Destro 创始人 Manthan Pawar 向 TechCrunch 表示，成功部署机器人的最佳途径或许并非专注于制造机器人本身。与许多由机器人工程师创立、致力于寻找理想形态或开发驱动机械手的 AI 模型的新兴公司不同，Destro 选择构建一个人工智能层，旨在使机器人在物流环境中实现高效运作。
Pawar 指出：“我们对抗传统机器人公司的核心理由之一，是我们并不把自己定义为一家机器人公司。”他在纽约大学坦登工程学院获得机器人学士学位，并拥有在美国从事相关领域约八年的经验。这种背景塑造了团队以客户需求为导向的思维模式。据称，该公司正计划在年底实现现金流正值。
韩国物流巨头 Yusen Logistics 美国分部的自动化主管 Richard Brunelle 在这一转型中发挥了关键作用。Brunelle 负责监管 Yusen 在美国约 30 个设施的自动化进程，尽管该集团已在英国子公司建立了完全自主化的设施，并在美国推进类似计划，但他仍在试验如拖车卸货机器人和自动地板清洗机等新技术。
Brunelle 的首要任务是探索如何让这些技术真正落地。当他与 Pawar 接触时，发现 Destro 当时正专注于空间拣选和包装领域的挑战。然而，Brunelle 意识到其核心痛点——交叉停靠（Cross-docking），即从一辆卡车卸下货物并分类装入其他混合货物的卡车以供最终交付——本质上与 Destro 解决的问题相似。
Brunelle 询问 Destro 是否愿意调整方案以适应交叉停靠环境。经过短暂评估，Destro 团队确认目前尚无其他公司解决这一特定问题，并同意修改工具以支持该场景，随后全力投入研发。
试点项目随即在太平洋西北地区的 Yusen 工厂启动。该项目使用三台由 Miwa Robotics 制造的卡车移动机器人，并由 Destro 的 Vision 操作系统控制。该系统基于开源视觉语言动作模型，能够解析摄像头图像和指令以操控机器人运动。机器人负责识别满载货物并将其运送至指定位置。
根据 Brunelle 和 Pawar 的评估，该方案有效的关键在于 Destro 的母舰操作系统统一指导人类、车辆和卡车的协作。“我们可以减少劳动密集度，让工作远离繁琐的手工操作。现在一切均由系统协调。”Brunelle 说道。
这一优势至关重要，因为 Yusen 此前曾与其他两家知名机器人初创公司洽谈，但两者均无法适配其工作流程：一家能移动卡车却无法处理装卸，另一家虽具备车队管理工具但仍需人工编排。Destro 胜出原因在于其能在整个流程中应用自主指导。
目前，Destro 已将初始试点扩展为包含 26 个机器人的全面部署，并在南加利福尼亚州的 Yusen 设施启动新的试点。Pawar 计划将这种交叉停靠装载工作流程“复制粘贴”到数千个处理类似劳动的仓库中。这一前景促使 Base10 Partners 和 Bonfire Ventures 领投了 Destro 的种子轮融资。
不过，Destro 仍面临挑战，特别是在需要更高灵巧性和操纵能力的工作流中。目前的机器人机体和开源模型尚未被证明能胜任此类任务，且尚不清楚那些致力于构建基础模型、超灵巧手或通用人形机器人的公司，是否会向 Destro 这类集成商开放工具，还是倾向于亲自争夺市场。
Pawar 认为，他的公司将利用研发资金投入到新的 AI 模型和机器人部件中。“机器人是一个平台，每一个层模型也是一个平台。我们可以在周围建立一个‘带’（belt）。没有这种带，这些工作流程是完全不可能的。”
对于未来型机器人制造商的竞争，Brunelle 表示目前并非主要问题，他尚未找到双足人形机器人的实际用例。“毕竟，我们将自动化应用到建筑中并非仅仅因为技术有趣，它必须解决真正的运营问题。如果它能提高运营效率、一致性和灵活性，最终将有利于我们的客户。”
