于1913年創立全世界第一條汽車流水裝配線的亨利·福特曾說過：“Why is it everytime I ask for a pair of hands, they come with a brain attached？”（為何每次我想要一雙手時，總是有一個大腦連著？）
如果亨利·福特能夠看到如今各大汽車工廠中數以萬計的工業機器人，也許會感到很欣慰。這些機器人揮舞著鋼鐵手臂，精確地完成各種重復性的工作。它們的智能程度大多很低，只是在固定的環境中一遍遍地重復固定的動作，正像是一雙雙沒有大腦相連的手。
在剛剛過去短短五年間，中國勞動力成本翻了一番，眾多制造業、物流業的企業都在迫切尋找使用機器人替代人力的方案。人們將目光投向了已經在很多簡單任務中證明了自己價值的工業機器人。
這時人們驀然發現，亨利·福特的問題似乎得到了一個再明白不過的解答：僅僅有手是遠遠不夠的，要完成更復雜的任務，機器人必須要有一個“大腦”相連。人類也許永遠不需要機器人擁有創造力、想象力、以及感情，但的確需要它們擁有智能。
機器人智能之痛
很多人對“機器人”這個詞的認知主要來源于科幻作品，但事實上工業機器人的智能程度可能會讓不明真相的群眾大失所望。以“將物體從一堆物體中一個個揀出”這樣人類三歲孩子都可以完成的任務為例，這對機器人來說仍是沒有解決的難題。
因此當面對堆積如山的快遞包裹，或工廠、物流站中常見的紙箱堆、麻袋堆時，沒有眼睛和大腦的機器人空有一身力氣卻不知如何下手。工廠中待加工的工件也通常是無序地放在一起，機器人也難以獨自完成抓取、上料的工作。廣泛存在的實用場景和困難重重的技術使得混雜物體分揀問題（Random Bin-Picking）被稱為機器人學的圣杯。
龐大而迫切的需求讓機器人從業者前赴后繼。工業機器人老牌強國德國和日本都有多家公司參與，連一貫以芯片、軟件、互聯網而為人稱道的硅谷都有數家創業公司進入。一些物流企業也已經進行了使用機器臂抓取貨品的演示。然而，智能機器人仍然有著令人嘆息的痛：高昂的價格、不盡如人意的效果、復雜的使用方法都是阻止智能機器人迅速落地的攔路虎。因此，機器人在這些新場景中還是遠遠沒有得到大規模的應用。
讓機器人抓個東西怎么就這么難呢？
首先要有一雙眼睛
必須要讓機器人先看到東西才能談得上抓取。而困難首先就來自于視覺傳感器。工業上傳統的2D相機已經被廣泛應用于質量檢測、傳送帶跟蹤抓取等應用。但是對于混雜分揀、拆垛等應用場景，僅憑單個2D相機是不可能完成任務的。下圖展示了一個典型的例子。
這是兩張不同角度拍攝的同一組箱子的照片，從側視圖中可以看出中間小箱子明顯高于其他物體，但是從頂視圖中則完全無法看出。這說明僅憑單一角度的2D圖像無法準確判斷物體的位置。而3D相機就能夠獲取相機到物體表面每一點的距離，從而感知物體的形狀和距離。近年來3D成像技術的應用越來越多，比如很多人都熟悉的可用于體感游戲的Kinect。
Kinect等民用3D體感產品對于絕對定位精度并不十分看重：只要能看清人體的相對位置關系和姿態即可（例如：左前方，站立，雙手舉高），而精確的位置信息（例如：x=1235mm, y= 682mm）對于交互來說其實并不十分關鍵。但是對于機器人抓取來說，3D圖像的絕對精度就顯得非常重要了。
除了絕對定位精度夠高，對于機器人混雜物體分揀的應用來說，還希望選用的3D傳感器能足夠快，從而保證機器人工作的效率；最好還能夠適用于各種物體的表面材質、工作距離不要太近、產品穩定可靠、價格合理，等等。雖然這些要求看起來并不過分。但是很遺憾，符合要求的傳感器并不容易獲得。
部分典型3D相機對比
