Andrei Danescu wyjechał z Rumunii do Wielkiej Brytanii nie dla robotyki, tylko dla wyścigów. Jak sam mówi, w Rumunii nie istniał realny przemysł sportów motorowych, a na Wyspach mieściła się zdecydowana większość zespołów Formuły 1, wraz z kierunkami studiów z inżynierii motorsportu. W zespole F1 odpowiadał za elektronikę i układy sterowania.
Firmę Dexory założył z dwoma kolegami ze szkoły średniej. Ich pierwotny pomysł był ogólny: autonomiczny robot zbiera dane z przestrzeni fizycznej, zamienia je w informacje użyteczne biznesowo i nanosi na mapę. Najpierw próbowali w hotelarstwie i na lotniskach — maszyna miała oprowadzać ludzi i odpowiadać na pytania. Potem w handlu detalicznym, w sklepach z elektroniką, gdzie budowali trójwymiarowy układ sklepu i sprawdzali, jak produkty są prezentowane klientowi.
Przełom przyszedł w pandemii, kiedy branża logistyczna zaczęła sama pukać do drzwi. Dziś Dexory sprzedaje platformę DexoryView: robot skanuje, a klient kupuje dostęp do cyfrowego odwzorowania własnego magazynu. W marcu 2026 r. firma otworzyła w zachodniej części Nashville w stanie Tennessee amerykańską siedzibę o powierzchni 50 tys. stóp kwadratowych, czyli ok. 4,6 tys. m², która pełni funkcję bazy wdrożeniowej, centrum rozwojowego i środowiska demonstracyjnego.
Zacznijmy od czegoś nieoczywistego. Co łączy pracę mechanika przy samochodzie wyścigowym z inżynierią robotyki?
Andrei Danescu: Zaskakująco dużo. W zespole Formuły 1 zajmowałem się elektroniką i układami sterowania, ale pracowałem obok mechaników i inżynierów, którzy budowali garaż, zbierali telemetrię, przekazywali dane organowi zarządzającemu, pilnowali kalibracji czujników i legalności bolidu. Kiedy dziś skalujemy firmę, to rekrutujemy ludzi z bardzo różnych branż i widzimy sporo specjalizacji wywodzących się właśnie z motorsportu — dotyczących okablowania, mechaniki, konstrukcji. Rzecz w tym, że w wyścigach ma się do czynienia z maszynami wysokowydajnymi. I tu dochodzimy do czegoś, o czym w robotyce się zapomina: robotyka to sprzęt, oprogramowanie i model biznesowy naraz. Roboty wdrożone w świecie muszą być naprawdę dobrej jakości, bo świat rzeczywisty jest trudnym środowiskiem. To nie jest kwestia ładnego demo w laboratorium. Ludzie, którzy pracowali na styku możliwości w wyścigach i rozumieją, jak wypycha się systemy do granic, mają umiejętności bardzo dobrze „przenoszalne” na zaawansowaną robotykę.
W jakim sensie samochód wyścigowy jest oprogramowaniem?
W bardzo dużym – podobnie jak współczesne auta jest w znacznej mierze zdefiniowany programowo. Żeby wycisnąć z bolidu F1 wysoki poziom osiągów, trzeba mieć bardzo ciasne pętle regulacji i systemy najwyższej klasy, które prowadzą silnik i baterię, nie dokładając przy tym masy. Bez bardzo ścisłego sprzężenia między hydrauliką elektromechaniczną a układami sterowania to po prostu nie działa. Auto można zepsuć, wgrywając w nie złe oprogramowanie. Można je też zepsuć, budując je źle i montując w nim niewłaściwy sprzęt.
Jak firma od robotów-konsjerżów trafiła do magazynu?
Nie rzuciliśmy się na tę okazję od razu. Mieliśmy dobrą relację z firmą zajmującą się szybką obsługą ładunków, która widziała nasze roboty w okolicach Heathrow, więc kiedy oni wpadli na pomysł skanowania magazynów, byli u nas pierwsi. W pandemii mnóstwo biznesu przeniosło się do sieci – dla logistyki pojawiła się ogromna szansa, ale problemy zaczęły się kumulować. Im więcej chciało się przepchnąć przez magazyn, tym trudniej było uzyskać dane i tym trudniej usprawnić operacje. Klasyczne malejące przychody krańcowe.
Nasza ówczesna technologia działała w sklepie o wymiarach mniej więcej 100×100 m. Teraz mieliśmy ją wstawić do magazynu 1000×400 albo i 500 m. To o rzędy wielkości bardziej złożone: wyżej, trudniej i w znacznie ostrzejszym środowisku. Więc cofnęliśmy się o krok i chcieliśmy naprawdę zrozumieć, czy to będzie tylko gadżet, czyjś fajny pomysł na wykorzystanie autonomii, czy produkt zdolny realnie zmienić branżę. To słuchanie klientów i wczesna walidacja rynkowa przesądziły o pełnym zwrocie. Nigdy się nie obejrzeliśmy za siebie.
