Industrial Next می‌خواهد ربات‌های کارخانه وظایف خود را در چند دقیقه تغییر دهند، نه هفته‌ها

Industrial Next به تولیدکنندگان کمک می کند تا کارهای پیچیده و ظریفی را که به طور سنتی به نیروی انسانی نیاز دارند، خودکار کنند.

Disrupt 2026 رسما آغاز شده است. اکنون پاس خود را بگیرید تا در مرکز کانون استارتاپ باشید. هم اکنون ثبت نام کنید

باز شدن درها را در 13 اکتبر مختل کنید. کارت خود را بگیرید و با 50 درصد تخفیف یک نفر را همراه خود بیاورید. هم اکنون ثبت نام کنید.

در اکثر کارخانه ها، اتوماسیون ثابت است: ربات ها و ماشین ها برای یک کار و محصول خاص برنامه ریزی شده اند. تغییر خط به معنای برنامه‌ریزی مجدد و ابزار فیزیکی مجدد یا تعویض تجهیزات است که ممکن است هفته‌ها یا ماه‌ها طول بکشد. Industrial Next مستقر در سانفرانسیسکو می گوید که در حال تغییر آن است.

این استارت‌آپ که امروز در استارتاپ Battlefield در TechCrunch Disrupt 2026 ارائه شد، ایستگاه‌های رباتیک مبتنی بر هوش مصنوعی می‌سازد که با مدل‌های پایه اختصاصی که بینش، زمینه کار و حرکت را به هم متصل می‌کنند، می‌سازد. این شرکت می‌گوید این امکان را فراهم می‌کند که یک خط تولید در چند دقیقه به جای چند هفته بدون برنامه‌نویسی سنتی، دوباره ابزار شود. هدف این است که به تولیدکنندگان اجازه دهیم کارهای پیچیده و ظریفی را که به طور سنتی به نیروی انسانی نیاز دارند، خودکار کنند.

این شرکت روی صحنه اعلام کرد که با دفتر فناوری گروه BMW همکاری می کند تا دستکاری ماهرانه Industrial Next با هوش مصنوعی را برای تولید ارزیابی کند.

Industrial Next در سال 2021 توسط لوکاس پانکائو و آلن پان که هر دو قبلا در تسلا کار می کردند، تاسیس شد. پانکائو قبل از رفتن به Waymo به عنوان یک معمار اصلی برق در تسلا خدمت می کرد. پان تلاش های کارخانه خودمختار تسلا را رهبری کرد و بعداً به عنوان معمار ارشد در شرکت رانندگی خودمختار Neolix تبدیل شد.

این زوج ایده Industrial Next while را مطرح کردندبا هم در تسلا کار می کنند. اولین برخورد پانکاو با پان به معنای واقعی کلمه روی او افتاد، زیرا پان پس از کشیدن یک شب تمام شب در کت واک کارخانه در خواب بود. اگرچه این دو در ابتدا با هم هماهنگ نبودند، اما به زودی متوجه شدند که در انجام کارها وسواس مشترک دارند و مهارت‌های مکمل هم دارند.

بنیانگذاران پس از سال‌ها تماشای تکنولوژی‌های پیشرفته خودرو و خودران، متوجه شدند که تولید باید بازسازی شود.

پانکائو گفت: "ما همه این کارهای شیک را داشتیم که می‌توانستیم روی ماشین‌ها انجام دهیم. من می‌توانم الگوریتم‌های یادگیری ماشینی را اجرا کنم تا ماشینی برایم طراحی کنم. اما نمی‌توانستم بفهمم چگونه یک ربات را برنامه‌ریزی کنم، و این برای مهندسان تسلا بسیار رایج بود." "شما این شکاف عظیم را داشتید، درست است؟ شما افرادی را داشتید که واقعاً در کاری که انجام می‌دهند - طراحی ماشین‌ها و طراحی سیستم‌های خودران - و سپس آنها را به طور مؤثر در کارخانه‌ای که به این تجهیزات مربوط به دهه 1980 نگاه می‌کردند، سرکوب کردید. و بنابراین ما شروع کردیم به بازاندیشی که با استفاده از فناوری امروزی ما و استفاده از همه چیزهایی که امروز می‌دانیم، چگونه باید باشد."

