[德国] 两个博士10亿次抓取 这公司盘活德国工业十年家底
斯图加特的两个博士、BMW 的产线
Sereact 的两个创始人在 ISW 做博士的几年，刚好赶上工业 4.0 数据基础设施成熟的窗口期。Gulde 在 2025 年的一次校友访谈里说，在 ISW 最重要的收获是“质疑深度学习模型怎么训练这件事的自由”。意思是，他们在一个全德最好的工业控制实验室里，手边就是真实的产线数据，可以反复尝试用机器学习去消化它。这种条件在伯克利或斯坦福的机器人实验室里基本不存在，因为那些实验室没有真实产线给他们测试。
2021 年公司成立。前两年，Sereact 把产品推到欧洲二十几家客户那里部署：单臂拣选工位、双臂退货分拣站、Sereact Lens（基于 Cortex 视觉感知拆出来的 3D 库存与质检系统）。每一台机器人同时是工作站和数据采集器。每一次抓取，成功也好、失败也好、需要远程干预也好，都被同步记录：摄像头观测、机器人本体状态、夹爪力反馈、最终结果，一整套打包上传。
这些数据不是全部入模型，而是先过一层新颖度和不确定度的过滤，系统优先用最有信息量的样本去更新策略。更新后的模型通过自动回归测试，确认没有性能回退，再下发到整支机队，由此形成闭环
Cortex 的第一代是一个 VLA 模型，看到什么就抓什么，采取典型的反应式策略。如果一次抓取失败，反应式策略往往会重复同样的错误动作，失败叠加失败。这次 B 轮发布的 Cortex 2.0 在 VLA 之上加了世界模型：从当前状态出发，生成一组候选未来轨迹，放进一个学过物理和物体行为的模型里跑一遍，按稳定性、风险、效率给每条轨迹打分，机器人只执行得分最高的那条，执行过程中场景变化会实时更新预演。从“试了再看”变成“看了再试”。
这便是 Tuscher 所说的“机器人在 latent space 里做梦”。
在 Cortex 2.0 还有一个比较特殊的工程取舍：推演用多少算力是可调的。包裹打包、kitting、易碎品摆放这种失败代价高的任务，多花算力多推几步；漏抓重抓一次就能解决的任务，少花算力直接动手。这条设计是把世界模型从研究 demo 推到产线可用的关键。
另外，Cortex 模型的规划层跑在视觉隐空间，而不是机器人关节空间。关节命令绑死在某个机器人的运动学结构上，像素层面的物体、接触、运动规律则是跨硬件通用的。所以同一个 Cortex 大脑可以驱动单臂拣选、双臂退货、人形机器人、固定工作单元等不同硬件形态。
到这里，工业 4.0 这十年攒下的标准化基建，通过两个 ISW 博士的创业，被打包成了一种全新的资产形态：可训练的真实工业数据，加上能消化这些数据的模型架构。
2025 年 A 轮 2,500 万欧元，Creandum 领投。2026 年 4 月 B 轮 1.1 亿美元，Headline 领投，Bullhound、Daphni、Felix Capital 跟进。累计融资到 1.4 亿美元出头。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: