据TechCrunch AI 10月20日报道，Eka Robotics完成1.5亿美元A轮融资，投后估值14.5亿美元，由风险投资基金a16z和F-Prime领投。这家公司由麻省理工学院教授Pulkit Agrawal和前谷歌DeepMind研究员Tuomas Haarnoja创立，二人称其力敏感夹爪与新型深度学习模型在机器人灵巧抓取上取得突破。

Eka的技术路线是视觉-力-动作模型，而非当下常见的视觉-语言-动作模型。据TechCrunch AI报道，前者关注语言、力输入与动作之间的关系，后者则训练模型理解语言、视觉输入与动作之间的关系。Agrawal对TechCrunch说，视觉不是解决最后毫米级问题的主要方式，视觉只能告诉机器人物体大致在哪里、姿态如何，实际抓取和搜索依靠力。

在演示中，机器人每小时可抓取约1500个重量不超过1公斤的物体，人类约为600个；Eka称其可靠抓取成功率超过95%。机械臂移动速度足够快，以至于可能伤及自身。一名因在前沿实验室工作而要求匿名的机器人学家对TechCrunch说，看到Eka机器人动作是一种情感体验，类似五到十年前机器人首次实现可靠腿式运动时的感受。这名研究者把一颗树莓递给机器人，机器人快速靠近其手臂，又及时减速并轻轻接触。

伊利诺伊大学厄巴纳-香槟分校教授Kris Hauser说，与其他机器人演示相比，Eka的表现有“令人惊叹”之处；机器人无需重新训练就能适应大量不同物体，而且带有一种“类人的、令人不安的类人感”，第一次失败后会反复尝试。上述匿名研究者还提到，机械臂在高速运动中可能弄坏自己，说明团队很信任算法不会让机器人失控。

Eka为抓取任务设计了比传统夹爪更灵活、装有更多力传感器的机械手，能对接触作出反应，因此不会压碎树莓。创始人以竞争为由未详细说明实现方式，但据TechCrunch AI报道，其做法包括用物理模拟器建模机器人在抓取时遇到的多种力，并据此构建可规模化运行的强化学习环境；他们称可在几分钟内生成数千小时的机器人经验。

Hauser说，Eka通过强化学习推进的路径，使机器人能够超越提供给它的演示，而不局限于从人类演示等来源收集的数据。Eka的关键赌注是把这一技术通过模拟规模化，而不是依赖零工收集视频，或让操作员花许多小时执行任务。Agrawal称，Eka正在弥合困扰许多现代机器人的泛化与性能差距。

a16z普通合伙人Raghu Raguram对TechCrunch说，Eka机器人已经在某些任务上超过人类表现，未来几个月许多灵巧操作任务也将出现超人类表现。报道还提到，Rodney Brooks等对当前生成式AI机器人模型方向持批评态度的人认为，如果不尝试表示力和触觉，这类模型会失败；Eka的结果显示这类批评有其道理。