Destro با جذب ۸ میلیون دلار، سامانه هوش مصنوعی انبارداری‌اش را گسترش می‌دهد

هوش مصنوعی Destro قرار است کار ربات‌ها و کارکنان انسانی را در انبارها در یک جریان کاری واحد هماهنگ کند؛ رویکردی که این استارتاپ آمریکایی را از شرکت‌هایی متمایز می‌کند که تمرکزشان را بر ساخت ربات یا توسعه یک مدل هوش مصنوعی تازه گذاشته‌اند. Destro روز سه‌شنبه از وضعیت محرمانه خارج شد و هم‌زمان خبر جذب ۸ میلیون دلار سرمایه اولیه را اعلام کرد؛ سرمایه‌ای که به گسترش راهکار این شرکت در عملیات لجستیکی کمک می‌کند.

به گزارش TechCrunch، Destro به‌جای آن‌که ربات را محصول اصلی خود بداند، یک لایه نرم‌افزاری برای هدایت کل فرایند ساخته است. این سامانه فقط به ربات‌ها نمی‌گوید به کجا بروند؛ کارکنان و جریان جابه‌جایی کالا نیز بخشی از همان عملیات هماهنگ‌شده‌اند. شرکت معتقد است این نگاه می‌تواند فناوری خودکارسازی را با نیازهای عملیاتی مشتریان سازگارتر کند.

هوش مصنوعی Destro چگونه عملیات انبار را هماهنگ می‌کند؟

نخستین کاربرد Destro در مرکز Yusen Logistics در منطقه شمال‌غرب اقیانوس آرام به شکل یک برنامه آزمایشی آغاز شد. در این محل، سه ربات جابه‌جایی سبد که شرکت Miva Robotics ساخته است، با سامانه Vision شرکت Destro کار می‌کنند. Vision بر مدل‌های بینایی‌ـ‌زبان‌ـ‌عمل متکی است؛ مدل‌هایی که تصاویر دوربین و دستورهای متنی را تفسیر می‌کنند تا به ربات برای انتخاب حرکت بعدی راهنمایی بدهند.

در این فرایند، کارکنان کالاها را از یک کامیون تخلیه می‌کنند و آن‌ها را در سبدهای مختلف می‌گذارند. ربات‌ها بارهایی را که به یک مقصد تعلق دارند شناسایی می‌کنند و سبدهای پُر را به محل مناسب می‌برند. به این ترتیب، ربات وظیفه جابه‌جایی را انجام می‌دهد، اما کارکنان همچنان در بارگیری و تخلیه نقش دارند.

بخش مهم دیگر سامانه، Mothership است؛ سیستم‌عاملی که به گفته Destro کل عملیات را هدایت می‌کند. در توصیف شرکت، سبدها، کامیون‌ها و کارکنان هم در کنار ربات‌ها زیر نظر این سامانه قرار می‌گیرند. هدف این است که هر بخش از کار، جدا از بقیه مدیریت نشود و جابه‌جایی کالا در قالب یک فرایند منظم انجام گیرد.

ریچارد برونل، مدیر خودکارسازی بخش لجستیک آمریکا در Yusen Logistics، گفته است این شیوه کار را از وابستگی به کاغذ و دستورهای پراکنده دور می‌کند و فرایند را نظام‌مندتر می‌سازد. او و مانتان پاوار، بنیان‌گذار Destro، این هماهنگی را یکی از دلایل کارآمدی راهکار می‌دانند؛ هرچند ارزیابی نهایی آن به عملکرد سامانه در عملیات واقعی و گسترش آن به مراکز بیشتر بستگی دارد.

تمرکز بر کراس‌داکینگ، نه فقط ربات‌های انبار

Destro فعالیت خود را با مسئله جمع‌آوری و بسته‌بندی کالا آغاز کرده بود؛ فرایندی که در آن محصولات مختلف برای ارسال در بسته‌های جداگانه دسته‌بندی می‌شوند. اما همکاری با Yusen مسیر کاربرد سامانه را به سمت کراس‌داکینگ برد. کراس‌داکینگ روشی در لجستیک است که در آن کالا از یک کامیون تخلیه و برای بارگیری در کامیون‌های دیگری که مقصد نهایی را پوشش می‌دهند، مرتب می‌شود.

