حصلت Eka Robotics على تمويل من السلسلة A بقيادة Andreessen Horowitz

أعلنت شركة رأس المال الاستثماري Andreessen Horowitz قيادتها لجولة تمويل السلسلة A في Eka Robotics، وهي شركة ناشئة في مجال الذكاء الاصطناعي للأنظمة المادية تطوّر نموذجًا للرؤية والقوة والفعل لمناولة الروبوتات، وذلك في إعلان نُشر في 20 أكتوبر 2026. ويعرض المنشور، الذي أعدّته الشريكة Yoko Li والشريك الإداري Raghu Raghuram، نهج Eka في المناولة الماهرة ومبررات الشركة الاستثمارية لدعمها.

ما الذي تعمل Eka Robotics على تطويره؟

كتب Li وRaghuram أن جزءًا كبيرًا من الاقتصاد المادي في العالم، بدءًا من التصنيع وتجميع الإلكترونيات وصولًا إلى الخدمات اللوجستية وإنتاج الغذاء، لا يزال يعتمد على استخدام البشر لأيديهم، رغم أن الروبوتات الصناعية أحدثت تحولًا في الإنتاج ذي الهياكل المحكمة، حيث تثبّت التجهيزات كل قطعة في مكانها. ولا تزال فئات واسعة من الأعمال المادية صعبة الأتمتة لأن العالم الحقيقي متغير: فالقطع تتحرك، والمواد تتشوه، والأجسام تنزلق، والموصلات لا تصطف على نحو مثالي. وقال المستثمران إنهما يعتقدان أن حل مشكلة المناولة الماهرة يمثل إحدى أكبر الفرص في مجال الروبوتات، وأشارا إلى أن نقص العمالة بات بالفعل عائقًا في كثير من هذه الصناعات.

تقول Eka على موقعها الإلكتروني إنها تطوّر «ذكاءً للعالم المادي بلغته الأصلية: القوة». وتقول الشركة إن الروبوتات كانت تتطلب حتى الآن الاختيار بين العمومية والأداء، وتصف نموذجها للرؤية والقوة والفعل بأنه أساس يجمع بين العمومية والأداء والسلامة. وتطرح Eka ثلاثة مرتكزات لهذه التقنية: نموذج واحد يعمم قدراته على مختلف الأجسام والمهام والبيئات؛ وروبوتات سريعة وموثوقة تتكيف مع ما هو غير متوقع؛ وتشغيل آمن وتعاوني لا يعتمد على بيئة بعينها إلى جانب البشر.

كيف يعمل نموذج Vision-Force-Action؟

بحسب منشور a16z، طوّرت Eka نموذجًا للرؤية والقوة والفعل يجمع بين الإدراك البصري والتغذية الراجعة للقوة من أيديها الروبوتية، كما تصمم النموذج والاستشعار ووحدة التحكم والأجهزة معًا، ليتمكن الروبوت من استخدام التلامس الجسدي نفسه بوصفه مصدرًا للمعلومات. ويصف المنشور السلوكيات الناتجة عن ذلك: إذ يمكن تصحيح القبضة عندما تبدأ بالانزلاق، ويساعد التلامس مع سطح ما على تحديد موقع جسم، كما يمكن للمقاومة أثناء الإدخال أن تغيّر حركة الروبوت بدلًا من أن تؤدي ببساطة إلى إطلاق إشارة خطأ. والهدف المعلن هو الحفاظ على الأداء مع تغير الظروف، من دون أن يضطر مهندس إلى إعادة ضبط الروبوت لكل مادة أو جسم أو حالة ملاءمة.

ويستند هذا النهج، وفقًا للإعلان، إلى آليات عمل اليد البشرية، التي يصفها بأنها تضم نحو عشرين درجة من الحرية وآلاف المستقبلات الحسية المتخصصة التي ترصد الضغط المستمر وشكل الجسم، واللمس الخفيف، وبوادر الانزلاق الأولى، والاهتزاز عالي التردد، وتمدد الجلد. ولأن إعادة بناء نظام استشعار بيولوجي كهذا، مستقبلًا بعد مستقبل، ستضيف قدرًا هائلًا من التعقيد والتكلفة والأسلاك والحوسبة ونقاط الفشل المحتملة، يعرض المنشور التحدي الهندسي باعتباره تزويد الآلات بقدر كافٍ من المعلومات المادية والذكاء لتحقيق النتيجة نفسها باستخدام نظام أبسط بكثير للاستشعار والتحريك.