این دو حتی پس از رفتن به شغل بعدی خود به ناامیدی خود از تجهیزات صنعتی فکر می کردند. آنها در تماس ماندند و اغلب به یادآوری ماشین‌هایی می‌پرداختند که هرگز آنطور که می‌خواستند کار نمی‌کردند، و در نهایت تصمیم گرفتند که می‌توانند بهتر عمل کنند.

پانکائو گفت: «من در آن زمان در Waymo بودم، به نوعی حوصله ام سر رفته بود، زیرا آن سرعت تسلا را از دست داده بودم. پان، اوافزود، در موقعیت مشابهی در Momenta، توسعه دهنده سیستم های خودران در چین بود. پان نتیجه گیری آنها را به یاد آورد: "ما جوان تر نمی شویم، و هنوز هم آشکارا به آن علاقه مندیم. ما همچنان از فناوری صنعتی شکایت داریم. مثلاً سه سال بعد، باید شرکت را راه اندازی کنیم."

Pankau اشاره می کند که روبات های صنعتی سنتی معمولاً برای انجام وظایف بسیار خاص و قابل تکرار برنامه ریزی شده اند. در نتیجه، حتی یک تغییر کوچک در فرآیند یا محصول می‌تواند باعث از کار افتادن ربات یا ایجاد خرابی پرهزینه شود که تولیدکنندگان را مجبور می‌کند تا محصولات خود را برای تکرارپذیری ساده‌سازی کنند.

ساختن روبات‌ها واقعاً انعطاف‌پذیر چالش متفاوتی را به همراه دارد. آن‌ها به حجم عظیمی از داده‌های آموزشی نیاز دارند و برخلاف مدل‌های هوش مصنوعی که در اینترنت آموزش داده شده‌اند، رباتیک فاقد مجموعه داده‌های گسترده مورد نیاز برای آموزش ماشین‌ها برای انجام وظایف فیزیکی پیچیده است.

Pankau توضیح داد: «ما می‌توانیم ربات‌ها را وادار کنیم تا همه این کارهای جالب مانند رقصیدن را انجام دهند، زیرا داده‌هایی برای آن وجود دارد، اما نمی‌توانیم آنها را مجبور کنیم چیزهای با دقت بالا را جمع‌آوری کنند. اینجاست که ما پیشرفت زیادی در استفاده از محیط‌های شبیه‌سازی شده برای انجام این وظایف با دقت و مهارت بالا داشته‌ایم. سس مخفی برای روبات‌هایی که در اختیار داریم این است که به آنها درک کلی از این فرآیند داده‌ایم، اما ما این درک را با استفاده از یک موتور شبیه‌سازی با وفاداری بسیار بالا ایجاد می‌کنیم که نزدیک به دینامیک واقعی است که تقریباً به ربات‌ها اجازه می‌دهیم این وظایف دقیق را انجام دهد.بدون اینکه اصلاً قسمت‌ها را ببینیم.»

به عبارت دیگر، ربات‌ها در دنیای مجازی بسیار دقیق تمرین می‌کنند که دقیقاً فیزیک دنیای واقعی را تقلید می‌کند. ایستگاه‌های روباتیک Industrial Next را می‌توان مجدداً پیکربندی، ترکیب کرد و در خطوط تولید مجدداً مستقر کرد. کارهای جدید به جای اسکریپت های کدگذاری سخت، از طریق شبیه سازی و نمایش آموزش داده می شوند.

