Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

三个真正的机器人创业成果

Posted on 2022-08-19

请允许我借用棒球中的一句话。如果您关注这项运动,您可能会了解“三个真实结果”的概念。具体来说,它们是本垒打、三振出局和步行。三人之间的联系是,在大多数情况下,他们不是由防守决定的。

当然,有灰色地带,任何定义绝对值的尝试都是如此。在棒球分析的永远冷战中,还有一个长期存在的问题,即这个概念的价值有多大。没关系,因为我最感兴趣的是在这里选择这个短语。

从广义上讲,机器人初创公司的三个真正结果将是:

  1. 上市
  2. 被收购
  3. 垂死

与棒球世界一样,这里有很多灰色地带可供回旋。具体来说,在机器人技术领域,你可以永远维持一家基于 DARPA 资助的完美成功的公司。与棒球不同,以上三者的任意组合都可以,真的。

但我想在这里提出的问题的核心是:对于机器人初创公司来说,最好的结果是什么?当然,没有人想要第三名。但就像三振出局一样,这是一个非常真实且令人失望的可能性。正如我们所见,即使是大量涌入的风险投资也无法完全防止创业失败——尤其是在机器人领域,进入壁垒如此之高。此外,面对宏观趋势,机器人技术早该进行一些市场调整。

即使在 SPAC 的(现在已经过去)黄金时代,首次公开募股对于机器人公司来说也是极其罕见的结果。鉴于整个市场的状况,一些计划中的 SPAC 在此期间被搁置,以期获得更有利的趋势。坦率地说,对于许多公司来说,排名第二似乎是一个完全合理且通常是理想的结果。机器人技术需要大公司可以提供的长跑道和大量资源。

然而,你开始遇到麻烦的地方是合适的。我想象对话一直在发生,其中潜在收购者的概念与被收购者截然不同。当然,我们确实不时会看到这些不合时宜的情况。也许公司不了解市场契合度或不了解维持机器人公司生存所需的资源,或者他们只是对机器人能做什么和不能做什么有截然不同的概念。每一个亚马逊收购 Kiva,就有几个谷歌收购波士顿动力。

现代随后收购后者公司存在一些问号。一家汽车公司并不是最适合波士顿动力公司所做的事情,尽管我会说本周波士顿动力公司人工智能研究所的宣布对这个故事来说是一个有趣且充满希望的皱纹。研究一直是公司工作的重要组成部分,新设施为公司提供了大量的跑道和资源,并得到了 4 亿美元的投资支持。这是福特最近投资于自己的密歇根大学工厂的数倍。

最有趣的是,BD 的创始人兼前任首席执行官 Marc Raibert 将领导该研究所。 “我们的使命是创造下一代先进的机器人和智能机器,它们比今天存在的任何东西都更智能、更敏捷、更灵敏、更安全,”他在与新闻相关的新闻稿中说。 “研究所的独特结构——专注于基础解决方案的顶尖人才,拥有持续的资金和出色的技术支持——将帮助我们创造更易于使用、更高效、能够执行更广泛任务且工作更安全的机器人与人。”

在谷歌收购失败之后(以及大约在同一时间,在安迪鲁宾的职权范围内的其他一些收购),值得一试,看看该公司在该类别中的努力进展如何。我对这个领域的报道主要围绕着 Alphabet X 的毕业生。最突出的(迄今为止)是无人机送货服务 Wing,尽管我们开始看到机器人软件公司 Intrinsic 的有趣工作。

图片来源:字母 X

去年,我们还为 Smarty Pants 提供了一些专栏空间, Smarty Pants是实验室正在开发的一种很有前途的软机器人外骨骼。 3 月,该实验室还提供了Project Mineral的预览版,这是一款旨在收集作物数据的自主漫游车。具体来说,它正在对植物进行表型分析。该公司写道:

今天,当大多数研究人员对植物进行表型分析时,他们会小心翼翼地穿过田野,用笔记本、钢笔和尺子标记不同的植物特征。但是想象一下,试图观察一个豆荚里有多少豆子,或者叶子有多长,或者开花了多少。现在想象一下,在炎热的夏天,每周手工为成千上万的植物做这件事。这就是表型瓶颈。

