Eka Robotics 获 Andreessen Horowitz 领投的 A 轮融资

风险投资公司 Andreessen Horowitz 于 2026 年 10 月 20 日在一份公告中表示，该公司正领投 Eka Robotics 的 A 轮融资。Eka Robotics 是一家开发用于机器人操作的视觉—力觉—动作模型的物理人工智能初创公司。这篇文章由合伙人 Yoko Li 和管理合伙人 Raghu Raghuram 撰写，阐述了 Eka 在灵巧操作方面采取的方法，以及该公司支持 Eka 的理由。

Eka Robotics 正在打造什么

Li 和 Raghuram 写道，全球实体经济的许多领域，从制造业和电子产品组装到物流和食品生产，至今仍依赖人们用手完成工作。与此同时，工业机器人已经改变了高度结构化的生产流程，在这类流程中，夹具会将每个零件固定在适当位置。由于现实世界充满变化，许多类别的体力工作仍难以自动化：零件会移动，材料会变形，物体会滑动，连接器也无法做到完美对准。投资者表示，他们认为，解决灵巧操作问题是机器人领域最大的机遇之一，并指出，劳动力已经成为许多相关行业面临的限制因素。

Eka 在其网站上表示，公司正在打造“以物理世界的原生语言——力——为基础的智能”。公司称，迄今为止，机器人技术一直要求人们在通用性和性能之间做出取舍，并将其视觉—力觉—动作模型描述为一个兼顾通用性、性能与安全性的基础。Eka 将这项技术概括为三大支柱：能够跨物体、任务和环境实现泛化的单一模型；能够适应意外情况的快速、可靠机器人；以及能够与人类协作、适用于各种环境的安全运行。

视觉—力觉—动作模型如何运作

根据 a16z 的文章，Eka 已经打造出一种视觉—力觉—动作模型，将视觉感知与机器人手部的力反馈结合起来。公司还将模型、传感、控制器和硬件协同设计，使机器人能够直接把物理接触本身作为信息。文章介绍了由此实现的行为：当抓握开始打滑时，机器人可以及时调整；与表面的接触可以帮助定位物体；插入过程中遇到阻力时，机器人可以相应改变动作，而不是简单地触发错误。其目标是在条件变化时保持性能，无需工程师针对每种材料、物体或配合情况重新调整机器人。

公告将这种方法建立在人手的力学特性之上：人手大约有二十多个自由度，并拥有数千个专门的感觉受体，能够感知持续压力和形状、轻触、滑动的最初迹象、高频振动以及皮肤的拉伸。逐个重建这样一套生物传感系统会带来极大的复杂性、成本、布线和计算需求，还会增加潜在故障点。因此，文章将工程挑战概括为：让机器获得足够的物理信息和智能，从而通过简单得多的传感与驱动系统，实现相同的结果。

在物理仿真中学习

据公告介绍，Eka 通过物理仿真中的强化学习来训练操作策略。在策略应用于实体硬件之前，虚拟机器人可以先练习数百万种物体位置、摩擦力和接触情况的变化。Li 和 Raghuram 将这种方法与从人类示范中学习进行了对比；他们表示，后者会耗费人力时间，也难以传达任务可能失败的所有方式及其相关信息。他们还补充说，如果这种方法能够大规模奏效，机器人的经验积累就可以越来越多地随算力增长，而不是依赖人力。

文章也承认了这种方法长期面临的障碍：接触动力学出了名地难以建模，而摩擦、柔顺性或执行器行为上的细微误差，都可能让仿真中成功的策略在现实世界中变得毫无用处。文章称，弥合仿真到现实的差距是机器人领域最棘手的问题之一，并指出 Eka 的创始人在过去十年中的大部分时间里，都从互补的方向攻克这一难题。

已公布的性能表现与创始团队

据公告介绍，Eka 称，其机器人在实验室分拣供料和料箱拣选任务中每小时最多可完成 1,500 次抓取，速度是人类的 2.5 倍。文章指出，该系统已在易碎物体、易滑的工业零件以及接触密集型插入任务中展现出操作能力，并称下一项考验是在完整的生产班次中持续保持这一性能。投资者写道，如果这些能力能够可靠地迁移到各种生产任务中，制造商就可以在无需从头开始学习的情况下推出新产品，而过去不值得专门投入自动化项目的任务也将变得可行。

文中称，Improbable AI Lab at MIT CSAIL 联合创始人 Pulkit Agrawal 是机器人学习领域的顶尖研究人员之一，也是计算感觉运动学习的先驱；他的研究涵盖强化学习、力觉控制、灵巧操作，以及将策略从仿真迁移到现实世界。联合创始人 Tuomas Haarnoja 在 Berkeley 共同创立了 Soft Actor-Critic，文中称这是现代强化学习的基础算法之一。之后，他在 Google DeepMind 训练复杂的人形机器人行为，并将这些行为部署到真实机器上。投资方表示，两位创始人特别适合缩小仿真与现实之间的差距，而且他们一直在展示这一差距正在缩小。

Eka 表示，其团队成员来自 MIT、Berkeley、Harvard、CMU、BU、UPenn、DeepMind、Microsoft 和 Boston Dynamics，并称其研究人员是自监督学习、大规模机器人学习、世界模型、强化学习和仿真到现实机器人技术领域的先驱。