Andreessen Horowitz के नेतृत्व में Eka Robotics को सीरीज़ A फंडिंग

वेंचर फर्म Andreessen Horowitz ने 20 अक्टूबर 2026 को एक घोषणा में बताया कि वह Eka Robotics के सीरीज़ A फंडिंग राउंड का नेतृत्व कर रही है। Eka Robotics एक भौतिक एआई स्टार्टअप है, जो रोबोटों से वस्तुओं को कुशलता से संभालने के लिए Vision-Force-Action मॉडल विकसित कर रहा है। फर्म के पार्टनर Yoko Li और मैनेजिंग पार्टनर Raghu Raghuram द्वारा लिखी गई इस पोस्ट में वस्तुओं को कुशलता से संभालने के लिए Eka के दृष्टिकोण और कंपनी को समर्थन देने के पीछे फर्म के तर्क का खाका पेश किया गया है।

Eka Robotics क्या विकसित कर रही है

Li और Raghuram ने लिखा कि दुनिया की भौतिक अर्थव्यवस्था का बड़ा हिस्सा—विनिर्माण और इलेक्ट्रॉनिक्स असेंबली से लेकर लॉजिस्टिक्स और खाद्य उत्पादन तक—अब भी लोगों के हाथों से किए जाने वाले काम पर निर्भर है। वहीं, औद्योगिक रोबोटों ने ऐसे अत्यधिक व्यवस्थित उत्पादन में बदलाव ला दिया है, जहाँ हर पुर्ज़े को अपनी जगह पर थामे रखने के लिए फिक्स्चर लगे होते हैं। भौतिक कामकाज की कई बड़ी श्रेणियों को स्वचालित करना अब भी कठिन है, क्योंकि वास्तविक दुनिया में स्थितियाँ बदलती रहती हैं: पुर्ज़े खिसकते हैं, सामग्री का आकार बदलता है, वस्तुएँ हाथ से फिसलती हैं और कनेक्टर पूरी तरह एक-दूसरे के अनुरूप नहीं बैठते। निवेशकों ने कहा कि उनका मानना है कि वस्तुओं को कुशलता से संभालने की समस्या सुलझाना रोबोटिक्स के सबसे बड़े अवसरों में से एक है। उन्होंने यह भी कहा कि इन उद्योगों में से कई में श्रम पहले से ही एक बाधा बना हुआ है।

अपनी वेबसाइट पर Eka कहती है कि वह “भौतिक दुनिया की अपनी भाषा—बल—में उसके लिए बुद्धिमत्ता” विकसित कर रही है। कंपनी का कहना है कि अब तक रोबोटिक्स में व्यापक उपयोगिता और बेहतर प्रदर्शन में से किसी एक को चुनना पड़ता था। वह अपने Vision-Force-Action मॉडल को ऐसे आधार के रूप में पेश करती है, जो व्यापक उपयोगिता, बेहतर प्रदर्शन और सुरक्षा को एक साथ जोड़ता है। Eka इस तकनीक के तीन प्रमुख स्तंभ बताती है: ऐसा एकल मॉडल, जो अलग-अलग वस्तुओं, कार्यों और परिवेशों में प्रभावी हो; ऐसे तेज़ और भरोसेमंद रोबोट, जो अप्रत्याशित परिस्थितियों के अनुकूल ढलें; और मनुष्यों के साथ सुरक्षित, सहयोगी ढंग से काम करने की क्षमता, जो किसी खास परिवेश पर निर्भर न हो।

Vision-Force-Action मॉडल कैसे काम करता है

a16z की पोस्ट के अनुसार, Eka ने ऐसा Vision-Force-Action मॉडल बनाया है, जो दृश्य बोध को अपने रोबोटिक हाथों से मिलने वाले बल-संबंधी फीडबैक के साथ जोड़ता है। कंपनी मॉडल, संवेदन प्रणाली, नियंत्रक और हार्डवेयर को एक साथ डिज़ाइन करती है, ताकि रोबोट भौतिक संपर्क को ही जानकारी के रूप में इस्तेमाल कर सके। पोस्ट में इससे संभव होने वाले व्यवहारों का वर्णन है: पकड़ से वस्तु फिसलने लगे तो रोबोट अपनी पकड़ सुधार सकता है; किसी सतह से संपर्क वस्तु का स्थान पता लगाने में मदद कर सकता है; और वस्तु डालते समय प्रतिरोध मिलने पर रोबोट केवल त्रुटि दिखाने के बजाय अपनी गति बदल सकता है। लक्ष्य यह है कि परिस्थितियाँ बदलने पर भी प्रदर्शन बना रहे और हर सामग्री, वस्तु या जोड़ के लिए किसी इंजीनियर को रोबोट की सेटिंग फिर से समायोजित न करनी पड़े।

घोषणा में इस दृष्टिकोण का आधार मानव हाथ की कार्यप्रणाली को बताया गया है। उसके अनुसार, मानव हाथ में लगभग दो दर्जन स्वतंत्रता की डिग्रियाँ और हज़ारों विशिष्ट संवेदी रिसेप्टर होते हैं, जो लगातार पड़ने वाले दबाव और आकार, हल्के स्पर्श, फिसलन के शुरुआती संकेत, उच्च आवृत्ति वाले कंपन और त्वचा के खिंचाव का पता लगाते हैं। ऐसी जैविक संवेदन प्रणाली को हर रिसेप्टर की नकल करके दोबारा बनाने से जटिलता, लागत, तारों की व्यवस्था और कंप्यूटिंग की ज़रूरत बहुत बढ़ जाएगी, साथ ही विफलता के संभावित बिंदु भी बढ़ेंगे। इसलिए पोस्ट इंजीनियरिंग की चुनौती को इस तरह पेश करती है: मशीनों को पर्याप्त भौतिक जानकारी और बुद्धिमत्ता देना, ताकि वे कहीं अधिक सरल संवेदन और संचालन प्रणाली के साथ वही परिणाम हासिल कर सकें।

