在 Hacker News 发布：Salem Robotics (YC S26) – 工业检测机器人软件

# 启动 HN: Salem Robotics（YC S26）——工业检测机器人软件 来源：https://news.ycombinator.com/item?id=49466715 大家好，HN！我们是 Salem Robotics（https://salemroboticsinc.com/）的创始人。我们为现有的移动机器人赋予任务特定的智能，使其能够在危险的工业设施中执行测量和物理交互式检测。 这里有一段视频，展示了我们在真实机器人硬件上的运行情况，并附有我们的简短介绍：https://www.youtube.com/watch?v=U_228h3NE7c 我们通过在德州大学奥斯汀分校的机器人研究以及总计 15 年的核工业工作经历创立了 Salem，其中包括在洛斯阿拉莫斯国家实验室开发和部署自主机器人约 10 年。在过去的五年里，我们不断遇到同一个差距：机器人硬件已经变得非常强大，但要让机器人执行完整的工业程序，仍然需要大量的机器人开发和手动干预。 最吸引我们的是机械操作部分。例如，核污染调查可能需要进行“擦拭”：擦拭表面的特定区域，以检查其是否有可去除的放射性污染。在石油、天然气或化工设施中，LDAR（泄漏检测与修复）检测可能需要将探测器移动到特定的阀门、法兰或连接处周围。其他检测则需要将仪器相对于管道或设备的特定位置和方向进行定位。 这些任务很容易用“擦拭”、“测量”或“检测”等动词来概括，但要让机器人可靠地完成则困难得多。探头可能需要在路径中始终保持与表面垂直，与管道保持狭窄的偏移距离，或在保持特定末端执行器方向的同时追踪一个区域。规划器必须在遵守任务几何形状、机械臂运动学、关节限制、碰撞和周围环境的前提下，找到可行的运动轨迹。 我们深入到关节级控制来处理这些交互。我们花费大量时间解决的一个问题是，如何快速生成约束操作计划，使其能够基于机器人实际观察到的几何形状，而不是需要有人为每个单独的表面、阀门或法兰仔细编写轨迹。 物理世界让这件事变得麻烦。在走廊中导航时，几厘米的误差可能无关紧要，但如果传感器需要保持与弯曲表面垂直，那就很重要了。成功执行轨迹并不一定意味着检测成功。探测器可能未对准、接触不正确、几何形状与模型不同，或者测量本身可能无效。我们关注的是围绕检测结果闭环，而不仅仅是手臂是否到达了指定的位姿。 我们的方法是人工智能和经典机器人的结合。目前，许多机器人研究和行业注意力正转向越来越端到端的学习系统，尤其是在类人机器人方面。在安全关键环境中工作使我们认识到，当你需要明确的约束、可预测的行为以及关于机器人能做什么和不能做什么的理论保证时，经典方法仍然非常相关。 我们在语义理解和灵活性有用的地方使用人工智能，例如解释结构化程度较低的信息或理解陌生场景中与程序相关的部分。一旦系统知道需要执行什么物理交互，我们就会尽可能选择明确的几何、规划、优化和控制。我们感兴趣的是两者之间的结合，而不是试图让机器人的每个部分都通过学习来实现。 Salem 背后的另一个理念是，我们不认为每个有用的机器人应用都需要建造新的机器人。像 Boston Dynamics 这样的公司在构建日益强大的硬件平台方面做得非常好。我们认为，在这些硬件之上，有领域特定应用层的空间。同一台底层机器人可能在一个设施中执行核辐射测量，在另一个设施中执行 LDAR 检测，但程序、传感器、操作约束、成功条件和输出是不同的。 这也是我们为什么对硬件持中立态度的原因。我们不认为某一台机器人会永远是最好的平台，而且设施已经拥有不同的硬件。我们更愿意根据需要发生的事情来描述检测，然后将其映射到适合该任务的正确机器人的能力上。 在花更多时间与设施接触后，让我们感到惊讶的一点是，许多检测工作流程仍然是手动的。在复杂的核设施和工业场所中，人们仍然需要亲自走检测路线、逐个测量、目视检查设备、手动记录结果，有时还根据组件的声音等方式做出判断。尽管今天的传感器、计算和机器人已经截然不同，但一些基本的工作流程对于几十年前从事这项工作的人来说仍然很熟悉。 我们从核辐射检测开始，因为这是我们最了解的行业，同时我们也在研究石油、天然气和危险化学品设施中需要大量操作的检测问题。技术人员和检测员仍然负责定义程序、解释结果并做出重要判断。我们试图自动化更多目前需要人员进入环境或手动操作机器人的重复性物理执行工作。 我们直接向工业设施销售产品，通常从付费技术验证开始，然后进入持续部署阶段。价格因工作流程而异：验证费用从几万美元到超过 10 万美元不等，较大的部署费用从几十万美元到每台机器人约 50 万美元不等。 我们特别想听听 HN 对机器人中抽象边界应设定在哪里的看法。什么应该来自机器人制造商，什么属于应用层，什么将不可避免地特定于设施？我们也想听听您在其他行业中看到的物理检测任务，这些任务对人来说看似简单，但自动化起来却出奇地困难。