智子力控:牛津博士后用光学破解具身智能“卡脖子”难题 | AI资讯
type
status
date
slug
summary
tags
category
icon
password
网址

在人工智能(AI)浪潮席卷全球的今天,当大模型(LLM)在数字世界展现出惊人的推理与生成能力时,如何让智能体真正走进物理世界,与环境进行灵巧、安全的交互,成为了通往通用人工智能(AGI)的下一个关键隘口。这便是“具身智能”的核心议题。近日,一家名为「智子力控(Sophon Force)」的初创公司完成了数千万元种子轮融资,其背后由牛津大学博士后领衔的团队,正试图用一种革命性的光学技术,为机器人装上“感知神经”,解决长期困扰行业的力控“卡脖子”难题。
机器人“触觉”的困境:从刚性自动化到柔性智能的鸿沟
长期以来,机器人的发展受限于其感知能力的不足,尤其是在力觉感知方面。传统的机器人更像是“大力士”,能够精准地执行预设轨迹的“位置控制”,但在面对需要与环境实时交互的复杂任务时,便显得力不从心。
这背后的核心瓶颈在于高端六维力传感器。这一关键部件市场长期被海外品牌垄断,导致其价格高昂、交付周期长、维护成本重,严重阻碍了其在消费级和大规模机器人制造中的普及。尽管有国产替代方案,但在精度、稳定性等方面仍存在差距。
更重要的是,仅仅在机械臂末端安装一个传感器,实现的“单点力控”已无法满足未来需求。无论是人形机器人要完成“穿针引线”般的精细操作,还是协作机器人需要与人类安全共处,都迫切需要一种“整机力控”能力。机器人不仅要知道“去哪里”(位置),更需要知道“用多大力”(力),从而实现从“刚性自动化”到“柔性智能化”的质变。
光学革命:智子力控的“力学神经架构”
面对行业瓶颈,智子力控没有选择在传统的电学传感器赛道上进行改良,而是开创性地提出了一条基于光学的“力学神经架构”路径。
传统的做法是为机器人的每个关节都装配一个电学式扭矩传感器,通过“拼接”来近似实现全身力觉。这种方案工程上虽成熟,但存在装配复杂、标定工作量大、易受电磁干扰等诸多问题。
智子力控的方案则完全不同。他们以光学为感知介质,结合自研的先进算法,将微型化的力觉单元内嵌到机器人的“指尖、关节、骨骼”等关键结构件中,形成一个可级联的分布式感知网络。该方案带来了四大系统性优势:
- 更广的覆盖面:从“点”感知升级为“网”感知,能更早、更细粒度地捕捉接触力与微小扰动。
- 更强的工程化:模块化设计大大降低了整机改造门槛,可以像“插件”一样为现有机器人平台升级。
- 更高的鲁棒性:光学介质天然抵抗电磁、油污、温湿等复杂工况的干扰,系统更稳定可靠。
- 更优的成本与算力:通过边缘侧的智能解耦,减少了对上层主控算力的占用,为规模化和消费级应用释放了巨大的成本空间。
这一创新方案,有望成为新一代机器人世界的力控“操作系统”,让机器人真正拥有媲美人类的灵巧“手感”。
牛津博士后领衔:跨界“梦之队”的技术与商业版图
一项颠覆性技术的背后,必然有一个强大的团队。智子力控的核心团队堪称产学研结合的典范。
- 创始人兼CEO宋戈阳博士:他拥有牛津大学博士后、诺丁汉大学博士等顶尖学术背景,在力学感知领域深耕十余年。他开创性地将光学技术与AI算法结合,实现了高维力觉信号的实时解耦,是团队的技术灵魂。
- 联合创始人兼COO钱瑾:毕业于约翰霍普金斯大学,拥有中金公司、普洛斯资本等国际知名金融机构的丰富经验,负责将前沿科研成果转化为成功的商业落地。
- 联合创始人兼CPO杨灿杰:毕业于英国谢菲尔德大学,曾任中兴通讯项目总监,拥有强大的工程技术背景和系统化项目管理能力,是推动产品从“样机”到“量产”的关键人物。
学术的深度、商业的高度与工程的精度,在这支团队身上得到了完美的融合,为智子力控的快速发展奠定了坚实的基础。
资本青睐与产业落地:从实验室到万级产线
智子力控的创新技术和强大团队迅速获得了资本市场的认可。本轮融资由云天使基金领投,璞跃中国等知名机构跟投。投资方普遍认为,智子力控以光学路径切入力觉感知,为机器人产业带来了“耳目一新”的思路,有望实现对传统方案的“弯道超车”。
目前,智子力控的商业化进程已全面提速。其第一期年产过万台传感器的产线已经建成投产,技术与产品已通过多家头部公司的送样测试,正迈向量产阶段。除了人形机器人,其技术在协作臂、医疗手术机器人、汽车测试等领域同样拥有广阔的应用前景。
结语:为具身智能装上“感知神经”
智子力控的出现,不仅仅是一家初创公司获得了融资,它更代表了人工智能领域一个重要的发展方向。通过其创新的光学力觉感知方案,机器人有望摆脱“笨拙”的刻板印象,真正获得与物理世界进行精细、柔顺、安全交互的能力。这正是具身智能走向成熟应用的关键一步。随着技术的不断成熟和成本的进一步降低,一个由“柔性智能化”机器人驱动的新时代正加速到来。
想要获取更多前沿的AI资讯和深度解读,敬请关注AI门户网站 AIGC.bar (https://aigc.bar)。
Loading...
.png?table=collection&id=1e16e373-c263-81c6-a9df-000bd9c77bef&t=1e16e373-c263-81c6-a9df-000bd9c77bef)