Por Canuto  

Eka Robotics obtuvo USD $150 millones en una ronda Serie A que elevó su valoración a USD $1.450 millones, según TechCrunch. Su apuesta combina una pinza sensible a la fuerza con un modelo entrenado mediante simulaciones, aunque la compañía todavía debe demostrar que puede sostener su rendimiento en entornos industriales.
***

  • Eka afirma que su robot puede recoger alrededor de 1.500 objetos por hora, con una tasa de éxito superior al 95%.
  • La startup apuesta por un modelo de visión-fuerza-acción y aprendizaje por refuerzo en simulaciones de física.
  • Sus pilotos industriales aún deben resolver desafíos de confiabilidad, durabilidad y adaptación a tareas más complejas.

Eka alcanza una valoración de USD $1.450 millones con una IA que aprende a manipular objetos

La startup de robótica recaudó USD $150 millones en una ronda Serie A liderada por a16z y F-Prime, según TechCrunch. Su tecnología combina una pinza sensible a la fuerza con un modelo de aprendizaje profundo, una estrategia que busca mejorar la destreza de los robots al agarrar objetos sin dañarlos.

La promesa de Eka Robotics es resolver una dificultad que persiste incluso después de años de inversión y entrenamiento con grandes volúmenes de datos: los robots todavía tienen problemas para recoger objetos de manera confiable. La compañía sostiene que su sistema puede manipular cerca de 1.500 objetos por hora, algunos de hasta un kilogramo, y lograr una tasa de éxito superior al 95%.

Una ronda grande para una apuesta por la destreza

La Serie A de USD $150 millones dejó a Eka con una valoración posterior a la inversión de USD $1.450 millones, según la información publicada por TechCrunch. La ronda fue liderada por los fondos de capital de riesgo a16z y F-Prime, y Raghu Raguram, socio general de a16z, copatrocinó la inversión. Raguram dijo que el sistema ya supera el rendimiento humano en ciertas tareas y anticipó que la empresa podría alcanzar ese nivel en más labores de manipulación diestra durante los próximos meses.

La startup fue fundada por Pulkit Agrawal, profesor del MIT, y Tuomas Haarnoja, exinvestigador de Google DeepMind. Ambos se conocieron mientras cursaban estudios de posgrado en la Universidad de California, Berkeley, y desarrollaron sus carreras en el aprendizaje por refuerzo aplicado al control robótico. Su apuesta empresarial parte de llevar esa técnica a una escala que permita entrenar robots sin depender exclusivamente de demostraciones humanas.

Las demostraciones de Eka han llamado la atención de especialistas que conocen de cerca los límites del hardware robótico. Kris Hauser, profesor de la Universidad de Illinois Urbana-Champaign, describió el sistema como sorprendente frente a otros robots que había visto recientemente. En particular, destacó que se adaptaba a numerosos objetos sin requerir un nuevo entrenamiento para cada uno y que volvía a intentarlo cuando fallaba, una conducta que le pareció inquietantemente humana.

Un especialista en robótica de un laboratorio de frontera, que pidió mantener el anonimato por motivos laborales, comparó la impresión de ver el robot con la que causaron los primeros avances en locomoción bípeda confiable, ocurridos entre cinco y diez años atrás. Ese testimonio refleja el entusiasmo que despierta la demostración, pero no equivale a una validación independiente de su desempeño en fábricas. La diferencia entre una presentación controlada y una operación sostenida sigue siendo una de las preguntas centrales.

Del tacto a la simulación de fuerzas

El sistema se aparta de los modelos de visión-lenguaje-acción, que relacionan instrucciones, imágenes y movimientos, y pone el foco en la interacción entre visión, fuerza y acción. La idea es que la cámara localice aproximadamente un objeto y oriente la postura del robot, mientras los sensores de fuerza guían el agarre y los ajustes de contacto. Agrawal explicó a TechCrunch que la visión por sí sola no resuelve la etapa final de tomar un objeto, porque la búsqueda efectiva del agarre ocurre mediante fuerzas.

