Zalando inwestuje 6 mln dolarów w Sereact i fizyczną AI. Robot, który ogarnie twoje zwroty

Dlaczego Zalando zainwestowało: Zwroty to problem warty 6 mln dolarów

Zalando dołożyło około 6 milionów dolarów jako inwestor strategiczny, podnosząc rundę z 110 milionów dolarów prowadzonych przez Headline w kwietniu 2026 r. . Znaczenie tej inwestycji jest dwojakie. Po pierwsze, rozwiązuje ona dotkliwy problem samego Zalando: każdy zwrócony przedmiot trzeba otworzyć, sprawdzić, złożyć i przywrócić do magazynu – a właśnie do tego procesu stworzona jest dwuramienna stacja Sereact . Po drugie, udział Zalando stanowi potężny sygnał walidacyjny. Zalando nie jest biernym inwestorem finansowym; to strategiczny klient-inwestor, który stawia za swoją tezą o fizycznej AI własną siłę operacyjną .

Mózg Cortex: Jeden rdzeń AI dla każdego robota

Sercem platformy Sereact jest Cortex – model wizyjno-językowo-ruchowy (VLA), który działa jak uniwersalny system operacyjny dla robotyki . Cortex działa na wielu różnych typach sprzętu – jednoramiennych komórkach pickingowych, dwuramiennych stacjach obsługi zwrotów, robotach humanoidalnych i stacjonarnych – bez potrzeby przekwalifikowania dla każdej z tych form . Ponieważ planuje w wizualnej przestrzeni latentnej, a nie w komendach specyficznych dla danego robota, umiejętność wyuczona na jednym typie robota przenosi się bezpośrednio na inny .

Dwuramienna automatyzacja zwrotów: Rozwiązanie największego bólu głowy mody

Dwuramienna stacja Sereact została zaprojektowana specjalnie do obsługi zwrotów . Autonomicznie otwiera paczki i pudełka po butach, wyciąga przedmioty, sprawdza je pod kątem uszkodzeń lub nieprawidłowości, składa ubrania (w tym dżinsy), skanuje kody kreskowe i etykiety, a następnie kieruje towary z powrotem do magazynu, do renowacji lub do utylizacji . System naśladuje ocenę wykwalifikowanego pracownika magazynu, ale działa spójnie przez każdą zmianę i dla każdej marki . Bezpośrednio uderza to w to, co było najbardziej uporczywym wąskim gardłem w branży modowej: nieprzewidywalność i pracochłonność przetwarzania zwrotów .

Pętla danych: Ponad miliard rzeczywistych chwytów

Kluczową przewagą strukturalną Sereact jest zamknięta pętla danych . Ponad 200 systemów Sereact działa w całej Europie u klientów takich jak Daimler Truck, Mercedes-Benz, BMW, PepsiCo, Austrian Post i Rohlik Group . Systemy te zrealizowały już ponad miliard rzeczywistych chwytów produkcyjnych – nie symulowanych ani laboratoryjnych, ale prawdziwych chwytów z działających operacji . Każdy chwyt, niezależnie od tego, czy zakończył się sukcesem, porażką, czy wymagał odzyskania, jest rejestrowany wraz z zsynchronizowanymi obserwacjami, stanem robota i informacjami zwrotnymi o sile, a następnie trafia do scentralizowanego modelu, który jest ciągle przekwalifikowywany i wdrażany ponownie w całej flocie . Flota osiąga już współczynnik niezawodności wynoszący mniej więcej jedną interwencję na 53 000 chwytów wymagających zdalnej pomocy człowieka .

Cortex 2.0: Od „spróbuj i zobacz” do „zaplanuj i spróbuj”

Cortex 2.0, model nowej generacji, na którego skalowanie przeznaczone są środki z Series B, rozszerza obecny model VLA o wyuczony model świata, który symuluje fizykę i zachowanie obiektów . Zamiast działać i reagować na błędy, robot generuje teraz wiele potencjalnych przyszłych trajektorii na podstawie swojego bieżącego stanu, ocenia każdą z nich pod kątem stabilności, ryzyka i wydajności, a następnie realizuje tylko najlepiej ocenioną ścieżkę – aktualizując ją w czasie rzeczywistym w miarę zmiany sceny . Ta zmiana paradygmatu z „spróbuj i zobacz” na „zaplanuj i spróbuj” ma kluczowe znaczenie dla zadań wysokiego ryzyka, takich jak montaż elementów pod napięciem, odkładanie delikatnych przedmiotów czy kompletowanie zestawów, a nie tylko samo wyjmowanie towaru . Moc obliczeniowa planowania jest regulowana dla każdego zadania, poświęcając więcej czasu na przewidywanie tam, gdzie błąd jest kosztowny, a mniej tam, gdzie recovery jest tanie . Kapitał z Series B finansuje również międzynarodową ekspansję Sereact, w tym nowe biuro w Bostonie .