据悉，在后人口红利的中国，制造业和物流业人力成本持续上升不可逆转，年轻劳动力短短几年下降近四成。使用机器人技术，成为了一些企业降本增效的最佳选择。
工业机器人逐步替代人类干“苦力活”，这一趋势已经非常明显，但当前工业机器人的发展存在很多阻碍因素，比如系统集成成本昂贵、中小企业使用难度大成本高、其他行业不具备技术能力、国内企业核心技术突破少，以及远远不能满足的市场供给等痛点。市场上虽然制造机械臂的厂家很多，但在混杂的物体中使用机械臂做分拣，现有的解决方案价格高昂而且效果差强人意，客户接受程度很低。
猎云网近日接触到一家智能分拣机器人研发商--北京矩视智能科技有限公司，成立于 2017 年 10 月，公司旨在通过自主研发的基于 3D / 2D 视觉的智能分拣系统，解决工业机器人分拣领域的无序抓取问题，主要的应用行业有加工制造、仓储物流、农业、消费等多种行业。
创始人兼 CEO弭宝瞳告诉猎云网，传统的工业机器人只能针对固定位置的物体进行抓取，而 NeuroBot 通过自主研发的 3D / 2D 视觉分拣系统，集成不同类型的工业机器人，完成识别、检测、抓取、码放的一系列动作，可柔性地将物料在无序或半无序状态下完成分拣，提高生产效率并节约成本。
矩视智能的核心产品是NeuroPicker 3D智能分拣系统与 NeuroVision 2D智能相机平台，其 3D 视觉分拣的识别时间约为 0.5s，精度可达 0.2mm，其结合 2D 视觉的检测精度可达 0.01mm。
NeuroPicker 3D智能分拣系统的功能简单来说是利用3D视觉系统，辨别堆叠的工件，测量工件尺寸，同时将工件的位置姿态，回传坐标给机械臂，实现物品分拣、自动上下料、产品分类等功能。
NeuroVision 2D智能相机平台是将整套完整独立的视觉系统集成在控制器和工业相机内，形成兼具高速微处理器、内存、程序存储、图像采集、图像处理软件为一体的智能工业相机，实现精确定位物品坐标，识别多种数据码，检测以及分类等功能。
弭宝瞳告诉猎云网产品所运用的核心技术分三个方面：深度学习、3D / 2D 视觉以及嵌入式 AI。
通过采用深度学习技术，把人工的检测经验转化为算法，从而实现自动识别和检测；3D / 2D 视觉是利用机器视觉完成物品的位姿估计，并辅以深度学习算法实现复杂场景的抓取点计算；嵌入式 AI则采用嵌入式 GPU （如 Nvidia 的 TX2）为深度学习提供硬件支撑，保持算力充足。
矩视智能的商业模式是面向集成商、机器人厂商，销售3D 智能分拣系统，2D智能相机平台，也可以将集成的解决方案面向终端工厂，提供3D智能分拣、 2D智能检测等行业的集成应用以及售后维护服务、系统优化、升级等服务。
弭宝瞳表示，“我们提供包括核心算法、工业相机及处理器的软硬件一体化产品及解决方案，而机械臂、抓手等硬件则由上游厂商提供。同时，通过算法优化，配合国产的硬件方案，其价格仅约为国外相似竞品的四分之一。这也是我们与竟品相比的竞争优势，提供同等优秀解决方案的同时价格较低。”
目前矩视智能通过直接落地客户项目，不断累积技术与经验并且已经实现正向现金流，现下有多个项目正在跟进。其解决方案应用范围目前集中在加工制造业，未来也会拓展到消费级领域，实现通用物品的抓取。
衡量机器视觉分拣系统的优劣的关键要素，在弭宝瞳看来主要是精度、速度、稳定性、通用性以及对特殊情况的处理能力。
在实际生产过程中，速度是首要标准，它决定了这个设备能否导入产线中。因为生产线都是流水作业，假设产品在前端的生产节拍是3秒，后面的分拣、质检等设备无法跟上这个速度，这个设备在产线上就没有任何价值。
通用性设备的稳定性也很重要，如果一台设备只适用于一家厂商或者一种行业，那么设备的开发成本过大，也不符合实际生产的要求。在生产线上也会出现偶发的一些特殊情况，需要机器能够通过“眼睛”识别并且解决。
工业全自动化浪潮的口号喊了好几年，机器视觉以及人工智能技术却在工业领域的没有全面开花，落地依旧艰难，在弭宝瞳看来，主要因为工业领域自身行业发展特点的原因，研发周期长导致落地缓慢。
在工业领域，要完成一个真正能替代人力的全自动设备或解决方案，除了运用人工智能技术，还需要考虑算法、软件、光学、电气、结构等，周期较长，是一件落地艰难的事情。另外一个原因是学术界的研究人才缺乏工程化思维，仅仅关注算法的精度和领先性，忽略了实际生产中设备的成本、精度、速度、稳定性等要素。一个企业无法做成这个事情，需要整个产业链共同的努力合作共赢。
弭宝瞳认为，工业的细分领域较多，且各垂直行业门槛较高，能否实现行业落地，并在细分领域建立壁垒，是大家在竞争中关注的要点。