Fonlama
Eka Robotics, Andreessen Horowitz liderliğinde A Serisi yatırım aldı
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Girişim sermayesi şirketi Andreessen Horowitz, 20 Ekim 2026’da yayımladığı duyuruda, robotik manipülasyon için Vision-Force-Action modeli geliştiren fiziksel yapay zekâ girişimi Eka Robotics’in A Serisi yatırım turuna liderlik ettiğini açıkladı. Ortak Yoko Li ve yönetici ortak Raghu Raghuram tarafından kaleme alınan yazıda Eka’nın hassas manipülasyona yaklaşımı ve şirketin Eka’ya yatırım yapma gerekçesi anlatılıyor.
Eka Robotics Ne Geliştiriyor?
Li ve Raghuram, üretim ve elektronik montajından lojistik ve gıda üretimine kadar dünya ekonomisinin fiziksel faaliyetlerinin büyük bölümünün hâlâ ellerini kullanan insanlara dayandığını yazdı. Bu durum, sabitleyicilerin her parçayı yerinde tuttuğu, yüksek düzeyde yapılandırılmış üretim süreçlerini endüstriyel robotların dönüştürmüş olmasına rağmen değişmiyor. Gerçek dünya değişken olduğu için fiziksel işlerin büyük bölümlerini otomatikleştirmek hâlâ zor: parçalar hareket ediyor, malzemeler şekil değiştiriyor, nesneler kayıyor ve konektörler kusursuz biçimde hizalanmıyor. Yatırımcılar, hassas manipülasyon sorununu çözmenin robotik alanındaki en büyük fırsatlardan biri olduğuna inandıklarını belirtti ve bu sektörlerin çoğunda iş gücünün şimdiden kısıtlayıcı bir etken olduğuna dikkat çekti.
Eka, web sitesinde “fiziksel dünya için, onun ana dili olan kuvvetle çalışan zekâ” geliştirdiğini söylüyor. Şirket, robotik alanında şimdiye dek genellik ile performans arasında seçim yapmak gerektiğini belirtiyor ve Vision-Force-Action modelini genellik, performans ve güvenliği bir araya getiren bir temel olarak tanımlıyor. Eka, teknoloji için üç temel unsur ortaya koyuyor: nesneler, görevler ve ortamlar arasında genellenebilen tek bir model; beklenmedik durumlara uyum sağlayan hızlı ve güvenilir robotlar; ve insanların yanında güvenli, iş birliğine dayalı, ortamdan bağımsız çalışma.
Vision-Force-Action Modeli Nasıl Çalışıyor?
a16z’nin yazısına göre Eka, görsel algıyı robot ellerinden gelen kuvvet geri bildirimiyle birleştiren bir Vision-Force-Action modeli geliştirdi. Robotun fiziksel teması bizzat bilgi olarak kullanabilmesi için model, algılama sistemi, denetleyici ve donanım birlikte tasarlanıyor. Yazıda, bunun sağladığı davranışlar şöyle anlatılıyor: kaymaya başlayan bir kavrama düzeltilebiliyor, bir yüzeyle temas nesnenin yerini belirlemeye yardımcı olabiliyor ve yerleştirme sırasında hissedilen direnç, yalnızca hata vermek yerine robotun hareketini değiştirebiliyor. Amaç, her malzeme, nesne veya uyum koşulu için mühendisin robotu yeniden ayarlamasına gerek kalmadan, koşullar değiştikçe performansı korumak.
Duyuruda bu yaklaşımın temeli, yaklaşık iki düzine serbestlik derecesine ve sürekli basınç ile şekli, hafif dokunuşu, kaymanın ilk belirtilerini, yüksek frekanslı titreşimi ve derinin gerilmesini algılayan binlerce özelleşmiş duyu alıcısına sahip olduğu belirtilen insan elinin işleyişine dayandırılıyor. Böyle bir biyolojik algılama sistemini alıcı alıcı yeniden oluşturmak karmaşıklığı, maliyeti, kablolamayı ve işlem gücü gereksinimini büyük ölçüde artıracağı, ayrıca olası arıza noktalarını çoğaltacağı için yazı, mühendislikteki temel zorluğu makinelerin çok daha basit bir algılama ve hareket sistematiğiyle aynı sonuca ulaşmasını sağlayacak kadar fiziksel bilgi ve zekâ kazandırmak olarak tanımlıyor.
