راز موفقیت Destro AI در هماهنگ‌سازی ربات‌ها و انسان‌ها در محیط کار

استارتاپ Destro که در حوزه لجستیک فعالیت می‌کند، با جذب ۸ میلیون دلار سرمایه اولیه از حالت مخفیانه خارج شد و با تمرکز بر نرم‌افزار به جای سخت‌افزار، صنعت رباتیک را به چالش کشید. در حالی که اکثر رقبا بر ساخت بدنه ربات‌های پیشرفته تمرکز دارند، Destro یک لایه هوش مصنوعی ایجاد کرده که برای هماهنگ‌سازی کارگران انسانی و ماشین‌های خودران در انبارهای پیچیده طراحی شده است. این شرکت با معرفی خود به عنوان یک مجموعه غیر رباتیک که ناکارآمدی‌های عملیاتی را حل می‌کند، قصد دارد جریان‌های کاری لجستیکی را که به طور سنتی به فرآیندهای دستی و کاغذی متکی بوده‌اند، بهینه کند.

مانتان پاوار، بنیان‌گذار این شرکت و دانش‌آموخته رباتیک دانشگاه NYU Tandon، تأکید می‌کند که مزیت رقابتی آن‌ها در شناخت عمیق نیازهای مشتریان و رویکرد عمل‌گرایانه به مشکلات زنجیره تأمین نهفته است. ریچارد برونل، مدیر اتوماسیون در شرکت Yusen Logistics، کارایی این مدل را تأیید کرده و اشاره می‌کند که سیستم‌عامل 'Mothership' شرکت Destro به خوبی کارگران انسانی را با ربات‌های حمل‌کننده کالا هماهنگ می‌کند. این استارتاپ در حال حاضر در حال گسترش عملیات خود است و از پروژه‌های آزمایشی به سمت استقرار کامل ۲۶ ربات در یکی از تأسیسات Yusen حرکت کرده و برنامه‌های توسعه بیشتری برای کالیفرنیای جنوبی دارد.

از نظر تاریخی، بخش رباتیک تحت سلطه شرکت‌هایی بوده که سعی در ساخت سخت‌افزارهای اختصاصی داشته‌اند و اغلب در ادغام یکپارچه با جریان‌های کاری موجود در انبارها شکست خورده‌اند. ورود Destro نشان‌دهنده تغییری به سمت اتوماسیون 'نرم‌افزار-محور' است، جایی که ارزش اصلی از لایه هماهنگ‌سازی به دست می‌آید نه از ماشین‌آلات فیزیکی. این شرکت با استفاده از مدل‌های بینایی-زبانی-کنشی با وزن باز، داده‌های دوربین را تفسیر کرده و حرکات انسان و ربات را هدایت می‌کند و به طور مؤثری شکاف بین سیستم‌های لجستیکی قدیمی و فناوری‌های خودران مدرن را پر می‌کند.

این رویکرد پیامدهای مهمی برای صنعت لجستیک دارد، زیرا به شرکت‌هایی مانند Yusen اجازه می‌دهد بدون نیاز به بازسازی کامل تأسیسات، خود را مدرن کنند. با جایگزینی وظایف دستی و سنگین بارگیری متقاطع با جریان‌های کاری سیستماتیک و هدایت‌شده توسط هوش مصنوعی، Destro ثابت می‌کند که افزایش بهره‌وری از طریق ادغام بهتر نرم‌افزار امکان‌پذیر است. با این حال، این استارتاپ با چالش‌های احتمالی در مورد وظایف نیازمند مهارت دست بالا مواجه است، زیرا بدنه‌های رباتیک عمومی فعلی ممکن است در دستکاری‌های پیچیده دچار مشکل شوند و شرکت باید در فضای رقابتی ارائه‌دهندگان مدل‌های پایه حرکت کند.

در آینده، استراتژی Destro برای کپی‌برداری از جریان کاری بارگیری متقاطع در هزاران انبار می‌تواند اقتصاد اتوماسیون زنجیره تأمین را بازتعریف کند. در حالی که کارشناسانی مانند برونل نسبت به ربات‌های انسان‌نمای دوپا برای استفاده عملیاتی فوری تردید دارند، آن‌ها ارزش فوق‌العاده‌ای در نرم‌افزار عمل‌گرایانه و حل‌مسئله Destro می‌بینند. در حالی که این شرکت برای نمایش فناوری خود در رویداد TechCrunch Disrupt آماده می‌شود، صنعت نظاره‌گر خواهد بود تا ببیند آیا این شرکت رباتیک 'غیر رباتیک' می‌تواند مدل بینایی-زبانی-کنشی خود را با موفقیت مقیاس‌بندی کرده و به سیستم‌عامل استاندارد برای لجستیک جهانی تبدیل شود.