Machenta henter 40 millioner dollar i såkornfinansiering for å lære roboter nye oppgaver fra én demonstrasjon

Det kan ta langt lengre tid å lære en robot en ny oppgave enn å utføre oppgaven selv. Innsamling av demonstrasjoner, klargjøring av treningsdata og oppdatering av en modell kan gjøre en liten endring i arbeidsflyten til et omfattende ingeniørprosjekt. Machenta har hentet inn 40 millioner dollar i en såkornrunde for å korte ned denne prosessen. Selskapet utvikler en grunnmodell for roboter som skal kunne lære en fysisk oppgave fra én enkelt demonstrasjon, uten ytterligere oppgavespesifikk trening.

London-selskapet kunngjorde finansieringen 27. oktober, med Creandum og Union Square Ventures som medledere for runden. Kapitalen skal brukes til å skalere modellen og utvide teamet ved det nye kontoret og laboratoriet i King’s Cross.

Machenta kaller tilnærmingen sin «umiddelbar robotlæring». Selskapet sier at det har demonstrert teknologien i oppgaver innen pakking, montering og rydding, der robotene tilpasser seg variasjoner etter å ha blitt vist hva de skal gjøre én gang. Ambisjonene er store, men dokumentasjonen bør ses som demonstrasjoner av en teknologi under utvikling, ikke som bevis på at en robot allerede kan utføre enhver tenkelig oppgave.

Lær en ny oppgave uten en ny treningsrunde

Det sentrale skillet går mellom å trene en modell og å lære en allerede trent modell en bestemt oppgave. Machenta trener fortsatt grunnmodellen sin. Målet er å fjerne behovet for å samle inn et stort, nytt datasett og gjennomføre en ny treningsrunde hver gang roboten møter en ny oppgave.

«Intelligens handler ikke så mye om hva du allerede kan gjøre, men om hvor raskt du kan lære å gjøre noe nytt», sa professor Edward Johns, medgrunnlegger og administrerende direktør i Machenta, i kunngjøringen.

Den foreslåtte arbeidsflyten er bevisst enkel: Vis den ønskede atferden, la roboten observere den, og la deretter roboten utføre oppgaven. I praksis vil demonstrasjonen da bli en del av instruksjonen til en eksisterende modell, i stedet for starten på et eget modellutviklingsprosjekt.

Dette er særlig relevant når oppgaven i hovedsak er den samme, men objektene eller plasseringen av dem endrer seg. En robot som bare kan gjenta en fast sekvens, er avhengig av at omgivelsene samsvarer med programmet. En robot som skal kunne lære, må forstå hva demonstrasjonen ber den om å oppnå, og tilpasse handlingene sine til situasjonen foran seg.

Simulering brukes til å trene evnen til å lære

Machentas treningsstrategi flytter mye av arbeidet med å generere data over i simulering. Ifølge kunngjøringen er målet ikke å liste opp alle oppgavene roboten kan komme til å møte. Målet er å utsette modellen for et tilstrekkelig stort mangfold av scenarioer, slik at den utvikler en evne til å lære av nye eksempler som kan brukes på tvers av oppgaver.

Dette endrer hvor selskapet forventer at muligheten til å skalere skal komme fra. Mange satsinger på robotlæring er i stor grad avhengige av å samle inn fysiske demonstrasjoner ved hjelp av fjernstyring eller opptak av menneskelig aktivitet. Machenta satser på at erfaring fra simulering kan gi det mangfoldet som trengs for å lære nye oppgaver, mens en demonstrasjon fra den virkelige verden gir instruksjonen når modellen tas i bruk.

Selskapets tekniske introduksjon omtaler systemet som en modell for syn, demonstrasjon og handling, eller VDA. Den bruker en demonstrasjon og løpende kamerabaserte observasjoner som input og forutsier handlinger i en lukket sløyfe. Selskapet sier at forhåndstreningen utelukkende foregår i simulering; demonstrasjonen og observasjonene i sanntid er input fra den virkelige verden når modellen brukes til å trekke slutninger.

Dette skillet er viktig: Forhåndstrening bare i simulering betyr ikke at roboten opererer uten informasjon fra den virkelige verden når den tas i bruk. Den må fortsatt tolke demonstrasjonen, observere omgivelsene og velge handlinger etter hvert som forholdene endrer seg.

Forskningen bak kontekstbasert robotlæring

Selskapet bygger videre på arbeidet til Johns og medgrunnlegger og teknologidirektør Vitalis Vosylius ved Imperial College London. Johns er professor i robotlæring ved Imperial, og de to utviklet tidligere metoder for å lære fysisk atferd fra et lite antall eksempler.

