Eka, fiziksel yapay zekâyla 1,45 milyar $ değerlemeye ulaştı

Robotların farklı nesneleri kavrayıp güvenli biçimde taşıması, yapay zekâ ve robotik alanındaki en zor problemlerden biri olmayı sürdürüyor. Eka Robotics, bu sorunu yalnızca kameradan gelen görüntülerle değil, kuvvet ve temas bilgisini de işleyen bir sistemle çözmeyi hedefliyor. Şirketin geliştirdiği robotik mimari, yatırımcıların ve akademisyenlerin ilgisini çekecek sonuçlar ortaya koydu.

MIT profesörü Pulkit Agrawal ile daha önce Google DeepMind’da görev yapan Tuomas Haarnoja tarafından kurulan girişim, 150 milyon dolarlık Seri A yatırım turunu tamamladı. Tura a16z ve F-Prime liderlik etti. Yatırım sonrasında Eka Robotics’in değerlemesi 1,45 milyar dolara ulaştı.

Eka robotu bir saatte 1.500 nesne taşıyabiliyor

Şirketin robotu, farklı nesneleri yeniden eğitime ihtiyaç duymadan kavrayabilmesiyle öne çıkıyor. Eka’nın verdiği bilgilere göre sistem, ağırlığı 1 kilograma kadar olan yaklaşık 1.500 nesneyi bir saat içinde kaldırabiliyor. İnsan performansı ise aynı süre içinde yaklaşık 600 nesne seviyesinde kalıyor.

Robotun nesneleri doğru biçimde kavrama oranı yüzde 95’in üzerinde. Bu hız ve başarı oranı, özellikle depolama, sınıflandırma ve üretim hatlarında tekrarlanan taşıma görevleri açısından önem taşıyor. Robot kolunun yüksek hızla hareket edebilmesi, aynı zamanda sistemin donanıma zarar vermeden çalışmasını sağlayan kontrol algoritmalarına duyulan güveni de artırıyor.

Robotik alanındaki uzmanların ilgisini çeken nokta yalnızca hız değil. Sistem, ilk denemede başarılı olamadığında nesne üzerinde yeniden denemeler yapabiliyor ve farklı biçimlere sahip nesnelere uyum sağlayabiliyor. Bir test sırasında robota ahududu verildiği, robotun ağır gövdesini hızla yaklaştırdıktan sonra zamanında yavaşlayarak meyveye zarar vermeden temas ettiği aktarıldı. Bu örnek, hassas nesnelerin taşınmasında kuvvet kontrolünün rolünü gösteriyor.

Görüntü yerine görüntü ve kuvvet birlikte işleniyor

Eka’nın yaklaşımı, robotik yapay zekâ modellerinde kullanılan yaygın vizyon-dil-eylem yapısından ayrılıyor. Bu tür modeller görsel girdiler, dil ve eylemler arasındaki ilişkiyi öğrenirken Eka, vizyon-kuvvet-eylem mimarisine odaklanıyor. Sistem, kameradan aldığı görüntülerin yanında kavrayıcıdan gelen basınç ve temas verilerini de karar sürecine katıyor.

Bu fark, robotun bir nesneye ne zaman ve ne kadar kuvvet uygulayacağını belirlemesini sağlıyor. Yalnızca görüntüye güvenmek; yumuşak, kaygan, küçük veya şekli değişken nesnelerde yetersiz kalabiliyor. Kavrama sırasında oluşan kuvveti ölçmek ise robotun nesneyi ezmeden, düşürmeden ya da gereğinden fazla sıkmadan hareket etmesine yardımcı oluyor.

Eka’nın kurucu ortağı Agrawal, nesneyle temas edilen son milimetrede görüntünün tek başına yeterli olmadığını savunuyor. Şirketin sonuçları, robotların gerçek dünyadaki fiziksel etkileşimleri öğrenmesi için dokunma ve kuvvet verilerinin daha merkezi bir rol üstlenebileceğini gösteriyor.

Yatırım, fiziksel yapay zekâ rekabetini hızlandırabilir

Robotik sektöründe son yıllarda büyük miktarda yatırım yapılmasına rağmen makinelerin nesneleri istikrarlı biçimde alıp taşıması hâlâ çözülmesi gereken bir problem. Eka’nın yaklaşımı, genel amaçlı robotların yalnızca daha fazla görüntü ve video ile değil, fiziksel etkileşim verileriyle de eğitilmesi gerektiğini savunan çizgiyi güçlendiriyor.

Şirketin kısa sürede farklı görevlerde insan seviyesini aşmayı hedeflemesi, aldığı yatırımın arkasındaki beklentiyi de ortaya koyuyor. Bununla birlikte, laboratuvar veya kontrollü testlerde elde edilen başarıların gerçek depolar, fabrikalar ve değişken çalışma ortamlarında aynı şekilde tekrarlanıp tekrarlanamayacağı henüz bilinmiyor. Eka’nın önündeki asıl sınav, robotun bu hassas kavrama yeteneğini daha fazla nesneye, ortama ve göreve taşıyabilmek olacak.