سه نتیجه واقعی راه اندازی رباتیک – TechCrunch

اجازه بده قرض کنم یک جمله از بیسبال برای یک لحظه. اگر ورزش را دنبال می کنید، احتمالاً از مفهوم “سه نتیجه واقعی” آگاه هستید. آنها، به طور خاص، دویدن خانگی، اعتصاب، و پیاده روی هستند. مرز بین این سه این است که در بیشتر موارد، آنها توسط دفاع تعیین نمی شوند.

البته یک منطقه خاکستری وجود دارد، همانطور که در مورد هر تلاشی برای تعریف مطلق وجود دارد. همچنین یک سوال دیرینه وجود دارد که این مفهوم در جنگ سرد همیشگی تحلیل بیسبال چقدر ارزشمند است. همه چیز خوب است، زیرا من بیشتر علاقه مندم که این عبارت را در اینجا انتخاب کنم.

به طور کلی، سه نتیجه واقعی برای یک استارتاپ روباتیک عبارتند از:

1. عمومی شدن
2. اکتسابی شدن
3. در حال مرگ

همانند دنیای بیسبال، در اینجا نیز فضای خاکستری زیادی برای مانور دادن وجود دارد. در روباتیک، به طور خاص، شما می توانید برای همیشه یک شرکت کاملا موفق را بر اساس کمک های مالی دارپا حفظ کنید. برخلاف بیسبال، واقعاً می توان هر ترکیبی از سه مورد فوق را انجام داد.

اما قلب سوالی که می خواهم به اینجا برسم این است: بهترین نتیجه برای یک استارتاپ روباتیک چیست؟ البته هیچ کس شماره سه را نمی خواهد. اما این یک احتمال بسیار واقعی – و ناامیدکننده – است. و همانطور که دیدیم، حتی یک هجوم عظیم بودجه VC نمی تواند به طور کامل از شکست راه اندازی جلوگیری کند – به خصوص در ربات ها، جایی که مانع ورود به شدت بالا است. و علاوه بر این، روباتیک برای اصلاح کمی بازار در مواجهه با روندهای کلان به تاخیر افتاده است.

IPO کردن یک نتیجه بسیار نادر برای شرکت‌های روباتیک بوده است، حتی در دوران طلایی SPAC (در حال حاضر). با توجه به وضعیت کلی بازار، برخی از SPAC های برنامه ریزی شده در این دوره به حالت تعلیق درآمدند، به این امید که روندهای مطلوب تری داشته باشند. صادقانه بگویم، شماره دو برای بسیاری از شرکت ها یک نتیجه کاملا معقول – و اغلب ایده آل – به نظر می رسد. رباتیک به باندهای طولانی و منابع زیادی نیاز دارد که یک شرکت بزرگ می تواند ارائه دهد.

با این حال، جایی که شما شروع به مشکل می کنید، مناسب است. تصور می‌کنم مکالمه‌ها همیشه اتفاق می‌افتند که در آن خریدار بالقوه تصوری به‌طور چشمگیری متفاوت از گیرنده دارد. البته ما هر از گاهی شاهد این تناسب های بد هستیم. شاید این شرکت تناسب بازار را نمی‌داند یا منابعی را که برای سرپا نگه داشتن یک شرکت روباتیک استفاده می‌شود، نمی‌داند، یا شاید آنها تصورات متفاوتی از آنچه روبات‌هایشان می‌توانند و نمی‌توانند انجام دهند داشتند. به ازای هر خرید آمازون Kiva، چندین Google وجود دارد که Boston Dynamics را می‌خرند.

چند علامت سوال در مورد خرید بعدی هیوندای از شرکت اخیر وجود داشت. یک شرکت خودروسازی برای کاری که بوستون داینامیکس انجام می دهد مناسب نیست، هرچند من می گویم که اعلامیه این هفته موسسه هوش مصنوعی Boston Dynamics یک نکته جالب – و امیدوارکننده – در این داستان است. تحقیقات همیشه بخش بزرگی از کاری بوده است که شرکت انجام می‌دهد، و تسهیلات جدید باند و منابع زیادی را با سرمایه‌گذاری 400 میلیون دلاری در اختیار شرکت قرار می‌دهد. این چند برابر چیزی است که فورد اخیراً در تأسیسات U of M خود سرمایه گذاری کرده است.

