Sereact, தனது ‘ரோபோட் மூளை’யை களஞ்சியத்திற்குப் புறம்பே விரிவுபடுத்த $110 மில்லியன் திரட்டியது

பௌதிக AI விரிவாக்கத்துக்கு நிதி

Sereact, Cortex 2.0 என்ற தன்所谓 robotic brain-ஐ அளவிடவும், அமெரிக்காவில் அதன் விரிவாக்கத்தையும் ஆதரிக்கவும் Series B நிதியுதவியாக $110 மில்லியன் திரட்டியுள்ளது. இந்த அறிவிப்பு சுற்றின் அளவினால் மட்டும் முக்கியமல்ல; மேலும் இது ரோபோடிக்ஸ் துறையில் ஒரு விரிவான மாற்றத்தைக் காட்டுகிறது: உண்மையான உலகப் பயன்பாட்டு தரவு, மெருகான ஆய்வக டெமோகளைவிட முக்கியம் என வாதிடும் நிறுவனங்களை முதலீட்டாளர்கள் ஆதரிக்கத் தொடங்கியுள்ளனர்.

Stuttgart-அடிப்படையிலான நிறுவனம் Cortex, single-arm picking cells, dual-arm returns stations, humanoid robots, மற்றும் இருப்பு மற்றும் தரக் கட்டுப்பாட்டுக்கான 3D perception system ஆன Sereact Lens ஆகியவற்றில் இயங்குகிறது என கூறுகிறது. நடைமுறையில், Sereact தன்னை ஒரு physical AI layer ஆக நிலைநிறுத்துகிறது; அது ஒரு குறுகிய hardware configuration-இல் சிக்காமல், வெவ்வேறு robot embodiments மற்றும் பணிகளுக்கு இடையில் நகர முடியும்.

இந்த portability எனும் கூற்று தான் அதன் முன்வைப்பின் மையம். ரோபோடிக்ஸ் துறை நீண்ட காலமாக brittleness பிரச்சினையால் அவதிப்பட்டு வருகிறது, குறிப்பாக ஒரு சூழலுக்காக பயிற்றுவிக்கப்பட்ட அமைப்புகள் மற்றொரு சூழலின் குழப்பத்தை சந்திக்கும் போது. வழங்கப்பட்ட அறிக்கையில் நேரடியாக கூறப்பட்டபடி, Sereact-ன் கருத்து என்னவென்றால் “real robotics AI” தனிமையில் உருவாக்க முடியாது. CEO மற்றும் co-founder Dr. Ralf Gulde, அது production deployments, failure cases, மற்றும் உண்மையான floor-களில் நடக்கும் நிகழ்வுகளிலிருந்து தொடர்ச்சியாக கற்றுக்கொள்ளும் data flywheel மூலம் வடிவமைக்கப்பட வேண்டும் என்று வாதிடுகிறார்.

இந்த வாதத்துக்கு நிறுவனம் செயல்பாட்டு எண்களையும் தருகிறது. அதன்படி, அதன் field-இல் 200 systems உள்ளன, ஒரு பில்லியன் picks-ஐ முடித்துள்ளது, மேலும் 53,000 picks-க்கு ஒருமுறை மட்டுமே intervention தேவைப்படுகிறது. இவை self-reported எண்ணிக்கைகள் என்றாலும், அவை முக்கியமானவை; ஏனெனில் robotics AI-யில் scale என்பது model size அல்லது simulation volume-இல் மட்டுமே இருந்து வராது என்பதைக் காட்டுகின்றன. கடினமான, ஒழுங்கற்ற பொருட்களுடன், commercial throughput constraints உடன், பெருமளவு physical interactions-இன் வெளிப்பாடிலிருந்து அது வருகிறது.

களஞ்சியங்கள் Sereact-க்கு முதல் proving ground ஆக இருந்தன; காரணம் தெளிவானது. நிறுவனத்தின் கூற்றுப்படி, களஞ்சியங்கள் மிகச் செறிவான training environment ஒன்றை வழங்குகின்றன: பில்லியன் கணக்கான data points, பல்வேறு object shapes, கடுமையான performance demands, மற்றும் robot தவறினால் உண்மையான விளைவுகள். இதனால் warehouse automation என்பது வெறும் வணிக niche மட்டுமல்ல. அது பரந்த embodied intelligence-க்கான data engine ஆக மாறுகிறது.

