机器手一小时抓1500件 胜过人工三倍
报价宝综合消息机器手一小时抓1500件 胜过人工三倍报价宝综合消息机器手一小时抓1500件 胜过人工三倍
机器人终于学会「下手有分寸」。由 MIT 教授 Pulkit Agrawal 与前谷歌 DeepMind 研究员 Tuomas Haarnoja 创办的 Eka Robotics 完成1.5亿美元 A 轮融资，a16z 与 F-Prime 领投，投后估值14.5亿美元——这个数字通常属于训练大模型的团队，而不是做机械臂夹爪的公司。
Eka 的差异化在架构：业内主流是「视觉-语言-动作」模型，它做的是「视觉-力觉-动作」。Agrawal 解释，视觉只告诉你物体大致在哪、姿态如何，「最后一毫米的抓取和搜索是靠力完成的」。为此公司自研了带更多力传感器、接触即反应的柔性夹爪——这正是它能捏起树莓而不捏碎的原因。
训练上，Eka 不靠人类示范视频，而是用物理仿真器建模抓取过程中的各种力，再跑大规模强化学习，几分钟就能生成数千小时的机器人经验。演示数据相当扎眼：每小时可抓约1500个一公斤以内的物体，人类大约600个；官方称抓取成功率超过95％。a16z 普通合伙人 Raghu Raguram 说，它在某些任务上已经超越人类表现。
外部专家的评价同样罕见地高。伊利诺伊大学香槟分校教授 Kris Hauser 称这场演示有「惊艳感」：不重训练就能适应大量不同物体，失败了还会一次次重试，带着一种「诡异的拟人性」。一位前沿实验室的研究员则说，这种冲击力像多年前第一次看到可靠的腿足运动。
不过从实验室到产线还有最后一关。Eka 正与多家工业客户秘密试点抓取分拣与线缆操作；Hauser 提醒，真正的考验是在装配线上连续运转一整年不出故障，而且许多高附加值工序远不止抓放。Agrawal 给出的硬件账本：夹爪成本不到1000美元、额定500万次工作循环，目标是追平标准工业机械臂2000万次的门槛。
编译自 TechCrunch，原标题："Eka is worth 1.45 Billion Dollar thanks to a physical AI model that has experts raving"
