Eka Robotics 募資 1.5 億美元：VFA 讓機器人從看見走向感覺接觸
Eka Robotics 宣布完成 1.5 億美元 A 輪募資，以視覺、力回饋與動作結合的 VFA 模型挑戰機器人靈巧操作。看懂模擬訓練的用途、真機落差，以及製造業為何值得追蹤。
夾住物體之前，相機可以幫機器人找到位置。碰到物體之後，它還要決定施多少力，否則即使看得見，也可能握不住，或把東西壓壞。
Eka Robotics 在 2026 年 10 月 20 日公布完成 1.5 億美元 A 輪募資，投資人看中的正是這段從辨識到實際操作的落差。
它的 Vision-Force-Action，簡稱 VFA，是把視覺、手部接觸的力回饋與動作結合起來的模型。機器人因此能把碰到東西後的反應，當作下一步的依據。
這也讓「看懂該做什麼」和「做得穩」之間，多了一條可研究的路。但融資規模與官方展示，仍不能直接回答它在不同工廠能否長期工作。
對製造業讀者而言，這則消息值得追蹤，因為它處理的是裝配現場經常遇到的接觸問題。要看懂用途，可以先從插接頭時為何需要邊碰邊調整說起。
Eka Robotics 是什麼？這次募資要解決哪種工作？
Eka 想讓機器人在物體、材料或擺放位置改變時，仍能完成手部操作。這類工作和沿著固定路徑反覆移動不同，因為每次接觸的情況未必一樣。
依共同創辦人 Pulkit Agrawal 的公告，這輪資金將用於擴大模型與加速客戶部署。這說明公司仍需要把技術往更多真實工作推進。
領投者 a16z 在投資公告中，以接頭插入作為例子。相機能估計插孔位置，但插頭碰到邊緣後，推進方向與力道就需要重新判斷。
若繼續沿原路硬推，原本很小的位置誤差可能變成卡住或損壞。因此，工業現場的難題包含辨識物品，以及處理接觸開始後的變化。
這個差別也解釋了為何固定治具有價值。治具會先把零件限制在特定位置，讓機器人面對的變化變少，於是重複動作比較容易穩定執行。
但固定治具與事先安排也需要投入工程。如果物件種類很多、形狀會變，或產品經常改版，每種情況都重新設定，就會增加使用成本。
Eka 希望把一部分適應能力交給模型，讓同一套系統面對變化時能調整。這是公司提出的產品方向，公開資料尚不足以把它換算成所有場景的節省金額。
對台灣常見的多樣零件裝配而言，值得關注的是變更後還要重做多少工程。模型若能保留原有能力，才有機會減少每換一種零件就重新設定的負擔。
要維持這種能力，機器人得知道接觸之後發生了什麼，而這正是力回饋在這次公告中受到重視的原因。
VFA 如何把力回饋變成操作資訊？
視覺提供物體大致在哪裡，力回饋則提供碰觸後的阻力與變化。兩者配合，才有機會分辨接近目標與已經卡住之間的差別。
可以想像把一個稍微偏斜的插頭推向插孔。畫面可能看起來已經對準，但接觸時的阻力不同，會讓人知道需要轉一點、退一點，或換個角度再試。
這是用接觸來縮小不確定性。力道不只是保護機器的上限，也可以成為資訊，告訴控制系統下一個動作應該往哪個方向改。
為什麼看更多影片還不夠？
影片能呈現成功動作的樣子，但有些施力差異在畫面裡很難看清楚。同樣看似握住的物體，可能正在慢慢滑落，也可能已被握得太緊。
所以，讓模型理解操作情境，仍需要和當下的感測結合。若只照著先前畫面安排動作，物件摩擦或位置一改，原本的路徑就可能失效。
a16z 說明，Eka 把模型、感測、控制器與硬體一起設計。這種做法的用意，是讓模型取得的訊號和硬體能調整的動作彼此對應。
因此，新聞中的 VFA 不能只理解成一個換上新名稱的聊天模型。它關心的是機器人接觸物體時，如何持續讀取結果，再修正身體的動作。
