Eka vale US$ 1,45 bilhão graças a um modelo físico de IA que deixou especialistas delirantes

Os robôs ainda não são tão bons em captar coisas, apesar dos bilhões de dólares em investimentos e dos intermináveis ​​vídeos alimentados em modelos de aprendizagem profunda.

Isso pode estar prestes a mudar, graças a uma arquitetura de manipulação construída pela Eka Robotics, que engloba uma pinça sensível à força e um novo tipo de modelo de aprendizagem profunda. Fundada pelo professor do MIT Pulkit Agrawal e pelo ex-pesquisador do Google DeepMind Tuomas Haarnoja, a startup acaba de fechar uma rodada Série A de US$ 150 milhões que a avalia em US$ 1,45 bilhão pós-dinheiro, liderada pelos fundos de risco a16z e F-Prime.

“Eles já estão excedendo o desempenho sobre-humano em certas tarefas e, portanto, acreditamos que nos próximos meses haverá desempenho sobre-humano em muitas tarefas de manipulação hábeis”, disse Raghu Raguram, o sócio geral da a16z que co-liderou a rodada de arrecadação de fundos, ao TechCrunch.

Numa era de demonstrações robóticas sem fim, as capacidades do Eka estão chocando os construtores de robôs veteranos.

Kris Hauser, professor da Universidade de Illinois Urbana-Champaign, disse que teve um “fator surpreendente” em comparação com outras demonstrações de robôs que viu recentemente. O robô Eka “foi capaz de se adaptar a um grande número de objetos diferentes sem retreinamento”, disse Hauser, acrescentando que também tinha um aspecto de “humanidade, uma humanidade assustadora que tentaria repetidamente se falhasse na primeira vez”.

Outro roboticista, que pediu anonimato por causa de seu trabalho em um laboratório de fronteira, disse ao TechCrunch que ver o robô de Eka em ação foi uma experiência emocional, comparável a quando os robôs alcançaram pela primeira vez uma locomoção confiável com pernas, cinco a dez anos atrás. Dê uma olhada por si mesmo:

O que é notável aqui? Quão suave e rapidamente o robô se move. Ele pode pegar cerca de 1.500 objetos que pesam até 1 kg em uma hora, em comparação com cerca de 600 para um ser humano; Eka diz que ele coleta objetos de maneira confiável em mais de 95% das vezes. E o braço do robô é forte o suficiente para se machucar ao se mover tão rapidamente. Isso indica, de acordo com o observador do laboratório de fronteira, que “eles confiam muito em seu algoritmo para não quebrar o robô. Eu me pergunto quantos robôs eles quebraram ao longo do caminho?”

Quando o roboticista do laboratório de fronteira conheceu o robô de Eka, eles lhe entregaram uma framboesa, o item de teste aparentemente favorito do laboratório. “A experiência de um robô grande e pesado correndo em direção ao meu braço e depois desacelerando bem a tempo e me tocando suavemente é uma sensação de que estou, enquanto falamos, carregando essa sensação em meu corpo”, disseram eles ao TechCrunch.

Como não esmagar a framboesa

Estas capacidades são uma consequência da forma como o modelo fundamental foi construído. Em vez de um modelo visão-linguagem-ação – que é treinado para compreender a relação entre linguagem, inputs visuais e ações – o esquema aqui é um modelo visão-força-ação, que se concentra na relação entre linguagem, inputs de força e ações. Os críticos da direção atual dos modelos robóticos generativos de IA, como Rodney Brooks, dizem que eles falharão sem uma tentativa de representar a força e o toque; Os resultados de Eka sugerem que tais críticos têm razão.

“A visão não é a principal maneira de resolver esse problema do último milímetro”, disse o cofundador da Eka, Agrawal, ao TechCrunch. “A visão diz aproximadamente onde o objeto está, qual é a pose, mas o agarramento real, a busca real está acontecendo através de forças.”

