Andreessen Horowitz가 주도하는 Eka Robotics의 시리즈 A 투자 유치

벤처캐피털 Andreessen Horowitz는 로봇 조작을 위한 비전-힘-행동 모델을 개발하는 물리적 AI 스타트업 Eka Robotics의 시리즈 A 투자를 주도한다고 2026년 10월 20일 발표했다. 파트너 Yoko Li와 매니징 파트너 Raghu Raghuram이 작성한 이 글은 Eka의 정교한 조작 기술 접근 방식과 이 회사에 투자한 이유를 설명한다.

Eka Robotics가 개발하는 기술

Li와 Raghuram은 제조와 전자제품 조립에서 물류와 식품 생산에 이르기까지 세계 경제의 상당 부분이 여전히 사람의 손을 필요로 한다고 썼다. 산업용 로봇이 모든 부품을 고정 장치로 제자리에 잡아 두는 고도로 구조화된 생산 환경을 혁신했지만, 그렇다는 설명이다. 현실 세계에서는 부품이 움직이고 재료가 변형되며 물체가 미끄러지고 연결 부품이 완벽하게 정렬되지 않기 때문에, 물리적 작업의 많은 분야는 자동화하기 어렵다. 투자자들은 정교한 조작 문제를 해결하는 일이 로봇공학에서 가장 큰 기회 중 하나라고 믿는다고 밝히며, 이미 여러 관련 산업에서 노동력 부족이 제약 요인으로 작용하고 있다고 덧붙였다.

Eka는 웹사이트에서 “물리적 세계의 본연의 언어인 힘으로 지능을 구현하고 있다”고 밝혔다. 회사는 지금까지 로봇공학에서 범용성과 성능 중 하나를 선택해야 했다며, 범용성·성능·안전성을 하나로 결합하는 기반으로 비전-힘-행동 모델을 제시한다. Eka는 이 기술의 세 가지 핵심 요소로 사물과 작업, 환경 전반에 일반화되는 단일 모델, 예상치 못한 상황에 적응하는 빠르고 신뢰할 수 있는 로봇, 그리고 사람 곁에서 환경에 구애받지 않고 안전하게 협업하는 작동 방식을 꼽는다.

비전-힘-행동 모델의 작동 방식

a16z의 글에 따르면 Eka는 시각적 인식과 로봇 손의 힘 피드백을 결합한 비전-힘-행동 모델을 구축했다. 또한 로봇이 물리적 접촉 자체를 정보로 활용할 수 있도록 모델과 센싱, 제어기, 하드웨어를 함께 설계한다. 글은 그 결과로 나타나는 동작을 다음과 같이 설명한다. 잡은 물체가 미끄러지기 시작하면 그립을 바로잡을 수 있고, 표면에 닿는 감각으로 물체의 위치를 파악할 수 있으며, 삽입 중 저항이 느껴지면 단순히 오류를 일으키는 대신 로봇의 움직임을 바꿀 수 있다. 목표는 재료나 물체, 결합 상태가 달라질 때마다 엔지니어가 로봇을 다시 조정하지 않아도 성능을 유지하는 것이다.

발표 내용은 사람 손의 작동 원리를 이 접근 방식의 토대로 제시한다. 사람 손에는 자유도가 대략 24개 있고, 지속적인 압력과 형태, 가벼운 접촉, 미끄러짐의 초기 징후, 고주파 진동, 피부의 늘어남을 감지하는 특수 감각 수용기가 수천 개 있다는 설명이다. 이러한 생물학적 감각 체계를 수용기 단위로 재현하면 복잡성과 비용, 배선 및 연산량이 크게 늘어나고 잠재적인 고장 지점도 많아진다. 이에 글은 훨씬 단순한 감지·구동 체계로 같은 결과를 얻을 수 있도록 기계에 충분한 물리적 정보와 지능을 제공하는 것을 공학적 과제로 제시한다.

물리 시뮬레이션을 통한 학습

발표 내용에 따르면 Eka는 물리 시뮬레이션에서 강화 학습으로 조작 정책을 훈련한다. 가상 로봇은 정책을 실제 하드웨어에 적용하기 전에 물체의 위치와 마찰, 접촉 방식이 다른 수백만 가지 경우를 연습할 수 있다. Li와 Raghuram은 이 접근법을 인간 시연을 통한 학습과 비교하며, 인간의 시연은 사람의 시간을 소모하고 작업이 실패할 수 있는 모든 경우에 관한 유용한 정보를 전달하기 어렵다고 지적했다. 이들은 이 접근법이 대규모로 작동한다면 로봇의 경험은 인간 노동력이 아니라 컴퓨팅 자원에 따라 점점 더 확장될 수 있다고 덧붙였다.

글은 이 접근법을 가로막아 온 역사적 장애물도 인정한다. 접촉 역학은 모델링하기가 매우 어렵고, 마찰이나 순응성, 구동기 동작의 작은 오차만으로도 시뮬레이션에서 성공한 정책이 현실에서는 쓸모없어질 수 있다. 글은 시뮬레이션과 현실 사이의 격차를 줄이는 일을 로봇공학에서 가장 어려운 문제 중 하나로 설명하며, Eka의 공동 창업자들이 지난 10년의 상당 부분을 서로 보완적인 방향에서 이 문제에 매달려 왔다고 밝혔다.

공개된 성능과 창업팀

발표 내용에 따르면 Eka는 실험실의 투입 및 빈 피킹 작업에서 시간당 최대 1,500회 집기 작업을 수행했으며, 이는 사람보다 2.5배 빠른 속도다. 글은 이 시스템이 깨지기 쉬운 물체와 미끄러운 산업용 부품, 접촉이 많은 삽입 작업을 다루는 조작 능력을 입증했다고 밝히고, 전체 생산 교대 시간 내내 이 성능을 유지할 수 있는지가 다음 시험이라고 설명한다. 이러한 역량이 다양한 생산 작업에 안정적으로 적용된다면 제조업체는 처음부터 학습을 시작하지 않고도 신제품을 도입할 수 있고, 전용 자동화 프로젝트를 추진할 가치가 없다고 여겨졌던 작업도 자동화 대상으로 삼을 수 있다고 투자자들은 썼다.

MIT CSAIL의 Improbable AI Lab 공동 창업자인 Pulkit Agrawal은 이 글에서 로봇 학습 분야의 선도적 연구자 중 한 명이자 계산 감각운동 학습의 선구자로 소개된다. 그의 연구는 강화 학습, 힘을 고려한 제어, 정교한 조작, 시뮬레이션에서 실제 환경으로 정책을 이전하는 분야를 아우른다. 공동 창업자인 Tuomas Haarnoja는 Berkeley에서 현대 강화 학습의 토대를 이룬 알고리즘 중 하나로 글에서 소개된 Soft Actor-Critic을 공동 개발했다. 이후 Google DeepMind에서 복잡한 휴머노이드 동작을 시뮬레이션으로 학습시키고 이를 실제 로봇에 적용하는 일을 했다. 투자자들은 두 창업자가 시뮬레이션과 실제 환경 간 격차를 줄이는 데 이례적으로 적합한 인물이며, 그 격차가 줄어들고 있음을 보여 왔다고 밝혔다.

Eka에 따르면, 더 넓은 팀은 MIT, Berkeley, Harvard, CMU, BU, UPenn, DeepMind, Microsoft, Boston Dynamics 출신으로 구성되어 있다. 또한 연구진은 자기지도 학습, 대규모 로봇 학습, 월드 모델, 강화 학습, 시뮬레이션과 실제 환경 간 전이를 다루는 로봇 공학 분야의 선구자라고 소개한다.