Eka完成1.5亿美元A轮，投后估值14.5亿美元

机器人在拿起物体方面仍然不那么擅长，尽管已投入数十亿美元，并向深度学习模型喂入了无数视频。

这或许即将改变，这要归功于 Eka Robotics 打造的一套操作架构，它包含一个力敏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，刚刚完成了由风险投资基金 a16z 和 F-Prime 领投的 $150 million A 轮融资，投后估值为 $1.45 billion。

“他们在某些任务上已经超越了超人表现，因此我们认为，未来几个月内，许多灵巧操作任务都将达到超人表现，”共同领投本轮融资的 a16z 普通合伙人 Raghu Raguram 告诉 TechCrunch。

在机器人演示无休无止的时代，Eka 的能力正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，它具有“惊艳感”。Hauser 说，Eka 机器人“能够在无需重新训练的情况下适应大量不同物体”，并补充说，它还有一种“人性，一种令人毛骨悚然的人性：如果第一次失败，它会一次又一次地尝试”。

另一位因在前沿实验室工作而要求匿名的机器人专家告诉 TechCrunch，看到 Eka 的机器人实际运作是一次令人动容的体验，堪比 5 到 10 年前机器人首次实现可靠的腿式运动。你自己看看：

正在加载播放器…

这里值得注意的是什么？机器人移动得如此平稳而迅速。它一小时可以抓起约 1,500 个重量不超过 1 kg 的物体，而人类大约是 600 个；Eka 表示，它可靠抓取物体的比例超过 95%。而且机械臂力量足够大，以那样的速度移动时足以伤到自己。据这位前沿实验室观察者所说，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，他们递给它一颗树莓，这显然是该实验室最喜欢的测试物品。“一台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，这种体验是一种感觉，就在我们说话的此刻，我仍把这种感觉承载在身体里，”他们告诉 TechCrunch。

如何不把树莓挤烂

这些能力源于基础模型的构建方式。这里的方案并非视觉-语言-动作模型——后者被训练来理解语言、视觉输入与动作之间的关系——而是视觉-力-动作模型，侧重于语言、力输入与动作之间的关系。对生成式 AI 机器人模型当前方向的批评者，比如 Rodney Brooks，表示如果不尝试表征力与触觉，这些模型将会失败；Eka 的结果表明，这类批评者言之有理。

“视觉并不是你解决这最后一毫米问题的主要方式，”Eka 联合创始人 Agrawal 告诉 TechCrunch。“视觉大致告诉你物体在哪里、姿态如何，但实际的抓取、实际的搜寻是通过力来完成的。”

Eka 必须设计出一只比传统夹爪更灵活、并配备更多力传感器的独特机械手；它会对接触做出反应，因此不会把树莓捏碎。出于显而易见的竞争原因，创始人对他们如何做到这一点讳莫如深，但归根结底是使用物理仿真器来模拟机器人尝试抓取物体时会遇到的多种力，并据此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 并没有局限于从人类演示等来源收集的数据，而是通过强化学习推进这种方法，使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，他们能够不受限于呈现给他们用于训练的数据。”

Agrawal 和 Haarnoja 最初在加州大学伯克利分校读研究生时相识，是机器人控制强化学习领域的领先研究者。Eka 的关键押注是，这项技术可以通过仿真大规模实现，而不必依赖零工或机器人操作员花费许多小时执行任务所采集的视频。仿真是实现其机器人可靠操作的关键，而这一成就在过去对于需要与物体交互、而非避开物体的任务来说已被证明更加困难。

“EKA 正在弥合的，是困扰着许多现代机器人技术的通用性与性能之间的差距，”Agrawal 认为。

让通用机器人变得有用

目前，最具泛化能力的物理 AI 模型——那些能够尝试许多不同任务的模型——在这些任务上并不特别好。但被训练成在单一任务上高度胜任的 AI 模型，可能无法为一家公司算清商业账：生成式 AI 的承诺是，机器人可以快速学习多项任务，甚至是全新的任务。

目前的方法擅长打造比以往更具通用智能的机器人——Astra，即 ChatGPT 最新的 LLM，可以在陌生环境中操作机器人并与其一起执行任务，但速度慢、成本高。像 Eka 这样的模型所承诺的是，由它处理物理层面，而由更通用的模型决定如何解决问题。例如，Astra 或许知道盘子从洗碗机里出来后要叠放在橱柜里，但 Eka 的模型能够拿起盘子而不把它打碎。

“这个领域的大多数人一直专注于规划，”Eka 联合创始人 Haarnoja 说，“所以他们自上而下：从高层智能出发，再把它向下推进到物理层面。而我们则是自下而上地思考。”

不过，Eka 仍需在实际场景中证明自己。该公司正与多家工业客户开展保密试点，从事抓取放置和线缆操作，但从实验室到产线的跨越，几乎与仿真和现实之间的差距一样大。

“真正的巨大挑战将出现在他们与集成商在真实装配线上合作时，它需要整整一年运行而不出故障，”Hauser 说。另一个悬而未决的问题是：“这些技术对不同任务的泛化能力能有多强？”我所看到的是抓取放置，但许多有附加值的工业任务所涉及的远不止抓取放置。

Agrawal 同样关注可部署性；他表示，目前 Eka 的夹爪硬件成本不到 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所设定的 2,000 万次循环门槛。

“我们正在构建的，是如何设计完整工作流程的工程体系，但我们起步非常务实，先聚焦抓取、整理、放置以及线缆处理这两个垂直领域，把它们做成大获成功的项目，”Agrawal 说。“一旦我们在这些领域大获成功，我们正在开发的方法能做到的事情就没有上限。”

当你通过我们文章中的链接购买时，我们可能会获得少量佣金。这不会影响我们的编辑独立性。