Mecka samlar in $60M Series B för att skala robotdata och distribution

Mecka, ett företag som bygger datainfrastruktur för robotlärning, meddelade den 7 oktober 2026 att de har samlat in en Series B på 60 miljoner dollar ledd av Sequoia Capital. Nya investerare i rundan inkluderar NVIDIA, Qualcomm Ventures, Samsung och M12, Microsofts riskkapitalfond, enligt företaget, med fortsatt stöd från Kindred, Framework Ventures och Neo.

Ängelinvesterare som deltar inkluderar DoorDash grundare och VD Tony Xu, tidigare VD för ServiceNow och Snowflake Frank Slootman, samt tidigare chef för Tesla Optimus Milan Kovac, enligt företaget. Mecka säger att kapitalet skalar deras datainfrastruktur, fördjupar deras interna forskningslab och bygger ut kommersiell robotdistribution, arbete som företaget beskriver som data- och distributionslagret för robotik.

Företagets tes är att vad robotar saknar är erfarenhet. Ingen har någonsin skrivit ner hur en hand greppar, viker eller häller, hur hårt den ska tryckas, eller när den ska släppa. “Rörelse, kontakt, kraft och geometri finns inte på internet. Du kan inte skrapa dem, licensiera dem eller köpa dem,” skrev företaget i sitt Series B‑meddelande. Mecka beskriver detta gap som den största flaskhalsen inom robotik, kallar robotik för den största produktivitetsmöjligheten framöver och förutspår att data kommer att bli en biljon-dollar marknad.

På dess webbplats beskriver företaget en rad utmaningar mellan rå aktivitet och användbar träningsdata. Verkliga uppgifter är brusiga, så modeller behöver storskaliga kantfall och uppgiftsspecifika demonstrationer för att generalisera. Rå video räcker inte: teamen behöver annotering, kontext, kvalitetssäkring, rörelsesförståelse och utvärderingsarbetsflöden innan verklig aktivitet blir användbar träningsdata. Slutligen är laboratoriet inte mållinjen: robotiska system måste testas mot verkliga arbetsflöden, miljöer och begränsningar innan de kan fungera i fält.

Fångst- och forskningsstacken

Mecka säger att för att digitalisera den fysiska världen var de tvungna att bygga hela stacken: fångst‑hardware, rekonstruktionsmodeller och kvalitetsinfrastruktur. Företaget designar och tillverkar sin egen multisensor‑hardware för varje signalklass, med sensorsval och synkronisering styrda av vad deras modeller behöver nedströms. De driver en global produktionsverksamhet med fångstflottor som spelar in mänskliga demonstrationer i hem och kommersiella miljöer.

Ett internt labb bygger datorseende‑ och multimodala modeller som omvandlar rå, brusig verklighet till strukturerad signal, och täcker rörelsespårning, 3D‑rekonstruktion och sensorjustering. Företaget rapporterar banbrytande hand‑pose‑noggrannhet på under en centimeter på data i naturliga miljöer.

Företagets webbplats listar signal‑ och handlingsprimitiver, moduler som de beskriver som sätt att fånga eller interagera med fysisk verklighet: pixel‑förståelse, djup och geometri, objektspårning, segmentering, taktil kraft, ljudvågor, hastighet och rörelse, punktmoln, ytkontur och lokalisering. Mecka erbjuder också en iOS‑app för att fånga miljö‑ och uppgiftsspecifik data, samt webbverktyg för att bläddra, visualisera och söka i data, samarbeta på dataset med team och köra inferens‑API:er.

EgoVerse‑datasetet och överföringsstudien

Mecka säger att de testade sin satsning på verkliga mänskliga demonstrationer med forskare vid Georgia Tech, Stanford, UC San Diego, ETH Zürich, MIT och Meta genom EgoVerse, en människa‑till‑robot‑överföringsstudie som replikerats över laboratorier, uppgifter och robotar. EgoVerse‑papperet, första gången inlämnat den 8 april 2026 och senast reviderat den 7 juli 2026, beskriver en samarbetsplattform som förenar datainsamling, bearbetning och åtkomst under ett gemensamt ramverk, vilket möjliggör bidrag från enskilda forskare, akademiska laboratorier och industriella partners.

Den aktuella versionen av papperet innehåller 1 362 timmar av mänskliga demonstrationer över 80 000 avsnitt, omfattande 1 965 uppgifter, 240 scener och 2 087 unika demonstratörer, med standardiserade format, manipulationsrelevanta annoteringar och verktyg för efterföljande inlärning. Meckas FAQ beskriver EgoVerse som deras storskaliga dataset för mänsklig interaktion, byggt från verklig förstapersons‑aktivitet över uppgifter, utrymmen och miljöer.

Utöver datasetet genomförde författarna en storskalig studie av människa‑till‑robot‑överföring, med experiment replikerade över flera laboratorier, uppgifter och robotembodier under gemensamma protokoll. Papperet rapporterar att policy‑prestanda i allmänhet förbättras med ökad mänsklig data, men att effektiv skalning beror på anpassning mellan mänsklig data och robotens inlärningsmål. Författarlistan inkluderar Josh Gao och Jason Chong.

Kunder, intäkter och integratörsmodellen

Mecka säger att de levererar till flera av de främsta frontier‑robotiklabben samt flera Mag 7‑företag. Företaget uppgav att dess intäkter, uppräknade till årstakt (run rate), översteg 100 miljoner dollar i juni 2026, bara några månader efter verksamhetsstarten, och prognostiserar en årstakt på 300 miljoner dollar vid årets slut.

Samma stack driver företagets kommersiella utrullningar. Mecka beskriver sig själva som en modern robotikintegratör: där en traditionell integration levereras en gång och förblir oförändrad, fångar deras utrullningar data på plats, tränar på den i efterhand och förbättras för varje timme de kör, enligt företaget. För företag som vill ha fysisk AI men saknar ett robotikteam, sade Mecka att de tillhandahåller hårdvaran, datainsamlingen, efterträning, integrationen och den löpande driften. I deras FAQ står det att Mecka inte bygger robotar; istället ansluter de till hårdvaran, modellen och de kommersiella ekosystemen och äger data, integration och utvärderingslagret mellan dem, ett arrangemang som företaget kallar Mecka Loop.

Mecka sade att finansieringen gör att de kan bygga mer data snabbare: fler instrument, djupare forskning och robotar som placeras där arbetet sker. Tillkännagivandet är undertecknat av Josh, Jason och Mecka-teamet, och företaget meddelade att de rekryterar inom forskning, hårdvara och drift.