Machenta rejser 40 mio. dollar i seedfinansiering for at lære robotter nye opgaver fra én demonstration

Det kan tage langt længere tid at lære en robot en ny opgave, end det tager at udføre opgaven selv. Indsamling af demonstrationer, forberedelse af træningsdata og opdatering af en model kan forvandle en mindre ændring i arbejdsgangen til et omfattende ingeniørprojekt. Machenta har rejst 40 mio. dollar i en seedrunde for at forkorte processen og udvikler en grundmodel til robotter, der er designet til at lære en fysisk opgave ud fra én enkelt demonstration uden yderligere opgavespecifik træning.

Det London-baserede selskab offentliggjorde finansieringen den 27. oktober, hvor Creandum og Union Square Ventures var fælles hovedinvestorer i runden. Kapitalen skal bruges til at skalere modellen og udvide teamet på selskabets nye kontor og laboratorium i King’s Cross.

Machenta kalder sin tilgang »øjeblikkelig robotindlæring«. Selskabet siger, at det har demonstreret teknologien i forbindelse med pakning, samling og oprydning, hvor robotter tilpasser sig variationer, efter at de én gang har fået vist, hvad de skal gøre. Ambitionerne er vidtrækkende, men resultaterne bør ses som demonstrationer af en teknologi under udvikling, ikke som bevis på, at en robot allerede kan udføre alle tænkelige opgaver.

Læring af en ny opgave uden en ny træningsrunde

Den afgørende forskel er mellem at træne en model og at lære en allerede trænet model en bestemt opgave. Machenta træner stadig sin grundmodel. Selskabet vil fjerne behovet for at indsamle et stort nyt datasæt og gennemføre endnu en træningsrunde, hver gang robotten møder en ny opgave.

»Intelligens handler ikke så meget om, hvad man allerede kan, men om, hvor hurtigt man kan lære at gøre noget nyt,« sagde professor Edward Johns, Machentas medstifter og administrerende direktør, i meddelelsen.

Den foreslåede arbejdsgang er bevidst enkel: Vis den ønskede adfærd, lad robotten observere den, og lad derefter robotten udføre opgaven. I praksis ville demonstrationen dermed indgå som en instruktion til en eksisterende model i stedet for at være begyndelsen på et særskilt modeludviklingsprojekt.

Det er især relevant, når opgaven grundlæggende er den samme, men genstandene eller deres placering ændrer sig. En robot, der kun kan gentage en fast sekvens, kræver, at omgivelserne tilpasses dens program. En robot, der skal kunne lære, må forstå, hvad demonstrationen viser, at den skal opnå, og tilpasse sine handlinger til den konkrete situation.

Simulering bruges til at træne evnen til at lære

Machentas træningsstrategi flytter en stor del af arbejdet med at generere data over i simulering. Ifølge meddelelsen er målet ikke at opremse alle de opgaver, robotten måske kommer til at møde. Målet er at udsætte modellen for tilstrækkeligt mange forskellige scenarier til, at den udvikler en genanvendelig evne til at lære af et nyt eksempel.

Det ændrer på, hvor selskabet forventer, at skaleringen skal komme fra. Mange initiativer inden for robotindlæring er i høj grad afhængige af at indsamle fysiske demonstrationer via fjernstyring eller optagelser af menneskers aktiviteter. Machenta satser på, at erfaring fra simulering kan give den variation, der kræves for at lære nye opgaver, mens en demonstration fra den virkelige verden leverer instruktionen, når systemet tages i brug.

I sin tekniske introduktion kalder selskabet systemet en model baseret på syn, demonstrationer og handlinger, forkortet VDA. Den bruger en demonstration og løbende kamerabilleder som input og forudsiger handlinger i en lukket sløjfe. Selskabet siger, at fortræningen udelukkende foregår i simulering; undervisningseksemplet og de aktuelle observationer er input fra den virkelige verden på inferenstidspunktet.

Denne forskel er vigtig: Fortræning udelukkende i simulering betyder ikke, at robotten arbejder uden information fra den virkelige verden, når den tages i brug. Den skal stadig fortolke demonstrationen, observere sine omgivelser og vælge handlinger, efterhånden som forholdene ændrer sig.

Forskningen bag robotindlæring i konteksten

Selskabet bygger videre på forskning udført af Johns og medstifter og teknologidirektør Vitalis Vosylius ved Imperial College London. Johns er professor i robotindlæring ved Imperial, og de to udviklede tidligere metoder til at lære fysisk adfærd ud fra et lille antal eksempler.

