窗户清洁机器人创业公司Lucid Bots的创始人兼首席执行官Andrew Ashur喜欢开玩笑说,他的公司是当前机器人行业的反面典型。
当许多公司都在尝试构建人形机器人或展示其机器人跳舞和翻跟头的演示时,Lucid Bots的无人机却在现场进行传统上既不光彩又危险的工作,比如清洁窗户,让这些工作变得更安全、更高效。
"悲伤的事实是,大多数公司仍在销售大量炒作和头条新闻,而我们销售的是在工作现场的实际性能,这体现在我们客户的盈亏上,"Ashur告诉TechCrunch。"我们不仅仅在实验室和模拟器中工作。我们手上沾着泥土,在工作现场完成实际工作。"
总部位于北卡罗来纳州夏洛特的Lucid Bots是一家全栈机器人公司,向清洁公司销售其Sherpa无人机和Lavo机器人,以帮助他们在工作现场作业。该公司在美国设计和制造自己的机器人,刚刚完成了由Cubit Capital和Idea Fund Partners共同领投的2000万美元B轮融资。这使其总融资额达到3400万美元。
公司计划使用这笔资金进行招聘以满足需求,尽管Ashur开玩笑说他们的制造设施已经没有停车位了。
"我们收到的演示请求比一天的时间还多,所以我们需要扩大产能和人员数量,"Ashur说。"作为创始人,当我们没有足够的时间来进行所有演示时,这让我有点心痛。"
Ashur表示,客户和投资者的需求在开始时并不存在。该公司花了五年时间才出货前100台机器人,需要大量说服工作才能让风投支持一个有文科背景且没有机器人经验的机器人创始人。
Ashur在戴维森学院三年级学习经济学和西班牙语时产生了创办公司的最初想法。他碰巧路过一栋正在由窗户清洁工清洁的建筑。那是一个多风的日子,工人的摆动平台开始摇摆并撞击建筑物。
观看这个令人胆战心惊的场面让Ashur思考技术如何能让这项工作更安全。
"建筑基础设施实际上是世界上最大的资产类别,但现在,我们面临三个复合问题,"Ashur说。"我们有老化的基础设施,我们正在建设的新基础设施变得越来越大、越来越难以维护,最后但同样重要的是,我们愿意并能够从事这项工作的人越来越少。我们需要开始建造无人机和机器人来弥合这一差距。"
Lucid Bots于2018年成立,最初是一家清洁公司,承接合同工作以更多了解这个行业。两年后,在经历了一些清洁化学品烧伤后,Ashur说他们知道他们的无人机需要什么才能成功。
Lucid Bots的销售最近获得了动力。这家创业公司花了五年时间销售了100台设备,现在正在接近1000台。
公司继续改进其机器人和无人机,以保持销售持续增长。机器人收集的数据被反馈到底层软件中,用于改进Lucid Bots的两种产品。该公司还在构建一个工具,允许其机器人用于相邻类别,如绘画防水和密封等。
"我们最近为一个开始老化的大型大学体育场进行了防水处理,仍然使用与Sherpa相同的大脑和框架,"Ashur说。"我们进入该领域的部分原因是我们现有的客户将我们拉到了那里,在我们甚至开始营销该选项之前,我们每月大约收到50个与绘画和涂层相关的入站线索。"
Q&A
Q1:Lucid Bots是什么公司?主要产品有哪些?
A:Lucid Bots是一家总部位于北卡罗来纳州夏洛特的全栈机器人公司,主要向清洁公司销售Sherpa无人机和Lavo机器人,帮助他们在工作现场进行窗户清洁等作业,让传统的危险清洁工作变得更安全、更高效。
Q2:Lucid Bots刚完成了多少融资?用于什么目的?
A:Lucid Bots刚刚完成了由Cubit Capital和Idea Fund Partners共同领投的2000万美元B轮融资,使其总融资额达到3400万美元。这笔资金将用于招聘以满足市场需求,扩大产能和人员数量。
Q3:Lucid Bots的市场表现如何?
A:公司销售获得了显著增长动力。该公司花了五年时间销售前100台设备,现在正在接近1000台的销售量。公司还在拓展业务范围,从窗户清洁扩展到绘画、防水和密封等相邻领域。
好文章,需要你的鼓励
前沿AI研究机构Decart发布最新世界模型Oasis 3,旨在弥合虚拟仿真与物理AI之间的鸿沟。该模型将超写实交互图形能力与强大物理引擎相结合,可生成动作驱动的视频流,支持多视角环境模拟,延迟低于200毫秒。开发者能够借助自然语言提示,快速构建多样化极端场景,有效解决机器人和自动驾驶领域长期存在的"仿真到现实"差距问题,大幅降低物理AI训练成本。
OpenSkill是一套让AI代理无需人工监督即可自主成长的框架,通过从互联网获取知识、自建虚拟考题反复练习,实现真正的开放世界自我演化。
Visual Components正式发布5.1版本工厂仿真软件,重点引入高精度物理仿真与可扩展机器人协同调度能力,支持在同一环境中同时模拟数百台自主移动机器人、自动导引车及人员的运行状态。新版本还将仿真性能提升至前代的10倍,新增Allen-Bradley PLC支持及Nachi、Epson机器人虚拟调试插件,并将脚本环境升级至Python 3。该软件旨在帮助制造商在实际部署前完成系统验证,降低调试风险,缩短投产周期。
论文研究了AI评委同时优化多个评判维度时的两大失败原因:梯度稀释与指令干扰,为多目标提示词优化提供了系统性诊断框架。