Exklusiv bei 36Kr | Ein ehemaliger Wall-Street-Investor widmet sich der Entwicklung von künstlichen „Händen“ und löst die branchenweiten Datenprobleme durch das Konzept „selbst entwickelte visuell-taktile Wahrnehmung + geschlossener Hard- und Software-Kreislauf“
Bildquelle / Unternehmen
Dieser Text umfasst etwa 2100 Wörter, eine Lesezeit von 5 Minuten wird empfohlen
Autor 丨 OU Xue
Redaktion 丨 YUAN Silai
Laut Hard-Krypton hat LumiBot, ein Anbieter von Lösungen für die flexible Manipulation von Robotern, kürzlich eine Angel-Finanzierung in Höhe von mehreren zehn Millionen Yuan abgeschlossen. Diese Runde wird von einem Fonds unter einem börsennotierten Unternehmen angeführt. Die Mittel werden hauptsächlich für die Teamerweiterung, Produktiteration und den Aufbau von Kleinserien-Produktionslinien sowie für die Datenerfassung zur flexiblen Manipulation und Modellentwicklung verwendet.
LumiBot wurde Anfang 2025 gegründet und konzentriert sich auf die Bereitstellung von Lösungen für die flexible Manipulation für hochpräzise Szenen wie industrielle Fertigung und Präzisionsmontage. Derzeit hat das Unternehmen vier Produktlinien auf den Markt gebracht: die Lumi-Dex-Serie hochfreiheitsgradiger flexibler Hände, der Lumi-Tac-förmige visuelle taktile Sensor für Finger, das Lumi-Mind-Modell für flexible Manipulation und das Lumi-Mod-Motormodul.
Im Hinblick auf das Team hat Gründer WU Yuwen einst als Investor mehrere Projekte wie intelligente KI-Sichtsysteme und Kaffeeroboter geleitet und investiert. Technischer Leiter SONG Kaiyou studierte unter Akademiker YOU Youlun und Akademiker YIN Zhouping, war einst hochrangiger Algorithmusexperte bei der Ant Group und leitete das Training mehrerer Versionen des multimodalen Großmodells Bailing. Algorithmusleiter CHEN Yifan stammt aus dem autonomen Fahrzugteam von Baidu und leitete die Umsetzung des ersten rein visuellen hochgradigen intelligenten Fahrlösung in China. Produktleiter ZHONG Qiaoheng gründete einst ein Unternehmen für flexible Hände und realisierte deren Serienproduktion.
In der Welle der verkörperten Intelligenz werden flexible Hände als der „letzte Zentimeter“ angesehen, mit dem Roboter feine Manipulationen durchführen. Gründer WU Yuwen ist der Ansicht, dass flexible Hände ein unumgänglicher Engpass für Roboter sind und auch ein Bereich mit sehr hoher Wertschöpfungskette.
Eines der zentralen Unterscheidungsmerkmale von LumiBot ist der selbst entwickelte fingerförmige visuelle taktile Sensor Lumi-Tac. Im Gegensatz zu herkömmlichen arrayartigen taktilen Sensoren erfasst dieses Verfahren die Verformung der Gelfläche durch eine Mikrokamera, modelliert und entkoppelt multimodale Informationen wie Kraft, Textur und Gleiten und verfügt über eine räumliche Auflösung im Bereich von 10 μm und eine Kraftsteuergenauigkeit von 0,02 N.
Lumi-Tac visueller taktiler Sensor (Bildquelle / Unternehmen)
WU Yuwen erklärte gegenüber Hard-Krypton: „Visuelle Taktilität wird in der akademischen Welt als die zukünftige Richtung der Wahrnehmung flexibler Hände angesehen. Ihre Verbesserung der Erfolgsrate von Manipulationen ist deutlich besser als die anderer taktiler Sensortypen, sie hat ein sehr hohes Potenzial im Bereich der physischen Intelligenz und wird zum Standard zukünftiger hochwertiger flexibler Hände. Wir sind ein Team, das als erstes selbst flexible Hände entwickelt und über ein eigenes visuelles taktiles Verfahren verfügt.“
Auf der Hardware-Seite realisiert das selbst entwickelte Mikromotormodul Lumi-Mod des Unternehmens eine hohe Drehmomentausgabe bei kompaktem Volumen. Angesichts des branchenüblichen Problems, dass flexible Hände bei langer Arbeitszeit stark überhitzen, hat LumiBot das weltweit erste Mikrogelenkmodul mit aktiver Kühlung auf den Markt gebracht, das die Temperatur um mehr als 50 ℃ senken kann, die kontinuierliche Leerlauflebensdauer auf über 5000 Stunden erhöht und als erstes die technische Barriere durchbricht, dass flexible Hände 24 Stunden lang stabil im industriellen Betrieb arbeiten können.
