Kanadensiskt team tävlar om att bygga AI-drivna arbetare

En startup från Cambridge ansluter till den globala sprinten

Möt det kanadensiska teamet som tävlar om att bygga nästa generation av AI-drivna arbetare: den här veckan visade en startup från Cambridge, Ontario vid namn Mirsee Robotics upp sin prototyp MH3, samtidigt som företaget förbereder sig för att gå från laboratoriebyggen till högvolymstillverkning. Bolagets VD, Tarek Rahim, berättade för reportrar att den tredje generationens MH3 har en kanadensiskutvecklad visionsstack, inbyggd AI för grundläggande uppgifter och ett medvetet designval som skiljer den från de många virala klipp på humanoider som kommer från Kina: MH3 rör sig på hjul, inte på två ben. Det valet handlar om drifttid, stabilitet och batteritid – praktiska avvägningar för maskiner som är tänkta att arbeta på fabriksgolv och i lager snarare än på en scen.

Mirsees demonstration – att lokalisera en vattenflaska med maskinseende, greppa den och bära den – ser blygsam ut vid sidan av virala kung-fu-rutiner, men Rahim menar att dessa anspråkslösa uppgifter är de svåra när man vill att en robot tillförlitligt ska ersätta en människa under ett repetitivt arbetspass. Mirsee uppger att de har två av de senaste robotarna och förväntar sig att bygga ytterligare sex i år, med planer på en massproduktionsmodell nästa år. Tidslinjen, och språkbruket kring massproduktion, hjälper till att förklara varför riskkapital, flaskhalsar i försörjningskedjan och statlig policy plötsligt står i centrum i samtal som för bara några år sedan var rent akademiska.

Möt det kanadensiska teamet: industriella designval och tidsramar

Mirsees tillvägagångssätt illustrerar de centrala tekniska och affärsmässiga frågorna för grupper som försöker lansera AI-drivna arbetare. En omedelbar fråga är om en framtida arbetsstyrka av robotar bör efterlikna mänsklig rörelse eller använda enklare mekaniska lösningar. Mirsees hjul offrar rörlighet för uthållighet. Det minskar behovet av snabb balanskontroll och komplex aktivering, vilket i sin tur sänker energiförbrukningen och förbättrar drifttiden – nyckeltal för fabrikschefer som jämför kapitalkostnader med arbetskostnader. Andra företag i Kanada och utomlands gör andra avvägningar: Sanctuary AI och Agility Robotics satsar på antropomorfisk rörelse eftersom det öppnar upp för mer människo-centrerade miljöer, medan företag som Unitree och många kinesiska firmor har visat snabba mekaniska framsteg som betonar dynamisk rörelse och kostnadsprestanda.

Sensorer, mjukvara och försörjningskedjan

På den tekniska nivån består nästa generation av AI-drivna arbetare av en stack med flera sammanhängande komponenter: perception, manipulation, planering och kraftförsörjning. Perception använder kamerabaserade visionssystem, i vissa fall lidar, och uppgiftsspecifika sensorer. Mirsee betonar sin kanadensiskbyggda visionsstack; Forcen, ett företag från Toronto, säkrade nyligen finansiering för att skala upp kraftavkännande prototyper som låter robothänder känna av kontakt och justera greppet. Dessa taktila sensorer och kraftsensorer är nödvändiga för att hantera oregelbundna föremål – som en kartong kontra en bräcklig flaska – utan mänsklig tillsyn.

På mjukvarusidan integrerar företagen stora språkmodeller (LLM), transformer-baserade perceptionsnätverk, styrenheter baserade på förstärkningsinlärning och deterministiska rörelseplanerare. LLM-lagret används alltmer för sekvensering av uppgifter på en högre nivå – att mappa en instruktion som ”packa dessa fem artiklar” till en sekvens av underprogram för perception och manipulation – medan styrenheter på lägre nivå körs på edge-hårdvara för att minimera latens och öka säkerheten. Denna uppdelning mellan molnet och edge är ett kritiskt designbeslut: det påverkar säkerhet i realtid, databandbredd och huruvida en flotta kan fungera under nätverksavbrott.

Slutligen beror allt på halvledare, kraftförsörjning och försörjningskedjor för tillverkning. Den bredare AI-efterfrågan på GPU:er och anpassade acceleratorer har skapat en huggsexa om beräkningskraft som även påverkar robottillverkare. Marknadsanalytiker har varit tydliga med att AI-hårdvarans behov driver investeringar i chip och kraft; en brist på någotdera kan försena produktionen eller göra robotar ekonomiskt ohållbara för vissa kunder.

