Eka оценивают в $1,45 млрд благодаря физической модели ИИ, от которой эксперты в восторге

Роботы пока плохо справляются с захватом предметов, несмотря на многомиллиардные инвестиции и огромные объёмы видео, использованные для обучения моделей глубокого обучения. Eka Robotics рассчитывает изменить ситуацию с помощью системы, объединяющей чувствительный к силе захват и новую модель.

Раунд возглавили венчурные фонды a16z и F-Prime. Рагу Рагурам, генеральный партнёр a16z и один из руководителей сделки, рассказал TechCrunch, что в отдельных задачах робот уже превосходит человека, а в ближайшие месяцы такой результат может появиться во многих задачах, требующих ловких манипуляций.

На фоне множества робототехнических демо возможности Eka удивляют даже опытных разработчиков. Крис Хаузер, профессор Университета Иллинойса в Урбане-Шампейне, сравнил увиденного робота с другими недавними демо и отметил его способность подстраиваться к большому числу предметов без переобучения. По его словам, в поведении робота есть что-то человеческое: если попытка не удаётся, он пробует снова.

Другой робототехник, попросивший не называть его имени из-за работы в передовой лаборатории, рассказал TechCrunch, что наблюдение за роботом Eka вызвало у него сильные эмоции. Он сравнил это с тем, как пять-десять лет назад роботы впервые научились надёжно передвигаться на ногах.

Робот двигается плавно и быстро. За час он может взять около 1 500 предметов весом до 1 кг — для сравнения, человек справляется примерно с 600. Eka утверждает, что робот надёжно захватывает предметы более чем в 95% случаев. При такой скорости рука робота может повредить саму себя. По словам исследователя из передовой лаборатории, это говорит о том, что создатели доверяют алгоритму и считают, что тот не сломает робота. Он также задался вопросом, сколько роботов компания повредила в процессе разработки.

Когда робототехник впервые встретил робота Eka, он протянул ему малину — похоже, любимый тестовый предмет в лаборатории. По его словам, тяжёлый большой робот быстро двинулся к его руке, вовремя замедлился и очень мягко коснулся её. Это ощущение, рассказал он TechCrunch, до сих пор осталось у него в теле.

Как робот не раздавливает малину

Такие возможности связаны с тем, как устроена базовая модель Eka. Вместо модели «зрение — язык — действие», которая учится соотносить язык, визуальные данные и действия, стартап использует схему «зрение — сила — действие». Она связывает язык и данные о силе с действиями робота. Критики нынешнего направления в робототехнике на основе генеративного ИИ, в том числе Родни Брукс, предупреждают: без представления силы и осязания такие модели будут неудачными. Результаты Eka указывают, что в этой критике есть основания.

Сооснователь Eka Агравал объяснил TechCrunch, что зрение само по себе не позволяет решить задачу последнего миллиметра: оно помогает примерно определить положение и ориентацию предмета, но сам захват и поиск опоры происходят за счёт сил.

Для этого Eka разработала особую роботизированную руку: она гибче обычных захватов и оснащена большим числом датчиков силы. Рука реагирует на прикосновение — поэтому робот не сдавливает малину. Основатели не раскрывают подробности разработки по понятным конкурентным причинам. В основе подхода — физический симулятор, который моделирует силы, возникающие при захвате предмета. На этих симуляциях создаётся среда для обучения с подкреплением, которую можно запускать в больших масштабах. По словам компании, за несколько минут в ней можно сгенерировать тысячи часов опыта робота.

Хаузер отметил, что Eka не ограничивается данными, собранными, например, из человеческих демо: благодаря обучению с подкреплением робот может превзойти любые показанные ему примеры. Его особенно заинтересовало, что обучение не ограничено данными, которые заранее подготовили для модели.

Агравал и Хаарноя познакомились в аспирантуре Калифорнийского университета в Беркли. Оба занимаются обучением с подкреплением для управления роботами. Главная ставка Eka — масштабировать этот подход с помощью симуляции, а не полагаться на видео, которые часами записывают работники на подряде или операторы роботов. Симуляция помогла добиться надёжной работы с предметами — задачи, которая раньше давалась сложнее, чем простое избегание объектов.

Агравал считает, что Eka сокращает разрыв между универсальностью и производительностью, характерный для современной робототехники.

Как сделать универсального робота полезным

Самые универсальные модели физического ИИ способны пробовать выполнять множество задач, но пока делают это не очень хорошо. Модели, которые отлично справляются с одной задачей, могут не оправдать бизнес-затраты компании. Обещание генеративного ИИ состоит в том, что роботы смогут быстро осваивать разные задачи, в том числе новые.

Нынешние подходы позволяют создавать роботов, которые в целом сообразительнее прежних. Astra — последняя большая языковая модель ChatGPT — может управлять роботом в незнакомой обстановке и выполнять с его помощью задачи, но делает это медленно и дорого. Модель Eka должна отвечать за физическое взаимодействие с предметами, а более универсальная модель — решать, как выполнить задачу. Например, Astra может знать, что тарелки после посудомоечной машины ставят в шкаф, а модель Eka умеет взять тарелку, не разбив её.

По словам сооснователя Eka Хаарнои, большинство команд сосредоточено на планировании и движется сверху вниз: от общего интеллекта к физическим действиям. Eka, напротив, разрабатывает подход снизу вверх.

Компании ещё предстоит доказать, что её разработки надёжны в реальных условиях. Сейчас Eka проводит закрытые пилотные проекты с несколькими промышленными заказчиками. Роботы выполняют задачи по захвату и размещению предметов, а также манипулируют проводами. Но переход от лаборатории к производственной линии может оказаться почти таким же сложным, как переход от симуляции к реальному миру.

Хаузер назвал серьёзным испытанием работу с интеграторами на настоящих сборочных линиях: система должна проработать целый год, не выходя из строя. Открытым остаётся и вопрос, насколько хорошо подход переносится на разные задачи. Пока он видел только захват и размещение предметов, тогда как многие полезные для промышленности задачи требуют большего.

Агравал также думает о внедрении системы. По его словам, захват Eka стоимостью менее $1 000 рассчитан на 5 млн рабочих циклов. Конечная цель — достичь показателя в 20 млн циклов, принятого для стандартных промышленных роботов.

Агравал рассказал, что компания разрабатывает инженерные решения для целых рабочих процессов, но пока сосредоточилась на двух направлениях: захвате, перемещении и размещении предметов, а также работе с проводами. Eka хочет добиться в них максимально надёжных результатов, а затем расширить применение подхода.