库和物流机器人与自动化
电子商务物流情况，特别是在仓库中，通过使用机器人加速物流。随着3D视觉和5G的启用，机器人将能够在决策繁重的场景中执行更复杂的任务。
建筑、清洁和检查
机器人被用来检查工作场所（使用无人机），自动化重复性流程，辅助焊接、注射和修整，以及帮助清洁工作场所（让人想到Roomba和ECOVACS）。
随着机器人变得越来越智能，它们将被部署在人类无法安全进入的危险工业环境中，甚至可以通过安全自动化来保护它们。它们还将通过绘画、涂层和机械检查等任务提高效率。
人类陪伴
与其他领域相比，这一点可能更让人觉得有点科幻，但这也是最令人兴奋的未来用例之一。随着机器人获得智能和灵巧性，它们可以为需要独立生活帮助的老年人和残疾人提供帮助。对于那些正在挣扎的人来说，让机器人在准备饭菜、打扫卫生和个人卫生方面提供帮助，甚至提供友谊，都将产生巨大的影响。
军用无人机
无人飞行器（AEV）可以为军队在战争中提供竞争优势。像Anduril这样的公司不仅为军事用途建造自主无人机，而且还建造可以拦截和摧毁其他无人机的自主车辆。
需要克服的障碍
当然，就像任何新兴领域一样，机器人技术的发展也遇到了阻碍其更广泛商业化的障碍和挑战。我们正在积极寻找熟悉以下挑战的公司，并寻找克服这些挑战的创新方法。
与硬件相关的执行挑战：机器人技术需要硬件，而硬件受制于一条漫长的供应链。一旦生产外包，协调这些（字面意义上的）运动部件就会增加复杂性。很好地执行这一点极其重要，但也很难实现。
资本密集度：机器人公司需要库存。这导致库存积压和RaaS合同，公司必须将机器人作为资产负债表上的资产持有。在利率较高的世界里，为营运资金提供资金变得更加昂贵。
收入质量：大多数机器人公司一开始都是通过销售硬件获得一次性收入，因此很难找到获得经常性收入的机会。这些公司还没有找到一种能够带来更好收入的硬件和软件组合。此外，由于传统的SaaS关键绩效指标可能不适用，因此混合了经常性收入和一次性收入的企业往往更难以让投资者群体进行评估。
就业：机器人自动化扰乱了全球就业。平均而言，一个工业机器人进入当地劳动力市场，就会减少5.6名工人。这将对政策制定者施加压力，因此我们要求公司从第一天起就考虑监管如何影响其愿景。
我们的投资指导原则：我们希望支持强大的技术团队，这些团队在机器人工程和供应链方面拥有深厚的专业知识，能够构建自主机器人，使以前不可能完成的任务成为可能。这是我们的首要标准。除此之外，我们对有志于建立能够实现以下目标的企业的初创公司感兴趣：
颠覆大市场：以自下而上的方式计算，瞄准巨大的可寻址市场 (TAM)。
实现复杂用例：我们对劳动力套利（低级）用例不感兴趣；这些市场已经有很多活动了。相反，我们正在寻找至少能够保护人类生命的用例。最终，我们希望朝着使人类以前无法物理或技术上实现的事物成为可能的方向发展（就像我们上面的石油钻井平台示例一样）。
连接云端的机器人队伍：我们正在寻找远程遥测以实现机器人队伍学习这一特殊功能。配备远程遥测功能的机器人可以即时将数据传输给其他附近的机器人，然后这些机器人可以接收数据并从中学习。我们还在寻找积极考虑自主操控的公司。
经常性收入和高平均每户收入 (ARPAs)：收入的一部分必须是经常性的，平均销售价格 (ASP) 必须达到六位数，并有大量空间可提高实际现金价值 (ACV) 和 ARPAs。以一个方向性的例子来说，要多想想直觉外科公司 (Intuitive Surgical)，少想想扫地机器人Roomba。即使渗透率很低，这些指标也表明渗透率有很大的提升空间。
额外优势：我们正在寻找机器人已在生产环境中至少积极使用6个月的公司，并避免那些仅向创新团队销售的公司。
自主机器人的未来之路
自主机器人背后的技术比以往任何时候都更接近广泛部署。从医疗和仓库用例到建筑和陪伴，我们预计自主机器人将触及多个行业。
即将出现的还有远程操作——机器人制造商和客户有机会远程操作机器人，在某些情况下，还可以将工作分配给世界其他地方的人员。例如，ANYbotics自2019年以来一直在试验远程操作，当时它宣布其一款产品可以通过远程操作执行工业检查任务，如检查能源工厂的锈蚀和泄漏。当埃隆·马斯克分享特斯拉人形机器人Optimus折叠衬衫的视频时，他解释说这是远程操作的。Phantom Auto也建立了一个平台，使工厂工人能够远程操作叉车。远程操作代表了当今人类控制的现场机器人与完全自主机器人之间的一个有意义的中间步骤。
即使拥有我们目前掌握的所有数据和用例，我们也无法对自主机器人的发展方向做出明确预测。但是，只要进行适当的投资和资源配置，就不难想象进一步的进步将使数量惊人的“假设”情景成为现实。
如果你正在构建自主机器人领域，我们很愿意听取你的意见。请随时通过Twitter与我们联系：@alexferrara、@bhavikvnagda、@nidmarti和@MadelineShue。
原文：The autonomous robotics future is around the corner
https://www.bvp.com/atlas/the-autonomous-robotics-future-is-around-the-corner
编译：邱伊涵
-----------END-----------
关于Z Potentials
🚀Z 系列正在招新一期的Z Explorer