भौतिकी सिमुलेशन में प्रशिक्षण

घोषणा के अनुसार, Eka अपने वस्तु-संभालने की नीतियों को भौतिकी सिमुलेशन में रीइन्फोर्समेंट लर्निंग के ज़रिए प्रशिक्षित करती है। इसमें आभासी रोबोट किसी नीति को वास्तविक हार्डवेयर पर लागू करने से पहले वस्तु की स्थिति, घर्षण और संपर्क के लाखों रूपों का अभ्यास कर सकते हैं। Li और Raghuram ने इस तरीके की तुलना मनुष्यों के प्रदर्शन से सीखने से की। उनके अनुसार, उस तरीके में लोगों का समय लगता है और किसी काम के विफल होने के सभी तरीकों के बारे में उपयोगी जानकारी देना कठिन होता है। उन्होंने यह भी कहा कि अगर यह तरीका बड़े पैमाने पर कारगर होता है, तो रोबोट का अनुभव मानवीय श्रम के बजाय कंप्यूटिंग क्षमता के साथ तेज़ी से बढ़ाया जा सकता है।

पोस्ट इस तरीके के सामने लंबे समय से रही बाधा को भी स्वीकार करती है: संपर्क की गतिशीलता का मॉडल बनाना बेहद कठिन है, और घर्षण, लचीलेपन या ऐक्चुएटर के व्यवहार में छोटी-सी चूक भी सिमुलेशन में सफल नीति को वास्तविक दुनिया में बेकार बना सकती है। पोस्ट के अनुसार, सिमुलेशन से वास्तविक दुनिया तक का अंतर पाटना रोबोटिक्स की सबसे कठिन समस्याओं में से एक है। इसमें यह भी कहा गया है कि Eka के संस्थापक पिछले दशक के अधिकांश समय से अलग-अलग, लेकिन एक-दूसरे के पूरक तरीकों से इस समस्या पर काम कर रहे हैं।

बताया गया प्रदर्शन और संस्थापक दल

घोषणा के अनुसार, Eka का दावा है कि प्रयोगशाला में इंडक्शन और बिन-पिकिंग कार्यों के दौरान उसके रोबोट प्रति घंटे 1,500 तक वस्तुएँ उठा सकते हैं—यह मनुष्यों से ढाई गुना तेज़ है। पोस्ट के मुताबिक, मूल प्रणाली ने नाज़ुक वस्तुओं, फिसलन वाले औद्योगिक पुर्ज़ों और ऐसे कार्यों में वस्तुओं को संभालने की क्षमता दिखाई है, जहाँ डालने की प्रक्रिया के दौरान लगातार संपर्क बना रहता है। अगली परीक्षा यह होगी कि पूरे उत्पादन शिफ्ट के दौरान यह प्रदर्शन कायम रखा जा सके। निवेशकों ने लिखा कि यदि ये क्षमताएँ उत्पादन के अलग-अलग कार्यों में भरोसेमंद ढंग से लागू हो सकें, तो निर्माता सीखने की प्रक्रिया नए सिरे से शुरू किए बिना नए उत्पाद पेश कर सकेंगे। साथ ही, जिन कामों के लिए अलग से स्वचालन परियोजना शुरू करना अब तक लाभदायक नहीं था, उन्हें भी स्वचालित करना संभव हो जाएगा।

पोस्ट में इम्पॉसिबल एआई लैब, MIT CSAIL के सह-संस्थापक Pulkit Agrawal को रोबोट अधिगम के अग्रणी शोधकर्ताओं में से एक और कम्प्यूटेशनल सेंसरिमोटर अधिगम का अग्रदूत बताया गया है। उनका काम सुदृढीकरण अधिगम, बल-सचेत नियंत्रण, निपुण हेरफेर और सिमुलेशन से वास्तविक दुनिया में पॉलिसियों को ले जाने तक फैला है। सह-संस्थापक Tuomas Haarnoja ने Berkeley में Soft Actor-Critic को सह-विकसित किया था, जिसे पोस्ट आधुनिक सुदृढीकरण अधिगम के आधारभूत एल्गोरिदमों में से एक बताता है। बाद में उन्होंने Google DeepMind में काम करते हुए सिमुलेशन में जटिल ह्यूमनॉइड व्यवहारों को प्रशिक्षित किया और उन्हें वास्तविक मशीनों पर लागू किया। निवेशकों ने लिखा कि संस्थापक सिमुलेशन और वास्तविक दुनिया के बीच की खाई को पाटने के लिए असाधारण रूप से उपयुक्त हैं और यह दिखाते रहे हैं कि यह खाई घट रही है।

Eka का कहना है कि उसकी व्यापक टीम MIT, Berkeley, Harvard, CMU, BU, UPenn, DeepMind, Microsoft और Boston Dynamics से आई है। कंपनी अपने शोधकर्ताओं को स्व-पर्यवेक्षित अधिगम, बड़े पैमाने पर रोबोट अधिगम, विश्व मॉडल, सुदृढीकरण अधिगम और सिमुलेशन से वास्तविक दुनिया तक रोबोटिक्स के क्षेत्र में अग्रदूत बताती है।