Sereact తన ‘రోబోట్ బ్రెయిన్’ను గోదాముల దాటి విస్తరించడానికి $110 మిలియన్ సమీకరించింది

భౌతిక AI విస్తరణకు నిధులు

Sereact, Cortex 2.0 అనే తన所谓 robotic brain‌ను విస్తరించడానికి మరియు అమెరికాలో తన విస్తరణకు మద్దతు ఇవ్వడానికి Series B నిధులుగా $110 మిలియన్ సమీకరించింది. ఈ ప్రకటన రౌండ్ పరిమాణం వల్ల మాత్రమే కాదు; రోబోటిక్స్‌లో జరుగుతున్న విస్తృత మార్పును కూడా ఇది ప్రతిబింబిస్తుంది: వాస్తవ ప్రపంచ అమలు డేటా, మెరుగుపరిచిన ల్యాబ్ డెమోల కంటే ముఖ్యమని చెప్పే కంపెనీలకు పెట్టుబడిదారులు మద్దతు ఇస్తున్నారు.

Stuttgart-ఆధారిత సంస్థ Cortex single-arm picking cells, dual-arm returns stations, humanoid robots, మరియు ఇన్వెంటరీ, నాణ్యత నియంత్రణ కోసం 3D perception system అయిన Sereact Lens అంతటా నడుస్తుందని చెబుతోంది. ప్రాక్టికల్‌గా, Sereact తాను ఒక physical AI layer గా స్థానం సంపాదిస్తోంది, ఇది ఒకే హార్డ్‌వేర్ కాన్ఫిగరేషన్‌కే పరిమితం కాకుండా వివిధ robot embodiments మరియు పనుల మధ్య మారగలదు.

ఈ portability వాదన పిచ్‌కు కేంద్రబిందువు. రోబోటిక్స్ దీర్ఘకాలంగా brittlenessతో ఇబ్బంది పడుతోంది, ముఖ్యంగా ఒక వాతావరణం కోసం శిక్షణ పొందిన వ్యవస్థ మరొక వాతావరణంలోని అవ్యవస్థను ఎదుర్కొన్నప్పుడు. అందించిన నివేదికలో నేరుగా చెప్పినట్లుగా, “real robotics AI”ను ఒంటరిగా నిర్మించలేమని Sereact భావిస్తోంది. CEO మరియు co-founder Dr. Ralf Gulde ప్రకారం, production deployments, failure cases, మరియు నిజమైన ఫ్లోర్లపై జరిగే ఘటనల నుంచి వచ్చే data flywheel ద్వారా అది రూపుదిద్దుకోవాలి; నియంత్రిత వాతావరణాల్లో కాదు.

ఈ వాదనకు కంపెనీ కార్యాచరణ గణాంకాలను కూడా చూపిస్తోంది. దాని ప్రకారం, field-లో 200 systems ఉన్నాయి, ఒక బిలియన్ picks పూర్తయ్యాయి, మరియు ప్రతి 53,000 picks కు ఒక intervention మాత్రమే అవసరం. ఇవి self-reported సంఖ్యలు అయినప్పటికీ, ముఖ్యమైనవే; ఎందుకంటే robotics AIలో scale అనేది model size లేదా simulation volume మాత్రమే కాదు అని ఇవి చూపిస్తున్నాయి. కష్టమైన, అసమాన వస్తువులతో, వాణిజ్య throughput constraints మధ్య జరిగే భారీ స్థాయి physical interactions‌కి గురికావడం ద్వారా అది వస్తుంది.

గోదాములు Sereact‌కు తొలి proving ground అయ్యాయి, మరియు కారణం సూటిగా ఉంటుంది. కంపెనీ ప్రకారం, గోదాములు అసాధారణంగా సంపన్నమైన training environment‌ను అందిస్తాయి: బిలియన్ల data points, విభిన్న object shapes, కఠిన performance demands, మరియు రోబో తప్పితే నిజమైన పరిణామాలు. దీని వల్ల warehouse automation ఒక వ్యాపార niche మాత్రమే కాదు. ఇది విస్తృత embodied intelligence కోసం ఒక data engine గా మారుతుంది.