WU Yuwen enthüllte, dass die Schwierigkeit der aktiven Kühlung darin besteht, dass der Innenraum flexibler Hände extrem begrenzt ist. Das Unternehmen hat diese Durchbruch erreicht, indem es die Motorkonfiguration geändert und den Raum, der früher für Kabelbäume und Motoren vorgesehen war, für Luftkanäle umgestaltet hat.
Bei der Anordnung der Freiheitsgrade verfolgt das Unternehmen eine differenzierte Strategie. Die flexible Hand mit 11 Freiheitsgraden zielt auf den Massenmarkt ab, wird bereits in Kleinserien produziert, hat im letzten Monat mit dem Verkauf begonnen und wird voraussichtlich einen Jahresumsatz von 20 bis 30 Millionen Yuan erzielen und 100 bis 200 Einheiten ausliefern.
Lumi-Dex-11S flexible Hand (Bildquelle / Unternehmen)
Das Flaggschiffprodukt mit 23 aktiven Freiheitsgraden richtet sich an hochwertige Szenen und ist in zwei technische Richtungen unterteilt: Eine ist mit einem Hohlbecher-Motormodul ausgestattet und wird in Kürze auf den Markt kommen; die andere ist mit dem weltweit ersten aktiven Kühlverfahren ausgestattet und wird voraussichtlich im Oktober dieses Jahres vorgestellt.
Derzeit verfolgt LumiBot einen zweigleisigen Ansatz mit industriellen Szenen und Herstellern von humanoiden Robotern. Das Unternehmen hat bereits millionenstarke Aufträge mit führenden Industriekunden gestartet, um die kooperative Anwendung flexibler Hände und industrieller Roboterarme in Szenen wie Spritzlackierung zu erforschen. Darüber hinaus laufen die Kooperationen mit Kunden wie China Unicom und Siyuan Electric.
Im Folgenden finden Sie einen Auszug aus dem Gespräch zwischen Hard-Krypton und WU Yuwen, Gründer von LumiBot (redigiert):
Hard-Krypton: Welche Veränderungen haben sich in Ihrem Verständnis ergeben, als Sie vom Investor zum Unternehmer gewechselt sind? Wie beurteilen Sie den Markt für flexible Hände?
WU Yuwen: Die größte Veränderung liegt im Verständnis von „Zeit“ und „Details“. Investitionen konzentrieren sich auf Trends, während Unternehmertum bis ins Detail auf Cashflow und Ausbeute achten muss.
Dass man einen Prototyp einer flexiblen Hand herstellt, bedeutet nicht, dass man ihn verkaufen kann. Nachdem wir den Prototyp mit 11 Freiheitsgraden fertiggestellt hatten, haben wir fast ein halbes Jahr für die Iteration aufgewendet, um das Produkt mit niedrigen Freiheitsgraden zur Serienreife zu bringen. Bei der Beurteilung des Marktes dachte man früher, dass der Freiheitsgrad das Wichtigste sei. Heute ist man der Ansicht, dass in industriellen Szenen „Haltbarkeit“ Vorrang vor „Flexibilität“ hat – Fabriken interessieren sich am meisten dafür, wie viele Stunden das Gerät ununterbrochen laufen kann, ohne zu beschädigen.
Darüber hinaus dachte man früher, dass humanoide Roboter die Nachfrage nach flexiblen Händen antreiben. In der Praxis ist die Nachfrage nach flexiblen Händen, die an industrielle Roboterarme montiert sind, sicherer und die Zahlungsbereitschaft ist höher. Industrielle Szenen sind derzeit die solide Grundlage.
