Создатели универсального языка программирования для роботов получили облачный грант от Microsoft на 120 тысяч долларов


grant

В рамках финала крупнейшего в России и Восточной Европе стартап-акселератора GenerationS от РВК Microsoft вручила выбранному победителю грант на использование облачной платформы Microsoft Azure. Им стала команда из Перми, разработавшая проект RCML – универсальный язык программирования для промышленных роботов.

Помимо гранта на использование облачной платформы на $120 000 и менторства Microsoft проект, занявший третье место в общем финале GenerationS, получил более 4 миллионов рублей на дальнейшее развитие.

По данным World Robotics 2016 сегодня рынок промышленных роботов оценивается в 11,5 млрд долларов, а рынок программных систем для промышленных роботов составляет 38 млрд долларов. Целью создателей RCML было максимально облегчить установку и настройку работы программного обеспечения на крупных промышленных предприятиях и сделать возможным слаженную работу роботов разных производителей, снизив при этом затраты на новое ПО.

Для решения проблемы взаимодействий робототехнических комплексов создатели проекта, Михаил Тюлькин и Дмитрий Сутормин, решили изменить сам подход к разработке и обратили внимание на программирование не робота, а на программирование задачи. Это позволило создать систему унификации для координации робототехники. Сегодня RCML сотрудничает с крупнейшими производителями промышленных роботов KUKA (Германия) и FANUC (Япония).

GenerationS — крупнейший акселератор технологических проектов на территории России и Восточной Европы и первая федеральная платформа для создания и развития инструментов корпоративной акселерации. Проводится РВК с 2013 года. Акселератор занимается развитием стартапов в следующих направлениях: финансовые технологии, энергетика, 3D-печать, металлургия, сельское хозяйство, биомедицина, реклама, дизайн и розничная торговля, а также «умный город». Помимо RMCL, облачные гранты от Microsoft в этом году получили команды Dronex и OzPhotoExpert.

Comments (0)

Skip to main content