جالب‌تر از همه، موسس و مدیر عامل سابق BD، مارک رایبرت، سرپرستی این موسسه را بر عهده خواهد داشت. او در یک انتشار مرتبط با این خبر گفت: «مأموریت ما ایجاد نسل‌های آینده ربات‌های پیشرفته و ماشین‌های هوشمندی است که هوشمندتر، چابک‌تر، فهیم‌تر و ایمن‌تر از هر چیزی است که امروز وجود دارد.» ساختار منحصر به فرد مؤسسه – استعدادهای برتر متمرکز بر راه حل های اساسی با بودجه پایدار و پشتیبانی فنی عالی – به ما کمک می کند تا ربات هایی بسازیم که استفاده آسان تر، پربازده تر، قادر به انجام وظایف مختلف و ایمن تر باشند. با مردم.”

پس از دستپاچگی گوگل در خرید (و تعدادی دیگر در همان زمان، تحت نظارت اندی روبین)، ارزش این را دارد که بررسی کنید تا ببینید تلاش های شرکت در این دسته چگونه پیش می رود. پوشش من از فضا تا حد زیادی حول محور فارغ التحصیلان الفبای X می چرخد. برجسته‌ترین (تا کنون) سرویس تحویل هواپیماهای بدون سرنشین Wing است، اگرچه ما شروع به دیدن کارهای جالبی از شرکت نرم‌افزار رباتیک Intrinsic کرده‌ایم.

سال گذشته، ما همچنین مقداری فضای ستونی به Smarty Pants دادیم، یک اسکلت بیرونی روباتیک نرم و امیدوارکننده که توسط آزمایشگاه توسعه می‌یابد. در ماه مارس، آزمایشگاه همچنین پیش نمایشی از آن را ارائه کرد پروژه معدنی، یک مریخ نورد مستقل که برای جمع آوری داده های محصول طراحی شده است. به طور خاص، برای فنوتیپ کردن گیاهان کار می کند. این شرکت می نویسد:

امروزه، هنگامی که اکثر محققان گیاهان را فنوتیپ می کنند، با دقت در مزارع قدم می زنند و با یک دفترچه، قلم و خط کش، صفات مختلف گیاه را مشخص می کنند. اما تصور کنید که در یک غلاف لوبیا چند لوبیا وجود دارد، یا طول برگ ها چقدر است، یا چند گل شکوفه داده اند. حالا تصور کنید که این کار را برای هزاران گیاه، هر هفته با دست، در گرمای تابستان انجام دهید. این همان گلوگاه فنوتیپی است.

برای کمک به این چالش، Mineral ابزارهایی را در اختیار محققان اتحاد قرار می‌دهد تا به آنها کمک کند آزمایش‌های بیشتری انجام دهند و ویژگی‌های محصول بیشتری را کشف کنند. در سال گذشته، مریخ نوردهای Mineral – که توسط تیم محلی “Don Roverto” نامیده می شود – به آرامی در مزرعه های آزمایشی خارج از Future Seeds غلت می زنند، از هر بوته لوبیا تصویر می گیرند و از یادگیری ماشینی برای شناسایی ویژگی هایی مانند تعداد برگ، سطح برگ استفاده می کنند. رنگ برگ، تعداد گل، تعداد بوته و ابعاد غلاف. مریخ نورد این کار را به طور مداوم برای هر گیاهی در مزرعه انجام می دهد و دقیقاً می داند که هر گیاه کجاست، بنابراین می تواند یک هفته بعد برگردد و گزارش عملکرد گیاه را ارائه دهد.

اعتبار تصویر: هاجه کمپس / TechCrunch

کمی حسادت می‌کنم که حاجی در این هفته به تلاش‌های رباتیک داخلی گوگل پرداخته است. او در مورد این تجربه نوشت که شامل کارهایی است که با یکی از فارغ التحصیلان X انجام می شود. او توضیح می دهد:

سرعت و دقت یک چیز است، اما مهره ای که گوگل واقعاً در تلاش است در آزمایشگاه های روباتیک خود شکست دهد، نقطه تلاقی بین زبان انسان و رباتیک است. این جهش های چشمگیر در سطح درک زبان طبیعی رباتیکی است که ممکن است انسان از آن استفاده کند. “وقتی یک دقیقه وقت داری، می‌توانی از پیشخوان برایم نوشیدنی بگیری؟” یک درخواست بسیار ساده است که ممکن است از یک انسان بپرسید. با این حال، برای یک ماشین، این بیانیه دانش و درک زیادی را در یک سوال به ظاهر واحد در بر می گیرد. بیایید آن را تجزیه کنیم: «وقتی یک دقیقه وقت دارید» اصلاً نمی‌تواند معنایی داشته باشد، فقط به معنای شکل گفتار باشد، یا می‌تواند یک درخواست واقعی برای پایان دادن به کاری باشد که ربات انجام می‌دهد. اگر یک ربات بیش از حد تحت اللفظی صحبت می کند، پاسخ «صحیح» به «می تونی برای من نوشیدنی بگیری» فقط می تواند این باشد که ربات «بله» می گوید. می تواند، و تأیید می کند که می تواند نوشیدنی بخورد. اما، به عنوان کاربر، شما به صراحت از ربات نخواستید که این کار را انجام دهد. و اگر ما بیش از حد متحجر هستیم، شما به صراحت به ربات نگفتید که نوشیدنی را برای شما بیاورد.

