Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
A roboticist at a frontier AI lab, who asked not to be named, described the moment a big, heavy robot rushed toward their arm, slowed down just in time and touched them very gently. The robot had been handed a raspberry, the lab's apparent favourite test item, and it did not crush it. Robots have been learning from filmed demonstrations for years.
Un robotista de un laboratorio de IA de vanguardia, que pidió no ser nombrado, describió el momento en que un robot grande y pesado se precipitó hacia su brazo, frenó justo a tiempo y lo tocó con mucha suavidad. Al robot le habían entregado una frambuesa, el objeto de prueba preferido del laboratorio, y no la aplastó. Los robots llevan años aprendiendo a partir de demostraciones filmadas.
The startup behind it, Eka Robotics, was founded by MIT professor Pulkit Agrawal and Tuomas Haarnoja, a former Google DeepMind researcher. Its latest round, a $150 million Series A, values the company at $1.45 billion post-money, meaning after the new money is added. The round was led by the venture funds a16z and F-Prime. Raghu Raguram, the a16z general partner who co-led it, told TechCrunch he expects “superhuman performance in many dexterous manipulation tasks” within “the next few months”. That is an investor’s forecast, not a measured result.
La startup detrás del proyecto, Eka Robotics, fue fundada por el profesor del MIT Pulkit Agrawal y por Tuomas Haarnoja, antiguo investigador de Google DeepMind. Su última ronda, una Serie A de 150 millones de dólares, valora la empresa en 1.450 millones de dólares posmoney, es decir, una vez sumado el nuevo capital. La ronda fue liderada por los fondos de capital riesgo a16z y F-Prime. Raghu Raguram, socio general de a16z que codirigió la operación, dijo a TechCrunch que espera «un rendimiento sobrehumano en muchas tareas de manipulación diestra» en «los próximos meses». Es una previsión de un inversor, no un resultado medido.
The technical choice sits at the centre of the story. Most robot models pair vision with language, a design known as vision-language-action. Eka’s foundation model pairs vision with force, the push and pull a hand feels when it touches something. Agrawal put it plainly: “Vision tells you roughly where the object is, what the pose is, but the actual grabbing, the actual searching is happening through forces.” The hand itself was redesigned with more force sensors so it can react the instant it meets resistance. The company trains that behaviour in a physics simulator, which models the forces a robot meets when it tries to grasp something, and runs the resulting reinforcement learning, a method where a program learns by trial and reward, at scale. Eka says this produces thousands of hours of experience in minutes, instead of the slow collection of footage by gig workers or operators. The founders have not disclosed how they tuned the simulation, citing competition.
La elección técnica está en el centro de la historia. La mayoría de los modelos de robots combinan visión y lenguaje, un diseño conocido como visión-lenguaje-acción. El modelo base de Eka combina visión y fuerza, el empuje y la tracción que nota una mano cuando toca algo. Agrawal lo resumió sin rodeos: «La visión te dice más o menos dónde está el objeto y cuál es su postura, pero el agarre en sí, la búsqueda real, se produce a través de las fuerzas». La mano se rediseñó con más sensores de fuerza para que pueda reaccionar en el instante en que encuentra resistencia. La empresa entrena ese comportamiento en un simulador físico, que modela las fuerzas que encuentra un robot cuando intenta agarrar algo, y ejecuta a gran escala el aprendizaje por refuerzo resultante, un método en el que un programa aprende por ensayo y recompensa. Eka afirma que así se generan miles de horas de experiencia en minutos, en lugar de la lenta recopilación de imágenes por parte de trabajadores freelance u operadores. Los fundadores no han revelado cómo ajustaron la simulación, alegando competencia.
What this changes, if the figures hold, is the division of labour between machines. A general model can plan a task, while a model like Eka’s handles the physical contact. Its speed has a cost: the robot arm is strong enough to damage itself as it moves fast, and Eka’s reliability figure of more than 95% is the company’s own. The reporting gives no date for work outside demonstrations, no customer and no price. For robot builders, the next test is whether the grip still holds in a factory or warehouse, on objects the system has never seen.
Lo que cambia, si las cifras se confirman, es la división del trabajo entre máquinas. Un modelo general puede planificar una tarea, mientras que uno como el de Eka se encarga del contacto físico. Su velocidad tiene un coste: el brazo es lo bastante fuerte como para dañarse a sí mismo cuando se mueve deprisa, y la cifra de fiabilidad de más del 95 % es de la propia empresa. La información no ofrece ninguna fecha para trabajar fuera de las demostraciones, ni cliente ni precio. Para los fabricantes de robots, la siguiente prueba es comprobar si el agarre se mantiene en una fábrica o un almacén, con objetos que el sistema nunca ha visto.