Standard Bots: $200M и подход к Physical AI

Что произошло

Standard Bots, компания, которая позиционирует себя как «AI-native» производитель промышленных роботов, завершила серию C на $200 млн при оценке в $1 млрд и рассказала о своём подходе к Physical AI. Подробности и комментарии сооснователя и CEO Эвана Бирда и руководителя AI Лейфа Йентофта опубликованы в материале Latent Space (репортаж Latent Space).

Финансирование и клиенты

Раунд на $200 млн возглавили General Catalyst и RoboStrategy. Среди названных клиентов — NASA, Amazon и Lockheed Martin; эту информацию приводит Latent Space (источник).

Модельный подход

В основе стека — общий базовый модельный каркас, который адаптируют к задачам через демонстрации и дообучение у заказчика. Компания говорит, что её крупнейшая модель имеет «в низких миллиардах параметров», а для ряда задач применяется zero-shot система восприятия (источник).

«Мы считаем, что качество данных важнее объёма», — сказал Лейф Йентофт; Standard Bots делает ставку на целевые наборы данных. Для одной из задач backbone был обучен на более чем миллиарде изображений — это помогает различать условия освещения, типы материалов и отделять объект от фона, по словам компании (источник).

Модель в основном решает задачи восприятия и генерирует так называемые «action chunks» — фрагменты действий, в то время как траектории движения и логика работы ячейки остаются за традиционным управлением. Такая комбинация помогает соблюдать требования по цикловому времени и надёжности в производстве (источник).

Локальный inference и аппаратная интеграция

Inference выполняют локально на периферии — на edge GPU — а не в облаке. Компания объясняет это практическими ограничениями заводов и потребностью в высокой доступности: у многих объектов нет стабильного интернета, а простои недопустимы (источник).

Standard Bots контролирует «полный стек» — робот-манипулятор, захват, систему управления и ПО. Такой контроль позволяет со-оптимизировать модели и низкоуровневые политики управления для конкретного оборудования и ускоряет итерации и улучшение производительности, отмечают инженеры компании (источник).

StandardOS и внешние интеграции

На платформе StandardOS компании доступны API и SDK, чтобы разработчики могли собирать данные, обучать модели и развёртывать приложения на роботах Standard Bots. В интервью упомянули пример использования внешних инструментов — семейство омнимодальных моделей NVIDIA Cosmos (NVIDIA Cosmos) — как один из вариантов для Physical AI (источник интервью).

Сейчас интеграция требует собственной «обвязки» со стороны разработчиков; Standard Bots планирует упростить процесс сбора данных, обучения и развёртывания через StandardOS, но в открытых материалах не приведены технические спецификации и даты релизов (источник).

Ограничения и операционные нюансы

Компания использует симуляцию, но отмечает её ограничения: задачи с жидкостями, захватом гибких материалов или резкой часто плохо воспроизводятся в текущих симуляторах, поэтому требуются реальные демонстрации и коррекции на местах (источник).

Standard Bots собирает сигналы о сбоях и исправлениях с развёртываний. Для клиентов, готовых делиться данными, это даёт эффект «fleet learning», но у ряда заказчиков — в том числе оборонного профиля — системы развёрнуты в air-gapped средах, и данные не покидают объект, что ограничивает централизованное обучение (источник).

Вывод для инженеров и команд

Подход Standard Bots демонстрирует практическую стратегию работы с моделями в промышленности: узкая роль модели, приоритет целевых данных, локальное выполнение inference и обязательство интеграции с конкретным оборудованием. При работе с такими платформами инженерам нужно учитывать ограничения интеграции, требования к периферийному оборудованию и правила обмена данными с провайдером — сведения и подтверждения взяты из интервью Latent Space (источник).