Reimagine Robotics, startup założony przez czterech byłych inżynierów Google DeepMind, wyszedł 3 sierpnia 2026 z trybu stealth. Firma z siedzibami w Londynie i Sydney buduje roboty, które uczą się nowych zadań bezpośrednio od pracowników na hali — bez udziału programistów. Celuje w fabryki o zmiennych procesach, dla których klasyczna automatyzacja jest zbyt droga i zbyt sztywna.
Najważniejsze w skrócie
- Reimagine Robotics wyszło z trybu stealth 3 sierpnia 2026, a firma powstała w kwietniu 2025.
- Czterej założyciele pochodzą z zespołu Applied Robotics w Google DeepMind.
- CEO Jonathan Scholz kierował tym zespołem przez siedem lat.
- Finansowanie pre-seed pochodzi od Fly Ventures, firstminute capital i aniołów biznesu.
- W projekcie recyklingu dysków twardych czas budowy prototypu spadł z około jednego dnia do około 10 minut.
Czterej inżynierowie z DeepMind
Za Reimagine Robotics stoją Jonathan Scholz, Oleg Sushkov, Akhil Raju i Misha Denil. Cała czwórka pracowała wcześniej w zespole Applied Robotics w Google DeepMind. Scholz założył ten zespół w Londynie i prowadził go przez siedem lat.
Firma powstała w kwietniu 2025 roku, a publicznie zadebiutowała dopiero teraz. Ma dwie siedziby — w Londynie i Sydney. Rundę pre-seed?pre-seed: Najwcześniejsza runda finansowania startupu, poprzedzająca właściwą rundę seed. sfinansowały Fly Ventures, firstminute capital oraz nieujawnieni aniołowie biznesu. Startup szuka już kolejnego kapitału na rozbudowę zespołu i nowe wdrożenia.
Roboty, które uczą się patrząc
Pomysł Reimagine jest prosty. Zamiast pisać kod dla każdego zadania, pracownik pokazuje robotowi, co ma robić, i poprawia go, gdy ten popełni błąd. Scholz nazywa to podejściem „monkey-see, monkey-do". Wiedzę o procesie wnosi więc operator, a nie wyspecjalizowany integrator.
Użyteczny robot powinien uczyć się od osoby, która wykonuje daną pracę. Powinno dać się pokazać mu zadanie, poprawić go, gdy się myli, i przejść do kolejnego problemu.
Jonathan Scholz, współzałożyciel i CEO Reimagine Robotics.
To odwrócenie klasycznego modelu, w którym integrację robota projektuje wyspecjalizowany inżynier. Tutaj robot dostosowuje się do człowieka, nie odwrotnie — a nowe zadanie nie wymaga tygodni pracy programisty.
Gdzie roboty już pracują
Firma pokazała dwa wdrożenia. U producenta tworzyw sztucznych roboty obsługują drukarki 3D w nocy — zdejmują stoły robocze, operują zatrzaskami i naciskają przyciski sterujące. Pracownicy sami rozszerzyli potem automatyzację o mycie, utwardzanie i suszenie wydruków.
Drugie wdrożenie to trzyrobotowa cela do demontażu dysków twardych i odzysku surowców. To właśnie tam czas przygotowania działającego prototypu spadł z około jednego dnia do około 10 minut.
Nisza, której unikają giganci
Reimagine celuje w zakłady o zmiennych procesach i zbyt małych wolumenach, by opłacała się klasyczna automatyzacja. To inny rynek niż ten, o który walczą producenci humanoidów ogólnego przeznaczenia, tacy jak Figure czy 1X, stawiający na jeden uniwersalny robot do wielu zadań.
Podejście oparte na uczeniu z demonstracji przypomina kierunek, w którym idą robotyczne modele VLA. Różnica polega na tym, że Reimagine sprzedaje nie humanoida, lecz metodę szybkiego wdrożenia zwykłych ramion robotycznych do konkretnej, wąskiej pracy.
Dlaczego to ważne?
Największą barierą w automatyzacji fabryk nie jest sam sprzęt, lecz koszt i czas jego zaprogramowania. Jeśli robot uczy się od operatora w kilkanaście minut, opłacalność automatyzacji przesuwa się w stronę małych i średnich zakładów, dotąd odciętych od tej technologii. Rodowód założycieli z DeepMind dodaje wiarygodności, ale firma jest wciąż na etapie pre-seed i pokazała zaledwie dwa wdrożenia. O jej znaczeniu przesądzi to, czy metoda skaluje się poza starannie dobrane przypadki demonstracyjne.
Co dalej?
- Firma szuka kolejnej rundy finansowania na rozbudowę zespołu i nowe wdrożenia — według jej własnych zapowiedzi.
- Reimagine nie ujawniła jeszcze nazwy produktu ani docelowej platformy sprzętowej — to kluczowa informacja dla oceny skalowalności.
- Otwarte pytanie: czy uczenie z demonstracji utrzyma jakość przy zadaniach bardziej złożonych niż obsługa drukarek 3D i demontaż dysków.
