Robotika koki—Sebuah startup yang berbasis di San Francisco menggunakan sistem robot yang mendukung AI untuk perakitan makan di pabrik makanan-telah mengumpulkan putaran seri A $ 43,1 juta yang dipimpin oleh Usaha Avataar.
Babak itu juga didukung oleh Construct Capital, Bloomberg Beta, Promus Ventures, MFV Partners, Interwoven, HCVC, Mac Venture Capital, Red and Blue Ventures, Mitra Tau, Siddhi Capital, dan Mitra Modal Bold.
Ini termasuk $ 20,6 juta dalam ekuitas dan $ 22,5 juta dalam utang pembiayaan peralatan, yang akan digunakan untuk mencakup pembiayaan sistem robot Chef untuk robotika-as-service (RAAS) sehingga pelanggan Chef tidak perlu ke depan Capex untuk robot mereka, kata pendiri dan CEO Chef Robotics Rajat Bhageria.
“Robotika benar -benar memiliki momen saat ini,” kata Bhageria, yang telah mengumpulkan $ 65,6 juta sejak mendirikan bisnis pada tahun 2019.
“Inovasi dalam AI telah membuka potensi AI yang diwujudkan (AI yang diintegrasikan ke dalam bentuk fisik yang memungkinkannya untuk memahami, bertindak, dan belajar di dunia nyata melalui interaksi) untuk robotika. Kami berada dalam posisi terdepan untuk skala mengingat semua data pelatihan produksi dunia nyata yang sudah kami miliki.”
AI di dunia fisik sedang terjadi sekarang dengan robotika. Makanan adalah salah satu pasar terbesar di dunia. AI Industri sudah menang, dan otomatisasi kemasan makanan diam-diam mengubah cara kami mendapatkan makanan kami. Chef dengan cepat mengokohkan kedudukannya sebagai pemimpin industri dalam robotika yang diaktifkan untuk perakitan makanan di lebih dari 40m pelayanan yang diproduksi dan dihitung mundur AI-memungkinkan untuk perakitan makanan di lebih dari 40m pelayanan yang diproduksi dan dihitung mundur AI-Enabled untuk perakitan di lebih dari 40m melayani dan menghitung mundur AI. ” Mohan Kumar, pendiri dan mitra pelaksana, Avataar Ventures
AI yang diwujudkan dan pembelajaran pekerjaan
Chef, yang saat ini melayani pelanggan di AS dan Kanada, dan berencana untuk memperluas ke Inggris pada tahun 2025, telah menggunakan botnya di produsen makanan termasuk Amy's Kitchen, Sunbasket, Chef Bombay, dan Cafe Spice untuk melayani lebih dari 40 juta makanan.
Secara historis, mengamati Bhageria, robot telah dirancang untuk mengotomatiskan tugas -tugas spesifik dalam jalur produksi 'Low Mix' yang dioptimalkan untuk produksi massal produk tunggal. Tetapi mereka tidak sesuai dengan lingkungan 'campuran tinggi' di mana perusahaan menangani ratusan SKU atau memproduksi makanan khusus.
Dalam lingkungan yang lebih kompleks ini, atau dalam situasi di mana produk terlalu halus untuk ditangani oleh dispenser tradisional, katanya, “otomatisasi tradisional tidak berhasil” dan perusahaan masih sangat bergantung pada tenaga kerja manual.
Robotika koki telah menemukan sweet spotnya dengan perusahaan-perusahaan ini, yang memiliki tingkat kompleksitas tertentu, tetapi tingkat throughput yang bermakna, di mana ia dapat menggunakan lengan robot yang dipersenjatai dengan peralatan berpemilik yang dilatih untuk mengeluarkan porsi makanan yang akurat ke dalam baki melalui pembelajaran 'di tempat kerja yang cepat, difasilitasi oleh AI.
Penginderaan mencakup beberapa kamera kedalaman, serta platform penginderaan berat badan untuk wadah makanan untuk memastikan jumlah makanan yang konsisten dipetik, kata Bhageria, lulusan master dari robotika robotika dan laboratorium pembelajaran mesin yang memulai perusahaan pertamanya di sekolah menengah dan meluncurkan perusahaan modal ventura tahap awal yang dipanggil oleh perusahaan modal ventura tahap awal yang dipanggil panggilan modal ventura tahap awal yang dipanggil menelepon yang menelepon. Modal Prototipe Pada tahun 2018 yang telah berinvestasi di beberapa startup robotika.
Data pelatihan
Sistem Chef Robotics didasarkan pada kemajuan dalam model difusi dan pembelajaran mendalam sehingga lengan robotnya cukup mudah beradaptasi untuk memilih dan melompati hampir semua bahan, catat Bhageria.
Tetapi untuk memiliki AI yang sangat mampu, Anda memerlukan data pelatihan, dan dalam perakitan makanan, tidak ada data pelatihan di luar rak atau mesin simulasi berbasis fisika karena “makanan dapat dideformasi, lengket, basah dan tidak konsisten,” ia mengamati.
Untuk menghasilkan data pelatihan yang bermanfaat, oleh karena itu, Anda perlu menggunakan robot di lingkungan produksi yang sebenarnya.
Jadi bagaimana robot belajar?
Untuk bahan -bahan yang mirip dengan robotika koki yang telah ditangani sebelumnya, pada dasarnya dapat mengambil kebijakan yang ada, menetapkan beberapa parameter kunci seperti berat, dan kemudian menyempurnakan pekerjaan, menggunakan pendekatan yang diketahui 'Knn'(Tetangga K-Nearest) katanya.