Policy, jobb och Kanadas konkurrenskraft

Kanadas styrkor – forskningskluster, startups och etablerade industriföretag – är tydliga, men brister inom policy och talangförsörjning kan bromsa införandet. En rapport från Deloitte Canada pekar på låg beredskap på många arbetsplatser: organisationer är intresserade av AI men saknar personal och utbildning för att implementera det på ett säkert sätt. Mirsees VD uppmanade offentligt till mer federalt stöd för robotik; samtidigt har den federala Strategic Innovation Fund investerat tiotals miljoner i halvledarkapsling och kvantsamarbeten med företag som IBM i Bromont, Quebec, vilket signalerar en statlig medvetenhet om att avancerade hårdvaruekosystem är avgörande om Kanada vill ha en roll i tillverkningen av AI-system inhemskt.

Effekterna på sysselsättningen är komplicerade. De omedelbara vinsterna finns inom produktivitet – robotar kan minska personalomsättningen i enformiga, repetitiva roller och sänka produktionskostnaderna – men undanträngningen är verklig. Historiska vågor av automation skapade nya roller inom underhåll, programmering och övervakning, och många forskare förväntar sig en liknande ombalansering med robotik: efterfrågan på robottekniker, systemintegratörer och AI-säkerhetsingenjörer kommer att växa. Tidpunkten och omfattningen av den övergången kommer att avgöra om samhällen står inför störningar eller snabbare ekonomisk tillväxt.

Vilka teknologier definierar nästa generations AI-arbetare?

Menyn av möjliggörande teknologier är lång. Visuell perception och djupavkänning, edge-beräkning med hög bandbredd (NVIDIA-liknande GPU:er eller anpassade acceleratorer), kraft- och taktil avkänning, modulära gripdon och robusta batterisystem är de uppenbara hårdvarudelarna. På mjukvarusidan använder företagen en blandning av klassisk rörelseplanering, förstärkningsinlärning tränad i simulering och grundmodeller anpassade för uppgiftsplanering. Säkerhetsskikt – både mjukvarubaserade vaktposter som begränsar rörelser och fysiska nödstopp – är obligatoriska i industriella miljöer.

Nya aktörer som AutoAlign har knoppat av lösningar som syftar till att säkra språkmodeller och minska hallucinationer eller osäkra handlingar, utifrån insikten att en agentisk AI i en rörlig kropp behöver striktare kontroller. Samtidigt lär sig branschen av andra AI-områden: de barnsäkerhetsåtgärder som stora företag enats om för generativa system illustrerar hur ramverk för styrning kan utvecklas genom samarbete. Robotik kommer att kräva samma nivå av samordning mellan flera intressenter: tillverkare, operatörer, fackföreningar, tillsynsmyndigheter och forskare kommer att behöva gemensamma standarder för certifiering och granskning.

Fördelar, risker och hur Kanada kan positionera sig

Fördelarna är påtagliga: förbättrad arbetsmiljö, lägre enhetskostnader för repetitiva uppgifter och förmågan att automatisera roller där det råder brist på arbetskraft. Kanadas industribas – fordon, livsmedelsförädling och logistik – skulle kunna se produktivitetsvinster om tekniken är prisvärd och tillförlitlig. Men riskerna inkluderar jobbförluster, koncentration av tillverkning och molninfrastruktur till ett fåtal globala nav, samt de sociala effekterna av snabb förändring.

För att kapitalisera på detta behöver Kanada en tredelad strategi: riktat offentligt stöd till anläggningar för hårdvara och kapsling, investeringar i omskolning av arbetskraften och robotikutbildning mitt i karriären, samt incitament som uppmuntrar lokal montering och mjukvaruutveckling. Befintliga åtgärder – som Strategic Innovation Funds stöd till IBM:s anläggning i Bromont och anslag till sensorföretag – hjälper, men Deloittes varningar om talangbrist visar att mer arbete krävs för att förhindra att inhemsk kompetens försvinner till större marknader utomlands.

För de kanadensare som undrar hur projektet ser ut på fabriksgolvet: förvänta er att specialbyggda, hjulgående maskiner dyker upp i distributionscentraler inom några år, medan humanoider eller mer generella plattformar dyker upp långsammare i takt med att säkerhet, kostnader och regelverk mognar. Teknikstacken – vision, kraftavkänning, LLM-planerare, edge-beräkning – existerar redan; utmaningen ligger i att integrera den i system som fungerar ekonomiskt och säkert år efter år.

Källor som använts för denna rapportering inkluderar företagspresentationer och branschforskning från kanadensiska institutioner och statliga program.

Källor

• Deloitte Canada (Future of Canada Centre)
• Dokumentation från Government of Canada Strategic Innovation Fund
• Thorn (barnsäkerhetsorganisation)