Financiamento para uma abordagem intensiva em dados na robótica geral
A Tutor Intelligence captou US$ 75 milhões em uma rodada Série B para ampliar o treinamento, a implantação e o uso comercial de seus sistemas robóticos. A empresa combina frotas de robôs conectados à internet, intervenção humana remota, simulação e dados do mundo real para aprimorar modelos de IA voltados ao trabalho físico.
A empresa, sediada em Watertown, Massachusetts, surgiu em 2021 do Laboratório de Ciência da Computação e Inteligência Artificial do Massachusetts Institute of Technology. Ela busca construir uma pilha tecnológica completa para reduzir a distância entre as tarefas realizadas por robôs e aquelas realizadas por pessoas.
O desafio central é que dados úteis do mundo físico são relativamente escassos e caros de coletar. Robôs precisam lidar com objetos, ambientes, movimentos e exceções variados.
Robôs que produzem dados de treinamento enquanto trabalham
O modelo da Tutor é baseado em implantações em ambientes de produção. Seus robôs realizam tarefas para clientes enquanto recebem orientações de operadores remotos chamados tutores. Os dados resultantes são usados para treinar modelos melhores.
Isso cria um ciclo de feedback: modelos melhores permitem implantações mais amplas, que geram mais exemplos de manipulação real e ajudam a melhorar modelos posteriores.
A empresa também usa simulação e abriu uma Data Factory para avaliar políticas em 100 robôs físicos. A avaliação física é importante porque o desempenho em simulação não é automaticamente transferido para a operação real.
Dois sistemas para tarefas de armazém
A Data Factory inclui Sonny, um robô sem humanoide de dois braços usado para picking individual. A empresa também oferece Cassie, um manipulador móvel projetado para picking de caixas e paletização.
Essas aplicações exigem flexibilidade, percepção e recuperação diante de condições inesperadas. A Tutor afirma que sua plataforma busca automatizar tarefas que há muito resistem à robótica determinística.
Um modelo comercial diferente
A Tutor diz que os clientes pagam por hora ou por picking, de forma semelhante ao pagamento de trabalho manual. Eles não compram o robô antecipadamente nem assinam contratos longos; a Tutor cuida da implantação e da manutenção e fornece atualizações regulares.
O modelo pode reduzir a barreira inicial à automação, mas também exige que a Tutor prove que seus robôs realizam trabalho útil de forma confiável e economicamente viável.
O que a Série B deve apoiar
Os recursos serão usados no desenvolvimento de robôs de picking, inteligência conectada e implantações comerciais. A empresa avalia que a implantação no mundo real pode se tornar uma vantagem duradoura, gerando exemplos difíceis de reproduzir apenas com fontes públicas.
A estratégia não elimina os problemas de segurança, confiabilidade e desempenho econômico. O avanço será medido pelo número de tarefas realizadas, pela necessidade de intervenção humana e pela continuidade do uso pelos clientes.
A importância da captação
Os US$ 75 milhões dão à Tutor recursos adicionais para seguir uma estratégia liderada pela implantação. A empresa posiciona a inteligência robótica como um sistema operacional que aprende com uma frota instalada em expansão.
A questão imediata é saber se esse ciclo de aprendizagem produzirá automação confiável e economicamente útil em mais tarefas reais.
Este artigo é baseado em uma reportagem do The Robot Report. Leia o artigo original.
Originally published on therobotreport.com





