Finanzierung für einen datenintensiven Ansatz bei universeller Robotik
Tutor Intelligence hat in einer Serie-B-Runde 75 Millionen Dollar aufgenommen, um Training, Einsatz und kommerzielle Nutzung seiner Robotersysteme auszuweiten. Das Unternehmen kombiniert internetverbundene Roboterflotten, menschliche Eingaben aus der Ferne, Simulation und reale Daten, um KI-Modelle für körperliche Arbeit zu verbessern.
Das Unternehmen mit Sitz in Watertown, Massachusetts, wurde 2021 aus dem Computer Science and Artificial Intelligence Laboratory des Massachusetts Institute of Technology ausgegründet. Es entwickelt einen vollständigen Technologiestack, der die Lücke zwischen Aufgaben von Robotern und Menschen verkleinern soll.
Eine zentrale Herausforderung besteht darin, dass nützliche Daten aus der physischen Welt vergleichsweise knapp und teuer zu sammeln sind. Roboter müssen mit unterschiedlichen Objekten, Umgebungen, Bewegungen und Ausnahmefällen umgehen.
Roboter, die während der Arbeit Trainingsdaten erzeugen
Das Modell von Tutor basiert auf Einsätzen in Produktionsumgebungen. Die Roboter erledigen Kundenaufgaben und erhalten dabei Eingaben von Fernbedienern, die als Tutoren bezeichnet werden. Die entstehenden Daten werden zum Training verbesserter Modelle verwendet.
So entsteht ein Datenkreislauf: Bessere Modelle ermöglichen breitere Einsätze, diese erzeugen mehr Beispiele realer Manipulationsaufgaben, und die Beispiele verbessern nachfolgende Modelle.
Das Unternehmen nutzt außerdem Simulationen und hat eine Data Factory eröffnet, in der Richtlinien auf 100 physischen Robotern bewertet werden. Physische Tests sind wichtig, weil sich Simulationsergebnisse nicht automatisch auf den Betrieb übertragen lassen.
Zwei Systeme für Aufgaben im Lagerumfeld
Zur Data Factory gehört Sonny, ein zweiar-miger, semi-humanoider Roboter für Einzelstück-Picking. Außerdem bietet Tutor Cassie an, einen mobilen Manipulator für Karton-Picking und Palettierung.
Diese Anwendungen erfordern Flexibilität, Wahrnehmung und die Fähigkeit, auf unerwartete Bedingungen zu reagieren. Tutor will damit Aufgaben automatisieren, die sich der deterministischen Robotik bislang weitgehend entzogen haben.
Ein anderes Geschäftsmodell
Tutor zufolge zahlen Kunden pro Stunde oder pro Pick, ähnlich wie bei manueller Arbeit. Sie müssen keinen Roboter vorab kaufen und keinen langfristigen Vertrag unterschreiben. Tutor übernimmt Einsatz und Wartung sowie regelmäßige Software- und Intelligenz-Updates.
Das Modell kann die Einstiegshürde für Automatisierung senken, verpflichtet Tutor aber zugleich, ausreichend nützliche Arbeit zuverlässig und wirtschaftlich zu liefern.
Was die Serie B unterstützen soll
Die neuen Mittel sollen in Pick-Roboter, vernetzte Intelligenz und kommerzielle Einsätze fließen. Reale Einsätze könnten zu einem dauerhaften Vorteil werden, weil sie Beispiele liefern, die sich allein aus öffentlichen Quellen nur schwer gewinnen lassen.
Damit verschwinden die Probleme bei sicherer Manipulation, Zuverlässigkeit und Wirtschaftlichkeit nicht. Der Fortschritt wird daran gemessen, wie viele Aufgaben die Roboter übernehmen, wie oft Menschen eingreifen müssen und ob Kunden sie weiter einsetzen.
Die Bedeutung der Finanzierung
Die Serie-B-Finanzierung über 75 Millionen Dollar gibt Tutor zusätzliche Mittel für einen einsatzorientierten Weg. Das Unternehmen positioniert Roboterintelligenz als Betriebssystem, das aus einer wachsenden installierten Flotte lernt.
Die kurzfristige Frage lautet, ob dieser Lernzyklus in mehr realen Aufgaben zu zuverlässiger und wirtschaftlich sinnvoller Automatisierung führt.
Dieser Artikel basiert auf einer Berichterstattung von The Robot Report. Originalartikel lesen.
Originally published on therobotreport.com






