Covariant是一家人工智能机器人公司，开发用于仓库自动化的工业机械臂软件。公司由前OpenAI研究人员于2017年创立，专注于创建通用人工智能系统，使机器人能够在非结构化环境中感知、推理和行动，特别是在物流中心的物品拣选、包装和分拣等任务中。其核心产品Covariant Brain是一个云连接的人工智能平台，通过多个部署场景中的真实世界数据进行学习。
该公司源于深度学习和机器人技术的交叉研究，旨在超越传统的预编程自动化。Covariant的方法利用强化学习和神经网络，使机器人能够处理新颖物体并适应不断变化的条件，这与需要刚性、任务特定编程的传统工业机器人有显著区别。公司已将自己定位为日益增长的物理人工智能领域的关键参与者，该领域将机器学习模型应用于现实世界的操作挑战。
创立与早期发展
Covariant由Pieter Abbeel、Peter Chen和Rocky Duan于2017年创立，三人均具有人工智能研究背景。Abbeel是加州大学伯克利分校的教授，此前曾从事深度强化学习和机器人技术研究，而Chen和Duan是OpenAI的早期成员，为生成模型和强化学习研究做出了贡献。三人试图将前沿机器学习技术应用于工业机器人领域，该领域此前主要依赖确定性控制系统。
公司最初以隐身模式运营，利用知名风险投资公司的资金开发技术。2018年，Covariant在由Amplify Partners领投的A轮融资中筹集了2000万美元，其他投资者也参与了投资。到2019年，公司已开始与物流合作伙伴进行试点部署，在真实仓库环境中测试其人工智能驱动的机器人拣选系统。这些早期试验证明了Covariant Brain能够处理各种物品，包括形状不规则、表面反光以及易碎程度不同的物品。
技术与产品
Covariant Brain是公司的旗舰产品，是一个与第三方机械臂、夹爪和传感器集成的软件平台。该系统使用深度学习模型，包括用于视觉的卷积神经网络和用于控制的强化学习，来执行抓取、放置和分拣等任务。与传统依赖显式几何模型的视觉引导机器人不同，Covariant的方法从其部署机器人车队收集的数据中学习，使系统能够随时间不断改进。
该平台的一个关键特性是其基于云的架构。不同仓库中的机器人将匿名数据发送到Covariant的服务器，在那里模型被重新训练和更新，然后部署回车队。这种持续学习循环使系统能够泛化到新物体和场景，而无需现场重新编程。公司还提供用于测试和验证的模拟环境，减少了物理试验的需求。
2021年，Covariant推出了Covariant Brain for Picking，这是一个用于电子商务履行中心单品拣选应用的交钥匙解决方案。该产品与ABB和Fanuc等主要机械臂制造商集成，并包含一套用于订单拣选、上料和配套的软件工具。该系统旨在以人类水平的速度和准确性运行，据报道在某些部署中拣选率高达每小时1000件。
商业部署与增长
Covariant的技术已部署在主要物流和零售公司运营的仓库中。2020年，公司宣布与奥地利自动化供应商Knapp合作，将Covariant Brain集成到Knapp的分拣系统中。这一合作扩大了Covariant在欧洲市场的覆盖范围。到2022年，Covariant已筹集超过2.2亿美元的总资金，包括由Index Ventures领投的7500万美元C轮融资，现有投资者和淡马锡等新投资者也参与了投资。
公司还扩展了产品线，包括Covariant分拣系统，该系统使用机械臂根据条形码或视觉识别将物品分拣到不同的滑槽或箱子中。该系统特别适用于处理传统基于输送机的分拣器难以处理的不规则形状物品。2023年，Covariant报告称其机器人在客户群中已完成超过1亿次拣选，这一里程碑凸显了其人工智能方法的可扩展性。
研究与行业地位
Covariant保持着强大的研究导向，发表关于机器人操作强化学习和模拟到现实迁移等主题的论文。公司的创始人和研究人员为学术会议做出了贡献，包括机器人学习会议和国际机器人与自动化会议。这种研究重点使Covariant区别于更传统的自动化供应商，将其定位为学术人工智能与工业应用之间的桥梁。
公司所处的竞争格局包括其他人工智能机器人初创公司，如Figure AI和Sanctuary AI，以及医疗机器人领域的成熟企业如Intuitive Surgical。然而，Covariant在仓库物流领域的定位独特，直接竞争对手包括Fermata（专注于农业机器人）和Braina（一个不同的人工智能企业）等公司。Covariant强调通用学习而非任务特定编程，被视为关键差异化因素，与Generative AI和Large language model研究的更广泛趋势一致，尽管其模型专门针对物理行动而非文本。
未来方向与挑战
截至2024年，Covariant继续扩大其部署范围并完善其人工智能模型。公司已探索仓储以外的应用，包括邮政服务的包裹分拣和制造环境中的卸垛。然而，人工智能机器人的更广泛采用面临挑战，包括高昂的前期成本、集成复杂性以及在安全关键环境中可靠性能的需求。Covariant通过提供软件即服务定价模式并强调其基于学习方法的灵活性来应对这些挑战。
公司的长期愿景是创建一种可应用于从农业到医疗保健等不同行业的“机器人通用人工智能”。这一雄心与BAIR (Berkeley AI Research)和Stanford AI Lab等其他研究小组的工作一致，这些小组正在探索类似的机器人基础模型。Covariant的成功将取决于其在商业扩展的同时保持技术领先的能力，这一挑战对许多物理世界的人工智能初创公司来说已被证明是困难的。
参见
参考文献
- Covariant官方网站，公司历史与产品信息。
- TechCrunch，“Covariant为人工智能驱动的仓库机器人筹集7500万美元”，2022年。
- IEEE Spectrum，“Covariant的人工智能机器人学会拣选任何物品”，2021年。
- 公司新闻稿和融资公告，2018-2023年。