[德國] 兩個博士10億次抓取 這公司盤活德國工業拾年家底
斯圖加特的兩個博士、BMW 的產線
Sereact 的兩個創始人在 ISW 做博士的幾年，剛好趕上工業 4.0 數據基礎設施成熟的窗口期。Gulde 在 2025 年的壹次校友訪談裡說，在 ISW 最重要的收獲是“質疑深度學習模型怎麼訓練這件事的自由”。意思是，他們在壹個全德最好的工業控制實驗室裡，手邊就是真實的產線數據，可以反復嘗試用機器學習去消化它。這種條件在伯克利或斯坦福的機器人實驗室裡基本不存在，因為那些實驗室沒有真實產線給他們測試。
2021 年公司成立。前兩年，Sereact 把產品推到歐洲贰拾幾家客戶那裡部署：單臂揀選工位、雙臂退貨分揀站、Sereact Lens（基於 Cortex 視覺感知拆出來的 3D 庫存與質檢系統）。每壹台機器人同時是工作站和數據采集器。每壹次抓取，成功也好、失敗也好、需要遠程幹預也好，都被同步記錄：攝像頭觀測、機器人本體狀態、夾爪力反饋、最終結果，壹整套打包上傳。
這些數據不是全部入模型，而是先過壹層新穎度和不確定度的過濾，系統優先用最有信息量的樣本去更新策略。更新後的模型通過自動回歸測試，確認沒有性能回退，再下發到整支機隊，由此形成閉環
Cortex 的第壹代是壹個 VLA 模型，看到什麼就抓什麼，采取典型的反應式策略。如果壹次抓取失敗，反應式策略往往會重復同樣的錯誤動作，失敗疊加失敗。這次 B 輪發布的 Cortex 2.0 在 VLA 之上加了世界模型：從當前狀態出發，生成壹組候選未來軌跡，放進壹個學過物理和物體行為的模型裡跑壹遍，按穩定性、風險、效率給每條軌跡打分，機器人只執行得分最高的那條，執行過程中場景變化會實時更新預演。從“試了再看”變成“看了再試”。
這便是 Tuscher 所說的“機器人在 latent space 裡做夢”。
在 Cortex 2.0 還有壹個比較特殊的工程取舍：推演用多少算力是可調的。包裹打包、kitting、易碎品擺放這種失敗代價高的任務，多花算力多推幾步；漏抓重抓壹次就能解決的任務，少花算力直接動手。這條設計是把世界模型從研究 demo 推到產線可用的關鍵。
另外，Cortex 模型的規劃層跑在視覺隱空間，而不是機器人關節空間。關節命令綁死在某個機器人的運動學結構上，像素層面的物體、接觸、運動規律則是跨硬件通用的。所以同壹個 Cortex 大腦可以驅動單臂揀選、雙臂退貨、人形機器人、固定工作單元等不同硬件形態。
到這裡，工業 4.0 這拾年攢下的標准化基建，通過兩個 ISW 博士的創業，被打包成了壹種全新的資產形態：可訓練的真實工業數據，加上能消化這些數據的模型架構。
2025 年 A 輪 2,500 萬歐元，Creandum 領投。2026 年 4 月 B 輪 1.1 億美元，Headline 領投，Bullhound、Daphni、Felix Capital 跟進。累計融資到 1.4 億美元出頭。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: