Eka Robotics'a dokunma temelli robot manipülasyonu turunun ardından 1,45 milyar dolar değerleme

TechCrunch'a göre Eka Robotics, a16z ve F-Prime'ın öncülük ettiği turda 150 milyon dolarlık bir Series A'yı 1,45 milyar dolarlık post-money değerlemeyle kapattı. MIT profesörü Pulkit Agrawal ve eski Google DeepMind araştırmacısı Tuomas Haarnoja tarafından kurulan girişim, robotiğin en eski çözümsüz sorunlarından birine saldırıyor: makinelerin yıllarca süren yatırımlara ve tonlarca eğitim videosuna rağmen nesneleri güvenilir biçimde kavrayabilmesi.

Kavrama demonstrasyonu için nadir görülen bir ilgi

TechCrunch'ın haberine göre Eka'nın demonstrasyonları deneyimli robot geliştiricilerini şaşırttı. Illinois Üniversitesi Urbana-Champaign'den Kris Hauser, belirgin bir "vay be" etkisinden söz ederek, robotun yeniden eğitim olmadan birçok farklı nesneye uyum sağladığını ve başarısızlıklardan sonra çarpıcı biçimde insana benzeyen bir tutumla tekrar tekrar denediğini belirtti. İsmi açıklanmayan bir frontier lab robotikçisi ise kolun çalışmasını izlemenin duygusal olarak robotların ilk kez güvenilir bacaklı hareketi başardığı ana benzediğini söyledi.

Açıklanan rakamlar da bu hevesi destekliyor. Robot saatte yaklaşık 1.500 nesneyi, 1 kilograma kadar ağırlıklarla kavrayabiliyor; bir insan için bu rakam yaklaşık 600. Eka, başarı oranının yüzde 95'in üzerinde olduğunu iddia ediyor. Kol kendine zarar verecek kadar hızlı hareket ediyor; anonim gözlemci bunu kontrol algoritmasına duyulan derin güvenin kanıtı olarak yorumladı.

Sadece görüş değil, dokunuş

Günümüz fiziksel yapay zeka çabalarının çoğu dil, görsel girdi ve eylemler arasındaki ilişkileri öğrenen vision-language-action modelleri üzerine kurulu. Eka ise bunun yerine kuvveti son yaklaşımın temel sinyali olarak ele alan bir vision-force-action modeli eğitiyor. Agrawal, TechCrunch'a görüşün nesneyi kaba biçimde konumlandırdığını, asıl aramanın ve kavramanın kuvvetler üzerinden gerçekleştiğini söyledi. Bu, Rodney Brooks gibi eleştirmenlerin uzun süredir dile getirdiği, üretken robotik modellerinin dokunmayı temsil etmeden başarısız olacağı argümanını yankılıyor.

Donanım, model kadar önemli. Eka, konvansiyonel tasarımlardan daha fazla kuvvet sensörü içeren, temas anında tepki veren esnek bir tutucu (gripper) tasarladı — bu yüzden bir testçi çilek uzattığında onu ezmedi. Kurucular, rekabet nedeniyle ayrıntıları açıklamaktan kaçınıyor; ancak yaklaşımın merkezinde, kavrama sırasında karşılaşılan kuvvetleri modelleyen bir fizik simülatörünün, ölçekli çalışan bir pekiştirmeli öğrenme (reinforcement learning) ortamını beslediği belirtiliyor. Şirket, dakikalar içinde binlerce saatlik robot deneyimi üretebildiğini ve böylece insan demonstrasyon verisine bağımlılıktan kurtulduğunu söylüyor.

Genel modellere tabandan tamamlayıcı

Eka, kendini iki katmanlı bir yığının fiziksel yarısı olarak konumlandırıyor. Haarnoja, TechCrunch'a alanın çoğunun üst düzey zekâdan başlayıp fiziksele doğru indiği yukarıdan aşağıya çalıştığını, Eka'nın ise fiziksel katmandan başlayıp yukarı doğru inşa ettiğini söyledi. Pratikte genel bir model bulaşık makinesi turundan sonra tabakların dolaba konması gerektiğini bilebilirken, Eka'nın modeli tabağı kırmadan kaldırma işini üstleniyor. Turu ortak yürüten a16z ortağı Raghu Raguram, TechCrunch'a aylar içinde birçok becerikli görevde insanüstü performans beklediğini söyledi.

Laboratuvar dışında henüz kanıtlanmış değil

Eka, endüstriyel müşterilerle pick-and-place ve kablo işleme alanlarında açıklanmayan pilot uygulamalar yürütüyor; ancak laboratuvardan üretim hattına sıçrama hâlâ büyük. Hauser iki açık soruya dikkat çekti: sistemin gerçek bir montaj hattında bozulmadan bir yıl boyunca çalışıp çalışmayacağı ve tekniğin pick-and-place ötesinde daha katma değerli endüstriyel görevlere genellenip genellenemeyeceği. Donanım tarafında, 1.000 doların altında maliyetle üretilen tutucunun şu anki derecelendirmesi 5 milyon iş çevrimi; bu, standart endüstriyel kolların koyduğu 20 milyon çevrimlik çıtayı karşılamıyor. Agrawal, şirketin genişlemeden önce bilinçli olarak iki dikeye odaklandığını, hedefin pragmatik bir başlangıç noktasından tüm iş akışlarının mühendisliğini kurmak olduğunu söylüyor.

Neden önemli

Faydalı genel amaçlı robotların darboğazı artık hareket veya planlama değil, manipülasyon. Eka'nın iddiası — kuvvet algılama ile simülasyondaki pekiştirmeli öğrenmenin birleşiminin güvenilir kavramayı çözebileceği — mevcut fiziksel yapay zeka dalgasının görüş öncelikli ana akımına doğrudan meydan okuyor. Gerçek üretim hatlarında tutarsa, yavaş ve pahalı genel planlayıcıların eksik olan fiziksel katmanını sağlar ve dokunmanın gözden kaçan bileşen olduğunu savunan eleştirmenleri haklı çıkarır. Bir yıllık endüstriyel iş çevrimine dayanamazsa, 1,45 milyar dolarlık değerleme erken görünür. Her halükârda, iki büyük fon artık robotiğin son milimetresinin bir görüş değil, kuvvet sorunu olduğu fikrine ciddi para koydu.