Financer une approche fondée sur l’abondance de données pour la robotique généraliste
Tutor Intelligence a levé 75 millions de dollars en série B pour développer l’entraînement, le déploiement et l’usage commercial de ses systèmes robotiques. L’entreprise combine des flottes de robots connectés à Internet, l’intervention humaine à distance, la simulation et des données réelles afin d’améliorer les modèles d’IA destinés au travail physique.
Basée à Watertown, dans le Massachusetts, l’entreprise est issue en 2021 du laboratoire d’informatique et d’intelligence artificielle du Massachusetts Institute of Technology. Elle cherche à construire une pile technologique complète pour réduire l’écart entre les tâches réalisées par les robots et celles réalisées par les humains.
Les robots doivent notamment composer avec la rareté et le coût élevé des données utiles du monde physique, ainsi qu’avec la variété des objets, des environnements, des mouvements et des exceptions.
Des robots qui produisent des données en travaillant
Le modèle de Tutor repose sur des déploiements en environnement de production. Ses robots exécutent le travail des clients tout en recevant les instructions d’opérateurs à distance appelés tuteurs. Les données produites servent ensuite à entraîner de meilleurs modèles.
Ce fonctionnement crée une boucle de rétroaction : de meilleurs modèles permettent un déploiement plus large, qui fournit davantage d’exemples de manipulation réelle et améliore les modèles suivants.
L’entreprise utilise aussi la simulation et a ouvert une Data Factory pour évaluer des politiques sur 100 robots physiques. Cette évaluation est importante, car les performances simulées ne se transposent pas automatiquement au fonctionnement réel.
Deux systèmes destinés aux tâches d’entrepôt
La Data Factory comprend Sonny, un robot semi-humanoïde à deux bras utilisé pour le picking à l’unité. Tutor propose également Cassie, un manipulateur mobile conçu pour le picking de colis et la palettisation.
Ces applications exigent flexibilité, perception et capacité à réagir aux situations imprévues. Tutor affirme vouloir automatiser des tâches qui ont longtemps résisté à la robotique déterministe.
Un modèle commercial différent
Tutor indique que les clients paient à l’heure ou au picking, comme pour le travail manuel. Ils n’achètent pas le robot à l’avance et ne signent pas de contrat long ; Tutor prend en charge le déploiement, la maintenance et les mises à jour régulières.
Ce modèle peut réduire la barrière initiale à l’automatisation, mais il impose aussi à Tutor de démontrer que ses robots fournissent un travail utile, fiable et économiquement pertinent.
Ce que la série B doit financer
Les fonds serviront à développer les robots de picking, l’intelligence connectée et les déploiements commerciaux. L’entreprise estime que le déploiement réel peut devenir un avantage durable en produisant des exemples difficiles à reproduire à partir de sources publiques.
Cette stratégie ne règle pas les problèmes de sécurité, de fiabilité et de rentabilité. Les progrès se mesureront au nombre de tâches prises en charge, au besoin d’intervention humaine et à la poursuite de l’utilisation par les clients.
La portée de la levée
Les 75 millions de dollars donnent à Tutor des ressources supplémentaires pour poursuivre une stratégie fondée sur le déploiement. L’entreprise présente l’intelligence robotique comme un système d’exploitation qui apprend d’un parc installé en expansion.
La question est désormais de savoir si ce cycle d’apprentissage permettra une automatisation fiable et utile économiquement dans davantage de tâches réelles.
Cet article s’appuie sur un reportage de The Robot Report. Lire l’article original.
Originally published on therobotreport.com





