Eka Robotics lève 150 M$ pour la manipulation par la force

La startup américaine Eka Robotics a annoncé le 20 octobre une levée de fonds de série A de 150 millions de dollars, menée par a16z et F-Prime, avec la participation de Samsung Next. Selon TechCrunch, la valorisation atteint 1,45 milliard de dollars, soit environ 97 milliards de yuans. Fondée par Pulkit Agrawal, professeur au Laboratoire d'informatique et d'intelligence artificielle du MIT, et Tuomas Haarnoja, ancien chercheur chez Google DeepMind, l'entreprise a capté l'attention grâce à la capacité de ses robots à saisir des objets délicats, comme une framboise, sans les écraser. L'approche d'Eka se distingue des modèles vision, langage et action développés dans la robotique. Elle s'appuie sur un modèle vision, force et action: la caméra identifie l'objet, puis des capteurs de force situés sur la pince mesurent le contact pour corriger la prise, gérer un glissement ou ajuster une insertion. Cette approche est complétée par un apprentissage par renforcement en simulation. Dans des environnements virtuels, le robot répète des manipulations en variant positions, formes et frictions, puis transfère les compétences vers la réalité. Le transfert reste un défi, car les matériaux, les contraintes mécaniques et les erreurs physiques peuvent réduire les performances observées dans les simulateurs. Dans les tests de laboratoire, Eka indique que ses robots peuvent effectuer jusqu'à 1 500 manipulations par heure, environ 2,5 fois une référence humaine utilisée pour la comparaison, avec un taux de réussite supérieur à 95 pour cent sur des objets de moins d'un kilogramme. Les démonstrations montrent des bras robotiques pouvant visser une ampoule, récupérer une clé ou trier des aliments aux formes irrégulières. Selon la startup, la pince coûte moins de 1 000 dollars et est conçue pour environ 5 millions de cycles, contre un objectif de durabilité courant proche de 20 millions de cycles pour un bras robotique industriel standard. Eka travaille déjà avec des clients industriels sur des essais de saisie, de placement et de manipulation de câbles. Les données publiques restent toutefois limitées sur les détails du modèle et des simulations, et l'entreprise devra encore prouver que cette voie peut fonctionner sur des tâches plus complexes et avec une fiabilité durable en usine.