Als das Unternehmen anfing, hatten die Gründer von Robust.AI nicht die Absicht, Hardware herzustellen. „Hardware ist schwierig“, sagt Mitbegründer und CTO Rodney Brooks gegenüber TechCrunch, „und Hardware im großen Maßstab herzustellen ist schwieriger. Es braucht viele Ressourcen und es dauert lange, bis es ankommt. Aus diesem Grund lieben die Leute reine Softwarespiele: Die Grenzkosten einer weiteren Kopie sind kostenlos.“

Die Vorstellung wurde zweifellos durch Brooks’ lange Geschichte im Bereich Robotik-Hardware verstärkt, zunächst als MIT-Professor und dann als Mitbegründer von iRobot und Rethink. Doppelt so nach der Schließung des letzteren im Jahr 2018.

„Wir begannen mit dem Versuch, ein reines Softwareunternehmen zu werden“, sagt Anthony Jules, Mitbegründer, CEO und ehemaliger Schüler von Brooks. „Wir begannen, uns den Raum anzusehen und entschieden, dass es eine großartige Gelegenheit gab, etwas zu schaffen, das die Menschen veränderte. Als wir uns dafür begeisterten, haben wir sehr standardmäßige Produktarbeit geleistet, um zu verstehen, was die Schmerzpunkte sind und was den Menschen in diesem Bereich wirklich helfen würde. Wir hatten eine ziemlich klare Vorstellung davon, was wertvoll sein würde. Eines Tages sagte ich buchstäblich zu Rod: ‚Ich denke, ich habe eine gute Idee für ein Unternehmen, aber Sie werden es hassen, weil es bedeutet, dass wir möglicherweise Hardware bauen müssen.’“

Robust.AI wurde im Mai 2019 gegründet und ist im äußerst beliebten – und hart umkämpften – Lagerraum tätig. Eine Reihe von Unternehmen, die nach der Übernahme von Kiva durch Amazon im Jahr 2012 gegründet wurden, haben bereits eine große Präsenz in dieser Kategorie, darunter Locus Robotics und 6 River Systems. Die Kategorie hat sich seitdem zur wohl wettbewerbsfähigsten in der gesamten Robotik entwickelt. Huckepack auf dem Konzept, das Rethink vorangetrieben hat, stehen Mensch-Roboter-Interaktionen im Mittelpunkt des Angebots von Robust.

Carter – ein autonomer Lagerwagen – ist mit dem Softwareangebot von Grace, Robust, gekoppelt. Das Unternehmen wird seinen Kunden die beiden Produkte gebündelt mit einem RaaS-Zahlungsmodell anbieten (größere Unternehmen können sich jedoch auf Wunsch auch für eine Vorauszahlung entscheiden). Brooks sagt, Robust habe mit dem Bau des ersteren begonnen, nachdem er festgestellt hatte, dass es auf dem Markt keine Systeme mit der integrierten Hardware gab, die das Startup zu pushen versucht.

„Silizium ist in den letzten Jahren ziemlich wild geworden, mit dem Ende von Moores Gesetz“, sagt Brooks. „Wir sehen diese schmalen Gleitkommaprozessoren, wie den Myriad-Prozessor von Intel, der vier Teraflops pro Sekunde liefert, und wir haben acht davon auf unserem Roboter zum gleichen Preis wie Lidar. Sie können so viele Modelle ausführen, Sie können so viel Vorverarbeitung von Bildern machen, Sie können so viel besseres SLAM machen. Sie sehen die Welt, Sie verstehen, wie sich die Dinge im Laufe der Zeit ändern, Sie erhalten eine umfassendere Beschreibung der Welt. Und es ist billig.“

Heute Morgen kündigt Robust eine Serie A-1 im Wert von 20 Millionen US-Dollar an, die von Prime Movers Lab geleitet wird und Future Ventures, Energy Impact Partners, JAZZ Ventures und Playground Global umfasst. Die beiden letzteren führten Ende 2020 die 15-Millionen-Dollar-Serie A des Startups an.

Frühe Videos der Carter- und Grace-Systeme demonstrieren mehr Flexibilität als andere Lösungen. Während sie nach einer schnellen Einrichtung autonom navigieren oder Arbeitern folgen können, können menschliche Mitarbeiter auch die Griffe greifen und sie bei Bedarf manuell bewegen. Es ist ein scheinbar offensichtliches Merkmal, aber dieses Maß an Flexibilität kann schwierig in autonome mobile Roboter zu integrieren sein.

„Sehr oft wird Automatisierung als perfekter oder vollständiger Ersatz für Menschen betrachtet“, erklärt Jules. „Aber so funktioniert das einfach nicht. Wenn Sie über das Gesamtsystem nachdenken und was getan werden muss – und es als ein Gleichgewicht zwischen dem, was Maschinen tun, und dem, was Menschen tun, um Produktivität und Kosteneffizienz zu maximieren – betrachten, erhalten Sie am Ende bessere Lösungen. Das ist etwas, was die Leute falsch machen, wenn man versucht, alles zu automatisieren, und das führt zu Systemen, die sowohl anfällig als auch weniger kosteneffektiv sind.“