構(gòu)建機(jī)器人平臺(tái)是一項(xiàng)艱巨的任務(wù)，需要處理大量的數(shù)據(jù)，但幫助開發(fā)者完成這項(xiàng)任務(wù)的工具非常少。Roboto Technologies Inc.是一家今天走出隱身狀態(tài)的美國(guó)創(chuàng)業(yè)公司，獲得了480萬美元的融資，旨在利用人工智能幫助機(jī)器人開發(fā)人員在開發(fā)機(jī)器人時(shí)節(jié)省時(shí)間。

種子輪融資由早期投資公司Unusual Ventures領(lǐng)投，Allen Institute for Artificial Intelligence和FUSE Ventures參與。

Roboto的創(chuàng)始人Benji Barash和Yves Albers-Schoenberg從歐洲移民到西雅圖并加入亞馬遜的無人機(jī)送貨項(xiàng)目時(shí)，親眼目睹了機(jī)器人開發(fā)的挑戰(zhàn)。Benji Barash說："我們有一個(gè)驚人的前排座位，看到了機(jī)器人技術(shù)令人難以置信的潛力，我們?cè)趤嗰R遜從事無人機(jī)送貨等項(xiàng)目的工作。然而，我們也了解到，盡管最近取得了所有的進(jìn)展，建立安全和可靠的自主系統(tǒng)仍然是令人驚訝的困難和非常昂貴。"

一個(gè)機(jī)器人在短短幾分鐘的操作過程中可以產(chǎn)生TB級(jí)的復(fù)雜數(shù)據(jù)，而這些數(shù)據(jù)需要被存儲(chǔ)和處理才能發(fā)揮作用。然后，許多機(jī)器人平臺(tái)開發(fā)者必須創(chuàng)建自己的工具來處理、理解和分析這些數(shù)據(jù)，而市場(chǎng)上的工具并不是為了管理這些數(shù)據(jù)而建立的。

例如，數(shù)據(jù)和日志分析器，如Splunk、Tableau和Datadog，對(duì)于處理非結(jié)構(gòu)化數(shù)據(jù)是很好的。但對(duì)于視頻、圖像、激光雷達(dá)和其他來自機(jī)器人用來了解周圍世界的眾多傳感器的視覺數(shù)據(jù)來說，它們就不是那么好了。因此，工程師們花了成百上千的工作時(shí)間來建立他們自己的基礎(chǔ)設(shè)施，使現(xiàn)有的工具適合機(jī)器人技術(shù)，而不是花時(shí)間在機(jī)器人技術(shù)發(fā)展本身上。

"這很耗時(shí)，并很快成為每個(gè)從事機(jī)器人工作的人的痛點(diǎn)。"Benji Barash："隨著公司收集巨量的數(shù)據(jù)，機(jī)器人工程師不得不把時(shí)間花在處理數(shù)據(jù)上，而不是做機(jī)器人工作。"

憑借其人工智能驅(qū)動(dòng)的平臺(tái)，Roboto消除了這些痛點(diǎn)，使其有可能分析和充分理解大量的傳感器數(shù)據(jù)，而不需要自制的工具。

Barash和Albers-Schoenberg把這個(gè)新系統(tǒng)比作 "機(jī)器人的副駕駛"，他們說，開發(fā)人員可以通過向它提出關(guān)于他們的數(shù)據(jù)集的問題來發(fā)現(xiàn)他們需要的任何東西。使用人工智能，研究人員可以獲得有關(guān)他們平臺(tái)的信息，就像使用自然語言提示有關(guān)傳感器數(shù)據(jù)、相機(jī)視覺效果或其他輸入進(jìn)行搜索一樣容易。

例如，一個(gè)擁有自動(dòng)駕駛卡車的開發(fā)者可以問人工智能："給我找到所有車速超過35英里/小時(shí)，并且在圖像右側(cè)看到一個(gè)人的駕駛情況"，或者 "給我顯示每一次右轉(zhuǎn)，并且車速超過15英里/小時(shí)的情況"。所有這些實(shí)例都可以用來調(diào)出與這些實(shí)例相關(guān)的數(shù)據(jù)，以查看發(fā)生了什么，以便進(jìn)一步調(diào)查。

該平臺(tái)還允許搜索其他類型的數(shù)據(jù)，如圖形時(shí)間序列信號(hào)，如車輛轉(zhuǎn)向、電池水平、速度和加速度。通過為機(jī)器人開發(fā)人員提供一種快速搜索這類數(shù)據(jù)的方法，并使用自然語言提示，開發(fā)人員可以快速了解他們的機(jī)器人是如何運(yùn)作的。

Roboto已經(jīng)發(fā)布了一個(gè)免費(fèi)的演示，供開發(fā)者在nuScales的數(shù)據(jù)上測(cè)試該平臺(tái)，nuScales是一個(gè)大規(guī)模的自主數(shù)據(jù)集，被工程師和研究人員使用。

在過去的十年里，我們的創(chuàng)始團(tuán)隊(duì)一直在機(jī)器人和人工智能的最前沿工作。

從模擬到計(jì)算機(jī)視覺，我們一直在機(jī)器人堆棧中工作，但大部分時(shí)間都在追逐邊緣情況。任何從事機(jī)器人工作的人都知道從原型到安全可靠的生產(chǎn)系統(tǒng)是多么困難。

我們認(rèn)為阻礙該行業(yè)發(fā)展的最大障礙之一是缺乏合適的基礎(chǔ)設(shè)施來快速搜索多模態(tài)傳感器數(shù)據(jù)和日志。如果沒有辦法有效地查詢這些數(shù)據(jù)，公司發(fā)現(xiàn)系統(tǒng)故障為時(shí)已晚。

機(jī)器人技術(shù)很難，但不應(yīng)該這么難。我們現(xiàn)在的使命是通過讓人工智能為我們做骯臟的工作，讓機(jī)器人更快地投入生產(chǎn)！我們很高興能得到一群令人難以置信的顧問和投資者的支持，以實(shí)現(xiàn)這一目標(biāo)。