初创公司Destro AI以由Base10 Partners和Bonfire Ventures领投、CoFound Partners参与的800万美元种子轮融资走出隐身模式。公司押注于这样一种观点：改善仓库内机器人的运营方式，可能比制造一款新机器人更有价值。因此，公司正在构建一个软件层，在同一套工作流程中协调机器人、工人和车辆。
公司由Manthan Pawar领导。他拥有NYU Tandon的机器人学硕士学位，并在美国供应链和机器人领域拥有约八年经验。据TechCrunch援引他的话称，Destro的目标是解决仓库中的具体运营问题，并表示公司正朝着在年底前实现现金流为正的方向发展。
协调整个流程的平台
Destro目前专注于cross-docking作业，即从卡车上卸下货物，将其分拣成混合货载，随后再运至其他卡车，完成最终配送。公司已在Yusen Logistics位于太平洋西北地区的一处设施启动试点，使用三台由Miva Robotics制造的机器人搬运车斗。
这些机器人通过Vision系统运行。该系统基于开放权重的视觉—语言—行动模型，能够解读摄像头图像和指令，并控制机器人的移动。与此同时，Mothership系统负责管理更广泛的流程；当工人将货物卸入不同车斗后，机器人会识别已装满的车斗，并将其运送至目的地。
Yusen表示，这种方法使流程更加系统化，并减少了对人工操作和纸质文件的依赖。Destro的核心区别在于，公司并不只是将车斗从一个地点移动到另一个地点，而是将工人、车斗和卡车纳入同一套工作流程进行引导。
实际发生了哪些变化？
据Yusen美国物流服务部门自动化主管Richard Brunelle介绍，在选择Destro之前，公司曾测试过两家大型机器人公司的解决方案。其中一套方案能够搬运车斗，却无法管理装卸流程；另一套则提供了车队管理工具，但仍将整体协调工作交给人工完成。Yusen最终选择Destro，是因为该公司适应了cross-dock环境，并能够对整个流程提供自主引导。
Yusen目前正将最初的试点扩大为部署26台机器人的完整项目，同时在南加州一处设施启动使用17台机器人的第二项试点。Pawar计划在数千个执行类似作业的仓库中复制同一套工作流程。
限制与悬而未决的问题
当前模式的成功并不意味着该平台适用于所有仓库任务。需要手部灵巧性和对物体进行精细操控的工作，仍然是通用机器人和开放模型面临的挑战。此外，开发基础模型、高度灵巧的机器人手臂或通用人形机器人的公司，是否会向软件层公司开放其工具，还是会直接与这些公司竞争，目前也尚不明确。
Destro的试验揭示了物流自动化中的一个实用趋势：价值未必来自机器人的外形，而是来自将机器人整合进完整的运营流程。不过，这一模式能否复制，将取决于各仓库之间工作流程的相似程度，以及系统处理超越搬运和引导、涉及抓取与精细操作任务的能力。