Tutor Intelligence lève $34 millions pour étendre la flotte de robots d'entrepôt alimentés par l'IA

(MENAFN- Actualités sur la robotique et l’automatisation) Tutor Intelligence lève 34 millions de dollars pour développer sa flotte de robots d’entrepôt alimentée par l’IA

1 décembre 2025 par David Edwards

** Tutor Intelligence, une flotte de robots d’entrepôt alimentée par l’IA, a annoncé la clôture de son tour de financement Série A de 34 millions de dollars mené par Union Square Ventures, portant le montant total des capitaux levés par la société à 42 millions de dollars.**

Grâce à ce nouveau capital, l’entreprise accélérera la commercialisation de ses robots à la pointe, développera sa flotte de biens de consommation emballés, et fera progresser sa plateforme centrale d’intelligence robotique ainsi que ses infrastructures de recherche afin d’alimenter une gamme de nouvelles formes de robots et de nouvelles capacités.

En plus d’Union Square Ventures, connue pour ses investissements dans Twitter, Coinbase, Etsy et MongoDB ; Fundomo, également présente, aux côtés de backers de Standard Nuclear, Mercor, Etched et Atomic Semi, a participé au tour, avec en outre un investissement de suivi de Neo, qui a mené le tour de seed de Tutor et a investi dans Cursor et Kalshi.

Rebecca Kaden, associée directrice chez Union Square Ventures, déclare :« Tutor se distingue par sa vitesse d’exécution exceptionnelle et sa capacité à équilibrer le développement de produits et de modèles à la pointe avec une orientation commerciale claire, qui fait rapidement parvenir cette fonctionnalité entre les mains des clients.

« Ils ne construisent pas pour un avenir abstrait ; ils transforment la manière dont les entreprises de biens de consommation emballés (CPG) fonctionnent aujourd’hui. L’équipe est extrêmement rapide et ambitieuse, et nous sommes ravis de mener ce financement. »

Fondée au sein du Computer Science and Artificial Intelligence Laboratory (CSAIL) du MIT, Tutor Intelligence a construit le moteur de données qui alimente des flottes de robots qui déplacent les biens de consommation emballés en Amérique du Nord.

Ce système d’intelligence centralisé modifie la capacité et l’applicabilité des robots dans les environnements de fabrication et de logistique, en enregistrant des dizaines de milliers d’heures d’expérience de production réelle, continuellement réinvesties pour rendre les robots plus intelligents, plus rapides et plus faciles à utiliser.

Les robots de l’entreprise travaillent aux côtés des opérateurs humains pour traiter des articles au sein d’un vaste réseau de chaîne d’approvisionnement Fortune 50, de plusieurs entreprises alimentaires emballées Fortune 500, ainsi que de leaders mondiaux qui redéfinissent des catégories dans les soins personnels, les jouets, le mobilier domestique, la beauté et la technologie grand public.

Josh Gruenstein, cofondateur et PDG de Tutor Intelligence, déclare :« Lorsque nous avons lancé Tutor Intelligence il y a près de cinq ans, alors que nous étions étudiants en master au MIT, nous avons vu que le goulot d’étranglement de l’intelligence de la robotique était le principal obstacle à la viabilité des travailleurs robotiques.

« Nous avons construit un système qui exploite les données collectées sur le terrain pour apprendre aux robots à naviguer et à comprendre le monde physique avec une intuition semblable à celle des humains. Ce nouveau capital nous permet d’étendre notre flotte, de développer notre infrastructure d’entraînement des robots et de permettre à nos robots de s’attaquer à des tâches de plus en plus complexes, en redéfinissant le travail industriel tel que nous le connaissons. »

Les robots Tutor utilisent une intelligence visuelle avancée pour identifier, s’adapter à et manipuler virtuellement n’importe quel SKU en production en direct. Contrairement aux robots traditionnels, préprogrammés pour exécuter des tâches étroitement définies dans des environnements très contrôlés, les robots Tutor peuvent tolérer les réalités imparfaites et les cas limites qui caractérisent les opérations du monde réel.

Alors que d’autres modèles sont entraînés sur des données simulées ou synthétiquement générées, la flotte de Tutor collecte de riches données visuelles motrices en réalisant des tâches sur le terrain. Ces données issues du monde réel sont ensuite consolidées pour entraîner de meilleurs modèles d’IA, améliorant le produit et les capacités des robots au fil du temps.

Les systèmes de Tutor sont livrés sur les sites clients seulement 30 jours après la signature, sont généralement entièrement opérationnels un jour après la livraison, et peuvent être financés intégralement à partir du budget d’exploitation d’une entreprise grâce à un modèle d’abonnement Robot-as-a-Service (RaaS) qui reproduit les coûts de main-d’œuvre traditionnels.

En combinant le meilleur de l’automatisation avec l’accessibilité de la main-d’œuvre, les co-emballeurs, les fabricants et les prestataires de logistique tierce (3PL) obtiennent les avantages de fiabilité, d’efficacité et de coûts d’une automatisation avancée, sans avoir à supporter le fardeau de la propriété, de la maintenance, du personnel technique ou des délais de retour sur investissement (ROI) trop longs.

MENAFN01122025005532012229ID1110420745