Brytyjski spin-out z Uniwersytetu Oksfordzkiego, Stateful Robotics, zamknął imponującą rundę pre-seed o wartości 4,8 mln USD, wspartą przez Amadeus Capital Partners oraz Oxford Science Enterprises (OSE). Startup, na którego czele stoi weteranka branży Kirsty Lloyd-Jukes, stawia czoła jednemu z największych wąskich gardeł współczesnej autonomii: problemowi pamięci długotrwałej w robotach mobilnych, co ma radykalnie zwiększyć ich niezawodność w dynamicznych środowiskach przemysłowych.
BIT: Aspekt technologiczny
Większość współczesnych autonomicznych robotów mobilnych (AMR) opiera swoją nawigację na algorytmach SLAM (Simultaneous Localization and Mapping). Choć technologia ta doskonale sprawdza się w statycznych warunkach, napotyka na krytyczne problemy w dynamicznie zmieniających się środowiskach, takich jak hale magazynowe czy fabryki. Tradycyjne systemy cierpią na tak zwaną „amnezję robotyczną” – gdy otoczenie ulega modyfikacji (np. przesunięte palety, nowe ciągi komunikacyjne), statyczna mapa staje się nieaktualna. Prowadzi to do drastycznego spadku pewności lokalizacji (localization confidence), zatrzymania maszyny i konieczności kosztownej, ręcznej interwencji operatora.
Stateful Robotics rozwiązuje ten problem, wprowadzając warstwę oprogramowania opartą na inteligencji decyzyjnej (decision intelligence) oraz architekturze ciągłego uczenia się (Continual SLAM). Zamiast polegać wyłącznie na jednorazowo wygenerowanej mapie, system wdraża mechanizmy pamięci wieloskalowej, inspirowane biologicznymi procesami kognitywnymi. Pamięć krótkotrwała odpowiada za natychmiastowe unikanie przeszkód i adaptację w czasie rzeczywistym. Z kolei pamięć długotrwała agreguje dane semantyczne i geometryczne z wielu sesji, aktualizując globalny model otoczenia bez zjawiska „katastrofalnego zapominania” (catastrophic forgetting). Wykorzystywane są tu wektorowe bazy danych, które pozwalają na błyskawiczne wyszukiwanie i dopasowywanie wzorców przestrzennych.
Pod maską platforma Stateful Robotics działa jako wysoce skalowalny, rozproszony system edge-to-cloud, najprawdopodobniej integrujący się ze standardami takimi jak ROS2 (Robot Operating System 2). Dane z fuzji sensorów – w tym skanerów LiDAR 3D oraz kamer wizyjnych – są wstępnie przetwarzane na krawędzi sieci (edge computing) w celu zminimalizowania opóźnień (latency) do poziomu pojedynczych milisekund. Następnie zanonimizowane wektory cech trafiają do chmury za pośrednictwem bezpiecznych, szyfrowanych interfejsów API (np. gRPC/REST). Tam zaawansowane modele sztucznej inteligencji analizują zachowanie całej floty, optymalizują ścieżki i synchronizują zaktualizowane mapy pamięci długotrwałej ze wszystkimi jednostkami. Taki stack technologiczny wymaga rygorystycznego podejścia do bezpieczeństwa, w tym wdrożenia architektury Zero Trust oraz zabezpieczenia strumieni telemetrycznych przed atakami typu spoofing.
- Ciągła adaptacja map przestrzennych (Continual SLAM) bez utraty historycznych danych o topologii obiektu.
- Redukcja opóźnień decyzyjnych dzięki hybrydowej architekturze przetwarzania edge-cloud i wykorzystaniu baz wektorowych.
- Zwiększona odporność na błędy lokalizacyjne w środowiskach o wysokiej dynamice zmian, co bezpośrednio przekłada się na płynność procesów intralogistycznych.
- Bezproblemowa integracja z istniejącymi stosami oprogramowania robotycznego (np. ROS2) poprzez ustandaryzowane API.
BIZ: Wymiar biznesowy
Runda pre-seed na poziomie 4,8 mln USD to wyraźny sygnał, że rynek Venture Capital dostrzega ogromny potencjał w rozwiązywaniu fundamentalnych problemów embodied AI. Udział renomowanych funduszy, takich jak Amadeus Capital Partners i Oxford Science Enterprises (OSE), a także anioła biznesu Stana Bolanda, uwiarygadnia technologię. Nie bez znaczenia jest tu postać CEO, Kirsty Lloyd-Jukes, która wcześniej z sukcesem sprzedała swój startup Latent Logic gigantowi z Doliny Krzemowej – firmie Waymo. Z najnowszych raportów branżowych wynika, że inwestorzy poszukują obecnie projektów deeptechowych, które oferują twarde ROI dla sektora B2B. Ekosystem Oksfordu przeżywa obecnie swój złoty wiek, generując wielomiliardowe wyjścia z inwestycji (exity), co czyni Stateful Robotics naturalnym kandydatem do przyszłych fuzji i przejęć (M&A) przez graczy takich jak Amazon czy Google.
Z biznesowego punktu widzenia, oprogramowanie Stateful Robotics uderza w najdroższy aspekt utrzymania flot AMR: koszty interwencji ludzkich (human-in-the-loop) oraz przestoje operacyjne. Wdrożenie inteligentnej pamięci długotrwałej pozwala na drastyczną redukcję wskaźnika błędów nawigacyjnych. W skali makro, gdzie globalny rynek robotów mobilnych rośnie w tempie dwucyfrowym, optymalizacja czasu pracy (uptime) floty o zaledwie kilka procent przekłada się na miliony dolarów oszczędności rocznie. Docelowym modelem komercjalizacji będzie najprawdopodobniej subskrypcja SaaS (Software-as-a-Service) nakładana na istniejące platformy sprzętowe (hardware-agnostic), co pozwoli startupowi na błyskawiczne skalowanie bez konieczności angażowania się w kapitałochłonną produkcję własnych maszyn.
W kontekście rynku europejskiego i polskiego, wdrożenia tego typu technologii muszą być analizowane przez pryzmat nadchodzących i istniejących regulacji. Wykorzystanie zaawansowanych modeli AI w robotyce przemysłowej wpisuje się w ramy unijnego AI Act, gdzie autonomiczne systemy decyzyjne mogą być klasyfikowane jako systemy wysokiego ryzyka. Wymaga to od dostawców ścisłego nadzoru nad jakością danych treningowych, audytowalności algorytmów oraz zapewnienia cyberbezpieczeństwa zgodnie z dyrektywą NIS2. Dodatkowo, jeśli roboty wykorzystują systemy wizyjne w przestrzeniach, gdzie pracują ludzie, konieczna jest rygorystyczna zgodność z RODO (anonimizacja twarzy i sylwetek na poziomie edge). Dla polskich centrów logistycznych i zakładów Przemysłu 4.0, zmagających się z pogłębiającym się niedoborem rąk do pracy, autonomiczne floty o wysokiej niezawodności stają się jednak nie tyle innowacją, co absolutną koniecznością strategiczną w walce o utrzymanie konkurencyjności na rynkach europejskich.
Redakcja BitBiz przy opracowywaniu tego materiału korzystała z narzędzi wspomagających analizę danych. Tekst został w całości zweryfikowany i zredagowany przez BitBiz.pl

Dodaj komentarz