Deres forskning i Instant Policy, som blev offentliggjort på ICLR 2025, beskriver imiterende indlæring i konteksten ud fra én eller to demonstrationer uden yderligere træning. Den repræsenterer demonstrationer, observationer og handlinger som en graf og bruger en indlært diffusionsproces til at generere den grafstruktur, der kræves for at forudsige handlinger.

Artiklen beskriver også træning med pseudodemonstrationer: baner genereret i simulering, som giver adgang til en stor samling eksempler. Eksperimenterne omfatter både simulerede opgaver og opgaver i den virkelige verden samt yderligere arbejde med overførsel mellem forskellige robotkroppe og instruktioner formuleret i naturligt sprog.

Forskningen bidrager til at forklare det videnskabelige grundlag, men fastslår ikke, at Machentas nuværende kommercielle model har præcis den samme arkitektur. Startupvirksomheden beskriver det nyere system som en grundmodel, der bygger på denne forskningslinje.

Indlæring i konteksten kendes fra sprogmodeller, hvor eksempler i en prompt kan påvirke svaret uden at ændre modellens vægte. Det er mere krævende at anvende idéen inden for robotteknologi, fordi outputtet skal omsættes til en sekvens af fysiske handlinger under virkelighedens begrænsninger og ikke blot være et sandsynligt svar.

Hvad demonstrationerne viser – og hvad der endnu skal afprøves

Machentas tekniske indlæg beskriver timelange forsøg med tre enkle, selvnulstillende opgaver: 74 vellykkede placeringer af blokke ud af 74 forsøg, 78 overleveringer af en skruetrækker ud af 78 og 97 vellykkede forsøg på at få en flaske til at stå oprejst ud af 99. Virksomheden tilskriver de to mislykkede flaske-forsøg risikoen for kollisioner og kinematiske begrænsninger.

Det er nyttige tidlige pålidelighedstjek, men ikke et bredt industrielt benchmark. Indlægget præsenterer også læring direkte fra menneskehænder og betjening med humanoide hænder som foreløbige retninger. Det dokumenterer ikke, at systemet kan udføre alle opgaver eller præstere pålideligt på enhver arbejdsplads.

For en potentiel bruger omfatter forskellen mellem en overbevisende demonstration og et system, der kan sættes i drift, gentagelighed, evnen til at komme sig efter fejl, sikker adfærd i nærheden af mennesker og robotternes hardwares praktiske begrænsninger. Hurtig indlæring af en instruktion kan ikke få en griber til at håndtere en genstand, den ikke fysisk kan gribe.

Det kommercielle potentiale er ikke desto mindre tydeligt. Hvis undervisningstiden falder markant, bliver det lettere at overveje robotter til arbejde, der ændrer sig for ofte til at retfærdiggøre langvarig programmering og integration. Det kan få betydning både for brug af robotter på fabrikker og for mindre anvendelser, hvor det er vanskeligt at få adgang til specialiseret robotteknisk support.

En seedrunde til opskalering af modellen og teamet

Machenta slutter sig til en bredere investeringsbølge inden for tilpasningsdygtig robotintelligens. Unite.AI’s omtale af Dream Labs’ finansiering af AI på tværs af robotter illustrerer et andet forsøg på at gøre indlærte evner nyttige på tværs af forskellige maskiner. Machenta fokuserer på, hvor hurtigt en ny fysisk instruktion kan omsættes til brugbar adfærd.

Partneren hos Creandum, Kathi Wilhelm, fremhævede teamets mangeårige forskning, inden virksomheden blev grundlagt. Rebecca Kaden, administrerende partner hos Union Square Ventures, understregede værdien af robotter, der hurtigt kan lære en ny opgave, frem for at kræve en separat oplæringsindsats for hvert job.

For Machenta består næste fase i at omsætte forskningsgrundlaget til bredere og mere pålidelige evner. De 40 millioner dollars giver virksomheden ressourcer til at opskalere modellen og udvide teamet omkring den, mens grundlæggerteamet bringer seks års arbejde med engangslæring for robotter ind i virksomheden.

Det centrale spørgsmål er, hvor godt denne læringsadfærd kan skaleres, efterhånden som opgaverne bliver mere varierede og krævende. Hvis tilgangen holder i praksis, vil den vigtigste ændring være konkret: Folk kan bruge mindre tid på at opbygge et træningsforløb og mere tid på at vise en robot det arbejde, de faktisk har brug for at få udført.