Para aplicar ese principio, Eka diseñó una mano robótica más flexible que una pinza tradicional y equipada con más sensores de fuerza. La compañía atribuye a esa sensibilidad la capacidad de tocar y sujetar objetos delicados sin aplastarlos, una demostración que incluyó una frambuesa. El brazo también se mueve con velocidad y fuerza suficientes para provocar lesiones si entra en contacto con una persona, por lo que controlar sus movimientos resulta tan importante como lograr que agarre con precisión.

Los fundadores mantienen en reserva detalles del diseño por razones competitivas, aunque describen el papel de un simulador de física que modela las fuerzas que intervienen cuando el robot intenta tomar un objeto. Con esos escenarios crean un entorno de aprendizaje por refuerzo que puede ejecutarse a gran escala. La empresa afirma que genera miles de horas de experiencia robótica en minutos, reduciendo la necesidad de acumular durante largos periodos datos de operadores o demostraciones humanas.

Hauser consideró especialmente relevante que el aprendizaje por refuerzo permita al robot ir más allá de las demostraciones que recibe como ejemplo. En vez de limitarse a imitar movimientos observados, el sistema puede explorar estrategias dentro de la simulación y aprender a partir de sus resultados. Eka sostiene que este método ayuda a cerrar la brecha entre la generalidad de los robots, capaces de intentar distintas tareas, y el rendimiento consistente que se necesita para ejecutarlas.

El reto de pasar del laboratorio a la fábrica

La manipulación de objetos plantea un problema distinto al de evitar obstáculos: el robot debe establecer contacto, aplicar la fuerza adecuada y corregir el agarre si las condiciones cambian. Ese desafío ayuda a explicar por qué una pinza que parece sencilla puede convertirse en un componente decisivo para tareas industriales. La arquitectura de Eka busca combinar decisiones físicas de bajo nivel con sistemas de IA más generales que puedan interpretar qué tarea debe completarse.

Haarnoja contrapuso este enfoque, que parte de la interacción física, a una estrategia centrada primero en la planificación de alto nivel y luego en traducir esas decisiones al movimiento. La distinción no implica que la planificación deje de ser importante, sino que Eka intenta resolver directamente una parte del problema que los sistemas generales suelen manejar con lentitud o a un costo elevado. Un modelo de mayor alcance podría decidir qué hacer, mientras el modelo físico se ocuparía de ejecutar acciones como recoger un plato sin romperlo.

La compañía trabaja en pilotos confidenciales con varios clientes industriales, enfocados en tareas de recoger y colocar objetos y en la manipulación de cables. Son aplicaciones concretas con las que Eka busca probar la tecnología antes de ampliar su alcance, pero el paso a líneas de producción implica exigencias que una demostración no puede responder. Hauser advirtió que el sistema tendrá que trabajar con integradores industriales y funcionar durante un año sin romperse, además de demostrar que la técnica puede extenderse a actividades más complejas que recoger y colocar.

La durabilidad también aparece en las especificaciones del hardware. Agrawal dijo que la pinza cuesta menos de USD $1.000 y tiene una clasificación de cinco millones de ciclos de trabajo, mientras que la meta final es alcanzar los 20 millones de ciclos asociados a brazos industriales estándar. La diferencia marca una distancia relevante entre un prototipo prometedor y un componente preparado para operar durante largos periodos en una instalación industrial.

Agrawal describió el plan inicial como una apuesta pragmática por consolidar dos ámbitos: recoger, organizar y colocar objetos, además de manipular cables. Si la empresa logra resultados sólidos en esas tareas, espera que el enfoque pueda extenderse a otros flujos de trabajo. Por ahora, la financiación y las reacciones de expertos elevan las expectativas, pero la prueba decisiva será si el robot conserva su precisión, seguridad y resistencia cuando salga de la simulación y trabaje junto a procesos de producción reales.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados