در بیشتر کارخانه‌ها، اتوماسیون ثابت است: ربات‌ها و ماشین‌آلات برای انجام یک وظیفه و تولید یک محصول مشخص برنامه‌ریزی می‌شوند. تغییر خط تولید مستلزم برنامه‌ریزی دوباره و تغییر فیزیکی تجهیزات است، یا باید تجهیزات را تعویض کرد؛ فرایندی که ممکن است هفته‌ها یا ماه‌ها طول بکشد. شرکت Industrial Next مستقر در سان‌فرانسیسکو می‌گوید در حال تغییر این وضعیت است.

این استارتاپ که امروز در رویداد Startup Battlefield در همایش TechCrunch Disrupt 2026 معرفی شد، ایستگاه‌های رباتیک مستقل و مبتنی بر هوش مصنوعی می‌سازد که با مدل‌های پایه اختصاصی کار می‌کنند؛ مدل‌هایی که بینایی، بافت وظیفه و حرکت را به هم پیوند می‌دهند. این شرکت می‌گوید فناوری‌اش امکان می‌دهد خط تولید به‌جای چند هفته، ظرف چند دقیقه برای تولید محصولی دیگر آماده شود و دیگر نیازی به برنامه‌نویسی سنتی نباشد. هدف این است که تولیدکنندگان بتوانند وظایف پیچیده و ظریفی را خودکار کنند که انجامشان به‌طور سنتی به نیروی انسانی نیاز دارد.

این شرکت در مراسم اعلام کرد که با BMW Group Technology Office همکاری می‌کند تا توانایی Industrial Next در دست‌ورزی ماهرانه با کمک هوش مصنوعی را برای کاربردهای تولیدی ارزیابی کند.

Industrial Next را لوکاس پانکاو و آلن پن در سال ۲۰۲۱ تأسیس کردند. هر دوی آن‌ها پیش‌تر در Tesla کار کرده بودند. پانکاو پیش از پیوستن به Waymo، معمار ارشد برق در Tesla بود. پن در Tesla هدایت تلاش‌ها برای خودکارسازی کارخانه را بر عهده داشت و بعدتر معمار ارشد شرکت Neolix، فعال در حوزه رانندگی خودران، شد.

این دو زمانی که با هم در Tesla کار می‌کردند، به فکر راه‌اندازی Industrial Next افتادند. نخستین برخورد پانکاو با پن به معنای واقعی کلمه برخورد با او بود: پن پس از یک شب کامل کار، روی راهروی مرتفع کارخانه خوابش برده بود و پانکاو به او برخورد کرد. این دو در ابتدا با هم کنار نمی‌آمدند، اما خیلی زود متوجه شدند که هر دو برای به‌سرانجام‌رساندن کارها وسواس دارند و مهارت‌هایشان مکمل یکدیگر است. 

بنیان‌گذاران پس از سال‌ها مشاهده این‌که تجهیزات کارخانه‌ای چند دهه قدمت، مانع پیشرفت فناوری‌های پیشرفته خودرو و رانندگی خودران می‌شوند، به این نتیجه رسیدند که تولید باید از نو ساخته شود.

پانکاو گفت: «ما همه این فناوری‌های پیشرفته را داشتیم که می‌توانستیم در خودروها به کار بگیریم. می‌توانستم الگوریتم‌های یادگیری ماشین را اجرا کنم تا برایم خودرو طراحی کنند. اما نمی‌توانستم بفهمم چطور باید یک ربات را برنامه‌ریزی کنم و این مسئله برای مهندسان Tesla کاملاً رایج بود. شکاف عظیمی وجود داشت؛ افرادی که در کارشان واقعاً مهارت داشتند—طراحی خودرو و سامانه‌های رانندگی خودران—در کارخانه، مقابل تجهیزاتی از دهه ۱۹۸۰ عملاً درمانده می‌شدند. برای همین، با استفاده از فناوری‌های امروزی و همه دانسته‌های فعلی‌مان، دوباره به این فکر افتادیم که این فرایند باید چه شکلی داشته باشد.»

این دو حتی پس از رفتن به شغل‌های بعدی‌شان هم به ناکامی‌هایی که با تجهیزات صنعتی تجربه کرده بودند فکر می‌کردند. آن‌ها در تماس ماندند و اغلب از ماشین‌هایی می‌گفتند که هیچ‌وقت آن‌طور که می‌خواستند کار نمی‌کردند؛ تا این‌که سرانجام تصمیم گرفتند خودشان راه بهتری ارائه کنند.

پانکاو گفت: «آن زمان در Waymo بودم و تقریباً از شدت بی‌حوصلگی داشتم دیوانه می‌شدم، چون دلم برای سرعت و پویایی Tesla تنگ شده بود.» او اضافه کرد که پن هم در Momenta، توسعه‌دهنده سامانه‌های رانندگی خودران در چین، موقعیت مشابهی داشت. پن از نتیجه‌گیری آن دو یاد کرد: «با خودمان گفتیم که جوان‌تر نمی‌شویم و هنوز هم واقعاً به این حوزه علاقه‌مندیم. هنوز هم از فناوری صنعتی گله می‌کنیم. سه سال از آن موقع گذشته و باید شرکت را راه بیندازیم.»