Magazyn wydaje się prostszy niż lotnisko – mniej ludzi, mniej chaosu…
Pracuje się w środowisku przemysłowym, z ludźmi po przeszkoleniu, przyzwyczajonymi do maszyn. Ale dynamika jest bardzo wysoka, a wózki widłowe poruszają się dużo szybciej. Przede wszystkim jednak magazyn ma setki korytarzy i wszystkie wyglądają tak samo. Wyzwaniem technologicznym pozostają lokalizacja i nawigacja w takim otoczeniu z potrzebną nam dokładnością – a mówimy o precyzji milimetrowej.
Magazyn trzeba skanować codziennie, bez błędów, bo inaczej chmura punktów i wyniki, które dostaje klient, nic nie znaczą. Chodzi o taki poziom dokładności, że bardziej potrzebny jest autonomiczny skaner niż po prostu autonomiczny robot. Do tego wdraża się go tam, gdzie ludzie wykonują swoją pracę i nie wolno im wchodzić w drogę – muszą przewozić palety, pobierać materiały, zasilać linię produkcyjną.
Dlaczego akurat teleskop, a nie dron albo robot wspinający się po regale?
Nie chcę przypisywać sobie zasługi za ten pomysł, bo zapytaliśmy o to rynek. Poszliśmy do klientów i spytaliśmy wprost, czego naprawdę potrzebują. Okazuje się, że ludzie nie potrzebują latających dronów w magazynie. Nie potrzebują wielkich robotów teleskopowych. Nie potrzebują robotów wspinających się po regałach. Chcieli rozwiązania, które da się wdrożyć bez zmiany środowiska. Kluczowy był czas do uzyskania wartości. Użytkownicy chcą zeskanować jak najwięcej w jak najkrótszym czasie – a podejście teleskopowe pozwala objąć cały regał i przetworzyć 10-15 tys. palet na godzinę.
Zaczynaliśmy zresztą skromniej, od czterdziestu stóp, czyli ok. 12 m; dziś maszyna sięga sześćdziesięciu stóp, a więc mniej więcej 18 m. Druga rzecz, której potrzebowali pytani, to dostęp do wniosków, a nie do surowych danych. Nasza maszyna generuje grubo ponad 1000 GB na godzinę i wszystko przetwarzamy na pokładzie robota. Bo kiedy rozmawialiśmy z przedstawicielami rynku, ci mówili: nasze Wi-Fi nie jest najlepsze, mamy martwe strefy. Trzeba więc umieć działać w pełni autonomicznie i dopiero potem dostarczyć im informacje.
Wróćmy do tego, co klient dostaje. Cyfrowy bliźniak to dla wielu wciąż mapa tego, gdzie co leży.
To pierwszy krok. Im więcej danych, tym większa wartość dodatkowa: można cofać się w czasie, praktycznie od pierwszego dnia wdrożenia. Ale to, co budujemy teraz, to zdolność uruchamiania wielu scenariuszy i łączenia AI z posiadanymi zbiorami danych, żeby prowadzić znacznie bardziej wyrafinowane analizy – do punktu, w którym cyfrowy byt magazynu sam podsuwa różne warianty optymalizacji na przyszłość. Ten pomysł przyszedł wprost z wyścigów.
W F1 przed weekendem wyścigowym ma się samochód laboratoryjny – od stanowiska ze wszystkimi systemami, na którym odtwarza się dane z dowolnego toru, po symulator z pętlą sprzętową i programową, do którego można posadzić kierowcę. Później, na torze, symulator chodzi równolegle z testami. Ma się cyfrowy odpowiednik prawdziwego auta i można w nim przerabiać scenariusze znacznie taniej. Tylko że kierowca to człowiek – bywa zmęczony, ma lepsze i gorsze dni, warunki na torze stale się zmieniają. Dokładnie to zainspirowało nas w logistyce: można przerabiać warianty prowadzenia magazynu, nie ruszając ani jednego atomu w rzeczywistej operacji.
Kto najwięcej na tym zyskuje – ci, którzy budują nowe magazyny, czy ci, którzy wykorzystują stare?