Forskningen deres på Instant Policy, publisert på ICLR 2025, beskriver kontekstbasert imitasjonslæring fra én eller to demonstrasjoner uten videre trening. Demonstrasjoner, observasjoner og handlinger representeres som en graf, og en innlært diffusjonsprosess brukes til å generere grafstrukturen som trengs for å forutsi handlinger.

Artikkelen beskriver også trening med pseudodemonstrasjoner: baner generert i simulering som gir en stor samling eksempler. Eksperimentene omfatter både simulerte oppgaver og oppgaver i den virkelige verden, i tillegg til arbeid med overføring mellom ulike robotutførelser og instruksjoner formulert i naturlig språk.

Denne forskningen bidrar til å forklare det vitenskapelige grunnlaget, men fastslår ikke at Machentas nåværende kommersielle modell har nøyaktig samme arkitektur. Oppstartsbedriften beskriver det nyere systemet som en grunnmodell som bygger på denne forskningsretningen.

Kontekstbasert læring er kjent fra språkmodeller, der eksempler i en ledetekst kan påvirke svaret uten at modellens vekter oppdateres. Det er mer krevende å bruke den samme ideen innen robotikk, fordi resultatet må bli en sekvens av fysiske handlinger under reelle begrensninger – ikke bare et sannsynlig svar.

Hva demonstrasjonene viser – og hva som gjenstår å teste

Machentas tekniske innlegg rapporterer om én time lange forsøk med tre enkle oppgaver som tilbakestiller seg selv: 74 vellykkede plasseringer av blokker på 74 forsøk, 78 overleveringer av skrutrekkere på 78 forsøk og 97 vellykkede forsøk på å få flasker til å stå oppreist av 99. Selskapet forklarer de to mislykkede flaskeoperasjonene med kollisjonsfare og kinematiske begrensninger.

Dette er nyttige tidlige kontroller av påliteligheten, men ikke en omfattende industriell referansetest. Innlegget omtaler også læring direkte fra menneskehender og bruk av humanoide hender som foreløpige retninger. Det dokumenterer ikke at systemet kan utføre alle typer oppgaver eller yte pålitelig på alle arbeidsplasser.

For en potensiell bruker handler forskjellen mellom en overbevisende demonstrasjon og et system som kan tas i bruk, blant annet om repeterbarhet, evnen til å håndtere feil, sikker atferd rundt mennesker og de praktiske begrensningene ved robotens maskinvare. At roboten raskt kan lære en instruksjon, gjør det ikke mulig for en gripearm å håndtere en gjenstand den ikke fysisk kan gripe.

Det kommersielle potensialet er likevel tydelig. Hvis opplæringstiden reduseres betydelig, blir det lettere å vurdere roboter til arbeid som endrer seg for ofte til at langvarig programmering og integrering kan forsvares. Det kan få betydning både for utrulling i fabrikker og for mindre bruksområder der det er vanskelig å få tilgang til spesialisert robotikkstøtte.

En såkornrunde for å skalere modellen og teamet

Machenta blir en del av en bredere investeringsbølge innen tilpasningsdyktig robotintelligens. Unite.AIs omtale av Dream Labs’ finansiering av KI på tvers av roboter viser til et annet forsøk på å gjøre innlærte ferdigheter nyttige på tvers av ulike maskiner. Machenta legger vekt på hvor raskt en ny fysisk instruksjon kan bli til brukbar atferd.

Creandum-partner Kathi Wilhelm trakk fram teamets mangeårige forskning før selskapet ble etablert. Rebecca Kaden, administrerende partner i Union Square Ventures, understreket verdien av roboter som raskt kan lære en ny oppgave, i stedet for å kreve en egen opplæringsinnsats for hver jobb.

For Machenta er neste steg å videreutvikle forskningsgrunnlaget til bredere og mer pålitelige ferdigheter. De 40 millioner dollarene gir selskapet ressurser til å skalere modellen og rekruttere flere medarbeidere, samtidig som grunnleggerteamet tar med seg seks års arbeid med robotlæring fra én demonstrasjon inn i virksomheten.

Det sentrale spørsmålet er hvor godt denne læringsatferden kan skaleres når oppgavene blir mer varierte og krevende. Hvis tilnærmingen holder mål, vil den viktige endringen være praktisk: Folk kan bruke mindre tid på å bygge opp et opplæringsløp og mer tid på å vise roboten arbeidet de faktisk trenger utført.