پانکاو می‌گوید ربات‌های صنعتی سنتی معمولاً برای انجام وظایفی بسیار مشخص و تکرارپذیر برنامه‌ریزی می‌شوند. در نتیجه، حتی تغییر کوچکی در فرایند یا محصول ممکن است باعث از کار افتادن ربات یا توقف پرهزینه خط تولید شود و تولیدکنندگان را وادار کند محصولاتشان را برای تکرارپذیری ساده‌تر طراحی کنند.

انعطاف‌پذیرکردن واقعی ربات‌ها چالش دیگری است. این ربات‌ها به حجم عظیمی از داده‌های آموزشی نیاز دارند و برخلاف مدل‌های هوش مصنوعی که با داده‌های اینترنت آموزش می‌بینند، در حوزه رباتیک مجموعه‌داده‌های گسترده‌ای برای آموزش ماشین‌ها در انجام وظایف فیزیکی پیچیده وجود ندارد. 

پانکاو توضیح داد: «می‌توانیم کاری کنیم که ربات‌ها کارهای جالبی مثل رقصیدن انجام دهند، چون برای این کار داده وجود دارد؛ اما نمی‌توانیم از آن‌ها بخواهیم قطعات بسیار دقیق را مونتاژ کنند. در این زمینه، با استفاده از محیط‌های شبیه‌سازی‌شده برای انجام وظایف بسیار دقیق و نیازمند چابکی بالا، پیشرفت زیادی کرده‌ایم. راز موفقیت ربات‌های ما این است که درکی کلی از فرایند به آن‌ها داده‌ایم؛ اما این درک را با استفاده از یک موتور شبیه‌سازی بسیار دقیق ایجاد می‌کنیم که پویایی دنیای واقعی را تا حد زیادی بازآفرینی می‌کند. به این ترتیب، ربات می‌تواند چنین کارهای دقیقی را تقریباً بدون دیدن قطعات انجام دهد.»

به بیان دیگر، ربات‌ها در دنیای مجازی بسیار دقیقی تمرین می‌کنند که فیزیک دنیای واقعی را از نزدیک شبیه‌سازی می‌کند. ایستگاه‌های رباتیک Industrial Next را می‌توان در خط‌های تولید محصولات مختلف بازآرایی، با هم ترکیب و دوباره به‌کار گرفت. وظایف جدید نیز به‌جای آن‌که با اسکریپت‌های ازپیش‌نوشته‌شده به ربات‌ها داده شوند، از طریق شبیه‌سازی و نمایش عملی آموزش داده می‌شوند. 

پانکاو توضیح داد که برخی از ایستگاه‌های کاری این استارتاپ هم‌اکنون در تولید یکی از محبوب‌ترین گوشی‌های هوشمند جهان به کار می‌روند. این ایستگاه‌ها وظایفی را انجام می‌دهند که تولیدکنندگان سال‌ها تلاش کرده‌اند آن‌ها را خودکار کنند، اما موفق نشده‌اند؛ از جمله عبور دادن یک کابل فلت ظریف و جا زدن درپوش یک کانکتور کوچک. (او اجازه نداشت نام مشتری را فاش کند.) او همچنین از ایستگاهی برای «جداکردن فیلم محافظ» گفت که در آن ربات‌های مجهز به هوش مصنوعی، فیلم محافظ روی ماژول‌های دوربین و دکمه‌ها را با سرعتی برابر یا بیشتر از انسان و با دقت ۱۰۰درصدی جدا می‌کنند؛ حتی اگر این ربات‌ها به مدل جدید گوشی و خط تولیدی منتقل شوند که پیش‌تر با آن روبه‌رو نشده‌اند.

پانکاو گفت: «این شرکت را راه انداختیم چون می‌خواستیم در Tesla هم به چنین عملکردی دست پیدا کنیم؛ جایی که مجبور بودیم ایستگاه‌های رباتیک را کنار بگذاریم، چون با فناوری‌های سنتی نمی‌توانستیم آن‌ها را به‌اندازه کافی مؤثر برنامه‌ریزی کنیم. حالا می‌خواهیم سراغ وظایفی پیچیده‌تر از ساخت یک گوشی برویم. در نهایت می‌خواهیم تولید یک خودرو را از ابتدا تا انتها، بدون هیچ‌گونه دخالت انسانی، امکان‌پذیر کنیم.»

برای آشنایی با بخش‌های دیگر Startup Battlefield—و شنیدن دیدگاه‌های مجموعه‌ای از بنیان‌گذاران باتجربه و سرمایه‌گذاران خطرپذیر درباره این صنعت که نباید از دست بدهید—این هفته در مرکز شهر سان‌فرانسیسکو در رویداد Disrupt به ما بپیوندید.