Eka Robotics ha raccolto 150 milioni di dollari in un round di Serie A per scalare il proprio modello visione-forza-azione e ampliare le installazioni presso i clienti. A guidare il round sono stati Andreessen Horowitz (a16z) e F-Prime, fondo di venture capital affiliato a FMR LLC, la società capogruppo di Fidelity Investments.
La startup, con sede a Cambridge, nel Massachusetts, è stata fondata nel 2024. Secondo l'azienda, il suo modello visione-forza-azione (VFA) dà ai robot un'intuizione della fisica, appresa attraverso il reinforcement learning (apprendimento per rinforzo) su larga scala. L'azienda afferma che i robot dotati del modello riescono a prelevare un'ampia varietà di oggetti non presenti nella distribuzione di addestramento, a circa 1.500 operazioni all'ora.
A cosa serve il modello
Eka punta alla manipolazione di precisione. Secondo l'azienda, i robot che svolgono lavori complessi hanno bisogno di due cose: la versatilità per far fronte a condizioni mutevoli e le prestazioni per garantire ogni giorno una produzione utile.
Il suo modello VFA ragiona congiuntamente su visione e forze. Eka sostiene che questo consenta al robot di sviluppare un'intuizione su un compito in modo paragonabile a quanto fa una persona. L'azienda afferma inoltre che gli stessi robot sono in grado di avvitare una lampadina e inserire dei cavi. Si tratta di dichiarazioni della stessa Eka, che non ha diffuso dati dettagliati sulle prestazioni a loro supporto.
Eka ritiene che i robot debbano padroneggiare la fisica, anziché imitare i dati umani, per diventare davvero general-purpose. Una posizione che la distingue dagli approcci basati sulle dimostrazioni umane. Nelle sue parole: "Il reinforcement learning su larga scala porta prestazioni, e l'ampiezza dell'esperienza porta generalità."
L'addestramento in simulazione
L'azienda si affida all'apprendimento in simulazione. Dichiara di poter generare migliaia di ore di esperienza robotica in pochi minuti, facendo variare oggetti, ambienti e condizioni fisiche. Eka afferma che il suo modello VFA dimostra come l'abituale ostacolo del divario sim-to-real si stia riducendo, e che trasferire nel mondo reale quanto appreso in simulazione offre una strada scalabile, performante e capital-efficient verso un foundation model per la manipolazione.
L'azienda non ha chiarito quanta parte delle prestazioni del modello nel mondo reale derivi dalla simulazione e quanta dai dati reali. Non ha inoltre indicato i nomi dei clienti né i siti in cui i suoi robot sono impiegati.
Chi sostiene il round
Gli investitori seed di Eka, Obvious Ventures ed E14 Fund, hanno confermato il proprio sostegno nella Serie A. Altri finanziamenti sono arrivati da MFV Partners, Bison Ventures, Glasswing Ventures, Samsung Next e da diversi investitori strategici della lista Fortune 500, che l'azienda non ha nominato.
Raghu Raghuram, general partner di a16z, ha definito il modello VFA "il primo approccio che ho visto in grado di risolvere davvero la manipolazione con la generalità e la produttività necessarie per le installazioni sul campo". Ha aggiunto che il team ha "il DNA ideale per spingere la frontiera della ricerca robotica e al tempo stesso scalare le attività commerciali".
Shyam Kamadolli, managing director di Fine Structure Ventures, ha inquadrato il problema in termini di fabbrica. "Dal punto di vista del reparto produttivo, il valore di un robot si riduce a due cose: il tasso di successo e la velocità su migliaia di ripetizioni", ha dichiarato. Secondo lui gli attuali approcci alla generalizzazione non basteranno e il prossimo livello di prestazioni richiede una comprensione profonda della fisica e il superamento della dipendenza dalle dimostrazioni umane. Si dice convinto che l'approccio di Eka sia l'unico in grado di reggere nelle applicazioni reali di compiti complessi.
L'entità del round e l'elenco degli investitori indicano che i finanziatori sono disposti a puntare su una scommessa per la manipolazione che mette al primo posto la fisica e fa largo uso della simulazione. Le dichiarazioni degli investitori, tuttavia, sono opinioni di soggetti con un interesse finanziario, non misurazioni indipendenti.
Analisi: cosa significa e cosa resta da dimostrare
Il dettaglio più utile dell'annuncio è il dato sulla produttività. Molte dimostrazioni di manipolazione mostrano che un robot è in grado di completare un compito. Poche indicano quanti ne porta a termine ogni ora. La cifra di Eka, circa 1.500 operazioni all'ora su oggetti al di fuori della distribuzione di addestramento, riguarda la metrica citata da Kamadolli: tasso di successo e velocità su migliaia di ripetizioni. È il metro giusto per chi acquista soluzioni per fabbrica e logistica, ed è quello su cui Eka verrà giudicata.
L'approccio prende inoltre posizione in un dibattito aperto. Un fronte costruisce l'abilità di manipolazione a partire da dimostrazioni umane. Eka sostiene invece che le dimostrazioni pongano un limite alle prestazioni e che la strada migliore sia il reinforcement learning in simulazione, con la forza come input fondamentale accanto alla visione. Inserire la forza nel nome del modello è una scelta progettuale degna di nota. Compiti come inserire cavi o avvitare una lampadina dipendono dal contatto, che la sola visione non coglie.
Diversi punti restano da dimostrare. La cifra di 1.500 operazioni è una dichiarazione dell'azienda, e la fonte non fornisce né un tasso di successo, né una descrizione dell'insieme di oggetti, né delle condizioni di test. Senza il tasso di successo, il dato sulla velocità non può essere valutato da solo. Anche le affermazioni su avvitamento della lampadina e inserimento dei cavi non sono accompagnate da risultati documentati.
L'affermazione sul sim-to-real è quella che pesa di più. Eka dice che l'ostacolo si sta abbassando, ma non ha mostrato quanto il modello regga su hardware, siti e lunghi turni di produzione diversi. Non ha neppure detto quanti clienti utilizzino oggi il sistema. I fondi servono a scalare le installazioni, il che suggerisce che la vera prova sia ancora davanti.
L'affermazione secondo cui nessun'altra azienda ottiene questi risultati è una tesi di un investitore, non un confronto con benchmark pubblicati. Finché Eka o una parte indipendente non pubblicherà risultati comparativi diretti con i sistemi basati su dimostrazioni, sugli stessi compiti, resterà un'asserzione. I prossimi segnali da osservare sono le installazioni presso clienti dichiarati, i dati di operatività continuativa e l'eventuale diffusione di dati di valutazione.