Fizik Simülasyonunda Öğrenme
Duyuruya göre Eka, manipülasyon politikalarını fizik simülasyonunda pekiştirmeli öğrenme yoluyla eğitiyor. Sanal robotlar, bir politika gerçek donanıma aktarılmadan önce nesnelerin konumu, sürtünme ve temasla ilgili milyonlarca farklı durumu deneyebiliyor. Li ve Raghuram bu yaklaşımı, insan zamanını tükettiğini ve bir görevin başarısız olabileceği tüm yollar hakkında yararlı bilgileri aktarmakta zorlandığını söyledikleri insan gösterimlerinden öğrenmeyle karşılaştırdı. Yaklaşım büyük ölçekte işe yararsa robot deneyiminin, insan emeği yerine giderek daha fazla işlem gücüyle ölçeklenebileceğini de eklediler.
Yazı, bu yaklaşımın önündeki tarihsel engeli de kabul ediyor: temas dinamiklerini modellemek son derece zor ve sürtünme, esneklik ya da eyleyici davranışındaki küçük hatalar, simülasyonda başarılı olan bir politikayı gerçek dünyada işe yaramaz hâle getirebiliyor. Simülasyondan gerçeğe geçişteki açığın kapatılmasını robotik alanının en zor sorunlarından biri olarak tanımlıyor ve Eka’nın kurucularının son on yılın büyük bölümünü bu soruna birbirini tamamlayan yönlerden çözüm arayarak geçirdiğini belirtiyor.
Bildirilen Performans ve Kurucu Ekip
Duyuruya göre Eka, laboratuvar ortamındaki indüksiyon ve kutudan parça alma görevlerinde saatte 1.500’e kadar parça alındığını, bunun insanlardan iki buçuk kat daha hızlı olduğunu bildiriyor. Yazıda, temel sistemin kırılgan nesneler, kaygan endüstriyel parçalar ve yoğun temas gerektiren yerleştirme görevleri üzerinde manipülasyon becerisini gösterdiği belirtiliyor; sıradaki sınavın ise bu performansı tam üretim vardiyaları boyunca sürdürebilmek olduğu ifade ediliyor. Yatırımcıların yazdığına göre bu beceriler üretim görevlerine güvenilir biçimde aktarılabilirse, üreticiler öğrenme sürecini en baştan başlatmadan yeni ürünleri devreye alabilecek ve özel bir otomasyon projesine değmeyeceği düşünülen görevler de otomatikleştirilebilir hâle gelecek.
Improbable AI Lab ve MIT CSAIL’de görev yapan kurucu ortak Pulkit Agrawal, yazıda robot öğrenimi alanındaki önde gelen araştırmacılardan biri ve hesaplamalı duyusal-motor öğrenimin öncüsü olarak tanımlanıyor. Çalışmaları pekiştirmeli öğrenim, kuvvet farkındalıklı kontrol, becerikli manipülasyon ve politikaların simülasyondan gerçek dünyaya aktarılması gibi alanları kapsıyor. Kurucu ortak Tuomas Haarnoja, Berkeley’de modern pekiştirmeli öğrenimin temel algoritmalarından biri olarak nitelenen Soft Actor-Critic’i birlikte geliştirdi. Daha sonra Google DeepMind’da simülasyonda karmaşık insansı robot davranışlarını eğitmek ve bunları gerçek makinelerde uygulamaya koymak için çalıştı. Yatırımcılar, kurucuların simülasyon ile gerçek dünya arasındaki uçurumu kapatmak için alışılmadık ölçüde uygun olduklarını ve bu uçurumun daraldığını gösterdiklerini yazdı.
Eka, daha geniş ekibinin MIT, Berkeley, Harvard, CMU, BU, UPenn, DeepMind, Microsoft ve Boston Dynamics kökenli olduğunu söylüyor. Araştırmacılarını öz denetimli öğrenim, büyük ölçekli robot öğrenimi, dünya modelleri, pekiştirmeli öğrenim ve simülasyondan gerçeğe robotik alanlarının öncüleri olarak tanımlıyor.
