Destro est sorti du mode furtif en déclarant avoir développé une couche d’intelligence artificielle qui gère les opérations logistiques plutôt que des robots, et a levé 8 millions de dollars en financement seed. Le fondateur de l’entreprise, Manthan Pawar, possède environ huit ans d’expérience dans la chaîne d’approvisionnement et la robotique aux États-Unis ; il s’attend à ce que Destro devienne positive en termes de flux de trésorerie d’ici la fin de l’année.
L’entreprise s’est concentrée sur le processus de cross-docking dans l’un des quelque 30 sites de Yusen Logistics aux États-Unis, une société japonaise de transport, qui consiste à diriger vers différents véhicules les produits déchargés des camions. Richard Brunelle, directeur de l’automatisation de Yusen, a demandé à Destro d’adapter à cette opération le système que l’entreprise avait initialement développé pour les processus de picking and pack. Destro a modifié sa solution pour ce cas d’usage.
Le premier projet pilote a été mené dans un site de Yusen situé dans le Pacific Northwest. Trois robots fabriqués par Miva Robotics ont fonctionné avec le système d’exploitation Vision de Destro, fondé sur des modèles vision-language-action open-weight. Tandis que les employés plaçaient les produits dans différents chariots, les robots repéraient les chariots remplis et les transportaient vers leur destination. Il a été rapporté que l’opération était devenue plus systématique et nécessitait moins de main-d’œuvre grâce au système d’exploitation Mothership, qui gère les personnes, les chariots et les camions.
Yusen avait également discuté avec deux grandes entreprises de robotique dans un domaine similaire, mais les solutions de ces entreprises ne pouvaient pas s’adapter au flux de travail existant. L’une d’elles ne pouvait transporter les chariots que d’un point à un autre, tandis que l’autre, bien qu’elle propose une gestion de flotte, nécessitait un employé pour l’ensemble de la coordination. Destro a été privilégiée parce qu’elle pouvait orienter l’intégralité du processus de manière autonome.
Destro étend le premier pilote à un déploiement complet avec 26 robots et lance un nouveau pilote avec 17 robots dans le site de Yusen en Californie du Sud. Pawar vise à déployer ce flux de travail dans des milliers d’entrepôts où des opérations similaires sont menées. Le tour de financement a été dirigé par Base10 Partners et Bonfire Ventures, avec la participation de CoFound Partners.
Il est indiqué que l’entreprise pourrait rencontrer des difficultés dans les processus nécessitant davantage de compétences et de manipulation physique. Alors qu’il est affirmé que les corps de robots polyvalents et les modèles open source ne sont pas encore suffisamment performants pour ces tâches, Pawar soutient que la véritable valeur réside dans la couche logicielle que Destro a développée autour des robots et des modèles. Brunelle, de Yusen, a quant à lui déclaré ne pas avoir encore trouvé de cas d’usage adapté aux robots humanoïdes, mais évaluer un éventuel pilote avec un robot humanoïde sur roues. Destro sera présentée au TechCrunch Disrupt, qui se tiendra à San Francisco du 13 au 15 octobre.
Pourquoi c’est important
L’approche de Destro met en avant le rôle d’un logiciel qui coordonne les personnes, les véhicules et les machines au sein d’un même flux de travail, plutôt que de se contenter d’augmenter le nombre de robots dans l’automatisation des entrepôts. Pour les entreprises de logistique qui souhaitent ajouter de l’automatisation sans transformer entièrement leurs opérations existantes, cela constitue un modèle alternatif aux systèmes conçus pour une seule tâche ou nécessitant une supervision humaine constante. Toutefois, la valeur de ce modèle dépend de la mesure dans laquelle il peut être transposé à des tâches exigeant davantage de compétences physiques que les processus reposant principalement sur l’orientation et le transport ; les limites des modèles à poids ouverts et des corps de robots polyvalents seront ici déterminantes. Le déploiement des applications dans différents sites montrera si le même niveau de coordination peut être maintenu malgré des configurations et des flux de travail variables, tandis que le fait que les cas d’usage adaptés aux robots humanoïdes ne soient toujours pas clairement définis laisse également ouverte une question quant à l’orientation de l’automatisation.