Eka 的价值 $1.45B 得益于专家们赞叹的物理 AI 模型

尽管投入了数十亿美元并将无数视频输入深度学习模型，但机器人仍然不擅长拾取东西。这种情况可能即将改变，这要归功于 Eka Robotics 构建的操纵架构，该架构包含力敏感夹具和新型深度学习模型。这家初创公司由麻省理工学院教授 Pulkit Agrawal 和前 Google DeepMind 研究员 Tuomas Haarnoja 创立，刚刚完成了由风险基金 a16z 和 F-Prime 领投的 1.5 亿美元 A 轮融资，投后估值为 14.5 亿美元。 “它们在某些任务上已经超越了超人的表现，因此我们认为在接下来的几个月里，在许多灵巧的操作任务中将会有超人的表现，”共同主导本轮融资的 a16z 普通合伙人拉古·拉古拉姆 (Raghu Raguram) 告诉 TechCrunch。在机器人演示永无休止的时代，Eka 的能力令资深机器人制造商感到震惊。伊利诺伊大学厄巴纳-香槟分校教授克里斯·豪瑟 (Kris Hauser) 表示，与他最近看到的其他机器人演示相比，它具有“令人惊叹的因素”。豪瑟说，Eka 机器人“无需重新训练就能适应大量不同的物体”，并补充说，它还有“人性，令人毛骨悚然的人性，如果第一次失败，它会一遍又一遍地尝试”。另一位因在前沿实验室工作而要求匿名的机器人专家告诉 TechCrunch，看到 Eka 的机器人在行动是一种情感体验，堪比五到十年前机器人首次实现可靠的有腿运动时的体验。自己看看：这里有什么值得注意的地方？机器人移动的平稳程度和速度有多快。它每小时可以拾起约 1,500 个重达 1 公斤的物体，而人类则只能拾起约 600 个物体； Eka 表示，95% 以上的时间它都能可靠地拾取物体。而且机器人手臂的强度足以在其快速移动时伤害自己。根据前沿实验室观察员的说法，这表明“他们非常相信自己的算法不会破坏机器人。我想知道他们一路上破坏了多少机器人？”当前沿实验室机器人专家遇到 Eka 的机器人时，他们递给它一个覆盆子，这显然是实验室最喜欢的测试项目。他们告诉 TechCrunch：“一个又大又重的机器人冲向我的手臂，然后及时减速并非常轻轻地触摸我，这种感觉就在我们说话的时候，我的身体里就带着这种感觉。”如何不压垮覆盆子 这些功能是基础模型构建方式的结果。这里的模式不是视觉-语言-动作模型（经过训练来理解语言、视觉输入和动作之间的关系）而是视觉-力-动作模型，它专注于语言、力输入和动作之间的关系。罗德尼·布鲁克斯 (Rodney Brooks) 等对生成式人工智能机器人模型当前方向的批评者表示，如果不尝试代表力和触摸，它们就会失败；埃卡的研究结果表明这些批评是有道理的。 “视觉并不是解决最后一毫米问题的主要方式，”Eka 联合创始人 Agrawal 告诉 TechCrunch。 “视觉大致告诉你物体在哪里，姿势是什么，但实际的抓取、实际的搜索是通过力量进行的。” Eka 必须设计一种独特的机器人手，它比传统的抓手更灵活，并包含更多的力传感器；它会对接触产生反应，这就是它不会压碎覆盆子的原因。出于明显的竞争原因，创始人对他们如何实现这一目标守口如瓶，但归根结底是使用物理模拟器来模拟机器人在尝试抓取某物时会遇到的多种力，并使用它来创建可以大规模运行的强化学习环境。他们表示，他们可以在几分钟内产生数千小时的机器人体验。 “Eka 不仅仅局限于从人类演示中收集的数据，而是通过强化学习这种方法来推动机器人超越任何类型的演示，”豪瑟说。 “真正令人兴奋的是，他们能够不受限于提供给他们进行培训的数据。”阿格拉瓦尔和哈诺贾是在加州大学伯克利分校研究生院首次相识，他们是机器人控制强化学习领域的领先研究人员。 Eka 的主要赌注是，这项技术可以通过模拟大规模完成，而不是依赖零工工人或机器人操作员在数小时内执行任务时收集的视频。模拟是实现机器人可靠操纵的关键，过去事实证明，对于需要与物体交互而不是避开物体的任务来说，这一壮举更加困难。 “EKA 正在弥合通用性与性能之间的差距，这一差距困扰着许多现代机器人技术，”Agrawal 认为。让通用机器人变得有用 现在，最通用的物理人工智能模型——那些可以