Eka Robotics 融资 1.5 亿美元，估值 14.5 亿美元，凭物理 AI 模型获机器人专家称赞

尽管投入了数十亿美元，并向深度学习模型输入了无穷无尽的视频，机器人拾取物体的能力仍然不算出色。

这种情况可能即将改变，这要归功于 Eka Robotics 构建的一种操作架构，其中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 MIT 教授 Pulkit Agrawal 和前 Google DeepMind 研究员 Tuomas Haarnoja 创立，刚刚完成了一轮由风投基金 a16z 和 F-Prime 领投的 1.5 亿美元 A 轮融资，投后估值 14.5 亿美元。

“它们在某些任务上已经超越了超人类的表现，所以我们认为在未来几个月内，许多灵巧操作任务也会达到超人类的表现，”共同领投这轮融资的 a16z 普通合伙人 Raghu Raguram 对 TechCrunch 表示。

在永无止境的机器人演示时代，Eka 的能力令资深机器人建造者感到震撼。

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“令人惊叹的感觉”。Hauser 说，Eka 机器人“无需重新训练就能适应大量不同的物体”，并补充说它还有一种“人性化的特质，一种令人毛骨悚然的人性——如果第一次失败了，它会一遍又一遍地尝试”。

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，亲眼看到 Eka 机器人运作是一种情感体验，堪比五到十年前机器人首次实现可靠的腿足运动时。请亲自看看：

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。它每小时可以拾取约 1500 个重量不超过 1 公斤的物体，而人类约为 600 个；Eka 表示，其拾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。这位前沿实验室观察者认为，这表明“他们非常信任自己的算法不会弄坏机器人。我很好奇他们在这个过程中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——这家实验室显然最喜爱的测试物品。“一台又大又重的机器人朝我的手臂冲过来，然后及时减速并非常轻柔地触碰我，这种体验感，就在此刻，仍萦绕在我的身体里，”他们对 TechCrunch 说。

如何不压碎树莓

这些能力源于其基础模型的构建方式。这里采用的并非视觉-语言-动作模型——即训练以理解语言、视觉输入与动作之间关系的模型——而是视觉-力-动作模型，专注于语言、力输入与动作之间的关系。当前生成式 AI 机器人模型发展方向的批评者，比如 Rodney Brooks，认为如果不尝试表征力和触觉，这些模型将会失败；Eka 的成果表明这些批评者不无道理。

“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 说。“视觉告诉你物体大致在哪里、姿态如何，但真正的抓取、真正的搜寻是通过力来完成的。”

Eka 必须设计一种独特的机械手，比传统夹持器更灵活，并配备更多力传感器；它能对接触做出反应，这就是它不会捏碎树莓的原因。出于显而易见的竞争原因，创始人对如何实现这一点讳莫如深，但关键在于使用物理仿真器来建模机器人在尝试抓取物体时会遇到的各种力，并以此创建一个可以大规模运行的强化学习环境。他们表示，几分钟内就能生成数千小时的机器人经验。

“Eka 不是局限于你从人类演示等方式收集到的数据，而是通过强化学习推进这种方法，让机器人能够超越任何给它的演示，”Hauser 说。“真正令人兴奋的是，他们能够不受训练所用数据的限制。”

Agrawal 和 Haarnoja 最早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顶尖研究者。Eka 的关键赌注是，这项技术可以通过仿真大规模实现，而不是依赖众包工人或机器人操作员执行数小时任务所收集的视频。仿真是实现其机器人可靠操作的关键——在过去，对于需要与物体交互而非避开物体的任务，这被证明更为困难。

“EKA 所弥合的是通用性与性能之间的差距，这一差距困扰着许多现代机器人技术，”Agrawal 认为。

让通用机器人真正有用

目前，最具通用性的物理 AI 模型——也就是那些可以尝试多种不同任务的模型——在执行这些任务时并 不出色。但训练成在单一任务上高度胜任的 AI 模型，可能无法为公司带来可行的商业案例：生成式 AI 的承诺在于机器人可以快速学习多种任务，甚至是全新的任务。

目前的方法擅长制造出比以往更通用的智能机器人——Astra，ChatGPT 的最新 LLM，可以在陌生环境中 操控机器人并用它执行任务，但速度慢且成本高。像 Eka 这样的模型的承诺在于，它负责处理物理操作，而更通用的模型负责决定如何解决问题。例如，Astra 可能知道盘子从洗碗机里拿出来后要叠放到橱柜里，但 Eka 的模型能够在拿起盘子时不把它弄碎。

“这个领域的大部分工作一直专注于规划，”Eka 联合创始人 Haarnoja 说，“所以他们从上往下入手：高级智能，将其向下推向物理层面。而我们则是自下而上地思考。”

不过，Eka 仍需要在实际现场证明自己。该公司正在与多家工业客户进行保密试点，从事拾取放置和线材操作，但从实验室到生产线的跨越几乎与从仿真到现实的鸿沟一样大。

“真正的巨大挑战将是他们与集成商在真实装配线上合作时，机器人需要整整一年无故障运行，”Hauser 说。另一个悬而未决的问题是“这些技术对不同任务能有多强的泛化能力？我所看到的是拾取放置，但许多有附加价值的工业任务不仅仅涉及拾取放置。”

Agrawal 也非常关注可部署性；他表示，目前 Eka 的夹爪硬件——价格不到 1,000 美元——的额定使用寿命为 500 万次循环，但最终目标是达到标准工业机械臂所设定的 2000 万次循环的门槛。

“我们所构建的是如何设计完整工作流的工程能力，但我们起步时非常务实，先选定拾取、整理、放置和线缆处理这两个垂直领域，把它们做成全垒打，”Agrawal 说。“一旦在这些领域打出全垒打，凭借我们正在开发的方法，我们能做的事情将无可限量。”

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。