当前位置: 首页 > news >正文

能源机器人获资1350万美元,为关键基础设施引入自主巡检

能源机器人获资1350万美元,为关键基础设施引入自主巡检

提供自主巡检机器人及无人机AI软件平台的Energy Robotics,近日完成了1350万美元的A轮融资。该公司提供一个全栈式、硬件无关的AI自主平台,用于关键基础设施的舰队管理。

由Energy Robotics平台驱动的自主机器人和无人机执行关键的每日及每小时任务,包括视觉检查、热扫描和泄漏检测。这消除了人类进入危险环境的需要,同时保障了专有数据的安全。

通过自动化这些任务,可以提升工人安全、减少人为错误,并能够更频繁地收集数据。这种主动式的方法带来更高效的维护和更少的工厂停机时间,从而提高了运营的可靠性和生产力。

Energy Robotics已在五大洲完成了超过一百万次检查,为石油和天然气、工业、化工和公用事业领域的客户(包括某中心、某机构、某机构、某中心、某中心和某中心)节省了超过32,000小时的危险人工劳动。

现有基础设施和工业设施正面临两大挑战:熟练劳动力日益短缺,以及日益复杂、老化的设备需要专门的维护。

Energy Robotics通过其用于自主机器人和无人机的AI软件平台来解决这一问题,该平台可将运营成本降低高达40%,同时显著提升工人安全。

"本轮融资将帮助我们扩展自主化能力,以服务全球最关键的基础设施,为能源、化工、公用事业和安全运营商提供更强的韧性、安全性和效率," Energy Robotics的首席执行官兼联合创始人Marc Dassler表示。"熟练劳动力正在退休,而全球许多最重要的能源和化工资产已有数十年历史,需要更频繁和更复杂的监控、检查和维护。这种结合造成了运营风险的完美风暴。我们的平台提供了一个及时且可扩展的解决方案,使客户不仅能维持,还能提高运营效率和安全,同时积极应对劳动力转型的挑战。"

Energy Robotics的AI驱动舰队编排软件消除了对零散工具的需求,其关键功能包括:

  • 硬件无关的操作系统:与8家领先的机器人和无人机及原始设备制造商(例如某中心、某机构、某机构)无缝集成,让客户能够灵活构建混合舰队,而无需受限于特定供应商。
  • AI驱动的分析:先进的AI分析库解读多模态传感器数据,从仪表读数到泄漏检测,每次任务都在持续学习和改进。
  • 简化的、基于LLM的任务控制:集成的大型语言模型系统使操作员能够简单地提示平台,即可生成并执行覆盖整个机器人和无人机舰队的检查任务。
  • 真实世界数据与合成数据:舰队编排和自主操作基于在复杂、动态的真实世界设施(如炼油厂和发电厂)中收集的数百万个数据点。
  • 持续更新的数字孪生:每次检查任务都会自动更新设施的实时、不断演进的数字副本,提供实时可见性和预测性洞察,并直接反馈到客户的ERP、CMMS和数字孪生平台。
  • 数据隐私与网络安全:通过提供一个将敏感检查数据保存在客户控制的IT系统内的平台,独立于供应商特定的软件平台,Energy Robotics增强了网络安全和数据主权。

此轮A轮融资由Blue Bear Capital和Climate Investment共同领投,Futury Capital、Hessen Capital、Kensho VC和TADTech参投。资金将加速Energy Robotics软件在能源、化工、工业和安防领域的商业部署。

"工业机器人市场已经达到了一个转折点," Climate Investment的董事总经理Cindi Bough表示:"Energy Robotics构建了一个AI软件平台,能够编排多样化的机器人和无人机舰队,与现有企业工作流无缝集成,并规模化地交付可操作的数据服务。此外,Energy Robotics通过使用自主机器人及早发现气体泄漏,从而在有害排放物逸散到大气之前进行修复,实现了气候影响。这就是我们乐于共同领投其A轮投资的原因。"

"全球能源转型依赖于更具韧性、高效和安全的基础设施," Blue Bear Capital的合伙人Dr Carolin Funk表示。"Energy Robotics由AI驱动的自主检查平台直接满足了这一需求。它提供了一个可扩展的解决方案,既能提高关键能源和工业资产的安全性和运营效率,又能利用全球机器人扩张的机遇。"
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)

公众号二维码

公众号二维码

http://www.gsyq.cn/news/131682.html

相关文章:

  • 为什么99%的人没发挥Open-AutoGLM全部潜力?,解锁隐藏的动态权重调优功能
  • 学术迷航终结者:书匠策AI为本科硕士论文写作注入智能新动能
  • 父子维度
  • 错过将落后一年,Open-AutoGLM邮件自动化正在重塑企业沟通模式
  • Rust 的 trait 多态机制
  • 从启动速度到元素识别:Open-AutoGLM与Selenium在手机端的7项关键指标对比
  • 手机端自动化测试转型必看:Open-AutoGLM与Selenium适配差异带来的3大机遇与挑战
  • MQ快速入门
  • CSS 隐藏元素的方式
  • 139_尚硅谷_Go错误处理机制
  • 【RPA工具选型避坑指南】:Open-AutoGLM与UiPath操作成本真实对比
  • 【Java毕设全套源码+文档】基于springboot的导师选择管理系统设计与实现(丰富项目+远程调试+讲解+定制)
  • Node.js流式处理结合WebAssembly SIMD加速图像滤镜后来才知道需手动对齐内存对齐
  • 环境变量配置
  • 【独家】Open-AutoGLM集群同步稳定性提升300%的秘籍曝光
  • AI+联系人管理革命,Open-AutoGLM如何颠覆传统信息整理方式?
  • 定制 CentOS7 ISO 的最佳实践
  • 学术写作新次元:书匠策AI——本科硕士论文的隐形智囊团
  • 你还在手动整理邮箱?Open-AutoGLM智能筛选已全面颠覆传统方式
  • 当论文写作从“孤岛式苦熬”转向“协同式演进”:一位跨专业硕士生如何用AI工具重塑学术表达流程而不越界
  • 揭秘Open-AutoGLM与Power Automate适配差异:3个关键维度决定选型成败
  • 如何用Open-AutoGLM实现附件秒级备份?(真实场景案例曝光)
  • 自动驾驶横纵向控制仿真分享:从零开始的探索之旅
  • Open-AutoGLM线索过滤陷阱避坑指南:8个常见误判场景及优化策略
  • Open-AutoGLM附件自动保存:3步实现企业级数据零丢失方案
  • (Open-AutoGLM性能调优全解析):让邮件响应速度提升300%的秘诀
  • 为什么你的数据总是不同步?,Open-AutoGLM诊断手册限时公开
  • 注意!中国青少年儿童近视率高达90%的原因竟是这个!
  • 【AI邮件管理革命】:基于Open-AutoGLM的高效分类筛选方案(附代码)
  • 还在手动保存附件?Open-AutoGLM一键自动化已全面上线