La financiación de la robótica se ha enfriado en general desde sus picos de 2021-2022, pero muchos de los problemas expuestos por la pandemia siguen firmemente vigentes. El mayor impulso detrás de la financiación de riesgo en esta categoría es la actual escasez de mano de obra. Firma de analistas Garner predice que para 2028la mitad de las grandes empresas emplearán robots en sus procesos de almacén y fabricación.
El otro factor clave que la robótica de almacén y logística tiene a su favor es una trayectoria comprobada. Si bien muchos enfoques de automatización actualmente tienen un retorno de la inversión teórico, los robots de almacén están haciendo el trabajo ahora mismo, desde Amazon hacia abajo.
Materia gris se encuentra entre aquellos con una trayectoria comprobada en el campo. La empresa del sur de California informa que sus sistemas actualmente producen “una mejora de 2 a 4 veces en la productividad de la línea de producción”. [and a] Reducción del 30% o más en residuos de consumibles”. Grandes nombres, incluido 3M, utilizan actualmente sus sistemas.
Todo esto a pesar de que GrayMatter es una empresa joven, que se fundó apenas al comienzo de la pandemia en 2020.
“Fundamos GrayMatter para mejorar la productividad y al mismo tiempo priorizar el bienestar de la fuerza laboral”, dice el cofundador y director ejecutivo Ariyan Kabir en un comunicado. “Con nuestros sistemas impulsados por IA basados en la física, estamos cumpliendo nuestra misión y al mismo tiempo desbloqueamos nuevos niveles de eficiencia y productividad. Con el apoyo de nuestros inversores, estamos marcando una diferencia real para los trabajadores de los talleres y abordando la crítica escasez de mano de obra en la fabricación actual”.
¿Qué es entonces un sistema robótico “basado en la física”? GrayMatter contrasta su enfoque con el método puramente basado en datos utilizado por otros. La empresa explica:
Considere el problema de predecir la salida del proceso en función de la entrada. Si se espera que la producción aumente con un aumento en la entrada, entonces el espacio del modelo subyacente es limitado y una cantidad menor de datos puede entrenarlo. No necesitamos considerar modelos arbitrariamente complejos. Por otro lado, esto requiere representaciones más complejas y métodos de generación de soluciones asociados para manejar las restricciones y producir un rendimiento computacional aceptable. No podemos entrenar una red neuronal simple con datos de entrada y salida observados. En este caso, no hay garantía de que se preserve la restricción del proceso si la salida utilizada durante el entrenamiento es ruidosa.
El interés en la empresa ha impulsado el crecimiento. GrayMatter es un habitual en nuestras publicaciones de ofertas de trabajo en robótica. El resumen que publicamos en mayo enumeró 20 puestos vacantes, entre los más altos de los enumerados.
Ese crecimiento, a su vez, está respaldado por una financiación continua. El jueves, GrayMatter anunció una ronda Serie B de 45 millones de dólares, liderada por Wellington Management, con la participación de NGP Capital, Euclidean Capital, Advance Venture Partners, SQN Venture Partners, B Capital, Bow Capital, Calibrate Ventures, OCA Ventures y Swift Ventures.
La ronda casi duplica los 25 millones de dólares de la Serie A que cerró la compañía en 2022.