文｜潘潇雨、沈广丽

【资料图】

编辑｜彭孝秋

36氪获悉，机器人“手眼”产品提供商「如本科技」，已于近日获数千万元A+轮融资，本轮融资由琥珀资本、中车时代投资。本轮融资资金将主要用于产品研发、人才建设和市场推广等方面。

近年来，随着智能制造快速发展，我国“机器助人”的趋势明显，3D视觉传感器和工业机器人具备长足的发展空间。伴随着细分化的行业应用开始落地，视觉和机器人结合的智能工作站需求也在大幅提升。

基于此，成立于2018年的「如本科技」，专注于研发3D视觉产品与智能手眼工作站，在视觉标定、动态结构光、机器人运动规划等核心技术领域拥有明显成果。目前，其产品RVC 3D相机、VDA视觉位移分析仪，以及智能手眼工作站，已落地在汽车、消费电子、重工、鞋服、工业检测、物流等领域。

如本科技产品

具体来看，如本科技的产品主要涵盖三大方面：

其一是RVC 3D工业相机。这一系列产品通过模块化设计，适用于多种质检、焊接、抓取、喷涂、打磨、拆码垛等多种场景。RVC 3D工业相机系列，也被如本科技称为通用型的标准品相机，采用主动动态结构光技术。在性能上可以达到微米级点云精度，最高可达3.5米视野范围，且具备高稳定性和IP65的高防护性能。

其二是视觉位移分析仪（VDA），主要面向工程、材料、市政、交通领域的空间位移监测分析需求，包括风洞实验、振动台实验、负载实验、铁轨监测维护、桥梁建筑健康状况、古建筑修复等场景。VDA通过利用计算机视觉技术分析连续多帧的图片，对二维和三维的形貌、位移、变形、应变、振动、速度、加速度等信息进行高速、高精度地监测分析。

其三是智能手眼工作站。基于机器人运动规划和3D视觉技术，为垂直行业标准工艺打造的智能手眼工作站，可以推广并解决多品种、小批量的柔性问题。目前已在地铁、高铁、客车等轨道交通领域车体车窗切割、焊接、喷涂、点胶等场景落地。

团队方面，如本科技核心团队主要来自于清华、哈工大等，在结构光学、视觉算法、运动控制领域具备10年以上经验。

“手眼”产品

随着3D视觉行业的下游市场快速拓展，不同工艺流程之间细分且复杂的传感需求正在成为行业主题。单以制鞋涂胶这一道工序来说，不同SKU就存在不同的喷涂方式，且要求精度高、均匀、换线节奏快。此外，对于现有的机器人编程来说，拖拽式编程仍存在一定掣肘，降低门槛的操作听上去往往更具故事感，但在实际应用中却充满了不灵活性。

3D视觉厂商越来越多，同时机器人的应用行业大多涉及到非标准定制产品，如本科技的思路是什么？带着以上问题，我们也与如本科技的创始人李辉聊了聊：

36氪：如本科技为什么要同时开展“手眼”场景？

李辉：如本有两层意思，第一层是顺从人的本心，第二层意思是顺从人的本性。也对应我们的创业初衷，是想解决有害的重复劳动问题给人带来的损伤，所以我们最终目的实际上是解决人的问题，而不是解决单一眼或手的问题。

36氪：精度、速度、稳定性等，哪些才是3D相机现有的竞争维度？如本科技的独特之处是什么？

李辉：垂直行业中不同的工艺需求，会对3D相机提出一些不同的规格要求，所以现阶段3D视觉产品更多是服务什么行业，就具备什么样的竞争特点。随着下游细分行业打开，会出现大量不同的3D相机，因此3D相机的竞争并不存在精度、大小等单一维度。而是哪家公司更贴近客户、更能把需求转为有效的产品，就更具竞争力。

我们的RVC 3D系列3D相机在抓取类、检测类、工艺加工处理类场景，有超过十款3D相机产品，未来我们也会遵从这样的原则推出更多产品，服务垂直行业客户。

36氪：为什么建立VDA产品线？从室内检测走向室外监测产品，面临怎样的问题？

李辉：VDA产品线源于2019年需求方先找到了我们，也因为空间位移分析监测对于铁轨保修、建筑物检测这一类场景非常重要，所以我们基于本身的视觉技术积累打造了这条产品线。

室内的3D视觉标定相对容易，但是室外要标定一个50米开外的东西很难，没有办法直接复用室内的技术经验。除此，在工程监测里会有光线的变化、人来人往的遮挡场景，涉及了大量的图像特征提取工作，所以我们需要自己研发一些新的室外标定方法解决。

36氪：在实现机器人的柔性运动规划中，涉及的技术难点是什么？

李辉：机器人在运动之前，需要首先通过运动规划来生成动作，类似于传统机器人大脑的角色。机器人的运动可以简单看做是几个轴动，但实际上它是一个高维空间的搜索问题。因为环境中有障碍物，机械臂本身也有局限性，所以这个运动是在有限的空间中寻找一条到达目的地的最优路径。当这个高维空间变成六维甚至更高时，搜索就变得更加困难，所以会衍生出非常多的算法，因此要在算法上有丰富的积累才能实现。

36氪：如本如何实现柔性的运动轨迹控制？

李辉：我们在运动规划算法上一直在探索和积累。当前主流还是通过指令编程或者拖拽式示教方式来对机器人进行使用和部署，不利于解决小批量、多品种的柔性需求。我们在用户学习之前加入一个抽象指令，比如输入从a点到b点的运动速度，计算出里面的运动轨迹规划以及轴的转动。能够深度适配不同类型的机械臂，是因为我们发给机器人的指令并不是指令性的语言，而是连续地轴的转动指令，直接控制轴来实现精准控制。

36氪：你怎样预测3D视觉行业未来走势？

李辉：3D视觉可以拆分为3D传感器和上层应用算法两个部分，最终还是要服务于高质量高性价比地解决具体行业问题。为了更好地解决不同的问题，需要通过传感器获取的数据也会各不相同，上层的处理算法也会千差万别。我相信未来或有大量的3D传感器产品出现，同时应用算法层也会更加开放，会有更多不同行业的人才涌入。

我认为我们这个行业还是要聚焦细分场景，不能讲技术、讲产品却不讲场景。而是聚焦在某个场景后形成了一定渠道和能力，再开始拓展场景、工艺路线。