Untuk bahan -bahan baru yang belum ditangani oleh bot Chef sebelumnya, pembelajaran imitasi yang lebih canggih ikut berperan, ia menjelaskan. Di sini, staf Chef akan menunjukkan, katakanlah, gerakan meraup menggunakan satu robot, dan robot kedua akan meniru, kata Bhageria. “Anda dapat melakukan 30 hingga 40 demonstrasi dan menggunakannya untuk melatih kebijakan difusi dan mendapatkan gerakan sendok yang sangat pandai dan sangat tangkas ini.”
Dia menambahkan: “Pendekatan ini sangat berguna untuk melakukan tugas -tugas baru. Katakanlah Anda ingin menyebarkan mayo pada roti, tugas yang tidak dapat kami lakukan sebelumnya, di mana tidak ada kode yang ditulis dan jika Anda menulis kode untuk itu, itu akan menjadi ribuan baris kode dan mungkin memakan waktu berminggu -minggu atau berbulan -bulan untuk menyempurnakan. Sekarang, kami hanya melakukan serangkaian demonstrasi dan mungkin memakan waktu 15 menit.
“Sistem ini menyebarkan mayo sepenuhnya mandiri, tetapi tidak ada kode yang ditulis, dan ini adalah diferensiasi utama, dibandingkan dengan apa yang saya sebut cara lama dalam melakukan robot, yang semuanya tentang aturan. Jika Anda melihat lampu merah, hentikan kendaraan otonom Anda. Jika queso macet, kocok peralatan tiga kali.”
Masalah dengan makanan, katanya, adalah bahwa “ada sejumlah bahan yang tak terbatas, jadi untuk mengakomodasi itu, jumlah aturan Anda balon dan Anda berakhir dengan ribuan parameter, dan itu benar -benar sulit. Sekarang, kami hanya melakukan banyak demonstrasi, dan robot belajar cara menyebar atau menyendok, dan jika hal -hal berubah, itu juga dapat beradaptasi.”
Chef juga memiliki banyak sensor berbeda yang memungkinkannya untuk memahami hal -hal seperti seberapa banyak tekanan dan kekuatan untuk diterapkan pada bahan yang diberikan saat lengan robotnya mengambilnya, ia menjelaskan. “Setiap robot memiliki antarmuka yang berbeda di mana Anda dapat memasang peralatan dan kamera yang berbeda yang menunjuk pada bahan yang diambil dari bak/wadah dan conveyor yang mengandung nampan di mana makanan diendapkan.”
Pengembalian investasi
Ketika datang ke ROI, katanya, manfaat terbesar bagi pelanggan adalah membuat lebih banyak pendapatan. “Jika Anda memiliki 10 baris tetapi Anda hanya dapat menjalankan tujuh dari mereka karena Anda tidak memiliki cukup banyak orang, atau seseorang tidak muncul untuk bekerja, Anda kehilangan pendapatan.”
Selain itu, throughput rata -rata naik dengan robot, yang tidak lelah, tidak perlu istirahat, dan selalu muncul untuk bekerja, katanya. Mereka juga mengurangi hadiah dan meningkatkan hasil, karena manusia cenderung “terlalu banyak diendapkan.”
Dan akhirnya, katanya, ada tenaga kerja yang menyelamatkan dirinya sendiri, dan fakta bahwa Anda dapat membebaskan manusia untuk melakukan tugas -tugas lain.
“ROI berbeda per pelanggan. Bagi sebagian orang, mereka benar -benar tidak dapat mempekerjakan orang seperti, jadi jika Anda memiliki robot kami, itu berarti Anda sekarang dapat menjalankan satu garis dengan kecepatan penuh, dan manfaatnya hampir instan. Dalam kasus lain masalahnya adalah pergantian staf yang tinggi dan biaya pelatihan, sedangkan untuk orang lain mereka hanya membuang -buang makanan jauh lebih sedikit.”
Ditanya tentang segmen pembiayaan peralatan putaran terakhir, katanya, ini memungkinkan robotika koki tumbuh tanpa menghabiskan dolar ekuitas untuk Capex.
Pelanggan membayar biaya penempatan di muka, tetapi itu relatif kecil. Secara berkelanjutan, mereka membayar kami setiap bulan, triwulanan, atau apa pun yang telah disepakati. Apa yang pada dasarnya memungkinkan pembiayaan peralatan yang kami lakukan, kami dapat pergi ke Bank dan kami akan melakukan bon -bon.
Apa selanjutnya?
Untuk saat ini, robotika koki berfokus pada lingkungan manufaktur makanan throughput tinggi yang melakukan perakitan makanan segar dan beku. Tetapi bergerak maju, katanya, itu akan dapat beroperasi di lingkungan yang semakin kompleks dan lebih rendah dari stadion ke kapal pesiar ke penjara dan dapur hantu, dengan tujuan akhir menjadi santai dan restoran cepat.
“Semakin banyak robot yang kami gunakan, semakin banyak data pelatihan yang kami kumpulkan, semakin baik otonomi yang didapat.”
Chef Robotics terus menjemput pelanggan baru termasuk “pemain makanan segar yang sangat besar, salah satu yang terbesar di dunia” tetapi juga ditingkatkan dengan mitra saat ini, yang merupakan validasi kuat dari teknologinya, kata Bhageria.
“Kami juga secara aktif mengerahkan ke Inggris tahun ini, di mana mereka menyukai makanan siap saji dan memiliki beberapa pemain yang sangat besar, dan kami sangat senang tentang katering maskapai dan persiapan buah segar.”