发布询价单
您的位置:首页 > 资讯 > 企业动态 > 正文

奥什科什收购Canvas“核心技术”,把升降平台变成机器人

2026-01-09 13:52 性质:原创 作者:DDing 来源:中叉网-中国叉车网
免责声明:AGV网(www.chinaagv.com)尊重合法版权,反对侵权盗版。(凡是我网所转载之文章,文中所有文字内容和图片视频之知识产权均系原作者和机构所有。文章内容观点,与本网无关。如有需要删除,敬请来电商榷!)
在劳动力紧张与交付一致性要求不断抬升的背景下,室内装修环节的“重复、强体力、重经验”工序,正成为工地自动化最现实的落点之一。美媒报道显示,美国奥什科什...

在劳动力紧张与交付一致性要求不断抬升的背景下,室内装修环节的“重复、强体力、重经验”工序,正成为工地自动化最现实的落点之一。美媒报道显示,美国奥什科什公司Oshkosh)已完成对美国Canvas公司所开发“核心技术”的收购;Canvas以“由工人控制的石膏板收面/抹平机器人”闻名,主打以更稳定的一致性来缓解人工作业的疲劳与返工问题。

从官方披露看,此次交易由美国捷尔吉工业公司(JLG )具体推进。JLG是Oshkosh旗下企业,也是移动式高空作业平台(MEWPs)与伸缩臂叉装车(telehandlers)的全球性制造商。JLG在2026年1月6日发布的声明指出:收购对象为“Canvas开发的核心技术”,目标是通过智能自动化,把JLG的长期战略从“仅提供作业进入能力”进一步推进到“帮助客户执行作业”,并以自主化、互联化设备支撑“未来工地”。

关于技术内核,JLG与Oshkosh的描述均聚焦在“机器人末端执行器能力与自治程度”的提升。JLG披露,Canvas最为人熟知的成果是“全球首套石膏板收面机器人系统”,其思路并非取代熟练工,而是把机器人精度与工匠经验结合,用自动化处理内装收面中的重复性“修饰与找平(fit-and-finish)”任务,以降低返工、提升一致性,并减轻工人的身体负担;而这套技术并非“空降”进入JLG体系——双方合作可追溯到六年前,当时Canvas选择了JLG的平台作为其机器人系统的基础载体,随后技术持续迭代到能够自动化重复性工序并输出更稳定的施工结果。

在管理层表态上,Oshkosh执行副总裁兼高空作业设备事业部总裁Mahesh Narang直言,整合“能在关键环节提供‘片段自治’的机器人技术”,将帮助施工团队在劳动力紧张的环境下“完成更多工作”,并扩展客户使用JLG设备可实现的作业边界。JLG 高空作业设备事业部首席技术官Shashank Bhatia也表示,机器人与自动化将在建筑业未来扮演更重要角色,该收购将强化其技术路线图并加速交付能在工地端产生可度量价值的解决方案;同时,Canvas团队成员将加入JLG,带来技术深度、创造力以及对工地痛点的理解。

值得关注的是,这笔“收购核心技术”被放在CES 2026的更大叙事中解读。Oshkosh在CES 2026新闻稿中强调,其正在展示把“自治、人工智能、互联与电动化”带到高强度作业一线的路线,并提出通过智能生态把人、设备、工具与材料连接起来,推动从“使能”到“执行”的转变。该新闻稿同时提到:Canvas开发的石膏板机器人系统本质上是一套“灵活的末端执行器平台”,旨在提升安全、生产率与效率;奥什科什公司总裁兼首席执行官John Pfeifer则将其概括为“未来正在形成”,并强调公司要以更安全、更直观、更高效、更清洁的技术赋能一线作业者。

从产业视角看,这一动作释放的信号非常明确:Oshkosh并未仅把高空作业平台定位为“把人送到作业面”的通用设备,而是尝试把平台与机器人末端系统深度耦合,使设备逐步具备承担重复性工序的能力。若该路径顺利推进,JLG的产品与服务边界将从“提供高度与触达”扩展到“交付更稳定的工序结果”,并可能为室内装修等场景提供更可复制的自动化单元。

自主性和主动安全

作为一家致力于以人为本的公司,安全始终是重中之重。在确保操作员工作安全、开发可主动保护用户的集成系统以及可提高效率并帮助他们远离伤害的自主功能方面,我们是业内最好的公司之一。我们的创新为操作员提供了专注于手头任务所需的自由和安心,帮助我们的客户管理成本,专注于生产力并安全地克服非凡的挑战。

人工智能驱动的感知系统

没有准确的信息,自主操作是不可能的。我们的机器人感知技术利用激光雷达、雷达、摄像头和 GPS 等系统以及先进的机器学习算法,能够在复杂多变的环境中独立运行。这些支持人工智能的感知系统已经出现在我们的几个原型产品中,是未来全自动驾驶汽车的关键组成部分。

追求自主的每一天

我们的主要目标之一是将自治的好处带给我们生活和工作的更广泛的社区。我们的团队正在努力实现智能军用和垃圾车的承诺,从使自主操作成为可能的机器人感知技术开始。我们正在使用各种传感技术来收集丰富的数据,然后我们使用这些数据来训练新的机器学习算法来识别和区分车辆路径中的物体。这种独特的能力使自主系统能够智能且胜任地通过复杂地形并避开障碍物。它最终将在世界各地的社区内实现完全自主的操作,建立在足够灵活的技术之上,以适应各种行业和应用程序的新行为。

关注官方微信

手机扫码看新闻