Робот может перевезти тележку из одной точки склада в другую. Но для этого кто-то должен загрузить её, сообщить о готовности и определить, куда она поедет дальше. Если сотрудники вручную координируют каждый переход, автоматизация не снимает с них диспетчерскую работу.
Destro AI разрабатывает программную платформу, которая распределяет задачи между людьми и роботами. 29 сентября 2026 года компания объявила о посевном раунде на $8 млн. Его возглавили Base10 Partners и Bonfire Ventures, к ним присоединилась CoFound Partners.
Один из описанных проектов — перемещение тележек при кросс-докинге на площадке Yusen Logistics. Этот пример показывает, что именно Destro автоматизирует и какие вопросы остаются открытыми для оценки результата
Как работает проект Destro AI на складе
За что отвечают MothershipOS и VisionOS
Destro описывает MothershipOS как систему координации операций: она отслеживает состояние процесса и распределяет задачи между роботами, людьми и корпоративными системами. VisionOS работает непосредственно на роботе и отвечает за его взаимодействие с физической средой. По данным компании, система использует модели, обученные на демонстрациях человека. TechCrunch уточняет, что в пилоте использовались модели класса vision-language-action, или VLA: они связывают визуальную информацию и инструкции с действиями робота. Издание называет их моделями с открытыми весами. Это не означает автоматически, что у них открытый исходный код, доступны обучающие данные или нет ограничений на коммерческое использование. Названия конкретных моделей и условия лицензирования в статье не приводятся.
Что известно о результатах
По данным TechCrunch, первоначальный пилот расширяют до полноценного внедрения с 26 роботами. На другой площадке Yusen в Южной Калифорнии запускают второй пилот с 17 роботами. Это разные этапы внедрения, поэтому складывать числа и писать о 43 уже работающих роботах некорректно. Yusen рассматривала и другие решения. Одно перевозило тележки, но не управляло соседними этапами операции. Другое предлагало управление парком роботов, оставляя общую координацию человеку. По словам представителя Yusen, Destro подошла компании благодаря возможности координировать процесс целиком. Это объяснение выбора конкретного заказчика, а не независимое сравнение систем для любых складов.На сайте Destro заявлены рост производительности на 30–40% и типичный срок окупаемости от трёх до пяти месяцев. Это показатели поставщика: на странице не указаны подробные условия измерения, которые позволили бы проверить эти оценки для площадки Yusen или перенести их на другой склад. Поэтому оценивать проект только по числу роботов рано. Для заказчика важнее, сколько грузов площадка обрабатывает за смену, как часто сотрудникам приходится вмешиваться и сколько стоит обработка единицы груза с учётом всех расходов.Перевозка тележек также не доказывает, что система справится с любыми складскими задачами. Захват отдельных товаров, работа с повреждённой упаковкой и обработка нестандартного груза требуют отдельной проверки.
«Роботизация полезна тогда, когда система справляется со всей последовательностью операций, а не только с отдельной поездкой».
Редакция SpeShu.AI
Что проверить перед внедрением
- Зафиксируйте исходную пропускную способность склада.
- Измерьте ожидание тележек и затраты труда. Опишите, как система получает сведения о готовности груза.
- Согласуйте порядок действий при сбоях и изменении маршрута.
- Учитывайте частоту ручных вмешательств сотрудников.
- Проверьте совместимость с конкретными моделями роботов.
- Уточните, какие данные собираются и как используются.
- Заранее определите критерии расширения пилота.
- Расширять пилот стоит, если согласованные показатели подтвердили результат: стоимость обработки груза снизилась, пропускная способность выросла, а число вмешательств сотрудников осталось в допустимых пределах. Такие данные скажут о пользе внедрения больше, чем сумма инвестиций или размер парка роботов.
Что можно заключить из кейса Yusen
TechCrunch сообщает, что Yusen рассматривала ещё два решения: одно перемещало тележки, но не координировало соседние этапы; другое управляло парком роботов, оставляя общую координацию сотруднику. По словам представителя Yusen, Destro подошла компании благодаря управлению процессом целиком. Это объяснение выбора конкретного заказчика, а не независимое сравнение систем для любых складов.
В описанном пилоте сотрудники продолжали разгружать товары. Поэтому этот пример корректнее считать совместной работой людей и роботов, а не полностью автономным складом. Перевозка тележек также не доказывает, что система умеет выполнять любые манипуляции с грузом: захват отдельных товаров и обработка нестандартной упаковки требуют отдельной проверки.
Какие данные нужно учитывать
Destro заявляет о независимости от производителя оборудования. Перед пилотом заказчику всё равно стоит запросить список поддерживаемых моделей роботов, доступных функций и ограничений интеграции. Формулировка «работает с любым роботом» не заменяет такой список.
В условиях Destro говорится, что для работы, оценки и улучшения сервиса компания может использовать операционные данные, телеметрию, данные об использовании и данные обучения. Условия также упоминают обезличенные и агрегированные данные. Передача данных регулируется условиями сервиса, политикой конфиденциальности и отдельными соглашениями с заказчиком. Поэтому до пилота следует согласовать состав данных, сроки хранения и допустимые способы использования.
Источники и границы оценки
Материал подготовлен на основе статьи Тима Фернхольца в TechCrunch от 30 сентября 2026 года, пресс-релиза Destro и публикации инвестора CoFound Partners.
Оцените пилот по результатам
Перед запуском автоматизации зафиксируйте исходные показатели и заранее решите, при каких результатах пилот можно расширять. Для проекта Destro и Yusen это дало бы больше информации об эффекте, чем сумма инвестиций или число роботов. Если вы следите за развитием ИИ, в SpeShu.AI можно работать с разными моделями в одном сервисе.