برونل که مسئول خودکارسازی حدود ۳۰ مرکز در آمریکا است، به TechCrunch گفته است چالش کراس‌داکینگ از نظر بنیادی به مسئله‌ای که Destro روی آن کار می‌کرد شباهت داشت. او از شرکت خواست ابزارش را برای این محیط تنظیم کند. به گفته برونل، تیم Destro پس از بررسی موضوع پذیرفت که این بخش نیازهای پاسخ‌داده‌نشده‌ای دارد و راهکار خود را برای پشتیبانی از آن تغییر داد.

Yusen در مراکز خود از ابزارهای خودکار ثابتی مانند نوار نقاله و دستگاه‌های دسته‌بندی استفاده می‌کند و فناوری‌های دیگری، از جمله ربات‌های تخلیه کامیون و دستگاه‌های خودران نظافت کف، را نیز آزمایش می‌کند. زیرمجموعه بریتانیایی این شرکت یک مرکز کاملاً خودکار راه‌اندازی کرده و، به گفته برونل، برنامه‌ای مشابه برای آمریکا در دست بررسی است. Destro در این میان می‌کوشد بخشی از کارهایی را که نیازمند هماهنگی میان نیروی انسانی و تجهیزات‌اند، به شکل نرم‌افزاری مدیریت کند.

تمایز Destro در نگاه مشتری، صرفاً توانایی حرکت‌دادن ربات‌ها نیست. برونل گفته است Yusen پیش‌تر با دو استارتاپ شناخته‌شده دیگر در حوزه رباتیک گفت‌وگو کرده بود، اما راهکارهای آن‌ها با گردش کار این شرکت سازگار نبود. یکی از گزینه‌ها می‌توانست سبدها را از نقطه‌ای به نقطه دیگر ببرد، اما بارگیری و تخلیه را مدیریت نمی‌کرد. گزینه دیگر ابزار مدیریت ناوگان داشت، ولی برای هماهنگ‌کردن کل عملیات همچنان به دخالت یک نفر نیاز داشت.

گسترش آزمایش و سرمایه‌گذاری ۸ میلیون دلاری

Destro اکنون در حال تبدیل آزمایش اولیه در Yusen به استقرار کامل ۲۶ ربات است و هم‌زمان برنامه آزمایشی دیگری را با ۱۷ ربات در مرکز این شرکت در جنوب کالیفرنیا آغاز می‌کند. پاوار می‌گوید قصد دارد الگوی کار کراس‌داکینگ را در هزاران انبار دیگر که با نیازهای مشابه روبه‌رو هستند، تکرار کند. این برنامه توسعه یکی از عواملی بوده که سرمایه‌گذاران را به پشتیبانی از شرکت ترغیب کرده است.

دور ۸ میلیون دلاری سرمایه اولیه را Base10 Partners و Bonfire Ventures رهبری کرده‌اند و CoFound Partners نیز در آن مشارکت داشته است. پاوار، که مدرک کارشناسی ارشد رباتیک خود را از NYU Tandon گرفته و حدود هشت سال در صنعت زنجیره تأمین و رباتیک آمریکا فعالیت کرده، به TechCrunch گفته است شرکت شناخت نزدیکی از مشکلات مشتریان دارد و در مسیر رسیدن به جریان نقدی مثبت تا پایان سال قرار گرفته است. این گفته، برنامه و ارزیابی خود بنیان‌گذار است و نتیجه مالی نهایی شرکت را تضمین نمی‌کند.

سرمایه‌گذاری تازه در زمانی انجام می‌شود که شرکت‌های مختلف روی مدل‌های هوش مصنوعی و قطعات رباتیک کار می‌کنند. پاوار معتقد است Destro می‌تواند از این پیشرفت‌ها بهره ببرد، بی‌آن‌که لزوماً خودش سازنده ربات یا مدل پایه باشد. او ارزش شرکت را در لایه‌ای می‌بیند که ابزارها را برای یک کار واقعی کنار هم می‌گذارد و آن‌ها را با فرایند مشتری سازگار می‌کند.

