Sereact ने अपना ‘रोबोट ब्रेन’ वेयरहाउस से आगे बढ़ाने के लिए $110 मिलियन जुटाए

भौतिक AI विस्तार के लिए फंडिंग

Sereact ने Series B फंडिंग में $110 मिलियन जुटाए हैं ताकि Cortex 2.0, यानी कंपनी के तथाकथित रोबोटिक ब्रेन, को बड़े पैमाने पर बढ़ाया जा सके और संयुक्त राज्य अमेरिका में इसके विस्तार को समर्थन दिया जा सके। यह घोषणा केवल राउंड के आकार के कारण ही नहीं, बल्कि इसलिए भी महत्वपूर्ण है क्योंकि यह रोबोटिक्स में एक व्यापक बदलाव को दर्शाती है: निवेशक अब उन कंपनियों का समर्थन कर रहे हैं जो कहती हैं कि असली दुनिया में तैनाती का डेटा, चमकदार लैब डेमो से अधिक मायने रखता है।

Stuttgart स्थित कंपनी का कहना है कि Cortex सिंगल-आर्म पिकिंग सेल्स, डुअल-आर्म रिटर्न्स स्टेशनों, ह्यूमनॉइड रोबोटों, और Sereact Lens पर चलता है, जो इन्वेंटरी और क्वालिटी कंट्रोल के लिए एक 3D परसेप्शन सिस्टम है। व्यावहारिक रूप से, Sereact खुद को एक भौतिक AI परत के रूप में स्थापित कर रहा है, जो अलग-अलग रोबोट embodiments और कार्यों के बीच स्थानांतरित हो सकती है, बजाय इसके कि वह किसी एक संकीर्ण हार्डवेयर कॉन्फ़िगरेशन तक सीमित रहे।

यह पोर्टेबिलिटी का दावा इस पिच का केंद्रीय हिस्सा है। रोबोटिक्स लंबे समय से brittleness से जूझता रहा है, खासकर जब एक वातावरण के लिए प्रशिक्षित सिस्टम दूसरे की अव्यवस्था से टकराते हैं। Sereact का दृष्टिकोण, जैसा कि दी गई रिपोर्ट में सीधे कहा गया है, यह है कि “real robotics AI” को अलग-थलग बनाना संभव नहीं है। CEO और सह-संस्थापक Dr. Ralf Gulde का तर्क है कि इसे उत्पादन तैनातियों, विफलता मामलों, और वास्तविक फर्श पर होने वाली घटनाओं से बार-बार सीखने वाले डेटा flywheel से आकार मिलना चाहिए, न कि नियंत्रित परिस्थितियों से।

कंपनी इस दावे को संचालनात्मक आँकड़ों से समर्थन देती है। उसका कहना है कि उसके पास 200 systems in the field हैं, उसने एक अरब picks पूरे किए हैं, और हर 53,000 picks पर केवल एक intervention की आवश्यकता पड़ती है। ये आँकड़े self-reported हैं, लेकिन फिर भी महत्वपूर्ण हैं क्योंकि वे Sereact के प्रतिस्पर्धी दावे को आकार देते हैं: robotics AI में scale केवल model size या simulation volume से नहीं आता। यह कठिन, अनियमित वस्तुओं के साथ, व्यावसायिक throughput constraints के तहत, भौतिक interactions की विशाल संख्या के संपर्क से आता है।

वेयरहाउस Sereact के लिए पहला proving ground था, और इसका तर्क सीधा है। कंपनी के अनुसार, वेयरहाउस एक असाधारण रूप से समृद्ध training environment प्रदान करते हैं: अरबों data points, वस्तुओं के आकारों की विस्तृत श्रेणी, कड़े प्रदर्शन मानक, और जब robot गलती करता है तो वास्तविक परिणाम। इससे warehouse automation सिर्फ एक व्यवसायिक niche नहीं रहती। यह व्यापक embodied intelligence के लिए एक data engine बन जाती है।

Sereact का कहना है कि हर सफल pick, failure, और recovery को synchronized observations, robot state, gripper force feedback, और outcome data के साथ कैप्चर किया जा सकता है, फिर फ़िल्टर कर मॉडल को अपडेट करने के लिए उपयोग किया जा सकता है। अद्यतन policies fleet में लागू करने से पहले automated regression checks से गुजरती हैं। चाहे यह लूप बहुत बड़े scale पर टिकाऊ सिद्ध हो या नहीं, यह robotics के एक परिपक्व होते दृष्टिकोण को दर्शाता है, जिसमें deployment ही training pipeline है।

अगला कदम picking से आगे विस्तार का है। कंपनी का कहना है कि वह Cortex 2.0 को assembly और kitting जैसे कार्यों तक बढ़ाने की योजना बना रही है, साथ ही Boston office खोलकर स्थानीय engineering, commercial, और application staff को नियुक्त करेगी। यह U.S. प्रवेश रणनीतिक रूप से महत्वपूर्ण है। दुनिया के कई सबसे मूल्यवान warehouse, manufacturing, और logistics ग्राहक North America में हैं, और जब robotics vendors को integrations support करने, edge cases troubleshoot करने, और ग्राहकों के साथ iteratively काम करने की जरूरत होती है, तब proximity मायने रखती है।

रिपोर्ट में cited customer list में Daimler Truck, Mercedes-Benz, BMW, MS Direct, Active Ants, DeltiLog, Rohlik Group, और Austrian Post शामिल हैं। इससे संकेत मिलता है कि Sereact पहले से ही शुद्ध experimental stack बेचने के बजाय industrial और logistics उपयोगकर्ताओं के मिश्रण के साथ काम कर रहा है। यदि कंपनी इस आधार को व्यापक manufacturing tasks में बदल सकती है, तो यह तर्क और मजबूत होगा कि embodied AI platforms का मूल्यांकन demo aesthetics से अधिक field performance के आधार पर होना चाहिए।

यह funding व्यापक AI market narrative से भी मेल खाती है। जहां software AI ने consumer और enterprise interfaces में तेजी से प्रगति की है, वहीं physical AI अभी भी कठिन है, क्योंकि उसे contact, uncertainty, latency, safety, और वास्तविक दुनिया की जिद्दी variability से निपटना पड़ता है। इसलिए निवेशक इस बात का प्रमाण ढूंढ रहे हैं कि किसी कंपनी के पास learning architecture भी है और operational traction भी। Sereact खुद को उन दुर्लभ खिलाड़ियों में से एक के रूप में प्रस्तुत करना चाहती है जिनके पास दोनों हैं।

मुख्य दावा महत्वाकांक्षी है: एक generalizable robot brain, जो इसलिए सुधरता है क्योंकि वह पहले से production में काम कर रहा है। आने वाले कुछ वर्ष यह परखेंगे कि क्या यह मॉडल warehouse picking से आगे बढ़कर अधिक जटिल manipulation और समन्वित औद्योगिक कार्यों तक जा सकता है। यदि ऐसा हुआ, तो Series B एक ऐसी कंपनी के पीछे growth capital की तरह दिखेगी जिसने embodied AI लहर को जल्दी पकड़ लिया। यदि नहीं, तब भी यह इस बात का प्रमाण रहेगा कि robotics बाजार अब मूल्य किसे मानता है: floor पर, loop में, और scale पर।

यह लेख The Robot Report की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.