Pankau توضیح داد که برخی از ایستگاه های کاری این استارتاپ در حال حاضر در ساخت یکی از محبوب ترین گوشی های هوشمند جهان استفاده می شود. آن‌ها کارهایی را انجام می‌دهند که تولیدکنندگان سال‌ها تلاش کرده بودند و در خودکارسازی آن‌ها شکست خورده‌اند، مانند پیچاندن یک کابل انعطاف‌پذیر ظریف و بستن یک کلاهک اتصال کوچک در جای خود. (او اختیار نداشت مشتری را فاش کند.) او همچنین یک ایستگاه «لایه برداری فیلم» را توصیف کرد، جایی که ربات‌های مجهز به هوش مصنوعی آن‌ها فیلم محافظ ماژول‌ها و دکمه‌های دوربین را با سرعت انسان یا بالاتر از آن با دقت 100 درصد جدا می‌کنند، حتی زمانی که به یک مدل تلفن جدید و خط تولید منتقل می‌شوند که هرگز ندیده‌اند.

پانکائو گفت: «ما این شرکت را راه‌اندازی کردیم زیرا این همان عملکردی است که آرزو می‌کردیم در تسلا داشته باشیم، جایی که ایستگاه‌های ربات را دور می‌زدیم زیرا نمی‌توانستیم آنها را به اندازه کافی با استفاده از فناوری‌های سنتی برنامه‌ریزی کنیم.» اکنون ما می‌خواهیم این کار را به کارهای پیچیده‌تر از ساختن یک تلفن انجام دهیم. ما در نهایت می‌خواهیم این کار را به ساخت یک خودروی کامل و سرتاسر بدون هیچ گونه تماس انسانی انجام دهیم.»

برای بررسی بیشتر از Startup Battlefield - همراه با لیستی از بنیانگذاران و VCهای شناخته شده که شما نمی خواهید این صنعت را بررسی کنیدخانم - به ما در Disrupt بپیوندید، که این هفته در مرکز شهر سانفرانسیسکو اتفاق می افتد.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

عایشه گزارشگر اخبار مصرف کننده در TechCrunch است. قبل از پیوستن به این نشریه در سال 2021، او یک خبرنگار مخابراتی در MobileSyrup بود. عایشه دارای مدرک لیسانس ممتاز از دانشگاه تورنتو و مدرک کارشناسی ارشد روزنامه نگاری از دانشگاه وسترن است.

می‌توانید با ارسال ایمیل به [email protected] یا از طریق پیام رمزگذاری‌شده در aisha_malik.01 در سیگنال، با عایشه تماس بگیرید یا آن را تأیید کنید.

50٪ تخفیف برای پاس دوم دریافت کنید تجربه Disrupt قرار است به اشتراک گذاشته شود. پاس خود را بگیرید و یک همکار، شریک یا همتای خود را با 50 درصد تخفیف بیاورید. با ایجاد ارتباطات، ایجاد شتاب و کشف آنچه در اکوسیستم استارت آپی در آینده وجود دارد، زمینه بیشتری را پوشش دهید.

حمله ایلان ماسک به آمبانی به دلیل تاخیر در پرتاب استارلینک هند جگمیت سینگ

باتری‌ها اکنون ارزان‌تر از توربین‌های گاز طبیعی هستند که در بسیاری از مراکز داده تیم د چانت استفاده می‌شوند

Orkut را به خاطر دارید؟ بنیانگذار آن می‌خواهد جگمیت سینگ را بازگرداند

ایالات متحده مایکروسافت، ادوبی و شرکت های بزرگ فناوری اطلاعات را از برنامه گرین کارت برای کارگران خارجی ماهر عایشه مالک محروم کرد.

ایلان ماسک تأثیر آمبانی را زیر سوال می برد زیرا استارلینک هند در غرفه های جاگمیت سینگ راه اندازی می کند

بنیانگذار 19 ساله Cal AI به تازگی 10 میلیون دلار برای استارتاپ جدید هوش مصنوعی خود جولی بورت جمع آوری کرده است.