Eka Robotics lève 150 M$ pour enseigner aux robots par auto-jeu plutôt que par vidéo humaine

Eka Robotics a annoncé le 20 octobre un tour de série A de 150 millions de dollars, codirigé par Andreessen Horowitz et F-Prime, avec les investisseurs historiques du tour d'amorçage Obvious Ventures et E14 Fund, et une liste plus large comprenant MFV Partners, Bison Ventures, Glasswing Ventures, Samsung Next et plusieurs grands groupes du Fortune 500. TechCrunch évalue la société à 1,45 milliard de dollars.

Cet argent est un pari contre la recette d'entraînement qui domine la manipulation habile. Physical Intelligence et Skild AI, tous deux valorisés en milliards, s'entraînent sur de grands volumes de démonstrations de téléopération humaine, ce qui fait de l'ampleur de la collecte de données la barrière à l'entrée. Eka affirme se passer des démonstrations humaines : un robot saisit un objet, le lâche et recommence des millions de fois dans une simulation physique, comme AlphaZero a appris les jeux sans voir jouer un humain, et il ajoute la mesure de force au bout des doigts plutôt que de se fier aux seules caméras. Eka appelle son modèle « vision-force-action ».

Le débit est l'affirmation à surveiller

Eka indique que ses robots réalisent jusqu’à 1 500 opérations de préhension par heure sur une grande variété d’objets inconnus, contre environ 600 selon sa propre référence humaine, soit à peu près 2,5 fois plus vite, et que le même robot sait visser une ampoule et insérer des câbles. Transférer sur du matériel réel des compétences riches en contacts apprises en simulation a toujours été peu fiable, et c'est là le point de défaillance habituel de cette approche. Si le chiffre de débit tient en dehors de la cellule de l'entreprise, l'apprentissage par imitation perd son avantage structurel : la collecte de données cesse d'être la ressource rare.

Le résultat pourrait venir d'ailleurs

Un contrôleur plus rapide, une pince plus efficace ou un montage de tâche fixe peuvent chacun produire un compte horaire élevé, et Eka n'a pas publié la ventilation par tâche derrière le chiffre de 1 500, qui est donc un point de départ plutôt qu'un résultat de référence. L'argument inverse : l'auto-jeu en simulation a déjà produit des vidéos impressionnantes qui n'ont pas survécu à un changement d'objets et d'éclairage.

Eka a été cofondée par Pulkit Agrawal, professeur au MIT et directeur de l'Improbable AI Lab, et par Tuomas Haarnoja, coauteur de l'algorithme d'apprentissage par renforcement Soft Actor-Critic. Le jalon est de savoir si le rythme de 1 500 à l'heure survit à une tâche que l'entreprise n'a pas conçue.