36氪首发｜提供高性价比的机器自主移动解决方案，「爱啃萝卜」获数千万元融资，磐霖资本领投
36氪获悉，国内机器人自主移动解决方案提供商爱啃萝卜（AICRobo）已完成新一轮融资，融资金额数千万，磐霖资本领投，本轮融资主要用于标杆客户布局、项目落地、品牌建设。
爱啃萝卜是36氪此前关注、报道的一家初创公司，成立于2015年，主要做通用移动平台及机器人自主导航解决方案的研发。目前已经研发了机器人智能移动系统AICANS，迭代至第二代，并基于此推出了相应的硬件产品。目前正在仓储物流、工业自动化、服务机器人等领域进行试点落地。
要让机器自主移动，就必须解决环境构建、定位、感知、避障、路径规划、导航等核心技术难题。为此，团队研发了名为AICANS的机器人智能移动系统，不仅具备了机器人自主移动的核心功能，包括环境构建、自主导航（室内定位、路径规划、智能避障等），智能跟随与自主回充等，同时可无缝对接各类主流传感器，提供二次开发接口。截至目前，这套系统已经迭代到第二代。
不同于市面上的同类解决方案，AICANS在定位、感知、避障等模块上都进行了创新。感知方面，采用了多层次传感器信息融合的技术，集成了包括激光雷达、IMU、编码器、RGBD、UWB、超声波、红外测距等在内的多种传感器，为机器人提供精准的环境感知信息。定位方面，采用了绝对定位与相对定位相结合的方案，整合了IMU、激光、信标定位等定位方式，提升可靠性及鲁棒性。同时，因为采用了多种传感器，可以使机器在避障方面有更优的表现，诸如悬浮桌面、低处障碍物都可以被识别出来。
基于机器自主移动技术，最主要的应用场景为仓储自动化、工业自动化领域的无轨AGV和服务机器人的自主移动平台，这也是爱啃萝卜目前重点拓展的业务方向。爱啃萝卜告诉36氪，目前在这三条业务线，团队均有合作客户、意向客户，其中一些项目已经进行到定制、试点阶段。
仓储自动化方向，目前已经与国内知名电商、物流达成合作。其中在与知名电商的合作已经进行到了试点阶段，在部分城市的仓库进行小批量试点，第一代样机的一些小问题已经完成修复，稳定性、可靠性、运行速度方面已有提升。团队告诉36氪，在试点结束后，有可能进行正式的采购，一个地方仓数十台左右的订单。
工业自动化方向，已经与两家大型制造业企业达成合作，第一批样机正在定制，预计会在10月底测试使用。这两个方向，会根据客户的需求，提供机器定制服务及系统定制服务，费用也会根据元器件、方案不同而不一样。定制往往制约规模化扩张，团队表示，目前标准化程度相对较高，针对每个新应用场景的研发周期大约3个月，而针对同一场景10-30天即可以定制出新机器。
服务机器人领域，会提供自主移动平台作为核心零部件 ，目前意向客户包括家庭，酒店，迎宾，医疗，安防等应用场景下的客户。针对这类客户，会按出货量进行收费。根据36氪此前的报道，单台售价低于市面上的国外方案。
团队预计，今年年底会落地一部分项目，2018年会落地标杆客户，并小批量出货，采购量初期不会太多，每家企业每年的采购量约在100台左右。营收目前暂时还很难估算，预估2018年有可能在五六千万元左右，2019-2020年随着产品可靠性提升、市场拓展，年营收有可能过亿。
事实上，同样定位中游、为下游厂商提供软硬件一体化的自主移动解决方案和无轨AGV的公司，还包括了思岚、云迹、xPerception、PerceptIn、布科思、速感科技等，未来很可能还会有更多玩家入局。爱啃萝卜分析，他们属于制造业类型的企业，一般会是分散型的市场，市场可以容纳至少十家公司；同时目前市面上大部分企业多从环境感知模块切入，这只是机器自主移动系统和产品的一个模块。
AICRobo团队现共有二十多名员工，以技术人员为主。创始人兼CEO佘元博有机械电子、软件开发和基于机器视觉的机器人导航相关学术和工作背景。高级顾问周志华教授是国际六大学会fellow及中国计算机学会学士，近期当选2019年AAAI（国际人工智能学会）程序委员会主席，AICRobo是他唯一作为战略顾问的公司。
在获悉该消息后，36氪也采访了磐霖资本创始主管合伙人李宇辉。李宇辉表示，新的科技对新兴行业的创新引领及对传统行业的技术改造，是磐霖资本密切关注的投资方向；人工智能是典型的技术驱动型行业，虽然整个发展态势如火如荼，但是真正在技术层面拥有核心技术能力、有效解决应用层面技术难点的投资标的，在目前阶段却不多；智能机器人以人工智能技术为核心，是机器人技术从自动化到智能化发展的产物，正在改变传统制造业的格局。
而具体到为什么会投资爱啃萝卜，李宇辉告诉36氪，爱啃萝卜拥有自主移动机器人相关的一系列核心技术，这在智能机器人领域是一项重要的技术，公司目前已经开发出仓储物流及工业自动化场景下的自主运输机器人产品，并获得多家行业巨头的技术认可；基金认为通过不断地研发改进，爱啃萝卜系统将提升处理能力，帮助机器人从“机器”变为“人”，从而解决多场景的实际应用问题。