力感測越多就一定越好嗎？
感測器能帶來更多訊號，但也會增加硬體複雜度。a16z 的文章因此把問題放在取得足夠資訊，而非逐一重建人手的每一種感覺。
對實際產品而言，能不能可靠讀取、維護與校正，同樣會影響價值。某個感測設計在展示中有效，還需要經過使用環境變化，才知道長期負擔。
機器人領域也有以觸覺探索物體的其他研究，能幫助讀者看懂「碰到東西」為何能補足相機的資訊。
延伸閱讀：Rhoda 觸覺感測器示範：機器人蒙住相機，也能辨識與取回物品
不過，感測只是學習的入口。遇到物體滑動、插入受阻或材料變形時，模型仍要學會怎麼應對，這就帶到模擬訓練的用途。
為什麼用模擬與強化學習練手？
Eka 的方法是在物理模擬中反覆練習操作，減少每次都等真人示範的需求。強化學習指的是讓系統依動作結果取得回饋，再調整做法的訓練方式。
在這個過程裡，虛擬機器人可以面對不同位置、摩擦與接觸條件。因為環境可重複執行，研究者也能讓它遇到許多平常不容易刻意示範的失敗情況。
這和只收集漂亮成功影片的差別，在於失敗本身也有用。物體從哪個角度開始滑、碰到哪裡會卡住，可能提供如何恢復操作的重要線索。
但這種學習能不能搬到真機，是另一道難題。模擬中的摩擦、材料彈性與馬達反應，只要和真實硬體有差異，原本的成功動作就可能改變結果。
這種差異常被稱為模擬到真實的落差，意思是電腦裡練成的能力，放到現場後不一定完整保留。a16z 的公告也直接把接觸物理難以建模列為挑戰。
所以，模擬的價值在於增加可練習的情況，而真機測試負責檢查哪些能力留得下來。兩者連起來，才比較接近能交給客戶使用的產品。
如果公司後續公布跨物體測試，就要看新物體和訓練物體差在哪裡。只是顏色不同，和材質、重量、柔軟度都改變，代表的適應程度並不一樣。
同樣地，一段動作成功也不能代替整個任務完成。插入前的取件、方向調整與失敗後重試，可能都會影響最後能交付多少完整產品。
這也讓「學得更快」與「工作更穩」必須一起閱讀。模擬縮短了練習的等待，客戶仍需要知道真機結果，而這部分要回到實際工作條件。
從展示走進產線，還缺哪些證據？
部署價值要看機器人在指定工作裡，能持續完成多少次合格任務。動作速度很有吸引力，但如果常要人處理卡料，整體節奏可能仍被中斷。
以插接頭為例，拿起來、對準、插妥與確認連接都屬於工作的一部分。只公布其中最順利的一段，讀者就很難估計整個流程的完成情況。
失敗後能不能自己恢復？
力回饋帶來的潛在價值之一，是發現阻力改變後採取修正。因此，比起只問會不會失敗，現場更需要知道它能辨識哪些錯誤，以及錯誤後要等誰接手。
如果每次小偏差都要工程師重新設定，系統的適應能力仍有限。反過來，能把常見的小失誤轉成可恢復步驟，才會影響人員需要介入的頻率。
這是根據產品方向推導的評估方式，並非本文做過的測試。Eka 已公開的方法提供追蹤起點，但沒有讓外界直接得到完整維修與停機數據。
換材料之後，原來的能力剩多少？
柔軟包材、硬質零件與容易刮傷的表面，對接觸的要求不同。因此，客戶若要比較能力，最好用自己的物件與合格標準，觀察變更前後需要多少調整。
這也比只比較模型大小更接近採購問題。模型的名稱不會直接告訴使用者，換一批供應商零件後，要重新收資料多久，或能否維持原本節拍。
現階段，公開募資公告提供的是方向與資源投入。它沒有替每個產業完成上述驗證，因此讀者可以對技術機制有興趣，同時保留對部署結果的要求。
Eka 的新聞對台灣製造業有何意義？
多樣零件的裝配，比完全固定的重複動作更能反映這條路線的價值。因為變化越多，系統能否少做一次重新設定，就越接近客戶每天遇到的成本。
