马萨诸塞州剑桥市初创公司Eka Robotics近日宣布完成1.5亿美元A轮融资，估值达到14.5亿美元。本轮融资由Andreessen Horowitz（a16z）和F-Prime领投，此前领投种子轮的Obvious Ventures和E14 Fund继续跟投。MFV Partners、Bison Ventures、Glasswing Ventures、三星Next及多家未具名大型企业也参与投资。Eka表示，资金将用于扩展模型训练任务并加速客户部署。
视觉与触觉融合的感知突破
与传统仅依赖视觉信息的机器人AI不同，Eka引入了力反馈机制，将视觉数据与手部力传感器结合，使机器人能实时感知抓握滑动并修正。联合创始人Pulkit Agrawal指出，视觉仅能提供大致位置，毫米级精度的抓取和搜索需依靠力觉实现。
Eka自主研发了内置大量力传感器的机械手，硬件成本低于1000美元。其额定寿命为500万次工作循环，目标提升至2000万次，以看齐标准工业机械臂水平。与此同时，苏黎世初创公司Enact本周筹集3000万美元开发触觉技术，中国Linkerbot也曾寻求60亿美元估值，显示该赛道热度攀升。
基于仿真的强化学习路径
在训练模式上，Eka摒弃了行业常见的人类演示录像模仿，转而采用强化学习。通过在物理模拟器中进行试错训练，公司可在几分钟内生成数千小时的机器人经验数据，并将技能迁移至真实硬件。Agrawal现任麻省理工学院Improbable AI Lab负责人，另一位创始人Tuomas Haarnoja曾供职于谷歌DeepMind，是强化学习算法Soft Actor-Critic的共同创造者。
性能指标与实战考验
据媒体报道，Eka机器人处理未训练对象的分拣速度可达每小时1500次，约为人类效率的两倍半，且能执行拧灯泡、插电线等多样的任务。对于重达1公斤的物体，其操作成功率超过95%，但该数据尚未得到独立第三方核实。a16z合伙人Raghu Raghuram评价称，这是首个真正解决部署通用性与吞吐量问题的方案。
目前，Eka正与工业客户在分拣放置和线缆处理等场景开展试点，但未披露具体客户名称。伊利诺伊大学厄巴纳-香槟分校教授Kris Hauser认为，真正的挑战在于机器人在真实装配线上能否实现全年无故障的不间断运行。