2014年底，还在瑞士联邦洛桑理工（EPFL）攻读博士学位的李淼一次去深圳参观一个制造企业，里面很年轻的妈妈带着孩子在安装一个屏蔽箱的电子元器件，这是件很枯燥的事儿，李淼觉得这些工作应该交给机器人。也就是在这个时候，李淼第一次动了创业的心思。
回到瑞士后，李淼联合了两个朋友想一起创业，一个CMU的博士，一个EPFL的同事。不过关于创业的理念大家出现了分歧，另外两人想做高端产品，高价卖给KUKA或者ABB，然后再卖给中国，而李淼想直接先接触客户，从底层做起。“他们是top down，我是bottom up”李淼对雷锋网说道。
那次的创业并没有成形，后来CMU的博士进入了无人驾驶领域，EPFL的同事加入了一个美国的初创企业。而李淼则在2016年5月成立库柏特，并在当年6月回国参加一个政府项目时获得来自合力投资500万天使融资，于是回国创业便成了顺理成章的事。
李淼在EPFL读博期间研究方向为机器人学习和人机协调交互，博士论文被提名EPFL优秀博士论文奖和ABB自动化奖，其中机器人抓取的动态自适应研究工作，被美国国家标准技术研究所（NIST）选为机器人基于传感的抓取效率的标准测试方法。
传统工业机器人智能程度低、操作困难、灵活性差，李淼希望结合机器学习包括深度学习与机器人控制让机器人变得更加智能化。比如说传统工业机器人只能执行预设的任务，而智能化工业机器人则可以感知并分析环境最后做出决策。
由库柏特开发出的库柏特系统（Cobot System）通过核心学习算法以及专用控制软件针对客户的不同需求进行定制化系统设计和开发，可应用于上下料的无序分拣、手机或者航空叶片的力控打磨、智能示教、智能贴标以及零件装配等行业。库柏特系统特点：
机器人采用力控传感器打磨，恒力接触打磨，精度高，并能对工艺进行智能化学习；
3D视觉来料无序分拣，可一键快速适配多种产品，无需增加额外投入；
采用智能示教技术，非专业人员也可以在数分钟内完成程序编程；
对来料对象产品一致性要求低，通过软件自主学习调整，硬件成本低；
目前，库柏特针对不同场景下的需求设计出四款系统，包括机器人智能无序分拣系统、机器人力控打磨系统、机器人柔性装配系统和机器人智能移动抓取系统。
机器人智能无序分拣系统
用途：通过3D扫描仪和机器人实现了对目标物品的视觉定位、抓取、搬运、旋转、摆放等操作，可对自动化流水生产线中无序或任意摆放的物品进行抓取和分拣。
特点：分拣速度快、分拣精度高、适用性强、定制化服务、连续性工作
应用场景：物品检测、物品分拣、产品分拣包装
机器人力控打磨系统
用途：利用力控反馈，精密轨迹调整，视觉检测识别实现安全、稳定、高效的打磨作业，克服人工打磨带来效率低、产品质量不一致等缺点。
特点：实时监控、力控反馈、精密微调、稳定高效、视觉检测、系统集成
应用场景：模具打磨、航空叶片表面打磨、光学镜片打磨、汽车零部件打磨、手机外壳打磨
机器人柔性装配系统
用途：此系统拥有人机协作、机器学习、柔顺操作、机器人抓取、多模态协作装配等相关技术，可用于提供柔性任务解决方案，例如：柔性装配、智能分拣、柔性打磨。
特点：多区域识别、安全操作、精密协作、简单程序框架
应用场景：工件装配、智能贴标、食品分拣
机器人智能移动抓取系统
用途：通过对机械臂和IGV智能移动平台的优化布置和系统整合，可实现更加智能通用的机器人柔性任务解决方案，同时也可用于教学科研。
特点：智能避障、安全操作、定点取物、随即抓取、多点任务、无线控制
应用场景：仓储物流、产品分拣
库柏特机器人智能无序分拣系统最新测试视频
库柏特系统解决的是通用和运动规划两大问题，利用库柏特系统的编程平台，工程师可以直接控制不同制造商的机械臂规划行为，而不必再去学习其使用的编程语言或底层的硬件逻辑，降低了学习成本；其二则是这不仅是一个高级的编程语言平台，能将更为抽象的语言编译为机器语言，更是一个高级的机器人操控平台，在输入抽象的行为后能够自动规划机器人的运动轨迹。也就是说，库柏特要做的是工业机器人的通用编程平台，或者说是工业机器人操作系统，这一点与日本的创业企业Mujin比较类似。
“我们是帮所有机器人本体制造商拓宽他们应用范围的，帮所有集成商降低他们继承难度与风险，帮终端客户减少集成费用”李淼向雷锋网解释道。“我们的愿景就是把机器人像人一样用，而不是把人当机器”对着一些图片，李淼继续说道，这些照片里，很多工人都在重复地执行一项简单的工作。
近日，李淼公布在2016年12月获得A轮4000万融资，投资方为经纬中国，资金将主要用于其在工业、制造业的市场布局。
想更多关于机器人方面的资讯？欢迎关注雷锋网旗下垂直栏目微信公众号「新智造」，跟雷锋网一起读懂智能&未来。
正在生成分享图...
新智驾