但這不代表每個工站都需要換成學習型系統。若現有機台已經穩定、產品也很少改版，導入新的模型與感測，還要有足夠明確的改善才能成立。
對電子組裝業者，接頭與小零件的接觸問題值得追蹤。對物流業者，則可以注意物件擺放與抓握變化。兩種情境相近，合格標準卻不能直接互換。
從其他模擬研究來看，讓虛擬經驗回到真實任務，也是具身 AI 的共同題目。不同工作保留的落差，會決定模型進步能走多遠。
延伸閱讀：DexNinja 讓機器人學切食物：成功率從 31% 到 50%，模擬資料改變了什麼？
對關注產業的人，這輪募資的意義是有更多資源繼續處理接觸與部署。至於能帶來多少產能，還要等公司提供具體客戶工作、期間與完整結果。
每小時一千五百次，為什麼還要看完整班次？
a16z 的公告轉述 Eka 表示，實驗室的上料與料箱抓取任務，最高達每小時 1,500 次抓取，並稱為人類的 2.5 倍。這是投資者公布的公司數據，本文沒有自行重現。
這個數字有明確範圍，對應的是實驗室任務。公告也寫到，能否在完整生產班次維持表現，會是接下來的考驗，因此不能把最高抓取速度當成整班產出。
抓取與完整裝配的差別，也會改變比較結果。物品拿起之後，還可能需要定位、檢查與交給下一站，若後續步驟沒跟上，較快抓取未必帶來相同比例的完工數。
最高速度和長時間平均速度也有不同用途。前者說明系統能達到的節奏，後者還會把重試、補料與停機包含進來，因此更接近現場的人力與排程問題。
這讓官方的數字有了可追蹤的下一步。若後續公布完整班次，讀者就能看見高速操作能保留多久，以及出錯後是否需要人工處理，無須只憑片段推估。
同一套能力如何面對新物件？
a16z 同時提到易碎物、光滑工業零件與需要接觸的插入工作。這些例子說明團隊瞄準的變化，不只在物件外觀，也包含握持與接觸條件。
易碎物要求力道不能超過材料能承受的範圍，光滑零件則容易產生握持不穩。相機都可能清楚看見它們，但實際控制需要從接觸中取得不同線索。
因此，這些例子比單純列出可辨識多少物品更有用。它們讓讀者知道，VFA 要處理的是動作與材料互相影響的情況，也讓未來測試可以對照具體差異。
不過，這仍是官方披露的能力範圍，未附上所有任務的共同測試表。客戶要評估自己的零件，還需要知道導入時有哪些額外設定，才能估計換線負擔。
這也讓募資消息的後續焦點更清楚。先追蹤公司能否把實驗室速度帶進完整班次，再看新材料與新物件需要的調整，就能逐步判斷部署方向是否成形。
Eka Robotics 常見問題
Eka Robotics 的 VFA 是什麼？
VFA 把視覺、力回饋與動作連在一起，讓機器人根據接觸結果調整操作。
它的用途是處理碰到物體後仍持續變化的情況，不能只用辨識畫面的能力衡量。
募資 1.5 億美元代表產品已經通用嗎？
募資代表公司取得開發與部署資源，沒有直接證明所有任務都能完成。
要判斷通用程度，仍要看在不同物件、材料與現場條件下的測試。
模擬訓練可以完全取代真機嗎？
模擬能擴大試錯的範圍，但接觸物理和硬體反應仍可能有誤差。
因此，真機測試需要檢查哪些能力能從虛擬環境帶到現場。
先追蹤接觸能力如何留在真實工作裡
Eka 把手部接觸變成模型的輸入，切中的確是從理解任務走向完成任務的一個缺口。它值得製造與機器人開發者追蹤，因為這個缺口會直接影響裝配的適應能力。
如果你想繼續讀這類新聞，下一次可以從客戶物件、真機測試期間與失敗恢復方式看起。訂閱免費 AI 郵報，持續追蹤官方進度，也把展示和實際交付的證據放在一起比較。
