Standard Bots azt állítja, hogy „Amerika legnagyobb AI‑natív ipari robotgyártója”. A cég 2026-ban egy sorozat C finanszírozási körben 200 millió dollárt gyűjtött be egy milliárd dolláros értékelés mellett; a kört a General Catalyst és a RoboStrategy vezette, utóbbi kifejezetten a robotikára fókuszáló alap. Ügyfelei között szerepelnek a NASA, az Amazon és a Lockheed Martin.
A vállalatot Evan Beard társalapító‑vezérigazgató és Leif Jentoft, a mesterséges intelligencia részleg vezetője képviselte a beszélgetésben, ahol a Standard Bots AI‑stackjéről és modelljeinek működéséről adtak részleteket.
Mire használják a robotkarokat?
A Standard Bots ipari robotkarjai tipikusan olyan feladatokra készültek, mint gépkezelés (machine tending), hegesztés és szerelés. A cég azokat a rövid időtávú, ciklusidőben és megbízhatóságban szigorúan igényelt feladatokat célozza meg, ahol a tanult viselkedés előnyt jelent.
A vállalatnál a munkafolyamatok egy részét hagyományos programozással oldják meg, ha az adott rész nem igényel tanuló viselkedést — például a mozgásvezérlés és a cella logikája gyakran konvencionális kóddal fut, míg az érzékelés és az azonosítás modellekre támaszkodik.
Előre betanított alapmodell és feladatspecifikus adaptáció
Beard szerint a Standard Bots egy megosztott alapmodellt (shared base model) használ, amelyet az ügyfelek demonstrációkkal és finomhangolással adaptálnak saját feladataikhoz. Jentoft hozzátette, hogy többféle modellt futtatnak, például egy zero‑shot percepciós rendszert gépkezeléshez.
A cég legnagyobb modellje „alacsony milliárdos paramétertartományban” van, tehát a frontvonalbeli laborokhoz képest nem rendkívül nagy. Jentoft hangsúlyozta: „szerintünk az adatminőség sokkal fontosabb, mint a nyers volumen”, és a hangsúly a célzott adatokból való kihozatalon van, nem pedig a lehető legtöbb adat összegyűjtésén.
A gépkezeléshez használt háttérmodelljüket több mint egymilliárd képen képezték, ami segít megkülönböztetni a világítási viszonyokat, anyagtípusokat, illetve az objektumot a háttértől.
Teljes AI‑stack és hardver‑szoftver ko‑optimalizáció
A Standard Bots a teljes veremet (full stack) vezérli: robotkart, végszerkezetet (end effector), vezérlőrendszert és az AI‑t is. Jentoft szerint ez lehetővé teszi a modellek és a vezérlési stratégiák együttes optimalizálását, ami mind a teljesítmény, mind a iterációs sebesség szempontjából előnyt jelent. Szerinte ma még nincsenek valóban hardver‑agnosztikus modellek, ezért hasznos az alacsony szintű vezérlés és a magasabb szintű funkciók együttes hangolása.
Ezzel ellentétes célokat fogalmaznak meg azok a vállalatok, mint a Skild, amelyek általános célú robotikai intelligencia és hardverek közötti generalizáció elérésén dolgoznak.
Helyszíni inferencia: szenzorok, edge GPU‑k és „action chunkok”
A Standard Bots‑nál a modellképzés felhőben zajlik, de az inferencia lokálisan, a telephelyen fut. Beard szerint a gyárak és raktárak többségénél megbízhatatlan az internetkapcsolat, ráadásul az üzemidő kritikus az ügyfélelfogadás szempontjából, ezért a zárt hurok helyben marad.
A robotok csuklójára szerelt kamerák és egyéb szenzorok nyers pixeleket és jeleket továbbítanak belső gigabit Ethernet hálózaton. A helyszíni GPU‑k feldolgozzák az adatokat és "action chunk" néven akció‑egységeket generálnak, amelyek a robot alacsony szintű vezérlésébe streamelnek.
Hibák kezelése, valós világbeli demonstrációk és flotta‑tanulás
A Standard Bots szimulációt használ, ahol az lehetséges, de Beard szerint bizonyos gyártási feladatok — például folyadékok, vákuum (sugárzásos) kezelése vagy rugalmas anyagok vágása — jelenlegi szimulátorokban nehezen reprodukálhatók. Valós demonstrációk és kézi korrekciók is szerepet kapnak a tanulási folyamatban.
A cég begyűjti a hibajelzéseket és az emberi korrekciókat a telepítésekből, de az adatok felhasználása az ügyféltől függ. Védelmi (defense) ügyfeleik közül sokan levegőzárt (air‑gapped) környezetben működnek, ahol semmi sem jut vissza a központba. Azon ügyfeleknél, akik nem air‑gappedek, a flotta‑tanulás annyi előnyt hoz az alkalmazásaikhoz, hogy általában nem látnak problémát az adatok hozzájárulásában a jobb teljesítményért cserébe.
StandardOS: fejlesztői platform és integráció
StandardOS néven a vállalat API‑kat és SDK‑kat kínál külső fejlesztők számára, hogy a Standard Bots verem részeit felhasználva robotikai alkalmazásokat építhessenek, sőt saját modelleiket is bevihessék a rendszerbe. Jelenleg a fejlesztőknek saját integrációs kódot kell írniuk, de a cég tervezi a data‑gyűjtés, modellek képzése és telepítése egyszerűsítését.
Beard példaként említette az NVIDIA Cosmos nyílt omnimodális világszemléleti modellcsaládot, amelynek 3. verziója a cég szerint késő májusban jelent meg.
Mit tanítanak az ipari telepítések a mesterséges intelligégről?
Bár a Standard Bots nem a legfelkapottabb humanoid‑startup, a cég már most is ipari automatizálásban működik a NASA‑nál, az Amazonnál, a Lockheed Martinnál és másoknál. A legfontosabb mérnöki tanulság az, hogy az AI‑t érdemes szűk, jól definiált szerepre korlátozni: a modell percepciót és azonosítást végez, a sor körüli logikát és a mozgást pedig hagyományos vezérlés irányítja. A valódi telepítésekből származó korrekciók hatékonyan orvosolhatják az élszigeteket (edge cases), ha célzott adathasználatot alkalmaznak.
Ahogy Jentoft fogalmazott: az a fontos, hogy „a célzott adatokból hozzuk ki a legtöbbet, ahelyett hogy a lehető legnagyobb adathalmazt hajszolnánk.” Ez a megközelítés párhuzamba áll azzal a tapasztalattal, amelyet a Jev készítője, Diogo Almeida is megosztott: a megfelelő feladat és a megfelelő adatok gyakran többet számítanak, mint a nyers számítási teljesítmény.
