Стартап Eka Robotics объявил о закрытии раунда Series A на сумму 150 миллионов долларов, в результате чего его оценка после раунда составила около 1,45 миллиарда долларов. Раунд возглавили венчурные фонды a16z и F-Prime, и за ним последовала поддержка ряда инвесторов. По словам сооснователя Пулкита Агравала и ранее работавшего в Google DeepMind Tuomas Haarnoja, именно эта комбинация аппаратной гибкости и новой архитектуры глубокой нейронной сети способна двигать рынок манипуляций роботов вперед. Эти данные совпадают с тем, что в беседе с TechCrunch отмечал Рагху Рагурам из a16z: команда уверена, что в ближайшие месяцы наблюдатель увидит «суперчеловеческую» производительность в ряде задач по манипуляции. [2, 1, 3]

Сообщается, что Eka работает над «переходной архитектурой», объединяющей силовую хватку захвата и модель глубокого обучения. В отличие от более традиционных подходов, где акцент делается на визуальной информации и планировании действий, Eka подчёркивает влияние силовых входов и контактов с объектами — и эта идея лежит в основе их визуально‑силово‑действующей модели. Руководители проекта назвали этот подход важной частью ответа на критику к современным моделям робототехники, которые в меньшей степени учитывают силу и тактильность. [10, 11]

По данным демонстраций и тестов, робот Eka демонстрирует впечатляющую скорость и точность: он может поднимать около 1 500 объектов массой до 1 кг за час и делает это с надёжностью более чем в 95 процентов, что по оценке frontier lab специалиста столь же уверенно, как и в контролируемой среде. При этом робот оснащён прочной рукой и системой датчиков силы, что позволяет ему не повредить спортивно чувствительные предметы — например Raspberry. Эксперты отмечают, что робот способен адаптироваться к большому числу объектов без повторной тренировки. [7, 8, 12]

Особенность подхода Eka — создание «ниже‑уровня» основы, на которой работает модель: вместо того чтобы строить полную схему визия‑язык‑действие, они строят схему vision‑force‑action. Это позволяет обходиться меньшим количеством демонстраций и разворачивать обучение через моделирование физики и множество сценариев в симуляторе. По словам Агравала, именно силовые взаимодействия обеспечивают «закрытие последнего миллиметра» захвата, а задача планы — с ней справляется нижний уровень. [11, 10]

В компании подчёркивают прагматичность и реальную применимость, уже сейчас ведутся pilots с несколькими индустриальными заказчиками по задачам «подбор‑размещение» и манипуляций проводами. Однако переход от лаборатории к линии конвейера — задача не менее масштабная, чем переход от симуляции к реальности. Эксперт Hauser из Иллинойсского университета подчеркивает возможные риски: интеграция на реальных производственных линиях должна работать без сбоев в течение года, а вопрос масштабируемости и общего применения остаётся открытым. [20, 21, 22]