为了帮助应对这一挑战,Mineral 一直在为联盟的研究人员提供工具,帮助他们进行更多实验并发现更多作物性状。在过去的一年里,Mineral 的漫游车——被当地团队昵称为“Don Roverto”——一直在 Future Seeds 外的测试田中轻轻滚动,捕捉每株豆类植物的图像,并使用机器学习来识别叶数、叶面积等特征、叶色、花数、植物数和豆荚尺寸。漫游者不断地为田间的每一株植物执行此操作,并且确切地知道每株植物的位置,以便它可以在一周后返回并报告植物的运行情况。

机器人捡薯片

图片来源: Haje Kamps / TechCrunch

有点嫉妒哈杰这周要拜访谷歌的内部机器人技术。他写下了这段经历,其中涉及与 X 毕业生一起完成的一些工作。他解释说:

速度和精度是一回事,但谷歌真正试图在其机器人实验室中破解的难题是人类语言和机器人技术的交叉点。它在机器人理解人类可能使用的自然语言的水平上取得了令人印象深刻的飞跃。 “等你有时间,你能从柜台给我拿杯饮料吗?”是一个非常简单的请求,你可能会问一个人。然而,对于一台机器来说,这个陈述将大量的知识和理解包装成一个看似单一的问题。让我们把它分解一下:“当你有时间”可能根本没有任何意义,只是一种比喻,或者它可能是完成机器人正在做的事情的实际请求。如果机器人过于直白,那么“你能帮我喝一杯吗”的“正确”答案可能只是机器人说“是”。它可以,并且它确认它能够喝一杯。但是,作为用户,您并没有明确要求机器人这样做。而且,如果我们更加迂腐,你没有明确告诉机器人给你带来饮料。

总而言之,我认为这里有理由在内部开发机器人和人工智能公司——当然,很少有公司拥有 Alphabet/Google 的资源。即使有谷歌的时间、金钱和耐心,我们离看到这些追求如何真正获得回报还有很长的路要走。

图片来源:小米

与此同时,小米的努力是一个巨大的问号。到目前为止,该公司的机器人工作看起来更像三星。除了机器人吸尘器取得了一些成功之外,我没有太多理由相信它的工作目前不仅仅是展示。其中包括去年的 Spot-like Cyber​​Dog和Cyber​​One ,这是一种与一些手机一起首次亮相的新型人形机器人。从设计的角度来看,很明显为什么将机器人与特斯拉迄今为止从未见过的努力相提并论。它还对这种双足机器人的预期提供了更……现实的期望。

移动机器人

图片来源: Mobot

在我离开这周之前,这里有一些来自一家有趣的初创公司的融资消息:由 YC 支持的Mobot 刚刚筹集了 1250 万美元的 A 轮融资。该公司创造了旨在帮助开发人员测试应用程序问题的机器人。

“Applitools、Test.ai 等公司开发的工具利用现有的模拟测试框架来自动化移动应用程序的测试。然而,不幸的现实是,许多缺陷经常从基于软件的模拟测试的裂缝中溜走,因为它不能准确地代表在真实硬件上的测试,”创始人 Eden Full Goh 告诉 TechCrunch。 “目前,Mobot 并未将自己定位为竞争对手或模拟器和自动化测试的替代品。相反,我们的目标是取代不可避免的手动质量保证,因为在未来五到十年内,随着设备碎片化程度的增加,每个人都必须这样做并且将越来越多地这样做。”

清洁机器人垃圾机器人

图片来源:清晰的机器人
(在新窗口中打开)

与此同时,我从位于科罗拉多州的公司 CleanRobotics 独家获得了垃圾分类机器人垃圾容器TrashBot的独家产品。该公司筹集了 450 万美元的 A 轮融资,用于扩展旨在从源头改善回收分类的机器人。

“回收规则令人困惑,消费者经常感到困惑,以至于他们的回收准确性低于机会,导致高度污染的可回收物品,没有人购买,”首席执行官 Charles Yhap 指出。 “我们的系统改善了垃圾填埋场的材料转移,从而产生了更多的可回收物和更少的废物。”

图片来源:布莱斯·德宾/TechCrunch

一个人的Actuator是另一个人的宝藏。

原文: https://techcrunch.com/2022/08/18/the-three-true-robotic-outcomes/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Alin Panaitiu
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brent Simmons
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Slava Akhmechet
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2026 搞英语 → 看世界 | Design: Newspaperly WordPress Theme