Eka Robotics garante financiamento de Série A liderado pela Andreessen Horowitz

A Andreessen Horowitz está liderando a rodada de Série A da Eka Robotics, uma startup de IA física que desenvolve um modelo Visão-Força-Ação para manipulação robótica, informou a empresa de capital de risco em um anúncio em 20 de outubro de 2026. A publicação, escrita pela sócia Yoko Li e pelo sócio-diretor Raghu Raghuram, apresenta a abordagem da Eka à manipulação hábil e os motivos que levaram a empresa a investir na companhia.

O que a Eka Robotics está desenvolvendo

Li e Raghuram escreveram que grande parte da economia física mundial — da manufatura e montagem de eletrônicos à logística e produção de alimentos — ainda depende de pessoas usando as mãos, embora os robôs industriais tenham transformado a produção altamente estruturada, na qual dispositivos mantêm cada peça no lugar. Grandes categorias de trabalho físico continuam difíceis de automatizar porque o mundo real é variável: as peças se movem, os materiais se deformam, os objetos escorregam e os conectores não se alinham perfeitamente. Os investidores disseram acreditar que solucionar o desafio da manipulação hábil é uma das maiores oportunidades da robótica e observaram que a mão de obra já é um fator limitante em muitos desses setores.

Em seu site, a Eka afirma que está desenvolvendo “inteligência para o mundo físico em sua língua nativa: a força”. A empresa diz que, até agora, a robótica exigia escolher entre generalidade e desempenho e descreve seu modelo Visão-Força-Ação como uma base que reúne generalidade, desempenho e segurança. A Eka apresenta três pilares para a tecnologia: um único modelo que se generaliza para diferentes objetos, tarefas e ambientes; robôs rápidos e confiáveis que se adaptam ao inesperado; e operação segura e colaborativa, independente do ambiente, ao lado de seres humanos.

Como funciona o modelo Visão-Força-Ação

Segundo a publicação da a16z, a Eka desenvolveu um modelo Visão-Força-Ação que combina percepção visual com retorno de força das mãos robóticas. A empresa projeta em conjunto o modelo, os sensores, o controlador e o hardware para que o robô possa usar o próprio contato físico como fonte de informação. A publicação descreve os comportamentos resultantes: uma preensão que começa a escorregar pode ser corrigida, o contato com uma superfície pode ajudar a localizar um objeto e a resistência durante a inserção pode alterar o movimento do robô, em vez de simplesmente acionar um erro. O objetivo declarado é manter o desempenho à medida que as condições mudam, sem exigir que um engenheiro reajuste o robô para cada material, objeto ou encaixe.

O anúncio fundamenta essa abordagem na mecânica da mão humana, descrita como tendo cerca de duas dezenas de graus de liberdade e milhares de receptores sensoriais especializados, capazes de detectar pressão contínua e forma, toque leve, os primeiros sinais de escorregamento, vibrações de alta frequência e o estiramento da pele. Como recriar um sistema sensorial biológico desse tipo, receptor por receptor, acrescentaria enorme complexidade, custo, cabeamento, capacidade computacional e possíveis pontos de falha, a publicação apresenta o desafio de engenharia como o de fornecer às máquinas informação física e inteligência suficientes para alcançar o mesmo resultado com um sistema de sensoriamento e atuação muito mais simples.

Aprendizado em simulação física

A Eka treina suas políticas de manipulação por meio de aprendizado por reforço em simulações físicas, nas quais robôs virtuais podem praticar milhões de variações de posição dos objetos, atrito e contato antes que uma política seja aplicada a um robô físico, segundo o anúncio. Li e Raghuram contrastaram essa abordagem com o aprendizado a partir de demonstrações humanas, que, segundo eles, consome tempo das pessoas e tem dificuldade para transmitir informações úteis sobre todas as maneiras pelas quais uma tarefa pode falhar. Eles acrescentaram que, se a abordagem funcionar em larga escala, a experiência dos robôs poderá depender cada vez mais da capacidade computacional, em vez do trabalho humano.

A publicação reconhece o obstáculo histórico a essa abordagem: é notoriamente difícil modelar a dinâmica do contato, e pequenos erros no atrito, na flexibilidade ou no comportamento dos atuadores podem transformar uma política bem-sucedida em simulação em algo inútil no mundo real. A publicação descreve a redução da lacuna entre simulação e realidade como um dos problemas mais difíceis da robótica e afirma que os fundadores da Eka passaram boa parte da última década enfrentando esse desafio por meio de abordagens complementares.

Desempenho relatado e equipe fundadora

A Eka relata até 1.500 retiradas por hora em tarefas laboratoriais de indução e separação de peças em caixas, uma velocidade duas vezes e meia maior que a dos seres humanos, segundo o anúncio. A publicação afirma que o sistema subjacente já demonstrou capacidade de manipular objetos frágeis, peças industriais escorregadias e tarefas de inserção com muito contato, e aponta a manutenção desse desempenho durante turnos completos de produção como o próximo teste. Se essas capacidades forem transferidas de forma confiável para diferentes tarefas de produção, escreveram os investidores, os fabricantes poderão lançar novos produtos sem recomeçar o processo de aprendizado do zero, e tarefas que nunca justificariam um projeto de automação dedicado poderão ser automatizadas.

O cofundador Pulkit Agrawal, do Improbable AI Lab do MIT CSAIL, é descrito na publicação como um dos principais pesquisadores em aprendizagem robótica e pioneiro em aprendizagem sensório-motora computacional, com trabalhos que abrangem aprendizagem por reforço, controle sensível à força, manipulação hábil e a transferência de políticas da simulação para o mundo real. O cofundador Tuomas Haarnoja cocriou o Soft Actor-Critic em Berkeley, que a publicação chama de um dos algoritmos fundamentais da aprendizagem por reforço moderna, e, mais tarde, trabalhou na Google DeepMind, treinando comportamentos humanoides complexos em simulação e implementando-os em máquinas reais. Os investidores escreveram que os fundadores estão excepcionalmente bem preparados para superar a lacuna entre simulação e realidade e vêm demonstrando que ela está diminuindo.

A Eka afirma que sua equipe mais ampla reúne profissionais vindos do MIT, de Berkeley, de Harvard, da CMU, da BU, da UPenn, da DeepMind, da Microsoft e da Boston Dynamics, e descreve seus pesquisadores como pioneiros em aprendizagem auto-supervisionada, aprendizagem robótica em larga escala, modelos de mundo, aprendizagem por reforço e robótica com transferência da simulação para o mundo real.