Cortex 2.0, farklı uygulamalar ve şekillerde çalışacak şekilde tasarlanmıştır. Kaynak: Sereact
Sereact GmbH, Cortex 2.0 "robotik beyni" ölçeklendirmek ve ABD pazarına girmek için 110 milyon dolarlık Seri B finansmanı topladığını duyurdu. Şirket, Boston'da bir ofis açtı ve yerel mühendislik, ticaret ve uygulama personeli alımı yapıyor.
“Gerçek robotik yapay zeka laboratuvarında yapılamaz dedik. Bunu, gerçek dağıtımlarla beslenen bir veri döngüsü ile inşa edersiniz — üretime gönderim, başarısızlıklarla yaşamak ve modelin yerde gerçekten ne olduğunu öğrenmesine izin vermek,” dedi Sereact'in kurucu ortağı ve CEO'su Dr. Ralf Gulde. “Sayılara bakıldığında bunun işe yaradığını gösteriyor. İki yüz sistem. Bir milyar seçim. 53,000'de bir müdahale. Başka kimse buna yaklaşamıyor.”
2021 yılında kurulan Sereact, fiziksel yapay zeka ürettiğini belirtti. Depolar ve üretim için. Cortex beyni, tek kollu seçim hücreleri, çift kollu iade istasyonları ve insansı robotlar üzerinde çalışır ve ayrıca envanter ve kalite kontrol için 3D algılama sistemi olan Sereact Lens'i içerir.
Almanya'nın Stuttgart şehrinde bulunan şirketin mevcut Avrupa müşterileri arasında Daimler Truck, Mercedes-Benz, BMW, MS Direct, Active Ants, DeltiLog, Rohlik Group ve Avusturya Postası bulunmaktadır.
Sereact, depo robotları için yapay zeka ile başlıyor
“Sereact, fiziksel dünyada çalışan robotlar için yapay zeka geliştiriyor,” dedi şirket. “Depolar, gerçek etkileşimlerin milyarlarca olduğu, hayal edilebilecek her nesne şeklinin bulunduğu, sıkı verim kısıtlamalarının olduğu ve robotun hata yaptığında sonuçların olduğu tek ortam olduğu için ilk dağıtım noktası oldu.”
Sereact, Cortex'in, simülasyonların yeniden üretemeyeceği müşteri sitelerindeki gerçek dünya koşullarında fiziksel nesnelerin seçimlerinden öğrendiğini iddia etti. Uzaktan insan müdahalesi gerektiren 53,000'de bir durum dışında, robot kendi başına seçimleri gerçekleştirebilir ve verileri kapalı bir döngüde modeline geri besleyebilir.
“Her başarılı seçim, her başarısızlık, her kurtarma, senkronize gözlemler, robot durumu, kavrama kuvveti geri bildirimi ve sonuç ile kaydedilir — ardından filtrelenir, yenilik ve belirsizlik açısından önceliklendirilir ve modeli güncellemek için kullanılır,” dedi şirket. “Güncellenmiş politikalar otomatik regresyon kontrollerinden geçer ve filosuna dağıtılır. Döngü kapanır. Veri birikir. Uzun kuyruk kapsamı genişler.”
“Rakipler, simüle edilmiş veriler ve laboratuvar gösterimleri üzerinde eğitim almak için milyarlarca dolar topluyor,” diye ekledi. “Sereact, gerçek operasyonlar üzerinde, gece, yoğun saatlerde, robotun daha önce gördüğü hiçbir şeye benzemeyen karmaşık nesneler üzerinde eğitim almak için beş yıl harcadı. Bu, her vardiya ile genişleyen bir boşluktur.”
