Eka Robotics 完成 $150M A 轮融资,估值达 14.5 亿美元,用于开发基于力觉的 AI 模型

关键要点

  • Eka Robotics 完成 1.5 亿美元 A 轮融资,投后估值达 14.5 亿美元,由风险投资基金 a16z 和 F-Prime 领投。
  • Eka Robotics 的视觉-力觉-动作模型每小时可抓取 1,500 件物体,成功率达到 95% 以上,远超人类工人每小时抓取 600 件物体的效率。
  • Eka Robotics 正在秘密开展工业试点,测试抓取与放置以及线缆操控任务,目标是将夹爪的循环次数从 500 万次提高到 2,000 万次。

Eka Robotics 由麻省理工学院教授 Pulkit Agrawal 和前 Google DeepMind 研究员 Tuomas Haarnoja 创立,完成了 1.5 亿美元的 A 轮融资,由风险投资基金 a16z 和 F-Prime 共同领投,投后估值达到 14.5 亿美元。这家公司开发了一种机器人操控架构,将力感知夹爪与视觉-力-动作深度学习模型相结合,解决机器人行业长期以来难以可靠操控物体的问题。该系统每小时可抓取约 1,500 个重量不超过 1 千克的物体,成功率超过 95%;相比之下,人类工人每小时约可抓取 600 个物体。

Eka Robotics 构建用于物体操控的视觉-力-动作模型

Eka 的基础模型采用视觉-力-动作架构,而不是机器人 AI 中常见的视觉-语言-动作模型。该系统专注于视觉输入、力输入与动作之间的关系。联合创始人 Agrawal 告诉 TechCrunch:“视觉并不是解决最后 1 毫米问题的主要手段。视觉会大致告诉你物体在哪里、姿态如何,但实际的抓取和搜索过程是通过力来完成的。”

该公司设计了一款灵活性更高、配备额外力传感器的机器人夹爪,能够对接触作出反应,防止损坏脆弱物体。夹爪硬件成本低于 1,000 美元,额定使用寿命为 500 万个工作循环。Eka 使用物理模拟器对机器人在抓取过程中遇到的多种力进行建模,并创建强化学习环境,在几分钟内生成数千小时的机器人经验。

共同领投本轮融资的 a16z 普通合伙人 Raghu Raguram 告诉 TechCrunch,这些机器人“在某些任务上的表现已经超越人类”。机械臂的移动速度非常快,快到可能损坏自身,而该系统具备足够的可靠性,能够在不发生损坏的情况下处理这种速度。

机器人专家回应 Eka 的操控能力

伊利诺伊大学厄巴纳-香槟分校教授 Kris Hauser 表示,与其他机器人演示相比,Eka 的演示“非常令人惊叹”。Hauser 说:“Eka 机器人无需重新训练,就能适应大量不同的物体。”他还指出,机器人表现出了“人性化,以及令人毛骨悚然的拟人化——如果第一次失败,它会一次又一次地尝试”。

一家前沿实验室的匿名机器人专家告诉 TechCrunch,亲眼看到 Eka 的机器人运行是一种情感体验,就像机器人首次实现可靠的腿式运动一样。该机器人专家描述了用树莓测试机器人的过程:“一台又大又重的机器人朝我的手臂冲过来,然后恰好及时减速,非常轻柔地触碰我。这种感觉是,即使此刻我正在说这些话,我的身体里依然带着这种感觉。”

Hauser 解释说,Eka 的方法不同于受数据限制的方法:“Eka 并不是受限于从人类示范等来源收集的数据,而是通过强化学习推动这种方法,让机器人能够超越给予它的任何示范。”

Eka Robotics 在抓取与放置作业中开展工业试点

Eka 正与工业客户秘密开展抓取与放置以及线材操控任务的试点。联合创始人 Haarnoja 描述了公司的方法:“该领域的大多数人一直专注于规划,因此他们采取的是自上而下的方法:先构建高层智能,再将其向下传递到物理层面。而我们的思考方式是自下而上。”

Agrawal 表示,公司专注于两个垂直领域:“在抓取、整理、放置和线材处理这两个垂直领域,让我们把它们做到极致。一旦我们在这些领域取得成功,用我们正在开发的方法能够完成多少事情,就拥有无限可能。”该公司的目标是将夹爪的额定工作循环次数从 500 万次提升至 2,000 万次,以匹配标准工业机械臂。

Hauser 指出了部署方面的挑战:“当他们与系统集成商合作,在真正的装配线上运行时,如何做到整整一年不发生故障,将是一大挑战。”他还质疑其通用性:“我所看到的是抓取和放置,但许多具有附加价值的工业任务涉及的不仅仅是抓取和放置。”

常见问题

Eka Robotics 获得了多少融资?
Eka Robotics 完成了由 a16z 和 F-Prime 共同领投的 1.5 亿美元 A 轮融资,公司投后估值达到 14.5 亿美元。

Eka 的机器人系统与其他 AI 机器人模型有何不同?
Eka 使用视觉-力-动作模型,专注于力输入和物理交互,而不是机器人领域常见的视觉-语言-动作模型。该系统使用配备额外传感器的力感知夹爪,并通过物理模拟生成训练数据,而不是依赖人类示范或视频数据集。

Eka 的机器人取得了哪些性能指标?
该机器人每小时可抓取约 1,500 个重量不超过 1 千克的物体,成功率超过 95%;相比之下,人类工人每小时约可抓取 600 个物体。夹爪硬件成本低于 1,000 美元,额定使用寿命为 500 万个工作循环。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论