Eka Robotics capta 150 milhões de dólares a uma avaliação de 1,45 mil milhões para ensinar robôs por auto-jogo em vez de vídeo humano

A Eka Robotics anunciou a 20 de outubro uma Série A de 150 milhões de dólares, coliderada pela Andreessen Horowitz e a F-Prime, com as investidoras de seed que renovam — Obvious Ventures e E14 Fund — e uma lista mais ampla que inclui MFV Partners, Bison Ventures, Glasswing Ventures, Samsung Next e vários investidores estratégicos da Fortune 500. A TechCrunch situou a avaliação em 1,45 mil milhões de dólares.

O dinheiro é uma aposta contra a receita de treino que tem dominado a manipulação dextra. A Physical Intelligence e a Skild AI, ambas avaliadas em milhares de milhões, treinam com grandes volumes de demonstrações de teleoperação humana, o que faz da escala da recolha de dados a sua barreira. A Eka diz que dispensa as demonstrações humanas: um robô pega num objeto, deixa-o cair e tenta de novo milhões de vezes dentro de uma simulação física, como o AlphaZero aprendeu jogos sem ver jogos humanos, e acrescenta deteção de força na ponta dos dedos em vez de depender apenas de câmaras. A Eka chama ao modelo visão-força-ação.

O ritmo de produção é a alegação a testar

A Eka diz que os seus robôs realizam até 1.500 operações de recolha por hora com uma ampla variedade de objetos nunca vistos, face a uma referência humana de cerca de 600, segundo a própria empresa, aproximadamente 2,5 vezes mais rápido, e que o mesmo robô consegue enroscar uma lâmpada e inserir cabos. Transferir competências ricas em contacto aprendidas em simulação para hardware real tem sido historicamente pouco fiável, e esse tem sido o ponto de falha habitual desta abordagem. Se o valor do ritmo de produção se mantiver fora da célula da própria empresa, a aprendizagem por imitação perde a sua vantagem estrutural: a recolha de dados deixa de ser o recurso escasso.

O resultado pode vir de outro sítio

Um controlador mais rápido, uma garra melhor ou uma tarefa com montagem fixa podem, cada um, produzir uma contagem elevada por hora, e a Eka não publicou a desagregação por tarefa por trás do valor de 1.500, pelo que o número é um ponto de partida e não um resultado de benchmark. O contra-argumento é que o auto-jogo em simulação já produziu vídeos impressionantes que não sobreviveram a uma mudança de objetos e de iluminação.

A Eka foi cofundada pelo professor do MIT Pulkit Agrawal, que dirige o Improbable AI Lab, e por Tuomas Haarnoja, coautor do algoritmo de aprendizagem por reforço Soft Actor-Critic. O ponto de verificação é se o ritmo de 1.500 por hora sobrevive a uma tarefa que a empresa não desenhou.