Teleo menggambarkan dirinya sebagai startup robotika konstruksi, namun misinya lebih besar dari mengotomatisasi alat berat seperti ekskavator dan traktor. Saat ini, mesin Teleo yang telah diperbarui memungkinkan pelanggannya mengoperasikan armada yang ada secara semi-otonom. Di masa depan, startup ini melihat data yang dikumpulkannya sebagai faktor kunci bagi industri robotika untuk mencapai “momen ChatGPT.”
Itu bukanlah aspirasi untuk mencapai tingkat hype yang sama seputar ChatGPT. Sebaliknya, CEO Teleo Vinay Shet melihat peluang bagi perusahaan robotika – dan perusahaan yang dijalankannya – untuk mengumpulkan kumpulan data dalam jumlah besar yang serupa dengan jumlah yang digunakan untuk membangun ChatGPT guna membuat lompatan besar yang mengubah permainan dalam bidang robotika.
Dan investor tampaknya tertarik untuk membantu startup mencapai tonggak sejarah tersebut. TechCrunch mengetahui bahwa Teleo baru-baru ini mengumpulkan dana $16,2 juta melalui dua perpanjangan putaran Seri A 2022. Perpanjangan $9,2 juta ditutup pada bulan April dan satu lagi $7 juta satu ditutup minggu ini, menurut pengajuan dan informasi terbaru dari perusahaan.
“Model dasar yang mengarah pada penciptaan ChatGPT sangat bergantung pada data senilai triliunan token yang tersedia secara bebas di internet, bahasa, video, gambar, dan sebagainya. Data tersebut tidak ada dalam robotika,” kata Shet kepada TechCrunch. “Kumpulan data terbaik yang kami ketahui di dunia robotika adalah sekitar 2,4 juta token, sedangkan di dunia bahasa, mereka melatihnya dengan triliunan token.”
Teleo bertujuan untuk menjembatani kesenjangan tersebut dengan mencatat data dari operasi sehari-harinya, yang menurut Shet akan menjadi “dasar bagi Anda untuk melatih model dasar robotik sesungguhnya” yang dapat menghasilkan kecerdasan umum.
Untuk membangun kumpulan data tersebut, Teleo perlu diterapkan dengan cepat, dalam skala besar, dan di beberapa industri. Dan strategi perusahaan untuk melakukan hal tersebut dikemas dalam pendekatan semi-otonom. Teleo dapat melakukan retrofit peralatan apa pun dengan perangkat lunak dan sensor self-driving yang diperlukan – seperti kamera, lidar, dan radar – untuk mengemudi sendiri secara mandiri dalam kondisi terbatas. Operator manusia jarak jauh kemudian turun tangan untuk melakukan tugas yang lebih rumit, seperti menurunkan muatan truk sampah, dan biasanya dapat menangani beberapa kendaraan sekaligus.
“Kombinasi itulah yang memungkinkan kami menyelesaikan seluruh kasus penggunaan pelanggan saat melakukan pengiriman [return on investment] kepada pelanggan dan menghasilkan uang melalui produk yang berdiri sendiri,” kata Shet.
Untuk mempertahankan kumpulan data yang beragam, Teleo baru-baru ini diperluas melampaui konstruksi dan mengerahkan alat berat otonom, seperti wheel loader, traktor terminal, dan ekskavator, di berbagai industri, termasuk pulp dan kertas, penebangan kayu, logistik pelabuhan, pertanian, dan pemindahan amunisi. Teleo juga menargetkan industri seperti bandara, limbah dan daur ulang, logistik, dan penghilangan salju.
Harapannya adalah data yang dikumpulkannya – termasuk masukan dari operator manusia, rekaman video, dan umpan balik sensor – akan memungkinkan Teleo menyempurnakan atau mengkhususkan model robotika dasar. Hal ini pada akhirnya memungkinkan penggantian atau penambahan manusia dalam lingkaran dengan agen AI berbasis cloud yang mampu belajar mengendalikan mesin yang berbeda, seperti yang dilakukan manusia.
Pemikiran jangka panjang inilah yang menarik investor untuk berinvestasi di perusahaan ini. Perpanjangan Teleo baru-baru ini dipimpin oleh UP.Partners dengan partisipasi dari investor baru Trousdale Ventures dan Triatomic Capital, serta investor lama F-Prime Capital dan Trucks VC, antara lain.
Teleo mengatakan dana tersebut akan digunakan untuk meningkatkan penerapan pelanggan, terus memperluas ke industri baru, dan meningkatkan kemampuan AI perusahaan rintisan, termasuk integrasi model bahasa besar untuk meningkatkan efisiensi operator.
“Selama beberapa tahun ke depan, Anda akan melihat perusahaan-perusahaan yang terintegrasi secara vertikal seperti kami benar-benar diterapkan di dunia nyata dengan cara yang masuk akal secara ekonomi dan tumbuh secara ekonomi berdasarkan hal tersebut,” kata Shet. “Namun seiring berjalannya waktu, mereka akan mengumpulkan cukup banyak data dalam format yang tepat sehingga dapat mengungkap momen 'aha' beberapa tahun ke depan.”
