스타트업 Destro AI가 Base10 Partners와 Bonfire Ventures가 주도하고 CoFound Partners가 참여한 800만 달러 규모의 시드 라운드를 통해 스텔스 모드에서 벗어났다. 이 회사는 새로운 로봇을 제조하는 것보다 창고 내 로봇 운영을 개선하는 것이 더 큰 가치가 있을 수 있다고 보고, 로봇과 작업자, 차량을 하나의 작업 흐름 안에서 조율하는 소프트웨어 계층을 구축하고 있다.
회사를 이끄는 Manthan Pawar는 NYU Tandon에서 로봇공학 석사 학위를 받았으며, 미국의 공급망 및 로봇 분야에서 약 8년의 경력을 보유하고 있다. TechCrunch가 그를 인용해 보도한 바에 따르면, Destro는 창고의 구체적인 운영 문제를 해결하는 것을 목표로 하며 올해 말까지 현금흐름 흑자를 달성할 수 있을 것으로 보고 있다.
전체 프로세스를 조율하는 플랫폼
Destro는 현재 트럭에서 화물을 내리고 이를 혼합 적재물로 분류한 뒤 최종 배송을 위해 다른 트럭으로 옮기는 크로스도킹(cross-docking) 작업에 집중하고 있다. 회사는 태평양 북서부에 위치한 Yusen Logistics 시설에서 Miva Robotics가 제조한 카트를 운반하는 로봇 3대를 사용해 시험을 시작했다.
로봇은 Vision 시스템을 통해 작동한다. 이 시스템은 카메라 이미지와 지시를 해석하고 로봇의 움직임을 제어할 수 있는 오픈 웨이트 기반의 비전-언어-행동 모델을 사용하는 운영체제다. 동시에 Mothership 시스템은 더 광범위한 작업을 관리한다. 작업자들이 여러 카트에 화물을 나눠 싣고 나면 로봇이 작업이 완료된 카트를 식별해 목적지로 운반한다.
Yusen은 이러한 접근 방식 덕분에 작업이 더욱 체계화되고 수작업과 종이 문서에 대한 의존도가 낮아졌다고 말한다. Destro의 핵심적인 차이점은 카트를 한 지점에서 다른 지점으로 옮기는 데 그치지 않고, 공동 작업 흐름 안에서 작업자와 카트, 트럭을 함께 지휘한다는 점이다.
실제로 무엇이 달라졌나?
Yusen 미국 물류 서비스 부문의 자동화 담당 이사 Richard Brunelle에 따르면, Destro를 선택하기 전에 두 곳의 대형 로봇 기업 솔루션을 시험했다. 한 솔루션은 카트를 운반할 수 있었지만 상하차 작업을 관리하지 못했고, 다른 솔루션은 차량군 관리 도구를 제공했지만 전체 조율은 사람에게 맡겼다. Destro는 크로스도크 환경에 적응하고 전체 작업을 독립적으로 지휘했기 때문에 선택됐다.
Yusen은 이제 초기 시험을 로봇 26대를 포함한 전체 배치로 확대하고 있으며, 남부 캘리포니아의 한 시설에서는 로봇 17대를 사용하는 두 번째 시험도 시작한다. Pawar는 유사한 작업을 수행하는 수천 개의 창고에서 동일한 작업 흐름을 반복 적용할 계획이다.
제약과 남은 질문
현재 모델이 성공했다고 해서 이 플랫폼이 모든 창고 업무에 적합하다는 의미는 아니다. 수작업 능력과 정밀한 물체 조작이 필요한 작업은 여전히 범용 로봇과 오픈 모델에 도전 과제로 남아 있다. 또한 기반 모델이나 고도로 정교한 로봇 손, 범용 휴머노이드 로봇을 개발하는 기업들이 소프트웨어 계층 기업에 자사 도구를 제공할지, 아니면 직접 경쟁할지도 아직 분명하지 않다.
Destro의 사례는 물류 자동화에서 실용적인 방향을 보여준다. 가치는 반드시 로봇의 형태에서 나오는 것이 아니라 로봇을 전체 운영 프로세스에 통합하는 데서 나올 수 있다. 그러나 이 모델을 반복 적용할 수 있는지는 창고 간 작업 흐름의 유사성, 그리고 시스템이 운반과 지시를 넘어 정밀한 파지와 처리까지 필요한 작업을 다룰 수 있는 능력에 달려 있다.