ஒவ்வொரு வெற்றிகரமான pick, failure, மற்றும் recovery-யையும் synchronized observations, robot state, gripper force feedback, மற்றும் outcome data-வுடன் இணைத்து capture செய்து, பின்னர் filter செய்து model-ஐ update செய்ய பயன்படுத்தலாம் என Sereact கூறுகிறது. புதுப்பிக்கப்பட்ட policies fleet-க்கு வெளியே செல்லும் முன் automated regression checks-ஐ கடக்கின்றன. இந்த loop மிகப் பெரிய அளவில் நிலைத்திருப்பதா இல்லையா என்பது வேறு விஷயம்; ஆனால் deployment-ஐயே training pipeline ஆகக் காணும், வளர்ந்து வரும் ரோபோடிக்ஸ் அணுகுமுறையை இது பிரதிபலிக்கிறது.

அடுத்த கட்டம் picking-ஐத் தாண்டி விரிவுபடுத்துவதே. assembly மற்றும் kitting போன்ற பணிகளுக்கு Cortex 2.0-ஐ வளர்க்கும் திட்டம் உள்ளதாகவும், அதேசமயம் Boston office-ஐத் திறந்து local engineering, commercial, application staff-ஐ நியமிக்க உள்ளதாகவும் நிறுவனம் கூறுகிறது. அமெரிக்காவில் நுழைவது மூலதன ரீதியாக முக்கியம். உலகின் மிக மதிப்புள்ள warehouse, manufacturing, logistics வாடிக்கையாளர்களில் பலர் North America-வில் உள்ளனர்; integrations-ஐ ஆதரிக்க, edge cases-ஐ troubleshoot செய்ய, மற்றும் வாடிக்கையாளர்களுடன் iterate செய்ய வேண்டியபோது அருகாமை முக்கியமாகிறது.

அறிக்கையில் குறிப்பிடப்பட்ட customer list-இல் Daimler Truck, Mercedes-Benz, BMW, MS Direct, Active Ants, DeltiLog, Rohlik Group, மற்றும் Austrian Post அடங்கும். இதனால் Sereact வெறும் experimental stack-ஐ விற்கும் நிறுவனமாக இல்லாமல், industrial மற்றும் logistics பயனாளர்களின் கலவையுடன் ஏற்கனவே செயல்படுகிறது என்பது தெரிகிறது. இந்த அடிப்படையை broader manufacturing tasks-க்கு மாற்ற முடியுமானால், embodied AI platforms-ஐ demo aesthetics-ஐ விட field performance அடிப்படையில் மதிப்பிட வேண்டும் என்ற வாதம் மேலும் வலுப்படும்.

இந்த funding, பரந்த AI market narrative-க்கும் பொருந்துகிறது. software AI consumer மற்றும் enterprise interfaces-ல் வேகமாக முன்னேறியிருக்க, physical AI இன்னும் கடினம்; ஏனெனில் அது contact, uncertainty, latency, safety, மற்றும் நிஜ உலகின் பிடிவாதமான variability-யை சமாளிக்க வேண்டும். ஆகவே, ஒரு நிறுவனத்திடம் learning architecture-மும் operational traction-மும் இரண்டுமே உள்ளன என்பதற்கான சான்றை முதலீட்டாளர்கள் தேடுகிறார்கள். Sereact தன்னை அந்த அரிதான நிறுவனங்களில் ஒன்றாக காட்ட முயல்கிறது.

முக்கியக் கோரிக்கை மிகுந்த ஆவலானது: ஏற்கனவே production-ல் வேலை செய்வதால் மேம்படும் ஒரு generalizable robot brain. அடுத்த சில ஆண்டுகள், இந்த மாதிரி warehouse picking-இலிருந்து அதிக சிக்கலான manipulation மற்றும் ஒருங்கிணைந்த தொழில்துறை பணிகளுக்கு விரிவடைய முடியுமா என்பதை சோதிக்கும். அது முடிந்தால், Series B embodied AI wave-ஐ முன்னதாகப் பிடித்த நிறுவனத்தின் வளர்ச்சி மூலதனமாகத் தோன்றும். இல்லையெனில், robotics சந்தை இப்போது மதிப்பை எங்கே உருவாக்க வேண்டும் என்று நம்புகிறது என்பதற்கான சான்றாக அது திகழும்: floor-ல், loop-இல், மற்றும் scale-ல்.

இந்த கட்டுரை The Robot Report செய்தியினை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.