Lorsque l’entreprise a démarré, les fondateurs de Robust.AI n’avaient aucune intention de fabriquer du matériel. « Le matériel est difficile », a déclaré le co-fondateur et CTO Rodney Brooks à fr.techtribune.net, « et faire du matériel à grande échelle est plus difficile. Il faut beaucoup de ressources et il faut beaucoup de temps pour y arriver. C’est pourquoi les gens aiment les jeux purement logiciels : le coût marginal d’une autre copie est gratuit. »
La notion était, sans aucun doute, aggravée par la longue histoire de Brooks dans le matériel robotique, d’abord en tant que professeur au MIT, puis en tant que cofondateur d’iRobot et de Rethink. Doublement après la fermeture de ce dernier en 2018.
« Nous avons commencé par essayer d’être une entreprise de logiciels uniquement », explique Anthony Jules, co-fondateur, PDG et ancien élève de Brooks. « Nous avons commencé à regarder l’espace et avons décidé qu’il y avait une excellente opportunité de vraiment créer quelque chose de transformateur pour les gens. Une fois que nous nous sommes enthousiasmés à ce sujet, nous avons effectué un travail de produit très standard pour comprendre quels sont les points faibles et ce qui aiderait vraiment les gens dans cet espace. Nous avions une vision assez claire de ce qui serait précieux. Un jour, j’ai littéralement dit à Rod : « Je pense que j’ai une bonne idée pour une entreprise, mais vous allez la détester, car cela signifie que nous devrons peut-être construire du matériel. »
Fondée en mai 2019, Robust.AI opère dans l’espace d’entrepôt extrêmement populaire et extrêmement compétitif. Un certain nombre d’entreprises créées à la suite de l’acquisition de Kiva par Amazon en 2012 ont déjà une large empreinte dans la catégorie, notamment Locus Robotics et 6 River Systems. La catégorie est depuis devenue sans doute la plus compétitive de toute la robotique. S’appuyant sur le concept qui a conduit Rethink, les interactions homme-robot sont au cœur de l’offre de Robust.
Carter – un chariot d’entrepôt autonome – est associé à Grace, l’offre logicielle de Robust. La société proposera aux clients les deux produits groupés, avec un modèle de paiement RaaS (bien que les grandes entreprises puissent choisir de payer à l’avance si elles le souhaitent). Brooks dit que Robust a commencé à construire le premier après avoir découvert qu’il n’y avait pas de systèmes sur le marché avec le matériel embarqué que la startup essaie de pousser.
« Le silicium est devenu assez sauvage ces dernières années, avec la fin de la loi de Moore », déclare Brooks. « Nous voyons ces processeurs à virgule flottante étroite, comme le processeur Myriad d’Intel qui fournit quatre téraflops par seconde, et nous en avons huit sur notre robot pour le même prix que le lidar. Vous pouvez exécuter tellement de modèles, vous pouvez faire tellement de prétraitement d’images, vous pouvez faire tellement mieux SLAM. Vous voyez le monde, vous comprenez comment les choses changent avec le temps, vous obtenez une description plus riche du monde. Et c’est pas cher. »
Ce matin, Robust annonce une série A-1 de 20 millions de dollars, dirigée par Prime Movers Lab et mettant en vedette Future Ventures, Energy Impact Partners, JAZZ Ventures et Playground Global. Les deux derniers ont dirigé la série A de 15 millions de dollars de la startup, à la fin de 2020.
Les premières vidéos des systèmes Carter et Grace démontrent plus de flexibilité que les autres solutions. Bien qu’ils puissent naviguer de manière autonome ou suivre les travailleurs après une configuration rapide, les employés humains peuvent également saisir les poignées et les déplacer manuellement, selon les besoins. C’est une caractéristique apparemment évidente, mais ce niveau de flexibilité peut être difficile à intégrer dans des robots mobiles autonomes.
« Très souvent, les gens pensent que l’automatisation est un substitut parfait ou complet aux personnes », explique Jules. « Mais ça ne marche pas comme ça. Si vous pensez au système global et à ce qui doit être fait — et pensez-y comme un équilibre entre ce que font les machines et ce que font les gens pour maximiser la productivité et la rentabilité — vous vous retrouvez avec de meilleures solutions. C’est quelque chose que les gens se trompent lorsque vous essayez de tout automatiser, et cela conduit à des systèmes à la fois fragiles et moins rentables.
