Eka Robotics 完成 1.5 亿美元 A 轮融资，估值 14.5 亿美元

尽管投入了数十亿美元，并且向深度学习模型输入了无数视频，机器人仍然不太擅长抓取物品。

多亏了 Eka Robotics 构建的一种操作架构，这种情况可能即将改变。该架构包含一个力敏感夹爪和一种新型深度学习模型。这家初创公司由麻省理工学院教授 Pulkit Agrawal 和前 Google DeepMind 研究员 Tuomas Haarnoja 创立，刚刚完成了 1.5 亿美元的 A 轮融资，由风投基金 a16z 和 F-Prime 领投，投后估值达 14.5 亿美元。

“在某些任务上，它们已经超越了人类的表现，因此我们认为，在未来几个月内，许多灵巧操作任务都将出现超越人类的表现，”共同领投本轮融资的 a16z 普通合伙人 Raghu Raguram 对 TechCrunch 表示。

在这个机器人演示层出不穷的时代，Eka 的能力令资深机器人建造者感到震惊。

伊利诺伊大学厄巴纳-香槟分校教授 Kris Hauser 表示，与他最近看到的其他机器人演示相比，它有一种“令人惊叹的因素”。Hauser 说，Eka 机器人“无需重新训练就能适应大量不同的物体”，并补充说它还具有一种“人性化，一种令人毛骨悚然的人性化——如果第一次失败了，它会一遍又一遍地尝试。”

另一位机器人专家因在一家前沿实验室工作而要求匿名，他告诉 TechCrunch，看到 Eka 机器人的实际运行是一种情感体验，堪比五到十年前机器人首次实现可靠腿式行走时的感受。你自己看看吧：

正在加载播放器…

这里有什么值得注意的？机器人移动得多么流畅和迅速。它每小时可以抓取约 1,500 个重量不超过 1 公斤的物体，而人类约为 600 个；Eka 表示，它可靠抓取物体的成功率超过 95%。而且机械臂足够强壮，在如此快速移动时甚至可能伤到自己。据这位前沿实验室观察者称，这表明“他们非常信任自己的算法不会弄坏机器人。我想知道他们一路上弄坏了多少台机器人？”

当这位前沿实验室的机器人专家见到 Eka 的机器人时，他们递给它一颗覆盆子——这显然是该实验室最喜欢的测试物品。“一个又大又重的机器人冲向我的手臂，然后及时减速，非常轻柔地触碰我，这种体验我此刻仍能感受到，身体里还留着这种感觉，”他们告诉 TechCrunch。

如何不压扁覆盆子

这些能力源于基础模型的构建方式。这里采用的不是视觉-语言-动作模型——那种模型被训练来理解语言、视觉输入和动作之间的关系——而是一种视觉-力-动作模型，专注于语言、力输入和动作之间的关系。对当前生成式 AI 机器人模型方向的批评者，如 Rodney Brooks，认为如果不尝试表征力和触觉，这些模型就会失败；Eka 的成果表明这些批评者有道理。

“视觉并不是解决这最后一毫米问题的主要方式，”Eka 联合创始人 Agrawal 对 TechCrunch 表示。“视觉告诉你物体大致在哪里、姿态如何，但真正的抓取、真正的搜索是通过力来完成的。”

Eka 必须设计一款独特的机械手，它要比传统夹爪更灵活，并包含更多力传感器；它能对接触做出反应，因此不会压碎覆盆子。出于明显的竞争原因，创始人们对他们如何实现这一点讳莫如深，但归根结底是使用物理模拟器来建模机器人在尝试抓取某物时会遇到的多种力，并利用这一点创建一个可以大规模运行的强化学习环境。他们表示，可以在几分钟内生成数千小时的机器人经验。

“Eka 不是局限于从比如人类演示中收集的数据，而是通过强化学习推进这种方法，让机器人能够超越提供给它的任何演示，”Hauser 说。“真正令人兴奋的是，他们能够不受限于为训练提供给他们的数据。”

Agrawal 和 Haarnoja 最初在加州大学伯克利分校的研究生院相识，他们是机器人控制强化学习领域的领军研究者。Eka 的关键押注是，这项技术可以通过模拟大规模实现，而不是依赖零工工作者收集的视频，或机器人操作员执行任务数小时的数据。模拟是实现其机器人可靠操作的关键，而过去对于需要与物体交互而非避开物体的任务，这已被证明更加困难。

“EKA 正在弥合的是通用性与性能之间的差距，这一问题困扰着许多现代机器人技术，”Agrawal 辩称。

让通用机器人变得有用

目前，最具泛化能力的物理 AI 模型——那些可以尝试许多不同任务的模型——在这些任务上并不特别好。但被训练为在单一任务上高度有能力的 AI 模型可能无法为公司建立商业案例：生成式 AI 的承诺是机器人可以快速学习多项任务，甚至是新任务。

当前的方法擅长生产比以前更通用智能的机器人——ChatGPT 最新的 LLM Astra 可以在陌生环境中操作机器人并与之执行任务，但速度慢且成本高。像 Eka 这样的模型的前景在于，它处理物理性，而更通用的模型则决定如何解决问题。例如，Astra 可能知道盘子从洗碗机拿出来后要叠放在橱柜里，但 Eka 的模型能够拿起盘子而不打碎它。

“该领域的大部分一直专注于规划，”Eka 联合创始人 Haarnoja 说，“所以他们从顶层入手：高层智能，将其向下推向物理层面。而我们是从下往上思考。”

不过，Eka 仍需要在现场证明自己。该公司正在与多家工业客户进行秘密试点，从事拾取放置和线缆操作，但从实验室到生产线的跨越几乎与模拟到现实的差距一样大。

“一个重大挑战将是当他们与集成商在真实装配线上合作时，它需要整整一年无故障运行，”Hauser 说。另一个未解问题是“‘这些技术能多大程度泛化到不同任务？’我看到的是拾取放置，但许多增值的行业任务涉及的不仅仅是拾取放置。”

Agrawal 同样关注可部署性；他表示，目前 Eka 的夹爪硬件成本低于 1,000 美元，额定工作循环为 500 万次，但最终目标是达到标准工业机械臂设定的 2,000 万次循环标准。

“我们正在构建的是如何设计整个工作流程的工程方法，但我们起步时非常务实，先确定抓取、排列、放置和线缆处理这两个垂直领域，让它们成为本垒打，”Agrawal 说。“一旦我们在这些领域打出本垒打，凭借我们正在开发的方法，我们能做的事情将不可限量。”

当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。