Tutor Intelligence 完成 7500 萬美元 B 輪募資 用真實世界資料打造通用機器人
從 MIT CSAIL 分拆出來的 Tutor Intelligence,靠著遠端「導師」與真實場域資料,讓揀貨機器人越做越聰明。這輪由 a16z 領投,累計募資達 1.17 億美元,目標 2027 年底前部署超過 1000 台機器人。
Tutor Intelligence 完成 7500 萬美元 B 輪募資,由 Andreessen Horowitz 領投,累計募資達 1.17 億美元。
(前情提要:該公司 2021 年自 MIT CSAIL 分拆,以真實世界資料、遠端「導師」與模擬環境訓練機器人基礎模型。)
(背景補充:採按小時或按件計酬模式,客戶無須預先購買或簽長約,由 Tutor 負責部署、維護與軟體升級。)
(背景補充:Tutor 今年稍早開設資料工廠,在 100 台實體機器人上評估策略,並發表最新款機器人與平台。)
(背景補充:Tutor 目前機器人數量為一年前兩倍、進駐設施近四倍,目標 2027 年底前超過 1000 台機器人簽約。)
本文目錄
B 輪募資 7500 萬美元,朝通用型機器人邁進
Tutor Intelligence Inc. 於 11 月 2 日宣布完成 7500 萬美元的 B 輪募資,持續朝通用型機器人(general-purpose robotics)的目標邁進。該公司表示,真實世界資料、人類「導師」與模擬環境,是訓練 AI 模型、讓下一代機器人勝任更多樣化任務的關鍵配方。
Tutor Intelligence 共同創辦人暨執行長 Josh Gruenstein 表示:「Tutor 的模型不只是讓機器人做到以前做不到的工作,這種智慧也讓機器人的成本降到全新層次。我們正在解鎖更廣泛的解決方案,讓企業得以生存,也讓基本商品對所有人來說更便宜。而且需求確實存在,我們機器人生產的速度幾乎跟不上。」
Tutor Intelligence 於 2021 年從麻省理工學院電腦科學與人工智慧實驗室(MIT CSAIL)分拆獨立,總部位於麻薩諸塞州沃特敦(Watertown)。該公司主張,正在打造一套完整技術堆疊,以「縮小機器人能力與人類能力之間的落差」。
資料飛輪加速部署,按件計酬降低門檻
Tutor Intelligence 指出:「人工智慧已經改變了數位世界,從網路上龐大的文字與圖像紀錄中學會對話與寫程式。但實體世界沒有這樣的紀錄可供訓練,AI 尚未以同樣的方式改造實體世界。」這也點出該公司為何選擇直接進入產線,用真實資料補足訓練素材的缺口。
該公司已將一批連網機器人部署到生產環境中,在遠端操作員(稱為「導師」,tutors)的協助下,為客戶執行實際工作。Tutor 再利用這些真實世界資料訓練更強的前沿模型,最終讓機器人具備更強的能力。
Tutor 宣稱,其「全端平台」與「資料飛輪」能加速部署,讓機器人更具擴展性、更安全且更可負擔。有別於機器人即服務(RaaS)模式,企業是按小時或按揀選次數付費給 Tutor,就像支付人工工資一樣。
Tutor 補充,客戶無須預先購買,也不必簽署長期合約。該公司負責部署與維護,並定期提供軟體與智慧功能升級。Tutor 表示,這樣的做法讓自動化得以進入長期以來難以用傳統確定性機器人處理的任務。該公司今年稍早開設了一座「資料工廠」(Data Factory),在 100 台實體機器人上評估各種策略。
Sonny 與 Cassie 進入產線,機器人數量一年翻倍
Tutor 的資料工廠包含用於單件揀選的 Sonny 雙臂半人形機器人,以及專為整箱揀選與堆棧設計的移動式操作機器人 Cassie。該公司報告,目前投入工作的機器人數量是一年前的兩倍,進駐的設施數量則接近四倍。Tutor 表示,正按計畫推進,目標在 2027 年底前讓超過 1000 台機器人簽約,全數在美國製造並從美國部署(導師可能位於海外)。
這些機器人目前在全美部分大型製造與物流網路中移動、舉起與操作物品,處理的品項包括早餐穀片、零食、糖果、化妝品、家居用品與玩具等。
Tutor 指出,其成長反映企業對實體 AI 的採用逐漸成熟,企業正從試辦階段轉向期待自動化營運帶來投資報酬。該公司表示,過去 12 個月收到 Tutor 機器人的組織中,近三分之一是既有客戶加裝更多機器人。
a16z 領投,累計募資達 1.17 億美元
本輪 B 輪募資由 Andreessen Horowitz 領投,使 Tutor Intelligence 累計募資達 1.17 億美元。先前分別領投 A 輪與種子輪的 Union Square Ventures 與 Neo 也參與本輪。
Andreessen Horowitz 普通合夥人、VMware 前執行長 Raghu Raghuram 表示:「Tutor 的洞見在於,部署不只是機器人研究的目的地,更是克服其限制的方法。Tutor 不是要求真實世界去遷就研究,而是從真實部署的需求出發,再回頭貫通通路、硬體與研究。跨越多樣且持續擴張的部署場景進行持續學習,正是從專用能力邁向通用型機器人的路徑。」
Tutor 表示,最新資金將用於前沿機器人基礎模型的訓練,以及 Sonny 與 Cassie 的製造與部署。該公司已於上月發表最新款機器人與其底層平台。
LUNA 觀察:Tutor 把「部署」當成研究的一部分,用產線上的真實資料回頭餵養模型,這種資料飛輪正是實體 AI 從試辦走向規模化的關鍵。
本文內容整理與翻譯自 原文連結,由 LUNA AI 日報編輯整理,僅供 AI 新知交流與資訊參考。
若原作者、媒體或權利人認為內容有侵權疑慮,請通知我們,確認後將立即修正或下架。