La industria de la robótica ha invertido miles de millones de dólares durante años intentando resolver un problema que parece demasiado simple para necesitar inteligencia artificial: coger un objeto de una mesa y colocarlo en otro lugar. El desafío, como saben los investigadores, no está en saber dónde está el objeto — la visión computacional ya resolvió eso — sino en cómo manipularlo una vez que el gripper hace contacto. Ese último milímetro, donde la precisión se encuentra con la física, es donde Eka Robotics apuesta su futuro.
La startup de Cambridge (Massachusetts), fundada por el profesor del MIT Pulkit Agrawal y el ex investigador de Google DeepMind Tuomas Haarnoja, anunció esta semana el cierre de una ronda Serie A de 150 millones de dólares, con una valoración post-inversión de 1.450 millones de dólares. Los inversores líderes fueron Andreessen Horowitz (a16z) y F-Prime, con participación de los leads anteriores Obvious Ventures y E14 Fund, además de Samsung Next, MFV Partners, Bison Ventures, Glasswing Ventures e inversores estratégicos de empresas Fortune 500.
Lo que diferencia a Eka no es solo el tamaño de la ronda — hay otros jugadores en el espacio de IA física que ya levantaron montantes similares —, sino el enfoque técnico. Mientras la mayoría de los competidores usan modelos de visión-lenguaje-acción (VLA), Eka desarrolló un modelo de visión-fuerza-acción (VFA) que trata las fuerzas físicas como información de primera clase, no como dato secundario.
"La visión no es la manera principal de cerrar ese último milímetro", dijo Agrawal a TechCrunch. "La visión te dice aproximadamente dónde está el objeto, cuál es la pose, pero la acción real de agarrar, la búsqueda activa, ocurre a través de las fuerzas."
Ese insight parece simple cuando se explica, pero la ingeniería detrás es compleja. Para implementar el modelo VFA, Eka tuvo que rediseñar el gripper del robot desde cero — añadiendo sensores de fuerza que reaccionan al contacto, permitiendo que el robot ajuste la presión en tiempo real. El resultado es una pinza que no aplasta objetos frágiles, como se demostró en vídeos donde el robot coge una frambuesa sin aplastarla, algo que incluso humanos bien entrenados fallan al hacer de forma rutinaria.
Según la empresa, el sistema manipula aproximadamente 1.500 objetos diferentes (hasta 1 kg cada uno) por hora, con tasa de éxito superior al 95%, frente a alrededor de 600 objetos por hora que un operador humano puede manipular. Eka está llevando a cabo pilotos confidenciales con clientes industriales enfocados en tareas de pick-and-place y manipulación de cables.
La apuesta central de Eka está en el aprendizaje por refuerzo en simulación. En vez de depender de demostraciones humanas o datasets de vídeos (como hacen competidores como Generalist y Physical Intelligence), Eka modela las fuerzas físicas encontradas durante la manipulación y genera miles de horas de experiencia robótica en minutos dentro de un simulador de física. El modelo aprende por prueba y error computacional, no por imitación.
"En vez de quedar limitado a los datos que recopilas de, digamos, demostraciones humanas, Eka está empujando a través del aprendizaje por refuerzo este enfoque donde el robot puede superar cualquier tipo de demostración que se le proporcione", dijo Hauser según reportado por TechCrunch.
La comunidad de robótica ha respondido al trabajo de Eka de maneras que pocos esperaban. Rodney Brooks, exdirector del Laboratorio de Robótica del MIT y crítico feroz de los modelos basados puramente en visión, ha argumentado durante años que la robótica sin representación de fuerza y tacto está condenada al fracaso — y los resultados de Eka parecen validar esa posición. El propio enfoque de Eka sugiere que el consenso actual de la industria podría estar avanzando hacia un callejón sin salida.
Pero quizás el aspecto más interesante del anuncio sea el contexto de valoración. Eka está siendo valorada en 1.450 millones de dólares — lo cual parece alto, pero en realidad es una fracción de lo que valen sus principales competidores. Physical Intelligence (fundada por los creadores del modelo pi-zero de Google DeepMind) está en discusiones para una valoración de 11.000 millones de dólares. Generalist, de ex investigadores del DeepMind, alcanzó valoración de 3.000 millones de dólares en agosto. Skild AI (ex-Nvidia) fue valorada en más de 14.000 millones de dólares.
Este descuento relativo en la valoración de Eka puede leerse de dos maneras. Una lectura optimista es que el mercado aún está descubriendo el espacio, y que Eka tiene un diferenciador técnico que será recompensado en el futuro. La lectura cínica es que los inversores están empezando a cuestionar si todos los modelos de IA física realmente funcionan a escala industrial — y que 1.450 millones de dólares reflejan esa duda.
Lo que hace a Eka particularmente interesante es que está más cerca de un producto real que la mayoría de competidores. El gripper cuesta menos de 1.000 dólares, está clasificado para 5 millones de ciclos de uso (con meta de llegar a 20 millones) y ya está siendo testeado en entornos industriales. Los competidores valorados en más de 10.000 millones aún están en fase de demostración en laboratorio.
Crunchbase contabilizó 47.400 millones de dólares en inversión de venture capital en IA física durante el primer semestre de 2026 — casi cuatro veces el monto del segundo semestre de 2025. El sector está creciendo a una velocidad que ningún analista previó. Pero crecer no significa que todos los jugadores sobrevivan. La historia de la IA muestra que cada ola de inversión crea ganadores y perdedores — y los que ganaron fueron los que entregaron valor práctico, no los que levantaron más dinero.
La pregunta que queda es: podrá Eka demostrar que su modelo funciona en líneas de producción reales, o será solo otra demostración de laboratorio que impresionó inversores pero no sobrevivió al contacto con la fábrica? El siguiente paso será publicar los resultados de los pilotos industriales. Si funcionaren, el precio de 1.450 millones de dólares parecerá barato. Si fallaren, será otro caso de IA física que prometió demasiado y entregó demasiado poco — y los 150 millones de dólares servirán de combustible para los próximos experimentos en simulación.
Fuentes: TechCrunch, TechFundingNews, Humanoids Daily, TechCrunch
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
