Teleo beschreibt sich selbst als Baurobotik-Startup, seine Mission geht jedoch über die Automatisierung schwerer Geräte wie Bagger und Traktoren hinaus. Heute ermöglichen die nachgerüsteten Maschinen von Teleo seinen Kunden, ihre bestehenden Flotten halbautonom zu betreiben. In Zukunft sieht das Startup die von ihm gesammelten Daten als Schlüsselfaktor dafür, dass die Robotikbranche ihren „ChatGPT-Moment“ erreicht.
Das ist nicht das Ziel, den gleichen Hype rund um ChatGPT zu erreichen. Stattdessen sieht Vinay Shet, CEO von Teleo, eine Chance für Robotikunternehmen – und zwar für das Unternehmen, das er leitet –, riesige Datensätze zu sammeln, die den Beträgen ähneln, die für den Aufbau von ChatGPT verwendet wurden, um große, bahnbrechende Fortschritte in der Robotik zu machen.
Und die Investoren scheinen daran interessiert zu sein, dem Startup dabei zu helfen, diesen Meilenstein zu erreichen. Tech hat erfahren, dass Teleo kürzlich durch zwei Verlängerungen seiner Serie-A-Runde 2022 16,2 Millionen US-Dollar an Finanzmitteln eingesammelt hat. Die 9,2-Millionen-Dollar-Verlängerung wurde im April und einem weiteren abgeschlossen 7 Millionen Dollar Eines davon wurde diese Woche geschlossen, wie aus jüngsten Unterlagen und Informationen des Unternehmens hervorgeht.
„Die Grundmodelle, die zur Entwicklung von ChatGPT führten, stützten sich im Wesentlichen auf Daten im Wert von Billionen von Tokens, die im Internet frei verfügbar waren, auf Sprache, Videos, Bilder usw. Diese Daten gibt es in der Robotik nicht“, sagte Vinay Shet, CEO von Teleo, gegenüber Tech. „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 protokolliert, die laut Shet letztendlich „zur Grundlage werden, auf der man echte Roboter-Grundmodelle trainieren kann“, die zu verallgemeinerter Intelligenz führen können.
Um dieses Datenrepertoire aufzubauen, muss Teleo schnell, in großem Umfang und in mehreren Branchen bereitstellen. Und die Strategie des Unternehmens, dies zu erreichen, ist in seinem halbautonomen Ansatz zusammengefasst. Teleo kann jedes Gerät mit der notwendigen selbstfahrenden Software und Sensoren – wie Kameras, Lidar und Radar – nachrüsten, um unter bestimmten Bedingungen autonom zu fahren. Anschließend springen menschliche Fernbediener ein, um kompliziertere Aufgaben auszuführen, etwa 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 zu liefern [return on investment] zum Kunden und zum Geldverdienen durch ein eigenständiges Produkt“, 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 Branchen wie Flughäfen, Abfall und Recycling, Logistik und Schneeräumung ab.
Die Hoffnung besteht darin, dass die gesammelten Daten – einschließlich Eingaben von menschlichen Bedienern, Videoaufnahmen und Sensorfeedback – es Teleo ermöglichen werden, grundlegende Robotikmodelle zu verfeinern oder zu spezialisieren. Dies könnte schließlich den Ersatz oder die Erweiterung des Menschen im Kreislauf durch einen Cloud-basierten KI-Agenten ermöglichen, der in der Lage ist, zu lernen, verschiedene Maschinen zu steuern, wie es ein Mensch tun würde.
Dieses langfristige Denken ist zweifellos der Grund, warum sich Investoren für das Unternehmen entschieden haben. 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 nächsten Jahren werden vertikal integrierte Unternehmen wie wir tatsächlich in der realen Welt auf eine Art und Weise agieren, die wirtschaftlich sinnvoll ist und auf dieser Grundlage wirtschaftlich wächst“, sagte Shet. „Aber ganz nebenbei werden sie genügend Daten im richtigen Format sammeln, um ein paar Jahre später den Aha-Moment auszulösen.“