a16z领投Eka Robotics A轮，押注视觉-力-动作模型做灵巧操作
美国风投机构Andreessen Horowitz（a16z，美国风险投资公司）10月20日公告领投机器人公司Eka Robotics的A轮融资，核心理由是后者把视觉感知与机械手力反馈结合的视觉-力-动作模型。
a16z认为，触觉信号是机器人从受控产线走向更广泛体力工作的关键障碍。 Eka披露的每小时抓取数据为公司自报，未获独立核验。
a16z在投资公告中称，Eka Robotics构建了视觉-力-动作模型，将视觉感知与机械手的力反馈结合，并把模型、传感、控制器与硬件一体设计，使机器人在抓取打滑、插入受阻等接触过程中实时调整动作，而非简单报错。 学习方式上，Eka在物理仿真中用强化学习训练操作策略，并在仿真中练习物体位置、摩擦和接触的大量变化，以缩小仿真到现实的差距。
公告披露的创始人背景为：Pulkit Agrawal是MIT（美国麻省理工学院） CSAIL（麻省理工学院计算机科学与人工智能实验室）“Improbable AI Lab”负责人，研究强化学习、力感知控制与灵巧操作；
Tuomas Haarnoja在伯克利参与创建Soft Actor-Critic算法，后任职于Google DeepMind（谷歌旗下AI研究机构）。 a16z称，Eka报告在实验室上料和料箱拣选任务中达到最高每小时1,500次抓取，为人手速度的2.5倍，并演示了对易碎物件、湿滑工业零件和接触密集插入任务的操作；
这些数字由Eka提供，a16z未独立核验，完整生产班次下的稳定性仍是下一项测试。
这篇公告的核心信息是把“会看”和“会做”区分开来：视觉模型能定位目标，但接触发生后有效信息转为力、打滑与卡滞等触觉信号。 Eka的路径不是逐点复刻人手传感，而是用更简化的传感与驱动配合仿真强化学习获得适应能力。 若该路径在完整生产班次中稳定成立，自动化的经济门槛将从“值得专门工程化调试的高批量任务”下移到小批量和多品类任务。
但这些判断目前建立在a16z转述的公司数据上，缺乏第三方测试与客户部署披露。
后续观察信号
- Eka Robotics的A轮融资金额与估值未在原文披露
- Eka的视觉-力-动作模型是否已发表技术论文或基准测试