Tutor Intelligence Mengumpulkan $34 Juta Untuk Perluas Armada Robot Gudang Berbasis AI

(MENAFN- Berita Robotika & Otomasi) Tutor Intelligence menggalang $34 juta untuk memperluas armada pekerja robot gudang berbasis AI

1 Desember 2025 oleh David Edwards

** Tutor Intelligence, armada pekerja robot gudang berbasis AI, telah mengumumkan penutupan pendanaan Seri A senilai $34 juta yang dipimpin oleh Union Square Ventures, sehingga total modal yang telah dihimpun perusahaan menjadi $42 juta.**

Dengan modal baru tersebut, perusahaan akan mempercepat komersialisasi robot-robot mutakhirnya, memperbesar armada barang kemasan siap konsumsi, serta mengembangkan platform kecerdasan robot terpusat dan infrastruktur riset untuk mendukung serangkaian bentuk dan kemampuan robot baru.

Selain Union Square Ventures, yang dikenal dengan investasinya di Twitter, Coinbase, Etsy, dan MongoDB; Fundomo, pendukung Standard Nuclear, Mercor, Etched, dan Atomic Semi, juga turut berpartisipasi dalam putaran tersebut, bersama dengan investasi lanjutan dari Neo, yang memimpin putaran benih Tutor dan telah berinvestasi di Cursor dan Kalshi.

Rebecca Kaden, managing partner di Union Square Ventures, mengatakan:“Tutor menonjol karena kecepatan luar biasanya dalam eksekusi dan kemampuannya menyeimbangkan pengembangan produk dan model yang mutakhir dengan fokus komersial yang jelas, sehingga fungsi tersebut dengan cepat sampai ke tangan pelanggan.

“Mereka tidak membangun untuk masa depan yang abstrak; mereka sedang mengubah cara perusahaan CPG beroperasi saat ini. Timnya sangat cepat dan sangat ambisius, dan kami sangat senang untuk memimpin pendanaan ini.”

Didirikan dari MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL), Tutor Intelligence telah membangun mesin data yang menjadi penggerak armada robot yang memindahkan barang kemasan siap konsumsi di Amerika Utara.

Sistem kecerdasan terpusat ini mengubah kemampuan dan penerapan robot di lingkungan manufaktur dan logistik, mencatat puluhan ribu jam pengalaman produksi dunia nyata yang terus direinvestasikan untuk membuat robot menjadi lebih cerdas, lebih cepat, dan lebih mudah digunakan.

Robot-robot perusahaan bekerja bersama operator manusia untuk memproses item bagi jaringan rantai pasok Fortune 50 yang luas, beberapa perusahaan makanan kemasan Fortune 500, dan para pemimpin global yang mendefinisikan kategori di bidang perawatan pribadi, mainan, barang rumah tangga, kecantikan, dan teknologi konsumen.

Josh Gruenstein, co-founder dan CEO Tutor Intelligence, mengatakan:“Ketika kami memulai Tutor Intelligence hampir lima tahun lalu sebagai mahasiswa pascasarjana di MIT, kami melihat bahwa hambatan kecerdasan robotik adalah penghalang utama bagi kelayakan pekerja robot.

“Kami membangun sistem yang memanfaatkan data saat bekerja untuk mengajari robot menavigasi dan memahami dunia fisik dengan intuisi seperti manusia. Modal baru ini memungkinkan kami memperluas armada, meningkatkan infrastruktur pelatihan robot kami, dan memberdayakan robot kami untuk menangani tugas-tugas yang semakin kompleks, sekaligus membentuk ulang pekerjaan industri sebagaimana yang kita kenal.”

Robot Tutor menggunakan visual intelligence tingkat lanjut untuk mengidentifikasi, beradaptasi, dan menangani hampir setiap SKU dalam produksi langsung. Berbeda dengan robot tradisional yang diprogram sebelumnya untuk menjalankan tugas yang sempit di lingkungan yang sangat terkontrol, robot Tutor dapat menghadapi kenyataan yang tidak sempurna dan kasus-kasus pinggir yang membentuk operasi dunia nyata.

Sementara model-model lain dilatih pada data simulasi atau yang dihasilkan secara sintetis, armada Tutor mengumpulkan data visual motor yang kaya dari pelaksanaan tugas di lapangan. Data dunia nyata ini kemudian dikompilasi untuk melatih model-model AI yang lebih baik, sehingga produk dan kemampuan robot meningkat dari waktu ke waktu.

Sistem Tutor diserahkan ke lokasi pelanggan hanya 30 hari setelah penandatanganan, biasanya sudah beroperasi penuh hanya satu hari setelah pengiriman, dan dapat dibiayai sepenuhnya dari anggaran operasional perusahaan melalui model berbasis langganan Robot-as-a-Service (RaaS) yang meniru biaya tenaga kerja tradisional.

Dengan menggabungkan yang terbaik dari otomasi dengan aksesibilitas tenaga kerja, co-packer, manufaktur, dan penyedia logistik pihak ketiga (3PL) memperoleh keandalan, efisiensi, dan keunggulan biaya dari otomasi tingkat lanjut, tanpa harus menanggung beban kepemilikan, pemeliharaan, staf teknis, atau tenggat ROI yang panjang.

MENAFN01122025005532012229ID1110420745