Mecka, 로봇 데이터와 배치를 확장하기 위해 6천만 달러 규모의 Series B 라운드 유치

로봇 학습을 위한 데이터 인프라를 구축하는 기업 Mecka는 2026년 10월 7일에 Sequoia Capital이 주도한 6천만 달러 규모의 Series B 라운드에서 자금을 조달했다고 발표했습니다. 이번 라운드의 새로운 투자자로는 NVIDIA, Qualcomm Ventures, Samsung, 그리고 Microsoft의 벤처 펀드인 M12가 포함됐으며, Kindred, Framework Ventures, Neo의 지속적인 지원도 있다고 회사는 밝혔습니다.

참여한 엔젤 투자자로는 DoorDash 설립자이자 CEO인 Tony Xu, 전 ServiceNow 및 Snowflake CEO Frank Slootman, 전 Tesla Optimus 책임자 Milan Kovac이 포함됐다고 회사는 전했습니다. Mecka는 이번 자본을 통해 데이터 인프라를 확장하고 내부 연구실을 강화하며 상업용 로봇 배치를 구축할 것이라고 밝혔으며, 이를 로봇 분야의 데이터 및 배치 계층이라고 설명했습니다.

회사의 논지는 로봇이 부족한 것은 경험이라는 것입니다. 손이 어떻게 잡고, 접고, 붓고, 얼마나 세게 누르는지, 언제 놓아야 하는지에 대한 기록은 아무도 남기지 않았습니다. “동작, 접촉, 힘 및 기하학은 인터넷에 존재하지 않습니다. 이를 스크랩하거나, 라이선스를 취득하거나, 구매할 수 없습니다,” 라고 회사는 Series B 발표에서 밝혔습니다. Mecka는 이 격차를 로봇공학에서 가장 큰 병목 현상으로 보고, 로봇공학을 앞으로 가장 큰 생산성 기회라고 부르며, 데이터가 1조 달러 규모의 시장이 될 것이라고 예측했습니다.

자사 웹사이트에서, 회사는 원시 활동과 활용 가능한 학습 데이터 사이의 일련의 과제들을 설명합니다. 실제 작업은 잡음이 많아 모델이 대규모 엣지 케이스와 작업별 시연을 필요로 합니다. 원시 비디오만으로는 충분하지 않으며, 팀은 실제 활동을 유용한 학습 데이터로 만들기 전에 주석, 컨텍스트, 품질 보증, 동작 이해 및 평가 워크플로우가 필요합니다. 마지막으로, 연구실이 최종 목표가 아니라는 점을 강조합니다: 로봇 시스템은 현장에 투입되기 전에 실제 워크플로우, 환경 및 제약 조건에 대해 테스트되어야 합니다.

캡처 및 연구 스택

Mecka는 물리적 세계를 디지털화하기 위해 전체 스택을 구축해야 했다고 말했습니다: 캡처 하드웨어, 재구성 모델 및 품질 인프라. 회사는 각 신호 유형에 맞는 자체 다중 센서 하드웨어를 설계·제조하며, 센서 선택 및 동기화는 다운스트림 모델의 요구에 따라 결정됩니다. 또한 전 세계적인 생산 운영을 운영하여, 캡처 플릿을 통해 가정 및 상업 환경에서 인간 시연을 기록합니다.

내부 연구실에서는 원시이고 잡음이 많은 현실을 구조화된 신호로 변환하는 컴퓨터 비전 및 멀티모달 모델을 구축합니다. 이 모델은 동작 추적, 3D 재구성 및 센서 정렬을 포괄합니다. 회사는 야외 데이터에서 최첨단 서센티미터 수준의 손 자세 정확도를 달성했다고 보고했습니다.

회사 웹사이트에는 신호 및 행동 기본 요소가 나열되어 있으며, 물리적 현실을 캡처하거나 상호작용하는 방법으로 설명되는 모듈은 다음과 같습니다: 픽셀 이해, 깊이 및 기하학, 객체 추적, 분할, 촉각 힘, 음파, 속도와 동작, 포인트 클라우드, 표면 윤곽 및 위치 지정. Mecka는 또한 환경 및 작업별 데이터를 캡처하기 위한 iOS 앱과 데이터를 탐색·시각화·질의하고, 팀과 데이터셋을 협업하며, 추론 API를 실행할 수 있는 웹 도구도 제공합니다.

