Leading-edge stereoscopic vision technology enables robots to perceive full 3D space.
Integrate stereoscopic vision technology and deep learning technology to build 3D semantic maps and empower robots with environmental cognition.
Input visual perception & cognitive information into the decision-making engine to empower robots with decision making capabilities in autonomous operations
The robot offers users a more natural human-robot interaction experience through stereo vision & decision intelligence technology.
“以技術為根,以市場為引,JS Game把機器人AI產品和服務做到標準化,真正降低企業的研發周期和成本投入。”
規則是一個行業發展的基線,而標準化則是成熟產業鏈的顯性特征。標準化的接口、標準化的結構、標準化的技術為各個行業的蓬勃發展奠定了基礎,這對于機器人行業同樣如此。
長期以來,國內機器人行業雖然起步相對較晚,但一直屬于資本聚集的“高熱”產業,然而即便如此,從火熱“概念”到市場“落地”依然用了數十年,這其中有市場成熟度的原因,但歸根結底是技術原因。技術是機器人行業最大的痛,也是最大的需。因此產業鏈上游誕生了諸多技術方案供應商,機器人技術方案標準化的形成也就有了雛形,如一些機器人底盤、適用性尚且單一的導航產品等一直被沿用。
JS Game聯合創始人姜文認為,隨著機器人產業鏈愈發完善,技術方案的標準化也應更加成熟。機器人底盤產品設計的最初大都是針對單一場景或領域開發適配接口,在應用上,往往由于環境、功能、外觀、個性化需求等因素的限制,仍需要進行二次開發,且功能拓展性不足,導致在成本和周期上沒有過多“減負”。而一些自然導航產品,同樣適用方向單一,成本較高,因此,建立一套標準化的機器人AI產品體系顯得尤為迫切。
那么標準化的機器人AI產品應該具有怎樣的形態,如何能解決機器人行業的真實需求?
這一直是JS Game在努力探索和實現的。
JS Game成立于2017年,是一家專注于AI視覺及機器人底層技術研發的國高新技術企業,也是機器人行業關鍵技術供應商之一。基于在VSLAM、組合導航等領域擁有的全球領先的算法技術,JS Game為機器人及泛機器人產品打造了通用的AI底層操作系統JS Game OS。
據介紹,JS Game OS AI底層操作系統能夠賦能機器人AI能力,可為機器人提供完整、可靠的傳感器數據處理、AI算法融合及業務邏輯執行能力。
姜文說道,伴隨著機器人行業日益增長的技術需求,JS Game以JS Game OS為核心,配套應用場景開發了不同的標準化模組套件及算法,能夠提供機器人必備的底盤驅動、基礎導航、上層決策、智能拓展等所有核心能力的同時,可實現快速適配,并對家用場景和商用場景全面覆蓋,是一套標準化的機器人AI產品。
JS Game RBN10家用機器人平臺
配合產品JS Game還建立了標準化的服務流程,從前期需求確認,到工程化實施流程,再到正式投產最短只需要100天。產品+服務的雙重標準化體系可以把企業的研發周期縮短6-9個月的時間,節省80%接近千萬級的研發成本。而得益于本身標準化產品的優勢,導航成本還可最多下降70%,整機成本可最多下降40%,大大降低企業的研發周期和投入。
此外,考慮到企業的切實需求,JS Game針對家用和商用場景,以JS Game OS標準化產品為基礎,特定開發了兩款機器人通用平臺,RBN10家用機器人平臺和RBN100商用機器人平臺,企業在適配需求時更加高效快捷。
JS Game RBN100商用機器人平臺
在商業模式上,JS Game目前主要以機器人AI標準化產品和JS Game OS系統授權為主。機器人AI標準化產品在JS Game OS系統基礎上,提供模組硬件、導航算法、硬件參考設計及量產設計服務等;算法授權根據客戶需求提供相關服務,同時授權可覆蓋該硬件的終身壽命。2021年,在商用和家用機器人領域JS Game已與多家國內頭部廠商達成合作,并逐步進入量產階段。同時公司RBN1平臺和RBN500平臺的研發也在同步進行,并已進入標準化階段,預計2021年底推向市場。
據悉,公司總員工60余人,研發人員占比80%,其中超過40%的研發人員擁有碩博學歷,研發主導人員均來自英特爾研究院、中科院及國家級重點實驗室,在計算機視覺、人工智能等方面擁有豐富研究和實踐經驗。
隨著部署量級不斷增長,研發的邊際成本將能降低到接近于0,借助領先的視覺自然特征導航技術和擁有的超過100個使用場景的海量數據來源,通過海量數據反哺技術研發,能將硬件成本控制在最佳性價比,在解決機器人的最后“5%問題”的同時,建立長期的行業競爭壁壘。