Nowe budynki to jedno, ale największy efekt widzimy przy optymalizacji istniejących operacji. Jestem zwolennikiem rozwiązywania dzisiejszych problemów. Trudno budować biznes, który zakłada, że rynek kiedyś dogoni pomysł. Zanim wprowadziliśmy naszą technologię, było w tym mnóstwo zgadywania. Teraz jesteśmy w stanie cofnąć się do danych, obejrzeć praktycznie każdy pojedynczy skan, zobaczyć, w jakim stanie był magazyn, i na tej podstawie podejmować świadome decyzje. Tego rodzaju zmiany można wprowadzać dwa czy trzy razy w roku – a to duże zmiany, jeśli zaczyna się przestawiać regały i dokładać poziomy. Robi się to dlatego, że ma się pewność, iż przestrzeń jest niewykorzystana. To daje możliwość wyciągnięcia większej wartości i zarobienia więcej na praktycznie tej samej operacji.
Magazyny buduje się jednak na dekady.
Ludzie budują je pod problemy, które mają dzisiaj, a tymczasem te obiekty powstają z myślą o trzydziestu czy pięćdziesięciu latach użytkowania. Nie stawia się magazynu po to, żeby przerobić go za rok. Wykłada się fundusze na dużą inwestycję z góry i wiąże z określonym typem obiektu – a ludzie potrzebują elastyczności. Jest na rynku wiele przykładów firm, które sądziły, że zautomatyzują dużą część magazynu, po czym rynek się zmienił. Nie dostały od automatyzacji elastyczności, na którą liczyły, bo to, co kupujemy jako konsumenci, wymagania branży – wszystko się zmienia. To jeden z powodów, dla których skupiamy się na warstwie inteligencji danych. Duże zmiany fizyczne w magazynie są drogie i trudne do przeprowadzenia, jeśli nie ma się pewności, że działa się właściwie.
Wiele firm zaczyna dziś od pilotażu jednej technologii. Pan sugeruje inną kolejność.
Nie da się powiedzieć: wdrożę sobie jakąś autonomiczną maszynę X, Y czy Z i wszystko się magicznie wyleczy. Trzeba patrzeć na to, jak zmienia się wykonywana operacja, jak adaptuje się systemy i jak to spójnie ze sobą pracuje. U naszych klientów rozmowa nie dotyczy więc tego, czy wdrożyć produkt Dexory w jednym magazynie, tylko tego, jak to działa i jak pomoże im ułożyć mapę drogową dla kolejnych technologii. Cyfrowy bliźniak stanowi tu infrastrukturę pod przyszłe wdrożenia, np. autonomiczne wózki widłowe, roboty humanoidalne czy inne technologie AI, które opierają się na fizycznym rozumieniu przestrzeni. To jest wirtualnie system archiwizacyjny magazynu: cyfrowa kopia tego, jak wyglądało każde miejsce paletowe, każdy blok i każde czoło pobrania w dowolnym momencie. Powstaje z tego zbiór treningowy i jezioro informacji do wykorzystania w uczeniu maszynowym.
Dlaczego Wasz robot nie ma nazwy?
To celowe. Rozwijamy u siebie cały łańcuch technologiczny. Nie postrzegam nas jako firmy robotycznej, bo nie robimy tylko robota — budujemy też wszystkie systemy percepcji, które zamieniają zebrane dane we wnioski, oraz układy sterowania i stos autonomii. Projektujemy każdą część produktu wewnętrznie: projekt, inżynieria, testy, walidacja, wytwarzanie robotów u siebie, a instalacje wykonujemy bezpośrednio z klientem. To jest wybór.
AutoStore czy roboty Ocado Technology nie były robione wewnętrznie, tylko z partnerami zewnętrznymi, i taki był kiedyś trend w branży. Stoczyliśmy o to sporo bitew, bo od początku byliśmy przekonani do pełnego stosu. Jeśli ma się coś naprawdę nowego i unikalnego, trzeba być ekspertem od tego, jak produkt jest zbudowany. To daje możliwość pracy z klientem i szybszego uczenia się – powstaje pętla, która się powtarza, produkt staje się lepszy, a klient bardziej zadowolony. Jeśli zaś polega się na kimś innym przy trudnej robocie, nie będzie się szybkim i oddaje się całą naukę na zewnątrz.
Skoro rynek nie chce robotów, to czego chce?
Rynek nie chce kupować kolejnych robotów. Chce rozwiązać swój problem, którym jest posiadanie danych w czasie rzeczywistym o tym, co dzieje się w magazynach.
Artykuł stanowi zredagowane i skrócone opracowanie rozmowy Briana Heatera z Andreiem Danescu, opublikowanej 5 sierpnia 2026 r. w podcaście „Automated”, wydawanym przez Association for Advancing Automation (A3), odcinek 49. Nagranie wraz z pełnym transkryptem dostępne jest pod adresem internetowym: https://www.automate.org/automated-podcast/episodes/automated-podcast-episode-andrei-danescu.
