Destro، استارتاپی در حوزه‌ی لجستیک، روز سه‌شنبه از حالت مخفی خارج شد و از یک دور seed به ارزش ۸ میلیون دلار خبر داد. این شرکت به‌جای ساخت ربات، یک لایه‌ی هوش مصنوعی ساخته که ربات‌ها و کارگران انسانی را در فرآیندهای لجستیکی هماهنگ می‌کند. سرمایه‌گذاری این دور را Base10 Partners و Bonfire Ventures رهبری کردند و CoFound Partners هم مشارکت داشته است.

Manthan Pawar، بنیان‌گذار و مدیرعامل Destro، که مدرک کارشناسی ارشد رباتیک از NYU Tandon دارد و حدود هشت سال در صنعت زنجیره‌ی تأمین و رباتیک آمریکا فعالیت کرده، به TechCrunch گفته است: «یکی از بزرگ‌ترین دلایلی که بر رباتیک‌کمپانی‌ها برنده می‌شویم این است که ما اصلاً یک رباتیک‌کمپانی نیستیم.»

از پایلوت سه‌رباتیکه تا ۲۶ ربات در یک انبار#

Destro کارش را با یک پایلوت در یکی از تأسیسات Yusen Logistics (غول حمل‌ونقل کره‌ای) در شمال‌غربی آمریکا شروع کرد. در این پایلوت، سه ربات جابه‌جایی بار از شرکت Miva Robotics با سیستم‌عامل Vision که بر پایه‌ی مدل‌های vision-language-action با وزن‌های باز کار می‌کند، به‌کار گرفته شد.

در این سناریو، کارگران انسانی بار را از یک کامیون به سبد می‌ریزند و ربات‌ها سبدهای پر را به مقصد می‌برند. آنچه این فرآیند را کارآمد می‌کند، سیستم‌عامل Mothership است که هم‌زمان انسان، سبد و کامیون را هدایت می‌کند.

اکنون این پایلوت به استقرار کامل ۲۶ ربات رسیده و یک پایلوت دیگر با ۱۷ ربات در تأسیسات Yusen در جنوب کالیفرنیا راه‌اندازی شده است. Pawar قصد دارد این گردش‌کار را در هزاران انبار مشابه تکرار کند.

چرا ربات‌های دیگر جواب ندادند؟#

Richard Brunelle، مدیر اتوماسیون Yusen در آمریکا (مسئول حدود ۳۰ تأسیسات)، به TechCrunch گفته که Yusen با دو استارتاپ بزرگ رباتیک هم مذاکره کرده بود. یکی از آن‌ها رباتی داشت که فقط سبد را نقطه‌به‌نقطه جابه‌جا می‌کرد و بارگیری و تخلیه را مدیریت نمی‌کرد. دیگری ابزارهای مدیریت ناوگان داشت اما برای هماهنگ‌سازی کل فرآیند به یک نفر نیاز داشت.

خوانش تحریریه#

این خبر یک الگوی قابل‌تکرار را نشان می‌دهد: به‌جای رقابت در ساخت سخت‌افزار ربات، روی لایه‌ی هماهنگ‌سازی و هدایت فرآیند سرمایه‌گذاری کنید. برای کسی که ایجنت و اتوماسیون می‌سازد، نکته‌ی عملی این است که ارزش افزوده می‌تواند در «ارکستراسیون» باشد نه در خودِ ربات. اما این الگو محدودیت‌هایش را دارد: Pawar خودش اعتراف می‌کند که کارهایی که نیاز به چابکی و دست‌کاری دقیق دارند هنوز با این رویکرد قابل حل نیستند و مشخص نیست که شرکت‌های بزرگ مدل‌های بنیادین، دست‌های رباتیک فوق‌چابک یا ربات‌های انسان‌نما، ابزارهایشان را در اختیار شرکتی مثل Destro بگذارند یا خودشان آن کسب‌وکار را بگیرند.

منبع: TechCrunch AI