التعلّم في المحاكاة الفيزيائية

تدرّب Eka سياسات المناولة لديها باستخدام التعلّم بالتعزيز في محاكاة فيزيائية، حيث يمكن للروبوتات الافتراضية التدرب على ملايين الاحتمالات لمواضع الأجسام والاحتكاك والتلامس قبل تطبيق أي سياسة على أجهزة مادية، بحسب الإعلان. وقارن Li وRaghuram هذا النهج بالتعلّم من عروض البشر، قائلين إن ذلك يستهلك وقت البشر ويصعب معه نقل معلومات مفيدة عن جميع الطرق التي قد تفشل بها المهمة. وأضافا أنه إذا نجح هذا النهج على نطاق واسع، فسيزداد اعتماد اكتساب الروبوتات للخبرة على القدرة الحاسوبية بدلًا من العمل البشري.

ويقرّ المنشور بالعقبة التاريخية التي واجهت هذا النهج: إذ يصعب للغاية نمذجة ديناميكيات التلامس، ويمكن لأخطاء طفيفة في الاحتكاك أو المطاوعة أو سلوك المشغّلات أن تحوّل سياسة ناجحة في المحاكاة إلى أخرى عديمة الفائدة في العالم الحقيقي. ويصف المنشور سد الفجوة بين المحاكاة والواقع بأنه من أصعب مشكلات الروبوتات، ويقول إن مؤسسي Eka أمضوا جزءًا كبيرًا من العقد الماضي في التصدي لهذه المشكلة من اتجاهات متكاملة.

الأداء المُعلن والفريق المؤسس

تقول Eka إنها تحقق ما يصل إلى 1,500 عملية التقاط في الساعة في مهام الفرز الأولي والالتقاط من الحاويات بالمختبر، أي أسرع بمقدار مرتين ونصف من البشر، بحسب الإعلان. ويذكر المنشور أن النظام الأساسي أظهر قدرته على مناولة أجسام هشة وقطع صناعية زلقة ومهام إدخال تتطلب تلامسًا مكثفًا، ويحدد الحفاظ على هذا الأداء خلال نوبات الإنتاج الكاملة بوصفه الاختبار التالي. وكتب المستثمرون أنه إذا أمكن نقل هذه القدرات بموثوقية إلى مختلف مهام الإنتاج، فسيتمكن المصنعون من طرح منتجات جديدة من دون البدء بعملية التعلّم من الصفر، كما ستصبح المهام التي لم يكن من المجدي تخصيص مشروع أتمتة لها قابلة للتنفيذ.

يصف المنشور الشريك المؤسس Pulkit Agrawal، من مختبر Improbable AI Lab في MIT CSAIL، بأنه أحد أبرز الباحثين في تعلم الروبوتات، ورائداً في التعلم الحسّي الحركي الحاسوبي، إذ تشمل أعماله التعلم المعزز، والتحكم المُراعي للقوة، والتلاعب الماهر بالأشياء، ونقل السياسات من المحاكاة إلى العالم الحقيقي. وشارك الشريك المؤسس Tuomas Haarnoja في ابتكار خوارزمية Soft Actor-Critic في Berkeley، التي يصفها المنشور بأنها إحدى الخوارزميات الأساسية في التعلم المعزز الحديث، ثم عمل لاحقاً في Google DeepMind على تدريب سلوكيات معقدة لروبوتات شبيهة بالبشر في المحاكاة ونشرها على آلات حقيقية. وكتب المستثمرون أن المؤسسين مؤهلون على نحو استثنائي لتقليص الفجوة بين المحاكاة والواقع، وأنهم يبرهنون باستمرار على أن هذه الفجوة آخذة في التقلص.

تقول Eka إن فريقها الأوسع يضم أفراداً من MIT وBerkeley وHarvard وCMU وBU وUPenn وDeepMind وMicrosoft وBoston Dynamics، وتصف باحثيها بأنهم رواد في التعلم الذاتي الإشراف، وتعلم الروبوتات واسع النطاق، ونماذج العالم، والتعلم المعزز، والروبوتات التي تنقل التعلم من المحاكاة إلى الواقع.