# a16z领投Eka Robotics A轮，视觉力控模型突破灵巧操作

> 原文链接：https://robotics.hellobike.com/news/2026-10-20-investing-in-eka-robotics
> 频道：news | 更新日期：2026-10-20 | 标签：auto, aihot
> 核心摘要：a16z领投Eka Robotics A轮融资，押注其视觉-力-动作模型解决灵巧操作难题。该技术将接触反馈作为信息源，结合物理仿真强化学习训练策略，使机器人经验随算力扩展而非依赖人力示教，推动自动化向非结构化场景延伸。

# a16z领投Eka Robotics A轮，视觉力控模型突破灵巧操作

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Investing in Eka Robotics](https://www.a16z.news/p/investing-in-eka-robotics)（a16z：News（RSS）（via AIHOT））

## 核心内容

a16z宣布领投Eka Robotics A轮融资，核心押注其解决机器人灵巧操作的技术路径。面对工业场景中零件位移、材料形变及装配对齐等非结构化挑战，Eka摒弃复刻人类手部数千个感受器的仿生路线，转而构建视觉-力-动作（Vision-Force-Action）一体化模型。该方案旨在让机器人具备类似人类的物理直觉，在连接器插拔等任务中通过实时力反馈动态调整动作，实现从受控自动化向通用物理作业的跨越。

技术架构上，Eka将感知、控制器与硬件协同设计，把机械手接触过程中的阻力、滑动等物理信号直接转化为决策信息，无需针对每种材质或公差重新调参。在算法训练端，团队采用物理仿真强化学习替代传统人类示教，使虚拟机器人能在百万级摩擦与位置变异中习得故障恢复策略。创始人Pulkit Agrawal深耕计算感觉运动学习，致力于缩小Sim-to-Real差距，验证了机器人技能获取可随算力规模扩展的工程可行性。

## 关键看点

- **视觉力控模型**：融合视觉感知与机械手力反馈，将物理接触本身作为信息源，支持抓取防滑与插入阻抗自适应调整
- **仿真强化学习**：在物理仿真中训练操作策略，覆盖百万级位置与摩擦变异，使机器人经验积累随算力扩展而非依赖人力
- **系统协同设计**：打破模型、传感与控制独立开发范式，通过软硬件一体设计保留非结构化环境下的性能鲁棒性
- **Sim-to-Real突破**：由计算感觉运动学习专家Pulkit Agrawal领衔，解决接触动力学建模难题，验证仿真策略向真机迁移有效性

## 工程与产业观察

Eka Robotics验证了“触觉即信息”的工程价值，为具身智能提供了区别于纯视觉的新范式。其基于仿真RL的训练体系若成功闭环，将把灵巧操作的数据瓶颈从昂贵的人力示教转化为可规模化的算力消耗，这对降低非结构化场景部署成本、加速通用机器人商业化具有关键参考意义。

线索来源：[AIHOT](https://aihot.news/items/dhmqv9mwurgd9hvet4cqfqnqt)
:::

## 原始参考来源 (Sources)

- [a16z：News（RSS）（via AIHOT）：Investing in Eka Robotics](https://www.a16z.news/p/investing-in-eka-robotics)