以德國老牌廠商IDS公司生產的Ensenso相機為例。2016年Amazon Picking Challenge的冠軍隊伍荷蘭代爾夫特理工大學，機器人龍頭企業ABB，日本機器人明星創業公司Mujin等院校、大公司、和創業公司，都使用了這一系列相機做演示。但是通過后面一組對比圖，可以看出其成像效果并不盡如人意。而且其高昂的價格也使得它難以被用于實際應用：一個名牌輕型機器臂的價格也不過十一二萬，大部分用戶很難接受再花十幾萬元買一個相機。
出身微軟的Kinect自2010年面世以來在學術界迅速流行，產生了很多重要的成果。說Kinect催生了上千篇高質量的論文應該也并不為過。隨后Kinect V2、Intel RealSense等產品的出現更使得3D體感技術進一步大眾化。盡管如此，它們的精度、適用范圍、可靠性等指標也并不能直接滿足工業應用的需求。
除了上面提到的相機外，基于激光線掃描獲得3D圖像的方案也已經出現了多年。ISRA、SICK、Cognex等公司都有較成熟的產品，國內外一些創業公司也做出了類似的設備。但是此類產品價格動輒十余萬甚至數十萬，而且需要數秒才能完成一次掃描，所以長久以來也一直無法得到廣泛應用。
為了解決這一問題，梅卡曼德研發出了Mech-Eye智能相機方案。它不僅僅是一個相機：一塊NVIDIA Jetson TX2嵌入式GPU為其注入了澎湃的運算力，讓先進的人工智能算法可以在其中運行。在各種光學創新和人工智能算法的加持下，Mech-Eye智能相機可以又快又準地完成3D和2D感知，速度和精度滿足機器人抓取的需要，并且可以適應相當程度的反光和暗色表面。
圓形薄鋁板的表面反光強烈，使其他3D相機的點云中均出現明顯殘缺。梅卡曼德3D成像方案獲得的點云（最右圖）仍然完整、清晰。
針對曲面，Kinect獲得的點云可見明顯形變，梅卡曼德3D成像方案獲得的點云（最右圖）形狀準確。
針對黑色鋁管，其他3D相機的點云中均出現明顯殘缺或形變。梅卡曼德3D成像方案獲得的點云（最右圖）仍然完整，準確。
Mech-Eye可以適應相當程度的反光和暗色表面，如：銅、鐵、鋁、塑料、麻袋、紙箱膠帶等。
當然3D視覺也不是萬能的：比如當多個箱子緊緊貼合在一起時，僅憑3D信息就無法準確定位每一個箱子的位置了。因此，必須要有機結合3D和2D傳感器以及相應的算法，才能讓機器人完成任務。
近年來深度學習在多個領域取得了重大突破，其中最引人注目的就是對圖像的分析和理解，如人臉識別技術已經在一些場景中取得了超越人類的效果。相比其他機器視覺的應用（如人臉識別），應用于工業機器人的視覺算法會被高頻次反復地調用，而且結果會引導機器人完成動作（而不只是給出一個數據輸出），因此對可靠性和運算速度的要求要苛刻的多。如果一個機器人每3秒完成一次操作，那么99%的正確率意味著這個機器人平均每五分鐘就會犯一次錯誤。
視覺算法可以粗略地分為傳統算法和機器學習，其中機器學習又可以分為“傳統”機器學習和深度學習。在工業機器人的應用場景里，這些算法各有所長，并不能簡單說孰高孰低：傳統算法應對簡單情況時穩定可靠、速度快，但是對于復雜的問題則往往難以下手；傳統機器學習算法相比深度學習，需要數據量較小、可解釋性好、可以通過人工調整迅速適應新場景，但是應對極為復雜的情況則會遇到性能瓶頸；深度學習可以應對非常復雜的情況，但是準備數據和調試都非常費時費力，也幾乎沒有可解釋性。
梅卡曼德視覺方案Mech-Vision中的算法有機結合了這三者，讓他們各自發揮長處。此外梅卡曼德還研發出了可視化的機器視覺開發框架，讓開發者、集成商、客戶都能夠無需寫任何代碼就完成視覺算法的調試和部署。
將手移動過去不就行了？
到這里機器人已經能夠看到并定位物體了，很多人可能會想，“然后直接讓手移動過去抓不就行了？”但任務到此其實只完成了一半：要讓機器人“正確地”運動過去，其難度恐怕遠遠超過一般人的想象。
