در حالی که اکثر استارتاپ‌های حوزه رباتیک بر روی توسعه سخت‌افزار یا مدل‌های هوش مصنوعی برای کنترل بازوهای مکانیکی متمرکز شده‌اند، شرکت نوپای Destro با رویکردی متفاوت و پس از جذب ۸ میلیون دلار سرمایه در دور بذری، استراتژی خود را نه بر «ساخت ربات»، بلکه بر «هوشمندسازی جریان کار» بنا کرده است. این شرکت با معرفی لایه نرم‌افزاری Mothership، تعامل میان نیروی انسانی و سیستم‌های خودکار را در محیط‌های پیچیده لجستیکی بازتعریف کرده است.
معماری هوشمند: Mothership و Vision Operating System
قلب تپنده راهکار Destro، سیستم‌عاملی با عنوان Mothership است که نقش هماهنگ‌کننده مرکزی (Orchestrator) را ایفا می‌کند. این سیستم برخلاف ابزارهای سنتی مدیریت ناوگان، نه تنها ربات‌ها، بلکه اپراتورهای انسانی را نیز هدایت می‌کند. این رویکرد باعث می‌شود تا عملیات «Cross-docking» — که فرآیند تخلیه کالا از یک کامیون و بارگیری مجدد آن در کامیونی دیگر برای توزیع نهایی است — به شکلی یکپارچه و سیستماتیک انجام شود.
در بخش فنی، Destro از Vision Operating System استفاده می‌کند که مبتنی بر مدل‌های «Vision-Language-Action» (VLA) است. این مدل‌ها به سیستم اجازه می‌دهند تا با تفسیر تصاویر دوربین‌ها و دستورالعمل‌های متنی، حرکات ربات‌ها را در محیط‌های عملیاتی مدیریت کنند. سیستم Vision به صورت غیرمستقیم با سخت‌افزارهای رباتیک تولیدکنندگان ثالث (مانند ربات‌های حمل‌کننده سبد Miva Robotics) یکپارچه می‌شود تا جابه‌جایی‌های نقطه به نقطه را بدون دخالت دستی انجام دهد.
چالش‌های عملیاتی و جایگاه در زنجیره تأمین
تفاوت بنیادین Destro در درک عمیق از نیازمندی‌های مشتری نهفته است. مانتان پاوار، بنیان‌گذار Destro، با تجربه هشت ساله در صنعت زنجیره تأمین، معتقد است که اکثر شرکت‌های رباتیک بر پایه «قابلیت‌های تکنولوژیک» محصول خود را توسعه می‌دهند، در حالی که Destro بر پایه «شناخت چالش‌های عملیاتی» استوار است. ریچارد برونل، مدیر اتوماسیون گروه لجستیک Yusen، تأکید می‌کند که برخلاف رقبا، Destro توانست فرآیند تخلیه و بارگیری را به طور کامل مدیریت کند، در حالی که سایر راهکارها یا تنها قادر به جابه‌جایی بودند و یا نیاز به دخالت انسانی مداوم برای مدیریت ناوگان داشتند.
مشخصات و ابعاد فنی پیاده‌سازی
- سیستم‌عامل مرکزی: Mothership (هماهنگ‌کننده نیروی انسانی و ربات‌ها)
- موتور بینایی: Vision OS مبتنی بر مدل‌های Vision-Language-Action (VLA)
- سخت‌افزار همکار: ربات‌های حمل سبد (Cart-moving robots)
- مقیاس پیاده‌سازی: استقرار ۲۶ ربات در سایت اول و شروع پایلوت ۱۷ رباتی در کالیفرنیا
- حوزه تمرکز: مدیریت فرآیندهای Cross-docking و حذف اسناد کاغذی
آینده‌نگری و محدودیت‌های کنونی
با وجود موفقیت در لجستیک ساده، Destro همچنان با چالش‌های حوزه ظرافت و دستکاری اشیاء (Dexterity) روبروست. مدل‌های متن‌باز فعلی هنوز در انجام کارهای پیچیده انسانی که نیازمند حس لامسه و دقت بالا هستند، با محدودیت مواجه‌اند. با این حال، پاوار معتقد است ربات‌ها تنها یک «پلتفرم» هستند و ارزش اصلی در «مهار» (Harness) کردن این پلتفرم‌ها در دل جریان‌های کاری پیچیده است. این استارتاپ قصد دارد مدل موفق خود را در هزاران انبار دیگر «کپی-پیست» کند.
در نهایت، Destro ثابت می‌کند که برای ورود به عصر اتوماسیون صنعتی، نیازی به اختراع مجدد ربات نیست؛ بلکه به لایه‌ای نیاز است که بتواند شکاف میان ماشین و انسان را به شکلی نظام‌مند پر کند. این شرکت در مهر ۱۴۰۵ (اکتبر ۲۰۲۶) در کنفرانس TechCrunch Disrupt به تحلیل عمیق‌تر این الگو خواهد پرداخت.
