A empresa de robótica Eka captou R$ 900 milhões em uma rodada série A, alcançando avaliação de R$ 8,7 bilhões após o investimento. A startup foi fundada pelo professor do MIT Pulkit Agrawal e pelo ex-pesquisador do Google DeepMind Tuomas Haarnoja, e atraiu recursos dos fundos de risco a16z e F-Prime. O valor conquistado reflete a confiança dos investidores em uma tecnologia de manipulação robótica que especialistas descrevem como revolucionária.
"Já estamos superando o desempenho sobre-humano em determinadas tarefas, e acreditamos que nos próximos meses isso se expandirá para muitas tarefas de manipulação delicada", declarou Raghu Raguram, parceiro geral do fundo a16z que co-liderou a rodada. Em meio a tantas demonstrações de robôs que circulam atualmente, as capacidades da Eka chamaram a atenção de construtores de robôs experientes. Kris Hauser, professor da Universidade de Illinois Urbana-Champaign, afirmou que a tecnologia possui um "fator wow" quando comparada a outras demonstrações robóticas que ele viu recentemente.
O robô da Eka demonstrou capacidade de se adaptar a uma grande variedade de objetos sem necessidade de retreinamento. Hauser destacou também um aspecto de "humanidade, uma humanidade intrigante que o fazia tentar repetidamente quando falhava na primeira tentativa". Um roboticista de um laboratório de ponta, que pediu para não ser identificado devido ao trabalho em sua instituição, contou que ver o robô da Eka em ação foi uma experiência emocionante, comparável ao momento em que robôs alcançaram locomoção bípede confiável há cinco a dez anos.
O que impressiona é a suavidade e a rapidez com que o robô se move. Ele consegue pegar cerca de 1.500 objetos com peso de até um quilograma em uma hora, enquanto um humano consegue aproximadamente 600. A empresa afirma que o robô pega objetos com mais de 95% de confiabilidade. O braço robótico se move com tanta rapidez que poderia até se machucar, o que, segundo o observador do laboratório de ponta, indica que "eles confiam muito no algoritmo para não quebrar o robô. Pergunto-me quantos robôs eles quebraram durante o processo de desenvolvimento".
Quando o roboticista do laboratório de ponta encontrou o robô da Eka, ofereceu-lhe uma framboesa, item favorito para testes naquele laboratório. "A experiência de um robô grande e pesado avançando em direção ao meu braço e freando a tempo, tocando-me com muita delicadeza, é uma sensação que ainda carrego no corpo", completou.
Essas capacidades resultam de como o modelo foundational foi construído. Em vez de um modelo visão-linguagem-ação, treinado para compreender a relação entre linguagem, entradas visuais e ações, o esquema aqui é um modelo visão-força-ação, que foca na relação entre linguagem, entradas de força e ações. Críticos da direção atual dos modelos robóticos de inteligência artificial generativa, como Rodney Brooks, afirmam que eles falharão sem uma tentativa de representar força e toque. Os resultados da Eka sugerem que esses críticos têm razão.
"A visão não é a principal forma de resolver esse último milímetro", disse Agrawal à publicação. "A visão indica aproximadamente onde o objeto está, qual é sua posição, mas o agarramento real, a busca real acontece por meio das forças." A Eka precisou projetar uma mão robótica única, mais flexível que gripadores tradicionais, incluindo mais sensores de força. Ela reage ao contato, razão pela qual não esmaga a framboesa. Os fundadores são cautelosos sobre como alcançaram isso por razões óbvias de concorrência, 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 aprendizado por reforço que pode ser executado em escala.
A empresa afirma ser capaz de gerar milhares de horas de experiência robótica em minutos. "Em vez de estar limitada aos dados coletados de demonstrações humanas, a Eka está avançando com aprendizado por reforço, uma abordagem em que o robô pode superar qualquer tipo de demonstração dada a ele", explicou Hauser. "O que é realmente empolgante é que eles conseguem não estar limitados aos dados apresentados para treinamento."
A empresa está preenchendo uma lacuna entre generalidade e desempenho, que assola grande parte da robótica moderna. Enquanto os modelos de inteligência artificial física mais generalizáveis conseguem tentar muitas tarefas diferentes, não são particularmente bons nelas. Por outro lado, modelos treinados para alta capacidade em uma única tarefa podem não viabilizar comercialmente uma empresa. A promessa da inteligência artificial generativa é que robôs possam aprender rapidamente múltiplas tarefas, inclusive tarefas novas.
"A maioria do campo tem se concentrado no planejamento", disse Haarnoja. "Eles abordam a partir do topo: alta inteligência, empurrando isso para baixo em direção ao físico. Enquanto nós pensamos a partir de baixo para cima." A Eka ainda precisa se provar em campo. A empresa trabalha em pilotos secretos com vários clientes industriais em tarefas de pegar-colocar e manipulação de fios, mas o salto do laboratório para a linha de produção é quase tão grande quanto a lacuna entre simulação e realidade.
"O grande desafio será quando trabalharem com integradores em linhas de montagem reais, e o sistema precisar funcionar sem quebrar por um ano inteiro", afirmou Hauser. Outra questão em aberto é quão generalizáveis essas técnicas podem ser para diferentes tarefas. "O que vi foi pegar e colocar, mas muitas tarefas industriais de valor agregado envolvem mais do que simplesmente pegar e posicionar."
O hardware da garra, que custa menos de R$ 6.000, tem classificação para 5 milhões de ciclos operacionais, mas o objetivo final é atingir a marca de 20 milhões de ciclos estabelecida por braços industriais padrão. "O que estamos construindo é a engenharia de como projetar fluxos de trabalho inteiros, mas estamos começando de forma muito pragmática, dizendo que aqui estão dois setores em pegar, organizar, posicionar e manipulação de fios, vamos fazer deles grandes sucessos", completou Agrawal.
Fonte: TechCrunch
