Eka Robotics levanta 150 millones de dólares con una valoración de 1.450 millones para enseñar a los robots por autojuego en vez de con vídeo humano

Eka Robotics anunció el 20 de octubre una Serie A de 150 millones de dólares codirigida por Andreessen Horowitz y F-Prime, con el regreso de los inversores de la ronda semilla Obvious Ventures y E14 Fund, y una lista más amplia que incluye MFV Partners, Bison Ventures, Glasswing Ventures, Samsung Next y varias empresas estratégicas del Fortune 500. TechCrunch situó la valoración en 1.450 millones de dólares.

El dinero es una apuesta contra la receta de entrenamiento que domina la manipulación diestra. Physical Intelligence y Skild AI, ambas valoradas en miles de millones, entrenan con grandes volúmenes de demostraciones de teleoperación humana, lo que hace de la escala de recogida de datos la barrera. Eka dice que prescinde de demostraciones humanas: un robot coge un objeto, lo suelta y lo reintenta millones de veces dentro de una simulación física, como AlphaZero aprendió juegos sin ver partidas humanas, y añade sensórica de fuerza en la punta de los dedos en lugar de depender solo de cámaras. Eka llama al modelo visión-fuerza-acción.

La cifra que hay que vigilar es el rendimiento

Eka dice que sus robots realizan hasta 1.500 operaciones de recogida por hora con una amplia variedad de objetos no vistos, frente a una referencia humana de unas 600 según la propia empresa, alrededor de 2,5 veces más rápido, y que el mismo robot puede enroscar una bombilla y conectar cables. Trasladar a hardware real habilidades ricas en contacto aprendidas en simulación ha sido históricamente poco fiable, y ahí ha estado el punto de fallo habitual de este enfoque. Si la cifra de rendimiento se sostiene fuera de la célula de la propia empresa, el aprendizaje por imitación pierde su ventaja estructural: la recogida de datos deja de ser el recurso escaso.

El resultado podría venir de otro sitio

Un controlador más rápido, una pinza mejor o una configuración de tarea fija pueden producir por sí solos un recuento alto por hora, y Eka no ha publicado el desglose por tarea que hay detrás de la cifra de 1.500, así que el número es un punto de partida y no el resultado de un benchmark. El contraargumento es que el autojuego en simulación ya ha producido vídeos impresionantes que no sobrevivieron a un cambio de objetos e iluminación.

Eka fue cofundada por el profesor del MIT Pulkit Agrawal, que dirige el Improbable AI Lab, y por Tuomas Haarnoja, coautor del algoritmo de aprendizaje por refuerzo Soft Actor-Critic. La pregunta a resolver es si la tasa de 1.500 por hora sobrevive a una tarea que la empresa no diseñó.