指導一個人類工人工作時，如果你告訴他“請不要把手撞到箱子壁”或者“請不要把自己手臂別住”他恐怕會認為你在侮辱他的智商。然而工業機器人本身幾乎沒有智能，只是按照簡單的指令運動，指令不當就很容易出現碰撞或奇異點等問題。
傳統的機器人運動的路徑是固定或受限的，因此可以通過手工調整來避免這些問題。但是當機器人通過視覺應對復雜場景時，手工調整就無用武之地了，自主、智能的軌跡規劃的重要性就凸顯出來。
如果每一個運動都需要較長時間進行規劃，整個機器人運動就會很不流暢，嚴重影響機器人的工作效率。“效率就是金錢”在機器人上可不只是一個比喻。梅卡曼德研發團隊在運動規劃上有深厚的積累，經過大量艱苦的努力，讓機器人能夠在0.003秒內就完成復雜的路徑規劃，有效避免環境碰撞、自碰撞、奇異點等問題。
人人都可以使用機器人
傳統機器人編程方法（如上圖左）：
基于代碼，指令及編程；
智能程度低；
學習成本高。
Mech-Viz編程方法（如上圖右）：
完全可視化、圖形化、任務級編程；
內置軌跡規劃等多種智能功能；
簡單直觀，易學易用。
機器人“能夠”完成任務仍然不能保證它可以被大部分人使用：沒有親手使用過工業機器人的人通常會大大低估使用機器人的復雜性。上世紀80年代的電腦也可以完成打字、制表等任務，但是真正普及也要等到十年后更簡單易用的系統出現。那時會使用電腦、會打字都是值得夸耀的專業技能，正如今天會使用工業機器人一樣。
傳統的工業機器人程序類似匯編語言，用戶需要對機器人的底層運動指令。想象一個工人，如果你需要告訴他“把手向上抬高120毫米”，“工具坐標移動到（x,y,z）的位置”，是會多么低效。為了解決這一問題梅卡曼德開發出了Mech-Viz圖形化編程環境，讓用戶能夠可視化、圖形化地進行任務級編程。Mech-Viz遠遠不僅是讓界面變得友好很多，其中更內置了運動規劃、程序檢查等諸多智能算法，并可以和視覺系統無縫集成。這使得使用機器人系統變得直觀、簡潔。
All Systems Go
將前面展示的所有技術整合起來（其實背后還有大量底層的工作），一個完整的混雜分揀解決方案就終于可以出現了。
為了讓技術真正平民化，梅卡曼德的工程師們進行了大量努力，將算法性能壓榨到極限，在保證效果和可靠性的前提下最大限度地控制硬件成本。因此相比于國外廠商動輒十余萬甚至數十萬的價格，梅卡曼德產品現在預訂價格僅為43999元起，其中包含了智能相機以及軟件授權。
智能機器人是終極技術競爭
隨著人口紅利的消失，中國的制造業、物流業等許多行業都面臨著巨大的人工成本壓力，各種產業外流的新聞屢見報端。我們相信人工智能+機器人是破局的金鑰匙。通過人工智能技術，機器人將會成為每一個企業都能使用的生產力工具，就像電力、計算機、互聯網一樣。需要人手時不再需要貼招工廣告，而是從網上預定個機器人，這將不再是科幻小說的情節，沒準還會出現“掃碼使用共享機器人”的服務呢。
上圖是中國和印度人口結構的對比。可以清楚地看到，在人口總數非常接近的情況下，中國年輕人的數量顯著的少。中國依靠廉價勞動力紅利占領低端產業的日子已不可持續。
回顧之前的技術進步，都會使低端產業從發達國家向其他國家轉移，日韓、中國港臺、中國大陸、乃至現在的東南亞都曾經是低端產業轉移的受益者。但是智能機器人是終極技術競爭，因為這一技術會使得產業對低端廉價勞動力的依賴大大降低，從而將低端產業變成高端產業留在高技術國。這一技術之爭中國沒有退路。
當然讓機器人變得智能要走的路還有很遠，甚至學術界過去十余年的成果絕大部分都還沒有得到工業上的廣泛應用。但隨著最近人工智能產生突破性的進展，我們認為機器人智能化的腳步將被大大加快。