Sereact ने आपला ‘रोबोट ब्रेन’ वेअरहाऊसच्या पुढे नेण्यासाठी $110 दशलक्ष उभारले

भौतिक AI विस्तारासाठी निधी

Sereact ने Series B फंडिंगमध्ये $110 दशलक्ष उभारले आहेत, ज्याचा उद्देश Cortex 2.0, म्हणजेच कंपनीचा तथाकथित robotic brain, मोठ्या प्रमाणावर वाढवणे आणि अमेरिकेत त्याचा विस्तार समर्थित करणे हा आहे. ही घोषणा केवळ राउंडच्या आकारामुळेच महत्त्वाची नाही, तर ती रोबोटिक्समधील व्यापक बदलही दाखवते: गुंतवणूकदार आता अशा कंपन्यांना पाठिंबा देत आहेत ज्या म्हणतात की प्रत्यक्ष जगातील deployment data, सुबक लॅब डेमोपेक्षा अधिक महत्त्वाचा आहे.

Stuttgart-आधारित कंपनीच्या म्हणण्यानुसार Cortex single-arm picking cells, dual-arm returns stations, humanoid robots, आणि Sereact Lens या 3D perception system वर चालतो, जो inventory आणि quality control साठी वापरला जातो. व्यावहारिक पातळीवर, Sereact स्वतःला एक physical AI layer म्हणून मांडत आहे, जो एका संकीर्ण hardware configuration मध्ये अडकून न राहता वेगवेगळ्या robot embodiments आणि कामांमध्ये हस्तांतरित होऊ शकतो.

हा portability चा दावा पिचचा केंद्रबिंदू आहे. रोबोटिक्सला अनेक वर्षांपासून brittleness चा सामना करावा लागत आहे, विशेषतः जेव्हा एका वातावरणासाठी प्रशिक्षित प्रणाली दुसऱ्या वातावरणातील गोंधळाशी सामना करते. दिलेल्या अहवालात थेट नमूद केल्याप्रमाणे, Sereact चा दृष्टिकोन असा आहे की “real robotics AI” वेगळ्या बेटासारखी तयार करता येत नाही. CEO आणि सहसंस्थापक Dr. Ralf Gulde यांचा युक्तिवाद आहे की production deployments, failure cases, आणि प्रत्यक्ष floors वर घडणाऱ्या घटनांमधून चालणाऱ्या data flywheel ने ती घडवावी लागते, नियंत्रित परिस्थितीतून नव्हे.

कंपनी ही भूमिका operational numbers ने समर्थित करते. तिच्या म्हणण्यानुसार field मध्ये 200 systems आहेत, एक अब्ज picks पूर्ण झाले आहेत, आणि प्रत्येक 53,000 picks मागे फक्त एक intervention लागते. ही self-reported आकडेवारी असली तरी महत्त्वाची आहे, कारण ती दाखवते की robotics AI मध्ये scale फक्त model size किंवा simulation volume मधून येत नाही. ते कठीण, अनियमित वस्तूंसह, व्यावसायिक throughput constraints अंतर्गत, प्रचंड भौतिक परस्परसंवादांच्या संपर्कातून येते.

वेअरहाऊसेस हा Sereact साठी पहिला proving ground होता, आणि त्यामागचे कारण सोपे आहे. कंपनीनुसार, वेअरहाऊसेस अत्यंत समृद्ध training environment देतात: अब्जावधी data points, विविध object shapes, कडक performance demands, आणि robot चुकीचा ठरल्यास वास्तविक परिणाम. त्यामुळे warehouse automation ही केवळ व्यवसायाची niche राहत नाही. ती व्यापक embodied intelligence साठी data engine बनते.

Sereact च्या म्हणण्यानुसार, प्रत्येक यशस्वी pick, failure, आणि recovery synchronized observations, robot state, gripper force feedback, आणि outcome data सह capture केली जाऊ शकते, नंतर filter करून model update करण्यासाठी वापरता येते. अपडेट केलेल्या policies fleet वर लागू करण्यापूर्वी automated regression checks मधून जातात. हा loop मोठ्या प्रमाणावर टिकेल की नाही हे वेगळे प्रकरण आहे; पण deployment स्वतः training pipeline आहे अशा परिपक्व होत चाललेल्या robotics दृष्टिकोनाचे हे प्रतिक आहे.

पुढील टप्पा picking च्या पुढे विस्तारण्याचा आहे. कंपनी म्हणते की ती Cortex 2.0 ला assembly आणि kitting सारख्या कामांमध्ये वाढवणार आहे, तसेच Boston office उघडून स्थानिक engineering, commercial, आणि application staff नेमणार आहे. अमेरिकेत प्रवेश करणे रणनीतीच्या दृष्टीने महत्त्वाचे आहे. जगातील अनेक सर्वाधिक मूल्यवान warehouse, manufacturing, आणि logistics ग्राहक North America मध्ये आहेत, आणि robotics vendor ना integrations support करणे, edge cases troubleshoot करणे, आणि ग्राहकांसोबत iterate करणे आवश्यक असताना जवळीक महत्त्वाची ठरते.

अहवालात नमूद केलेल्या customer list मध्ये Daimler Truck, Mercedes-Benz, BMW, MS Direct, Active Ants, DeltiLog, Rohlik Group, आणि Austrian Post यांचा समावेश आहे. यावरून Sereact केवळ प्रयोगात्मक stack विकत नाही, तर औद्योगिक आणि logistics वापरकर्त्यांच्या मिश्रणासह आधीच कार्यरत आहे, असे दिसते. जर कंपनी हा आधार broader manufacturing tasks मध्ये रूपांतरित करू शकली, तर embodied AI platforms ना demo aesthetics पेक्षा field performance वरूनच मोजले पाहिजे हा युक्तिवाद अधिक मजबूत होईल.

हे funding व्यापक AI market narrative शीही सुसंगत आहे. software AI ने consumer आणि enterprise interfaces मध्ये वेगाने प्रगती केली असली, तरी physical AI अजूनही कठीण आहे, कारण त्याला contact, uncertainty, latency, safety, आणि प्रत्यक्ष जगातील हट्टी variability यांचा सामना करावा लागतो. त्यामुळे गुंतवणूकदार असे पुरावे शोधत आहेत की एखाद्या कंपनीकडे learning architecture आणि operational traction दोन्ही आहेत. Sereact स्वतःला अशा दुर्मीळ खेळाडूंमध्ये मांडण्याचा प्रयत्न करत आहे, ज्यांच्याकडे दोन्ही आहेत.

मुख्य दावा महत्त्वाकांक्षी आहे: असा generalizable robot brain जो आधीच production मध्ये काम करत असल्यामुळे अधिक चांगला होत जातो. पुढील काही वर्षे हे तपासतील की ही पद्धत warehouse picking पासून अधिक गुंतागुंतीच्या manipulation आणि समन्वित औद्योगिक कामांपर्यंत वाढू शकते का. जर शक्य झाले, तर Series B ही embodied AI wave लवकर पकडलेल्या कंपनीसाठी growth capital सारखी दिसेल. नाही झाले, तरीही ते रोबोटिक्स बाजारात आता मूल्य कुठे निर्माण होते असे मानले जाते याचा पुरावा ठरेल: floor वर, loop मध्ये, आणि scale वर.

हा लेख The Robot Report च्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.