Teleo beschreibt sich selbst als Baurobotik-Startup, seine Mission geht jedoch über die Automatisierung schwerer Geräte wie Bagger und Traktoren hinaus. Heute ermöglicht der modernisierte Maschinenpark von Teleo seinen Kunden, ihre bestehenden Flotten halbautonom zu betreiben. Für die Zukunft sieht das Startup die von ihm gesammelten Daten als Schlüsselfaktor dafür, dass die Robotikbranche ihren „ChatGPT-Moment“ erreicht.
Dies ist nicht das Ziel, die gleiche Begeisterung für ChatGPT zu erreichen. Stattdessen sieht Vinay Shet, CEO von Teleo, eine Chance für Robotikunternehmen – und insbesondere für das von ihm geleitete Unternehmen –, riesige Datensätze zusammenzuführen, die den Mengen ähneln, die für den Aufbau von ChatGPT verwendet wurden, um große revolutionäre Fortschritte in der Robotik zu machen.
Und Investoren scheinen daran interessiert zu sein, dem Startup dabei zu helfen, diesen Meilenstein zu erreichen. TechCrunch stellte fest, dass Teleo kürzlich durch zwei Verlängerungen seiner Serie-A-Runde 2022 16,2 Millionen US-Dollar an Finanzmitteln aufgebracht hat. Die 9,2-Millionen-Dollar-Verlängerung wurde im April abgeschlossen und eine weitere 7 Millionen US-Dollar Eines davon wurde diese Woche geschlossen, wie aus jüngsten Unterlagen und Informationen des Unternehmens hervorgeht.
„Die Grundmodelle, die zur Entwicklung von ChatGPT führten, basierten im Wesentlichen auf Billionen von Daten-Tokens, die im Internet, in Sprachen, in Videos, in Bildern usw. frei verfügbar waren. „Diese Daten gibt es in der Robotik nicht“, sagte Vinay Shet, CEO von Teleo, gegenüber TechCrunch. „Der beste Datensatz, den wir in der Robotikwelt kennen, umfasst etwa 2,4 Millionen Token, während sie in der Sprachwelt auf Billionen von Token trainiert werden.“
Teleo möchte diese Lücke schließen, indem es Daten aus seinem eigenen täglichen Betrieb aufzeichnet, die laut Shet letztendlich „die Grundlage bilden werden, auf der man echte robotikbasierte Modelle trainieren kann“, die zu allgegenwärtiger Intelligenz führen könnten.
Um dieses Datenrepertoire aufzubauen, muss Teleo schnell, in großem Maßstab und branchenübergreifend bereitgestellt werden. Und die Strategie des Unternehmens hierfür ist in seinem halbautonomen Ansatz zusammengefasst. Teleo kann jede Ausrüstung mit der notwendigen autonomen Fahrsoftware und Sensoren – wie Kameras, Lidar und Radar – nachrüsten, um unter begrenzten Bedingungen autonom zu fahren. Anschließend springen menschliche Fernbediener ein, um kompliziertere Aufgaben auszuführen, beispielsweise das Entladen eines Muldenkippers, und können in der Regel mehrere Fahrzeuge gleichzeitig bedienen.
„Diese Kombination ermöglicht es uns, den gesamten Anwendungsfall für den Kunden zu lösen und gleichzeitig dem Kunden einen Return on Investment zu bieten und mit einem eigenständigen Produkt Geld zu verdienen“, sagte Shet.
Um einen vielfältigen Datensatz zu pflegen, hat Teleo kürzlich erweitert über das Baugewerbe hinaus und setzt autonome Schwermaschinen wie Radlader, Terminaltraktoren und Bagger in einer Reihe von Branchen ein, darunter Zellstoff und Papier, Holzeinschlag, Hafenlogistik, Landwirtschaft und Munitionsbeseitigung. Teleo zielt auch auf Sektoren wie Flughäfen, Abfall und Recycling, Logistik und Schneeräumung ab.
Die Hoffnung besteht darin, dass die gesammelten Daten – einschließlich Informationen von menschlichen Bedienern, Videoaufnahmen und Rückmeldungen von Sensoren – es Teleo ermöglichen, grundlegende Robotermodelle zu verfeinern oder zu spezialisieren. Dies könnte letztendlich den Ersatz oder die Erweiterung des Menschen im Kreislauf durch einen Cloud-basierten KI-Agenten ermöglichen, der lernen kann, verschiedene Maschinen zu steuern, genau wie ein Mensch es tun würde.
Dieses langfristige Denken war zweifellos der Grund, warum sich Investoren für das Unternehmen interessierten. Die jüngsten Erweiterungen von Teleo wurden von UP.Partners unter Beteiligung der neuen Investoren Trousdale Ventures und Triatomic Capital sowie der wiederkehrenden Investoren F-Prime Capital und Trucks VC geleitet.
Laut Teleo werden die Mittel dazu verwendet, den Einsatz bei Kunden zu skalieren, die Expansion in neue Branchen fortzusetzen und die KI-Fähigkeiten des Startups zu verbessern, einschließlich einer Integration großer Sprachmodelle (LLMs), um die Effizienz der Betreiber zu steigern.
„In den kommenden Jahren werden wir erleben, wie vertikal integrierte Unternehmen wie unseres auf wirtschaftlich sinnvolle Weise in die reale Welt eintreten und auf dieser Grundlage wirtschaftlich wachsen“, sagte Shet. „Aber ganz nebenbei werden sie genügend Daten im richtigen Format sammeln, um diesen Aha-Moment in Jahren auszulösen.“