در مجموع، من فکر می‌کنم که در اینجا می‌توان برای توسعه شرکت‌های رباتیک و هوش مصنوعی در داخل کشور اقدام کرد – البته، تعداد کمی از شرکت‌ها دارای منابع Alphabet/Google هستند. و حتی با وجود زمان، پول و حوصله Google، ما خیلی دور هستیم تا ببینیم چنین پیگیری‌هایی واقعاً چگونه می‌توانند نتیجه بدهند.

اعتبار تصویر: شیائومی

در همین حال، تلاش های شیائومی یک علامت سوال بزرگ است. تا اینجای کار، کار روباتیک این شرکت بیشتر شبیه سامسونگ است. گذشته از موفقیت در جاروهای رباتیک، دلیل زیادی برای این باور ندارم که کار آن در حال حاضر بیشتر از نمایش است. این شامل CyberDog مشابه Spot و CyberOne در سال گذشته می شود، یک ربات انسان نما جدید که در کنار برخی از تلفن ها معرفی شد. از نقطه نظر طراحی، واضح است که چرا این ربات با تلاش‌های تا به حال دیده نشده تسلا مقایسه می‌شود. همچنین انتظار واقعی تری از این که از چنین ربات دوپایی چه چیزی را باید پیش بینی کرد، می دهد.

اعتبار تصویر: Mobot

قبل از اینکه شما را برای این هفته ترک کنم، در اینجا چند خبر تامین مالی از یک استارت آپ جالب آورده شده است: Mobot با پشتیبانی YC به تازگی یک سری A 12.5 میلیون دلاری جمع آوری کرده است. این شرکت ربات هایی ایجاد می کند که برای کمک به توسعه دهندگان برای آزمایش برنامه ها برای مشکلات طراحی شده اند.

ابزارهایی وجود دارند که توسط شرکت هایی مانند Applitools، Test.ai و سایرین توسعه یافته اند که از چارچوب های آزمایش شبیه سازی شده موجود برای خودکارسازی تست اپلیکیشن های موبایل استفاده می کنند. با این حال، واقعیت تاسف بار این است که بسیاری از نقص‌ها اغلب از شکاف‌های آزمایش‌های شبیه‌سازی‌شده مبتنی بر نرم‌افزار عبور می‌کنند، زیرا به طور دقیق آزمایش روی سخت‌افزار واقعی را نشان نمی‌دهند.» بنیانگذار Eden Full Goh به TechCrunch می‌گوید. “در حال حاضر، Mobot خود را به عنوان رقیب یا جایگزینی برای شبیه سازها و تست های خودکار قرار نمی دهد. در عوض، هدف ما جایگزینی تضمین کیفیت دستی اجتناب‌ناپذیر است که همه هنوز باید انجام دهند و به طور فزاینده‌ای باید انجام دهند، زیرا قطعه قطعه شدن دستگاه در پنج تا ده سال آینده رشد می‌کند.»

اعتبار تصویر: رباتیک پاک
(در یک پنجره جدید باز می شود)

در همین حال، من یک شرکت انحصاری از CleanRobotics، شرکت مستقر در کلرادو، پشت سطل زباله روباتیک دسته‌بندی زباله TrashBot داشتم. این شرکت یک سری A 4.5 میلیون دلاری جمع آوری کرد تا رباتی را که برای بهبود مرتب سازی بازیافت در منبع طراحی شده است، توسعه دهد.

چارلز یاپ، مدیر عامل شرکت، خاطرنشان می‌کند: «قوانین بازیافت گیج‌کننده هستند و مصرف‌کنندگان اغلب آنقدر گیج می‌شوند که دقت بازیافت آن‌ها کمتر از شانس است، که منجر به مواد بازیافتی بسیار آلوده می‌شود که هیچ‌کس آن‌ها را نمی‌خرد». «سیستم ما انحراف مواد از محل‌های دفن زباله را بهبود می‌بخشد و در نتیجه مواد قابل بازیافت بیشتر و زباله‌های کمتری تولید می‌شود.»

اعتبار تصویر: Bryce Durbin/TechCrunch

محرک یک شخص گنج شخص دیگری است.