Hard-Krypton: Das Unternehmen fördert Produkte mit 23 aktiven Freiheitsgraden und liefert gleichzeitig in Kleinserien Produkte mit 11 Freiheitsgraden aus – welche Überlegungen stehen dahinter?
WU Yuwen: Der Kern liegt in der abgestuften Übereinstimmung von technischen Barrieren und Marktnachfrage. Die Kosten für das Produkt mit 11 Freiheitsgraden sind kontrollierbar, es eignet sich für Szenen wie Transport und Sortierung, kann schnell in großen Mengen hergestellt werden und die Lieferkette validieren. 23 aktive Freiheitsgrade erreichen fast die physische Obergrenze der menschlichen Hand. Mit jedem zusätzlichen Freiheitsgrad steigt der Schwierigkeitsgrad der integrierten Steuerung und Kühlung exponentiell an.
Wir haben den Spalt zwischen Fingern durch selbst entwickelte Motormodule auf weniger als 1,5 mm gedrückt und die aktive Kühlung realisiert, ohne die Außenabmessungen zu verändern – das ist weltweit einzigartig. Die beiden Linien ergänzen sich: Das Produkt mit 11 Freiheitsgraden wird in Massenproduktion ausgeliefert, und das Produkt mit 23 aktiven Freiheitsgraden baut technische Barrieren auf.
Hard-Krypton: Daten gelten als der zentrale Engpass für die Markteinführung flexibler Hände – wie lösen Sie dieses Problem konkret?
WU Yuwen: Öffentliche Daten zu hochgradig freiheitsgradigen flexiblen Händen in Kombination mit taktiler Wahrnehmung sind fast nicht vorhanden. Wir verfolgen drei Wege gleichzeitig: Wir kaufen offene Simulationsdaten für das Vortraining, entwickeln selbst visuelle taktile Datenhandschuhe für die Fernbedienung und erfassen direkt Ego-Videos, damit Arbeiter im Werk direkt bedienen können, die Bewegungen werden auf flexible Hände umgeleitet, sodass die Erfassung kostengünstig und in großem Umfang durchführbar ist. Auf der Modellseite haben wir die selbst entwickelte VTLA-Architektur mit hierarchischer „Groß- und Kleinhirn“-Struktur eingeführt. Die atomare Fähigkeitsbibliothek deckt grundlegende Fähigkeiten wie Greifen, Drehen und Ausrichten ab, die direkt aufgerufen werden können.
Der geschlossene Zyklus „Erfassung → Training → Bereitstellung → Rückfluss“ ist der größte Unterschied zwischen uns und reinen Hardware-Unternehmen. Der Verkauf von Hardware ist nur der Einstieg – die kontinuierliche Bereitstellung von Bedienintelligenz ist der langfristige Wert.
Standpunkt der Investoren:
Der Fonds unter dem börsennotierten Unternehmen: Bei Investitionen in verkörperte Intelligenz legen wir Wert auf die Fähigkeit des Teams, grundlegende Probleme der Branche zu lösen. Derzeit fehlt es in der Branche weder an Hardware noch an Algorithmen, sondern an hochwertigen Datenbeständen. Das Fehlen benutzerfreundlicher Fernbedienungsgeräte ist wiederum der Kernpunkt, der dazu führt, dass Daten schwer zu erfassen sind und die Qualität gering ist. Das Attraktivste an LumiBot ist sein ganzheitlicher Ansatz von „Software und Hardware in einem“. Sie setzen an der Quelle der Fernbedienungsgeräte an, schließen nicht nur die Lücke bei der Datenerfassung in der Branche, sondern realisieren auch einen vollständig selbst entwickelten geschlossenen Zyklus aus „extremer Hardware + hochwertigen Daten + fortschrittlichen Modellen“. Diese Fähigkeit zum geschlossenen Zyklus macht LumiBot äußerst selten und zeigt uns einen praktikablen Weg, wie verkörperte Intelligenz tatsächlich in realen Szenen eingesetzt werden kann.