EgoVerse 데이터셋 및 전이 연구

Mecka는 Georgia Tech, Stanford, UC San Diego, ETH Zürich, MIT 및 Meta 연구원들과 함께 EgoVerse를 통해 실제 인간 시연에 대한 베팅을 시험했으며, 이는 실험실, 작업 및 로봇 전반에 걸쳐 복제된 인간‑로봇 전이 연구입니다. EgoVerse 논문은 2026년 4월 8일 최초 제출되고 2026년 7월 7일 마지막으로 수정되었으며, 데이터 수집, 처리 및 접근을 통합하는 공동 프레임워크를 설명하고, 개별 연구자, 학술 연구실 및 산업 파트너의 기여를 가능하게 합니다.

논문의 현재 릴리스에는 80,000개의 에피소드에 걸쳐 1,362시간의 인간 시연이 포함되어 있으며, 1,965개의 작업, 240개의 장면 및 2,087명의 고유 시연자를 포괄합니다. 표준화된 포맷, 조작 관련 주석 및 하위 학습을 위한 도구가 제공됩니다. Mecka의 FAQ에서는 EgoVerse를 작업, 공간 및 환경 전반에 걸친 실제 1인칭 활동으로 구축된 대규모 인간 상호작용 데이터셋으로 설명합니다.

데이터셋을 넘어, 저자들은 공유 프로토콜 하에 여러 연구실, 작업 및 로봇 구현체에서 실험을 복제한 대규모 인간‑로봇 전이 연구를 수행했습니다. 논문은 정책 성능이 일반적으로 인간 데이터가 증가함에 따라 향상되지만, 효과적인 확장은 인간 데이터와 로봇 학습 목표 간의 정렬에 달려 있다고 보고합니다. 저자 명단에는 Josh Gao와 Jason Chong이 포함됩니다.

고객, 매출 및 통합자 모델

Mecka는 여러 최첨단 로봇 연구소와 다수의 Mag 7 기업에 솔루션을 제공한다고 밝혔습니다. 회사는 운영을 시작한 지 몇 개월 만인 2026년 6월에 현재 매출 속도를 연간으로 환산한 금액(run rate)이 1억 달러를 초과했으며, 연말까지 이 연환산 매출 규모가 3억 달러에 이를 것으로 예상한다고 밝혔습니다.

같은 스택이 회사의 상업적 배포를 지원합니다. Mecka는 자신을 현대적인 로봇 통합업체라고 설명합니다. 전통적인 통합은 한 번 배포되고 고정된 반면, Mecka의 배포는 현장에서 데이터를 수집하고, 그 데이터를 기반으로 사후 학습을 진행하며, 실행 시간마다 개선됩니다. 물리적 AI를 원하지만 로봇 팀이 없는 기업을 위해 Mecka는 하드웨어, 데이터 수집, 사후 학습, 통합 및 지속적인 운영을 제공한다고 밝혔습니다. FAQ에서는 Mecka가 로봇을 직접 제작하지 않으며, 대신 하드웨어, 모델 및 상업 생태계에 연결하고, 이들 사이의 데이터, 통합 및 평가 레이어를 소유한다는 점을 강조했으며, 이를 회사는 “Mecka Loop”라 부릅니다.

Mecka는 이번 자금 조달을 통해 더 많은 데이터를 빠르게 구축할 수 있게 되었다고 밝혔습니다. 즉, 더 많은 기기, 더 깊은 연구, 그리고 작업 현장에 로봇을 배치할 수 있게 됩니다. 이번 발표는 Josh, Jason 및 Mecka 팀이 서명했으며, 회사는 연구, 하드웨어 및 운영 분야 전반에 걸쳐 채용을 진행 중이라고 전했습니다.