Sereact তার ‘রোবট ব্রেইন’কে গুদামের বাইরে বাড়াতে $110 মিলিয়ন তুলেছে

ভৌত AI প্রসারে অর্থায়ন

Sereact Series B তহবিলে $110 মিলিয়ন তুলেছে, যাতে Cortex 2.0, অর্থাৎ কোম্পানির কথিত robotic brain, আরও বড় পরিসরে বাড়ানো যায় এবং যুক্তরাষ্ট্রে এর সম্প্রসারণকে সমর্থন করা যায়। এই ঘোষণা শুধু রাউন্ডের আকারের জন্যই নয়, বরং রোবোটিক্সে একটি বিস্তৃত পরিবর্তনকেও তুলে ধরে: বিনিয়োগকারীরা এখন এমন কোম্পানিকে সমর্থন করছেন যারা বলছে বাস্তব জগতের deployment data, পালিশ করা ল্যাব ডেমোর চেয়ে বেশি গুরুত্বপূর্ণ।

Stuttgart-ভিত্তিক কোম্পানির দাবি, Cortex চলে single-arm picking cells, dual-arm returns stations, humanoid robots, এবং Sereact Lens-এ, যা inventory এবং quality control-এর জন্য একটি 3D perception system। বাস্তবে, Sereact নিজেকে একটি physical AI layer হিসেবে প্রতিষ্ঠা করছে, যা একক হার্ডওয়্যার কনফিগারেশনে আটকে না থেকে বিভিন্ন robot embodiments এবং কাজের মধ্যে স্থানান্তরিত হতে পারে।

এই portability-এর দাবি পিচের কেন্দ্রে রয়েছে। রোবোটিক্স দীর্ঘদিন ধরে brittleness-এর সমস্যায় ভুগছে, বিশেষ করে যখন একটি পরিবেশের জন্য প্রশিক্ষিত সিস্টেম অন্য পরিবেশের বিশৃঙ্খলার মুখে পড়ে। সরবরাহিত প্রতিবেদনে সরাসরি বলা হয়েছে, Sereact-এর মতে “real robotics AI” আলাদা করে তৈরি করা যায় না। CEO এবং co-founder Dr. Ralf Gulde যুক্তি দেন, এটি production deployments, failure cases, এবং বাস্তব ফ্লোরে যা ঘটে সেখান থেকে শেখা data flywheel দ্বারা গড়ে উঠতে হবে, নিয়ন্ত্রিত পরিবেশে নয়।

কোম্পানি এই দাবিকে operational numbers দিয়ে সমর্থন করে। তাদের ভাষ্য অনুযায়ী, field-এ 200 systems রয়েছে, এক বিলিয়ন picks সম্পন্ন হয়েছে, এবং প্রতি 53,000 picks-এ একবার intervention দরকার হয়। এগুলো self-reported সংখ্যা, তবু গুরুত্বপূর্ণ; কারণ এগুলো দেখায় robotics AI-তে scale শুধু model size বা simulation volume থেকে আসে না। এটি কঠিন, অনিয়মিত বস্তু নিয়ে, বাণিজ্যিক throughput constraints-এর মধ্যে, বিপুল সংখ্যক physical interaction-এর সংস্পর্শ থেকে আসে।

গুদাম ছিল Sereact-এর প্রথম proving ground, এবং কারণটাও সোজা। কোম্পানির মতে, গুদামগুলি এক অসাধারণ সমৃদ্ধ training environment দেয়: বিলিয়ন বিলিয়ন data points, বিভিন্ন object shape, কঠোর performance demands, এবং robot ভুল করলে বাস্তব পরিণতি। তাই warehouse automation আর শুধু একটি ব্যবসায়িক niche থাকে না। এটি বৃহত্তর embodied intelligence-এর জন্য একটি data engine হয়ে ওঠে।

Sereact বলছে, প্রতিটি সফল pick, failure, এবং recovery synchronized observations, robot state, gripper force feedback, এবং outcome data-এর সাথে capture করে, তারপর filter করে model update-এ ব্যবহার করা যায়। updated policies fleet-এ ছাড়ার আগে automated regression checks-এর মধ্য দিয়ে যায়। এই loop বৃহত্তর স্কেলে টিকে থাকবে কি না, তা ভবিষ্যৎই বলবে; তবে এটি এমন এক পরিণত রোবোটিক্স পদ্ধতির ইঙ্গিত দেয় যেখানে deployment-ই training pipeline।

পরবর্তী ধাপ হলো picking-এর বাইরে বিস্তার। কোম্পানি বলছে, তারা Cortex 2.0-কে assembly এবং kitting-এর মতো কাজে বাড়াতে চায়, পাশাপাশি Boston office খুলে local engineering, commercial, এবং application staff নিয়োগ করবে। U.S. প্রবেশ কৌশলগতভাবে গুরুত্বপূর্ণ। বিশ্বের সবচেয়ে মূল্যবান warehouse, manufacturing, এবং logistics গ্রাহকদের অনেকেই North America-তে, আর robotics vendor-দের integrations সমর্থন, edge cases troubleshoot, এবং গ্রাহকদের সঙ্গে iterate করতে কাছাকাছি থাকা গুরুত্বপূর্ণ।

প্রতিবেদনে উল্লেখিত customer list-এ Daimler Truck, Mercedes-Benz, BMW, MS Direct, Active Ants, DeltiLog, Rohlik Group, এবং Austrian Post রয়েছে। এটি ইঙ্গিত করে Sereact ইতিমধ্যেই কেবল পরীক্ষামূলক stack বিক্রি না করে শিল্প ও logistics ব্যবহারকারীদের মিশ্রণ নিয়ে কাজ করছে। এই ভিত্তিকে broader manufacturing tasks-এ রূপান্তর করা গেলে, embodied AI platforms-কে demo aesthetics-এর চেয়ে field performance দিয়ে বিচার করা উচিত—এই যুক্তি আরও শক্তিশালী হবে।

এই funding বৃহত্তর AI market narrative-এর সঙ্গেও মেলে। software AI consumer এবং enterprise interfaces-এ দ্রুত এগোলেও physical AI এখনো কঠিন, কারণ এতে contact, uncertainty, latency, safety, এবং বাস্তব বিশ্বের stubborn variability সামলাতে হয়। তাই বিনিয়োগকারীরা এমন প্রমাণ খুঁজছেন যে কোনো কোম্পানির কাছে learning architecture এবং operational traction দুটোই আছে। Sereact নিজেকে সেই বিরল খেলোয়াড়দের একজন হিসেবে তুলে ধরতে চাইছে, যার দুটোই রয়েছে।

মূল দাবি উচ্চাকাঙ্ক্ষী: এমন একটি generalizable robot brain, যা production-এ কাজ করায় আরও ভালো হয়। আগামী কয়েক বছর দেখাবে এই মডেলটি warehouse picking থেকে আরও জটিল manipulation এবং সমন্বিত শিল্পকাজে বিস্তৃত হতে পারে কি না। যদি পারে, Series B-টি embodied AI wave আগেভাগে ধরেছে এমন একটি কোম্পানির growth capital হিসেবে দেখা হবে। না পারলে, এটি তবুও দেখাবে robotics market এখন মূল্য কোথায় সৃষ্টি হয় বলে মনে করে: floor-এ, loop-এ, এবং scale-এ।

এই প্রবন্ধটি The Robot Report-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল প্রবন্ধ পড়ুন.