Eka teve que projetar uma mão robótica exclusiva que fosse mais flexível do que as garras tradicionais e incluísse mais sensores de força; reage ao contato, por isso não esmaga a framboesa. Os fundadores são cautelosos sobre como conseguiram isso por razões competitivas óbvias, mas tudo se resume a usar um simulador de física para modelar as múltiplas forças que o robô encontrará ao tentar agarrar algo, e usar isso para criar um ambiente de aprendizagem por reforço que pode ser executado em escala. Eles dizem que podem gerar milhares de horas de experiência com robôs em minutos.

“Em vez de se limitar aos dados que você coleta de, digamos, demonstrações humanas, Eka está promovendo o aprendizado por reforço nesta abordagem, onde o robô pode superar qualquer tipo de demonstração que lhe seja dada”, disse Hauser. “O que é realmente interessante é que eles não conseguem se limitar aos dados que lhes são apresentados para treinamento.”

Agrawal e Haarnoja, que se conheceram na pós-graduação na Universidade da Califórnia, Berkeley, são pesquisadores líderes na área de aprendizagem por reforço para controle robótico. A principal aposta de Eka era que esta técnica pudesse ser realizada em escala através de simulação, em vez de depender de vídeos recolhidos por gigworkers ou operadores de robôs que executam tarefas durante muitas horas. A simulação foi fundamental para alcançar a manipulação confiável de seu robô, um feito que no passado se mostrou mais difícil para tarefas que exigiam interação com objetos, em vez de evitá-los.

“O que a EKA está a colmatar é a lacuna entre desempenho geral, que assola grande parte da robótica moderna”, argumenta Agrawal.

Tornando útil um robô de uso geral

No momento, os modelos físicos de IA mais generalizáveis ​​— aqueles que podem realizar muitas tarefas diferentes — não são particularmente bons nessas tarefas. Mas os modelos de IA treinados para serem altamente capazes numa única tarefa podem não encerrar o caso de negócio de uma empresa: a promessa da IA ​​generativa é que os robôs possam aprender rapidamente múltiplas tarefas, mesmo as novas.

As abordagens atuais são boas na produção de robôs que são geralmente mais inteligentes do que antes – o Astra, o mais recente LLM do ChatGPT, pode operar um robô em um ambiente desconhecido e executar tarefas com ele, mas lentamente e com um custo alto. A promessa de um modelo como o de Eka é que ele lide com a fisicalidade enquanto um modelo mais geral toma decisões sobre como resolver um problema. Astra, por exemplo, pode saber que os pratos ficam empilhados no armário quando saem da máquina de lavar louça, mas o modelo de Eka é capaz de pegar um prato sem quebrá-lo.

“A maior parte do campo tem se concentrado no planejamento”, diz Haarnoja, cofundador da Eka, “então eles abordam de cima para baixo: inteligência de alto nível, empurrando isso para baixo em direção ao físico. Enquanto pensamos sobre isso de baixo para cima”.

Eka ainda precisa provar seu valor em campo. A empresa está trabalhando em pilotos secretos com vários clientes industriais que realizam pick-and-place e manipulação de fios, mas o salto do laboratório para a linha é quase tão grande quanto a lacuna entre o sim e o real.

“O que será um grande desafio é quando eles trabalham com integradores em linhas de montagem reais e precisam funcionar sem quebrar durante um ano inteiro”, disse Hauser. A outra questão em aberto é “’quão generalizáveis ​​estas técnicas podem ser para diferentes tarefas?’ O que tenho visto é escolher e colocar, mas muitas tarefas da indústria que agregam valor envolvem mais do que apenas escolher e colocar.”

Agrawal também está focada na capacidade de implantação; no momento, ele diz que o hardware de garra da Eka – que custa menos de US$ 1.000 – está classificado para 5 milhões de ciclos de trabalho, mas o objetivo final é atingir a barra de 20 milhões de ciclos estabelecida pelos braços industriais padrão.

“O que estamos construindo é a engenharia de como projetar fluxos de trabalho inteiros, mas estamos começando sendo muito pragmáticos e dizendo que aqui estão dois setores verticais em selecionar, organizar, posicionar e lidar com fios, vamos torná-los home runs”, disse Agrawal. “Depois de fazermos home runs neles, o céu é o limite do que podemos fazer com a abordagem que estamos desenvolvendo.”