MIT团队打造14.5亿美元AI机器人，灵巧操作已超人类水平
机器人抓取难题迎来突破
尽管投入数十亿美元、喂给深度学习模型海量视频，机器人在抓取物体方面仍表现平平。但这一局面可能即将改变——Eka Robotics开发了一套全新的操作架构，将力敏感夹爪与新型深度学习模型相结合，正在重新定义机器人的灵巧操作能力。
这家由麻省理工学院教授Pulkit Agrawal与前Google DeepMind研究员Tuomas Haarnoja联合创办的初创企业，刚刚完成1.5亿美元的A轮融资，投后估值达到14.5亿美元。该轮投资由a16z和F-Prime领投。
专家评价：令人震撼的表现
在机器人演示层出不穷的时代，Eka的能力令资深机器人工程师感到震惊。伊利诺伊大学厄巴纳-香槟分校的Kris Hauser教授表示，与他近期看到的其他机器人演示相比，Eka的机器人具有”哇塞效应”。
“Eka机器人无需重新训练就能适应大量不同物体，”Hauser补充道，”它还带有一种人性化特征——如果第一次失败了，它会像人一样反复尝试。”
核心优势：力控感知取代纯视觉方案
这些能力的根源在于基础模型的构建方式。不同于传统的视觉-语言-动作模型，Eka采用的是视觉-力-动作模型，专注于语言、力输入与动作之间的关系。
- 处理速度：每小时可抓取约1500个重量达1kg的物体，远超人类约600个的水平
- 成功率：超过95%的可靠抓取率
- 力量控制：机械臂运动速度极快，足以伤及自身，说明算法对机器人有充分信心
Eka联合创始人Agrawal指出：”视觉并不是解决最后那1毫米抓取问题的关键。视觉告诉你物体大概在哪里、姿态如何，但实际的抓取和搜索是通过力来完成的。”
技术路径：物理模拟+强化学习
Eka设计了一种比传统夹爪更灵活的机械手，并集成了更多力传感器。它能根据接触情况做出反应，这也是它不会捏碎覆盆子的原因。
出于竞争考虑，创始人对具体实现细节有所保留，但核心技术路线清晰：
- 使用物理模拟器建模机器人在抓取过程中会遇到的多种力
- 基于此构建可在大规模环境下运行的强化学习环境
- 仅需数分钟即可生成数千小时的机器人经验
Hauser评价道：”Eka不是局限于人类演示收集的数据，而是通过强化学习让机器人超越所有演示。真正令人兴奋的是，它们不被训练时提供的数据所限制。”
学术背景：强化学习领域的顶尖研究者
Agrawal和Haarnoja在加州大学伯克利分校读研时相识，两人在机器人控制的强化学习领域都是领先研究者。Eka的核心赌注在于：通过仿真将这项技术规模化，而非依赖零工经济工人录制的演示视频或机器人操作员数小时的任务操作。
仿真对于实现机器人可靠的灵巧操作至关重要。在过去，需要与物体交互的任务比单纯避免碰撞的任务更难实现，而Eka正在弥合这一通用性与性能之间的鸿沟。
未来展望：多任务灵巧操作的普及
a16z普通合伙人Raghu Raghuram在领导本轮融资后表示：”他们已经在某些任务上超越人类表现，我们相信在未来几个月内，许多灵巧操作任务都将实现超人类表现。”
一位来自前沿实验室的机器人学家匿名告诉媒体，亲眼目睹Eka机器人运作的经历是情感化的体验，堪比五到十年前机器人首次实现可靠步行移动时的震撼。
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！