Eka Robotics 完成 1.5 亿美元 A 轮，14.5 亿美元估值押注力觉操作模型

10 月 20 日，TechCrunch 报道 Eka Robotics 完成 1.5 亿美元 A 轮融资，投后估值 14.5 亿美元，本轮由 a16z 与 F-Prime 领投。

公司由 MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 创办，两人在加州大学伯克利分校读研时相识。Eka 的核心判断是，机器人操作长期卡在最后几毫米的接触环节，而不是高层规划。

与主流的视觉-语言-动作（VLA）模型不同，Eka 走的是视觉-力-动作路线，并为此设计了带更多力传感器、能对接触做出反应的柔性夹爪。Agrawal 对 TechCrunch 说，视觉只负责告诉你物体大致在哪、姿态如何，真正的抓取与摸索发生在力的层面。

公开演示中的数字相当激进：机器人每小时可抓取约 1500 件、单件不超过 1 公斤的物体，人类大约为 600 件；Eka 称可靠抓取率超过 95%。机械臂移动快到足以把自己弄伤，一位前沿实验室的研究者认为，这说明团队对控制算法不会损坏硬件有足够信心。

训练路径同样不同。Eka 没有依赖人类示范视频，而是在物理仿真器里建模抓取过程中会遇到的多种力，再据此搭建可大规模运行的强化学习环境，称能在几分钟内生成数千小时的机器人经验。

外界评价罕见地热烈。伊利诺伊大学厄巴纳-香槟分校教授 Kris Hauser 说，这台机器人无需重新训练就能适应大量不同物体，失败后会反复重试，带有一种令人不安的拟人感；a16z 普通合伙人 Raghu Raguram 则表示，它在某些任务上已经超过人类水平。

商业化仍是空白。Eka 正在与多家工业客户进行未公开的试点，场景集中在抓取摆放与线缆处理。Hauser 提醒，真正的难点是上产线后连续一年不间断运行，以及这套方法能否从抓取推广到更多增值工序。

硬件成本方面，Agrawal 说夹爪售价低于 1000 美元，额定 500 万次工作循环，目标是追上工业机械臂常见的 2000 万次。他的策略是先在这两个垂直场景做到极致，再谈扩展。