محدودیت مهارت ربات‌ها و ارزش لایه نرم‌افزاری

رویکرد Destro البته محدودیت‌هایی دارد. طبق گزارش TechCrunch، کارهایی که به چالاکی بیشتر و دست‌کاری دقیق اشیا نیاز دارند، ممکن است برای این نوع سامانه دشوار باشند. بدنه‌های عمومی ربات و مدل‌های متن‌بازِ دارای وزن‌های در دسترس هنوز در این وظایف توانایی اثبات‌شده‌ای ندارند. وزن‌های مدل مجموعه‌ای از مقادیر یادگرفته‌شده‌اند که برای اجرای مدل استفاده می‌شوند؛ متن‌باز یا در دسترس بودن آن‌ها می‌تواند استفاده از مدل را برای شرکت‌های دیگر ممکن کند، اما به‌تنهایی تضمین‌کننده عملکرد مناسب در هر کار نیست.

همچنین روشن نیست شرکت‌هایی که مدل‌های پایه، دست‌های رباتیک ماهرتر یا ربات‌های انسان‌نمای همه‌منظوره می‌سازند، ابزارهای خود را در اختیار شرکتی مانند Destro بگذارند یا خودشان به سراغ ارائه راهکار کامل بروند. این موضوع می‌تواند تعیین کند که در آینده چه کسی بخش اصلی ارزش اقتصادی را در زنجیره رباتیک به دست می‌آورد.

پاوار در برابر این ابهام بر اهمیت لایه‌ای تأکید می‌کند که فناوری‌های مختلف را برای انجام یک کار مشخص به هم متصل می‌سازد. از نگاه او، ربات و مدل هر دو می‌توانند بستری برای کاربردهای گوناگون باشند، اما مجموعه ابزارها و فرایندهایی که آن‌ها را برای یک محیط خاص قابل استفاده می‌کند، پیچیده و ارزش‌افزا است. این ادعا، دیدگاه بنیان‌گذار درباره مزیت Destro است؛ مزیتی که باید در گسترش عملیات و سازگاری با محیط‌های گوناگون سنجیده شود.

در کوتاه‌مدت، رقابت با ربات‌های انسان‌نمای آینده‌نگر شاید اولویت Yusen نباشد. برونل گفته است هنوز کاربرد مناسبی برای ربات انسان‌نمای دوپایان نیافته، هرچند یک برنامه آزمایشی احتمالی با نمونه‌ای چرخ‌دار را ارزیابی می‌کند. او معیار اصلی انتخاب فناوری را حل یک مشکل عملیاتی می‌داند، نه جذابیت خود فناوری: اگر سامانه بتواند عملیات را کارآمدتر، باثبات‌تر و انعطاف‌پذیرتر کند، به مشتریان نهایی نیز سود می‌رساند.

این خبر برای چه کسانی اهمیت دارد

این خبر برای مدیران انبار و زنجیره تأمین اهمیت دارد، چون نمونه‌ای از خودکارسازی را نشان می‌دهد که تلاش می‌کند علاوه بر جابه‌جایی ربات‌ها، هماهنگی کل جریان کار را هدف بگیرد. شرکت‌های لجستیکی می‌توانند با دنبال‌کردن نتایج استقرارهای Yusen ارزیابی کنند که چنین رویکردی در عمل چه کمکی به کاهش کار دستی و منظم‌کردن عملیات می‌کند.

برای فعالان رباتیک و سرمایه‌گذاران نیز مسیر Destro قابل توجه است: این شرکت قصد ندارد ابتدا سخت‌افزار تازه‌ای بسازد، بلکه می‌خواهد با نرم‌افزار، تجهیزات موجود را در یک فرایند مشترک به کار بگیرد. بااین‌حال، گسترش این مدل به انبارهای بیشتر و انجام وظایف ظریف‌تر هنوز چالش‌هایی دارد. توانایی شرکت در سازگارکردن سامانه با گردش کارهای متفاوت، عامل مهمی در سنجش آینده این راهبرد خواهد بود.