身穿华丽和服的东瀛美女在舞台上随着音乐优雅起舞，表演尚未结束，她又在混乱中拿起武士刀，挥臂将敌人击杀。
工厂中，多轴机械臂抓住一颗配件，旋转手臂，将配件精确地放到流水线上，下方机械臂随之将同一零件焊接到一起。
从呆板的机械臂，到《西部世界》的“接待员”，它们的进化之路还有多长？
幸运的专业转换生
邵天兰称自己是个幸运的人，在创建梅卡曼德之前，这位“幸运儿”从清华转专业，又在其后前去德国慕尼黑学习工业机器人方向，“每一步都踩中了方向”。最开始，邵天兰在清华学习的是电子系，大一后主动将专业转到了软件学院。2008年，清华转专业最热的方向是经济管理学院，主动转向软件学院的不过寥寥数人。随着移动互联网热潮的兴起，现在每年申请转向软件学院的学生已经达到200多，“竞争非常激烈”。
邵天兰和采用梅卡曼德方案的机器人
从小就学习编程的邵天兰在软件学院如鱼得水，不仅强化了编程能力，而且多次参加机器人比赛，锻炼了将电子、编程和机械工程融为一体的能力。大三时对于脑科学领域的研究，让邵产生了“如何让机器人产生智能”的构想，这个想法也让他在清华毕业后，远赴工业强国德国进修机器人方向。
在德国，邵天兰第一次意识到机器人领域的挑战之强。“我们7、8个同学，都是来自全球的顶尖编程高手，即便是这样的团队，用了一周时间，也只能让机器人做出非常简单的几个动作。”这个经历让邵天兰意识到，软件能力只是一部分，要让机器人和物理世界发生理想的交互，绝非仅仅靠编程就能够完成的，而这恰恰是邵天兰所向往的。
“单纯的制作一个软件，在屏幕上进行输入／输出，或者造一个很多人用的平台，对于有的人来说很有意义，但对我来说，能够让程序实现物理世界的输入／输出，更有挑战，也更有意思。”邵天兰说到。秉承着同样的想法，从慕尼黑工业大学硕士毕业后，邵天兰自然而然的选择了机器人为自己的创业方向。
而这时，正是国内机器人产业快速增长的红利期，邵天兰的幸运再一次降临。
工业机器人的“自动驾驶”方案
“机器能完美胜任人类5岁以后的工作。”在机器人领域流传着这样一个说法。从IBM的深蓝到谷歌的AlphaGo，电脑在纯智力和思维上的运算，已经能将人类甩在身后。但是，一旦问题从抽象环境进入到现实世界，电脑／机器人就无法和人类匹敌。即便是3岁幼儿凭着直觉能做到的走路和抓取物体，对于当今世界上最先进的机器人来说，也是无法完成的难题。
邵天兰表示，所谓的机器人的“智能”，包括两个方面：一个是感知，即机器人需要能分辨出周边的环境和眼前的事物；另一方面则是决策，即能通过感知得到的信息，做出合理的决定和行动。目前人工智能领域相当火热的机器视觉（CV Computer Vision）技术，想要解决的就是机器的视觉感知难题。视觉感知固然重要，但更重要的是如何结合这些感知数据，来让机器完成接下来的动作。
在梅卡曼德，团队不仅打造了专门的视觉感知组件，让工业机器人能“看”的更清楚，而且使用机器学习等技术，让机器人更智能的“动”起来。硅谷的科技巨头同样在使用机器学习技术训练机器人，不过他们的手段是让数台机械臂不间断的抓取各种形状物体。而梅卡曼德团队使用的则是虚拟训练法，即通过软件让机器人在虚拟环境中不断进行抓取练习，省去了机器人在现实中的训练。
“术业有专攻，巨头更多的是学术上的尝试，我们是强调在真实商业场景中的应用。”邵天兰介绍说。使用了梅卡曼德解决方案的机器人，能在短时间内实现上下料、分拣、拆垛等较为复杂的动作，适合多种作业场景。
采用梅卡曼德视觉分拣方案的机器人
同时，在应用层面，梅卡曼德的Mech－Viz软件的智能编程环境，可以让工作人员在没有代码基础的情况下，实现内置轨迹规划、碰撞避免、程序逻辑检查等多种智能功能，让操控更加方便。在技术方面，梅卡曼德采用了机器视觉、深度学习、智能路径规划等技术，并计划与微软的Azure云深度结合，在未来形成一套基于Azure云平台的机器人视觉分拣解决方案，这种方案价格更经济，部署也更方便。
“某种意义上，我们的方式有点像汽车的自动驾驶训练。”邵天兰说到，而通过输入一些简单的物品和环境设定，梅卡曼德的机器人能够在很短时间内完成训练，投入到实际工作环境中。“如果每个客户的需求，我们都要训练几千小时，那公司肯定要倒闭了。”邵天兰笑着说到，而实现机器人快速训练的核心要素就是梅卡曼德独家的软件和算法。
