近日，谷歌母公司Alphabet宣布，其“登月計劃”中的工業機器人項目Intrinsic正式完成孵化，將作為子公司獨立運營，由Wendy Tan White出任Intrinsic的執行官。

　　據了解，作為Google X孵化的一個項目，Intrinsic已經在內部發展了五年多的時間，其主要研究工業機器人的軟件工具開發。

　　用Wendy Tan White的話來說，就是旨在利用正在進步的AI技術以及低成本傳感器，打造一套讓工業機器人更加經濟、靈活也更易于使用的工具。

　　目前，Intrinsic的具體產品還沒有透露，但從其目標中也可以窺見一二，Intrinsic想要從軟件算法層面，把過去調教工業機器人所需的數百小時編碼時間，壓縮到甚至只需幾個小時的程度。

　　Intrinsic表示，正在開發的軟件和人工智能工具，可以幫助機器人通過傳感器數據來感知、學習和適應現實世界，從太陽能電池板到汽車，這些軟件將能夠在各種不同的環境和產品中工作，為數以百萬計的企業、企業家和開發商釋放工業機器人的創造和經濟潛力。

　　這如果真的實現，對工業機器人來說，無疑是一種質的飛躍，是整個產業的變革，所帶來的影響幾乎無法估量，而從Intrinsic敢于獨立出來看，或許這并不遙遠。

　　工業機器人的生產效率有目共睹，但為何這么多年來，還是僅僅用于少數行業執行有限的任務?

　　這主要是因為當前工業機器人的短板還很明顯。一方面是成本太高，動輒幾十上百萬的價格，讓除了少數高附加值的產業，其他使用工業機器人的性價比都不高。

　　另一方面，則是工業機器人程序的編寫太過復雜，往往一項簡單的技能，就需要專業的程序員花費數百小時來寫程序。

　　而且即使如此，工業機器人還是只能做一些特定的工作，比如焊接兩塊金屬等，至于更加靈巧的任務，如打磨不同形狀和大小的物體，對工業機器人來說仍然難以做到，因為它們缺乏了解物理環境所需的傳感器和軟件。

　　此外，工業機器人通常只能在受控且不變的環境中運行，稍微有一些改變就無法工作了，它們沒有能力理解和響應周圍發生的事情，這又進一步限制了工業機器人的普及。

　　不過這些問題，隨著整個產業的逐漸成熟，都有了一定的解決方法，比如各類傳感器價格的降低，讓能偵測周邊環境的機器人開始普及;機器視覺與深度學習的進步，讓機器人可以從接收到的數據中學習，并應用在另一項類似的任務之中。

　　Intrinsic正是有鑒于此，才相信可以利用技術的突破，重新構想工業機器人的能力，此前，Intrinsic團隊與蘇黎世聯邦理工學院的Gramazio Kohler Research合作，開發了一款4個機器手臂的系統，這4支機器手臂可協同合作將木板組成小木屋。

　　這表明著，Intrinsic的軟件有潛力大幅度減少使用工業機器人所需的時間、成本和復雜性，在幫助解決更廣泛的問題和提高商品多樣性方面具有長久的潛力，并能以經濟實惠和可持續的方式生產。

　　如今，Intrinsic已成為一家獨立運營的公司，或許也說明著其在技術上取得了突破性的進展，接下來將專注于驗證這些技術，以及各種工業機器人的軟件產品開發。