Eka Robotics sammelt 150 Mio. $ bei 1,45 Mrd. $ Bewertung ein und trainiert Roboter per Self-Play statt mit menschlichem Video

Eka Robotics hat am 20. Oktober eine Series A über 150 Mio. $ angekündigt, gemeinsam angeführt von Andreessen Horowitz und F-Prime, mit den Seed-Investoren Obvious Ventures und E14 Fund erneut an Bord und einer breiteren Runde mit MFV Partners, Bison Ventures, Glasswing Ventures, Samsung Next und mehreren strategischen Investoren aus den Fortune 500. TechCrunch gibt die Bewertung mit 1,45 Mrd. $ an.

Das Geld ist eine Wette gegen das Trainingsrezept, das die geschickte Manipulation dominiert hat. Physical Intelligence und Skild AI, beide mit Milliardenbewertungen, trainieren mit großen Mengen menschlicher Teleoperations-Vorführungen, wodurch der Umfang der Datenerhebung zum Burggraben wird. Eka erklärt, auf menschliche Vorführungen zu verzichten: Ein Roboter greift ein Objekt, lässt es fallen und probiert es in einer Physiksimulation millionenfach erneut, so wie AlphaZero Spiele lernte, ohne menschliche Partien zu sehen, und ergänzt die Kraftmessung an den Fingerspitzen, statt sich allein auf Kameras zu verlassen. Eka nennt das Modell Vision-Force-Action.

Der Durchsatz ist die Zahl, die es zu prüfen gilt

Eka zufolge führen seine Roboter bei einem breiten Spektrum unbekannter Objekte bis zu 1.500 Greifvorgänge pro Stunde aus, verglichen mit einer vom Unternehmen genannten menschlichen Vergleichsrate von rund 600, also etwa 2,5-mal schneller, und derselbe Roboter könne eine Glühbirne einschrauben und Kabel einführen. Kontaktreiche Fähigkeiten aus der Simulation auf reale Hardware zu übertragen, war bislang unzuverlässig, und genau daran ist dieser Ansatz üblicherweise gescheitert. Hält die Durchsatzzahl außerhalb der eigenen Zelle des Unternehmens, verliert das Imitationslernen seinen strukturellen Vorteil: Die Datenerhebung ist dann nicht mehr die knappe Ressource.

Das Ergebnis könnte woanders herkommen

Ein schnellerer Controller, ein besserer Greifer oder ein fest vorgegebener Aufgabenaufbau können jeder für sich eine hohe Stundenzahl erzeugen, und Eka hat die Aufschlüsselung nach Aufgaben hinter der Zahl von 1.500 nicht veröffentlicht; die Zahl ist damit ein Ausgangspunkt und kein Benchmark-Ergebnis. Der Gegeneinwand: Self-Play in der Simulation hat schon früher beeindruckende Videos hervorgebracht, die einen Wechsel von Objekten und Licht nicht überstanden.

Eka wurde von MIT-Professor Pulkit Agrawal, der das Improbable AI Lab leitet, und Tuomas Haarnoja mitgegründet, einem Mitautor des Reinforcement-Learning-Algorithmus Soft Actor-Critic. Der Prüfpunkt ist, ob die Rate von 1.500 Greifvorgängen pro Stunde eine Aufgabe übersteht, die das Unternehmen nicht selbst entworfen hat.