ప్రతి విజయవంతమైన pick, failure, మరియు recoveryని synchronized observations, robot state, gripper force feedback, మరియు outcome dataతో పాటు capture చేసి, తర్వాత filter చేసి model‌ను update చేయడానికి ఉపయోగించవచ్చని Sereact చెబుతోంది. నవీకరించిన policies fleet‌కు విడుదలయ్యే ముందు automated regression checks‌ద్వారా వెళ్తాయి. ఈ loop చాలా పెద్ద స్థాయిలో నిలకడగా ఉంటుందా లేదా అనేది వేరే విషయం; కానీ deployment‌నే training pipeline‌గా భావించే పక్వమైన రోబోటిక్స్ దృష్టికోణాన్ని ఇది చూపిస్తుంది.

తదుపరి దశ picking దాటి విస్తరించడమే. assembly మరియు kitting వంటి పనులలో Cortex 2.0‌ను విస్తరించాలని, అదే సమయంలో Boston office తెరచి స్థానిక engineering, commercial, application staff‌ను నియమించాలని కంపెనీ చెబుతోంది. U.S. ప్రవేశం వ్యూహాత్మకంగా ముఖ్యమైనది. ప్రపంచంలోని అత్యధిక విలువైన warehouse, manufacturing, logistics కస్టమర్లలో చాలా మంది North Americaలో ఉన్నారు; integrations‌ను support చేయడం, edge cases‌ను troubleshoot చేయడం, మరియు కస్టమర్లతో iteratively పనిచేయడం అవసరమైనప్పుడు proximity ప్రాముఖ్యం కలిగి ఉంటుంది.

నివేదికలో పేర్కొన్న customer list‌లో Daimler Truck, Mercedes-Benz, BMW, MS Direct, Active Ants, DeltiLog, Rohlik Group, మరియు Austrian Post ఉన్నాయి. ఇది Sereact పూర్తిగా experimental stack‌ను విక్రయించే సంస్థ కాకుండా, industrial మరియు logistics వినియోగదారుల మిశ్రమంతో ఇప్పటికే పనిచేస్తోందని సూచిస్తుంది. ఈ base‌ను విస్తృత manufacturing పనులలోకి మార్చగలిగితే, embodied AI platforms‌ను demo aesthetics కంటే field performance ఆధారంగా అంచనా వేయాలన్న వాదన మరింత బలపడుతుంది.

ఈ funding broader AI market narrative‌తో కూడా సరిపోతుంది. software AI consumer మరియు enterprise interfaces‌లో వేగంగా ముందుకు వెళ్తున్నప్పటికీ, physical AI మరింత కష్టం; ఎందుకంటే అది contact, uncertainty, latency, safety, మరియు నిజమైన ప్రపంచంలోని స్థిరంగా మారని variability‌తో వ్యవహరించాలి. అందుకే, ఒక కంపెనీ దగ్గర learning architectureతో పాటు operational traction కూడా ఉన్నాయనే రుజువు కోసం పెట్టుబడిదారులు చూస్తున్నారు. Sereact ఈ రెండూ ఉన్న అరుదైన ఆటగాళ్లలో ఒకటిగా తనను చూపించడానికి ప్రయత్నిస్తోంది.

మూల వాదన ధైర్యమైనది: production‌లో ఇప్పటికే పనిచేస్తున్నందున మెరుగవుతున్న ఒక generalizable robot brain. రాబోయే కొన్ని సంవత్సరాలు ఈ మోడల్ warehouse picking నుండి మరింత సంక్లిష్టమైన manipulation మరియు సమన్వయిత పారిశ్రామిక పనులకు విస్తరించగలదా లేదా పరీక్షిస్తాయి. అది సాధ్యమైతే, Series B embodied AI wave‌ను తొందరగా పట్టుకున్న కంపెనీకి growth capital‌లా కనిపిస్తుంది. లేదంటే, robotics market ఇప్పుడు విలువ ఎక్కడ సృష్టించబడుతుందని నమ్ముతుందో దానికి సాక్ష్యంగానే నిలుస్తుంది: floor‌లో, loop‌లో, మరియు scale‌లో.

ఈ వ్యాసం The Robot Report నివేదికపై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.