人間のデモ模倣をやめ「物理の直感」を強化学習で獲得——Eka Roboticsが1.5億ドル調達、VFAモデルで未知物体を毎時約1,500回ピッキング

情報源：https://www.therobotreport.com/eka-robotics-raises-150m-scale-vision-force-action-model-robots/
収集日：2026年10月26日
スコア：インパクト14 / 新規性14 / 注目度11 / 衝撃度14 / 根拠6 / 実現性7 = 66点

変化の核心：ロボット基盤モデルの潮流が「人間デモの模倣」から「力覚を含む物理の強化学習」へ移りつつあり、器用な操作の汎用化をシミュレーション規模で解く路線に大型資金が入った。

概要

米ケンブリッジを拠点とするEka Roboticsが、a16zとF-Prime主導のシリーズAで1.5億ドルを調達しました。同社は視覚と力覚を統合するVision-Force-Action（VFA）モデルを、シミュレーション上の大規模な強化学習で訓練しています。学習分布外の多様な物体を毎時約1,500回のペースでピッキングでき、電球の取り付けやワイヤの挿入もこなすとされています。

何が新しいか

多くのロボット基盤モデルは、人間のデモデータを模倣して学習する方式を採っています。Ekaは人間のデモに依存せず、力覚を含む物理の感覚をシミュレーション上の強化学習で獲得する点が異なります。同社はシミュレーションから実機へのギャップが縮小していると主張しており、データ収集の手間をシミュレーション規模に置き換える路線です。

なぜまだ注目されていないか

調達額が注目されやすい一方、学習方式が模倣から強化学習へ移る意味は見落とされがちです。性能の数値は同社の説明に基づいており、第三者による比較や検証はまだ限られています。電球の取り付けやワイヤ挿入といった作業は、デモ動画では分かりにくい難しさがあります。

実現性の根拠

a16zとF-Primeという投資家が1.5億ドルを投じたことは、事業としての期待の大きさを示します。毎時約1,500回のピッキングという数値は具体的ですが、同社の主張にとどまります。シミュレーションから実機への移行が実際の現場でどこまで通用するかは、導入事例の積み上がりで確認される段階です。

構造分析

人間のデモを集める方式では、データの量が人手に制約されます。強化学習をシミュレーション上で回す方式なら、計算資源に応じて学習量を増やせる構造になります。力覚を含めることで、挿入や取り付けといった接触の多い作業まで対象が広がり、製造や物流の用途が拡大します。

トレンド化シナリオ

今後1〜3年では、シミュレーション強化学習で力覚を学ぶ方式が、ロボット基盤モデルの有力な選択肢として定着するシナリオが考えられます。実機での検証事例が増えるにつれ、模倣学習との併用や使い分けが進む可能性があります。物流のピッキングから、組み立てなどの接触作業へ用途が広がる展開が想定されます。

情報源

https://www.therobotreport.com/eka-robotics-raises-150m-scale-vision-force-action-model-robots/