A indústria da robótica gasta bilhões de dólares há anos tentando resolver um problema que parece simples demais para precisar de inteligência artificial: pegar um objeto na mesa e soltar no lugar certo. O problema, como os pesquisadores sabem, não está em saber onde o objeto está — isso a visão computacional já resolve —, mas em como lidar com ele quando ele está nas mãos do robô. É aí que entra a Eka Robotics.
A startup de Cambridge (Massachusetts), fundada pelo professor do MIT Pulkit Agrawal e pelo ex-pesquisador do Google DeepMind Tuomas Haarnoja, anunciou nesta semana o fechamento de uma rodada Série A de US$ 150 milhões, com valuation pós-investimento de US$ 1,45 bilhão. Os investidores líderes foram Andreessen Horowitz (a16z) e F-Prime, com participação dos leads anteriores Obvious Ventures e E14 Fund, além de Samsung Next, MFV Partners, Bison Ventures, Glasswing Ventures e investidores estratégicos de empresas Fortune 500.
O que diferencia a Eka não é o tamanho da rodada — há outros players no espaço de physical AI que já levantaram montantes semelhantes —, mas sim a abordagem técnica. Enquanto a maioria dos concorrentes usa modelos de visão-linguagem-ação (VLA), a Eka desenvolveu um modelo de visão-força-ação (VFA) que trata as forças físicas como informação de primeira classe, não como dado secundário.
"A visão não é a maneira principal de fechar esse último milímetro", disse Agrawal à TechCrunch. "A visão te diz grosseiramente onde o objeto está, qual é a pose, mas a ação real de agarrar, a busca ativa, acontece através das forças."
Esse insight parece simples quando explicado, mas a engenharia por trás dele é complexa. Para implementar o modelo VFA, a Eka teve que redesenhar o gripper do robô de baixo para cima — adicionando sensores de força que reagem ao contato, permitindo que o robô ajuste a aderência em tempo real. O resultado é uma pinça que não esmaga objetos frágeis, como demonstrado em vídeos em que o robô pega um morango sem esmagá-lo, algo que mesmo humanos bem treinados falham ao fazer por padrão.
Segundo a empresa, o sistema pega cerca de 1.500 objetos diferentes (até 1 kg cada) por hora, com taxa de sucesso superior a 95%, contra cerca de 600 objetos por hora que um operador humano consegue manipular. A Eka está conduzindo pilotos secretos com clientes industriais focados em tarefas de pick-and-place e manipulação de cabos.
A aposta central da Eka está no aprendizado por reforço em simulação. Em vez de depender de demonstrações humanas ou datasets de vídeos (como fazem rivais como o Generalist e a Physical Intelligence), a Eka modela as forças físicas encontradas durante a manipulação e gera milhares de horas de experiência robótica em minutos dentro de um simulador. O modelo aprende por tentativa e erro computacional, não por imitação.
"Em vez de ficar limitado aos dados que você coleta de, digamos, demonstrações humanas, a Eka está empurrando através do aprendizado por reforço essa abordagem onde o robô pode superar qualquer tipo de demonstração que seja fornecida", disse Hauser, segundo reportado pela TechCrunch.
A comunidade de robótica tem respondido ao trabalho da Eka de forma que poucos esperavam. Rodney Brooks, ex-diretor do laboratório de robótica do MIT e crítico ferrenho dos modelos baseados puramente em visão, argumenta há anos que a robótica sem representação de força e tato está fadada ao fracasso — e os resultados da Eka parecem validar essa posição. A própria abordagem da Eka sugere que o consenso atual da indústria pode estar caminhando para um beco sem saída.
Mas o mais interessante do anúncio é o contexto de valuation. A Eka está sendo avaliada a US$ 1,45 bilhão — o que parece alto, mas na verdade é uma fração das avaliações de seus principais competidores. A Physical Intelligence (fundada pelos mesmos criadores do modelo pi-zero do Google DeepMind) está em discussões para valuation de US$ 11 bilhões. O Generalist, de ex-pesquisadores do DeepMind, atingiu valuation de US$ 3 bilhões em agosto. A Skild AI (ex-Nvidia) já foi avaliada em mais de US$ 14 bilhões.
Esse desconto relativo na valuation da Eka pode ser interpretado de duas maneiras. Uma leitura otimista é que o mercado ainda está descobrindo o espaço, e que a Eka tem um diferencial técnico que será recompensado no futuro. A leitura cínica é que os investidores estão começando a questionar se todos os modelos de physical AI realmente funcionam em escala industrial — e que US$ 1,45 bilhão é um preço que reflete essa dúvida.
O que torna a Eka particularmente interessante é que ela está mais próxima de um produto real do que a maioria dos competidores. O gripper custa menos de US$ 1.000, está classificado para 5 milhões de ciclos de uso (com meta de chegar a 20 milhões) e já está sendo testado em ambientes industriais. Os competidores de US$ 10 bilhões, por outro lado, ainda estão em fase de demonstração em laboratório.
Crunchbase contabilizou US$ 47,4 bilhões em investimentos de venture capital em physical AI no primeiro semestre de 2026 — quase quatro vezes o montante do segundo semestre de 2025. O setor está crescendo a uma velocidade que nenhum analista previu. Mas crescer não significa que todos os jogadores vão sobreviver. A história da IA mostra que cada onda de investimento cria winners e losers — e os que venceram foram os que entregaram valor prático, não os que levantaram mais dinheiro.
A pergunta que fica é: a Eka será capaz de provar que seu modelo funciona em linhas de produção reais, ou será mais uma demonstração de laboratório que impressionou investidores mas não sobreviveu ao contato com a fábrica? O próximo passo será divulgar os resultados dos pilotos industriais. Se funcionarem, o preço de US$ 1,45 bilhão parecerá barato. Se falharem, será outro case de physical AI que prometeu demais e entregou de menos — e o dinheiro de US$ 150 milhões servirão de combustível para os próximos experimentos em simulação.
Fontes: TechCrunch, TechFundingNews, Humanoids Daily, TechCrunch
✓ Fontes independentes cruzadas e verificadas antes da publicação
