一家总部位于伦敦的机器人初创公司Machenta正押注一条新路径：无需收集海量真实世界数据，也能教会机器人掌握新技能。
据知情人士透露，Machenta已完成4000万美元种子轮融资，由风险投资机构Creandum和Union Square Ventures联合领投。该公司拒绝披露具体估值。Machenta由伦敦帝国理工学院研究人员创立，其核心目标是构建一个AI模型，仅需观看一次演示，即可指导机器人执行新的物理任务。
在竞争对手竞相堆积真实世界数据以开发通用机器人AI模型之际，Machenta选择了反其道而行之。公司首席执行官兼联合创始人、帝国理工学院教授Edward Johns表示，团队在计算机生成的模拟环境中训练模型，全程未使用“任何像素的真实世界数据”。
Johns指出，经过训练的模型能够指导机器人在仅观看一次演示后完成新任务，如整理桌面或将物品放入盒子，且无需进一步训练。在一段分享的视频中，三台机器人在装配线上打包并封箱，正是通过这种方式学会了该项任务。
从实验室到初创企业
六年前，Johns在其帝国理工学院实验室开始研究机器人能否像人类一样快速学习新的物理任务。早期实验中，研究人员需手动引导机器人完成任务，随后机器人需花费约30分钟收集额外数据才能独立执行。Johns与前博士生Vitalis Vosylius致力于消除这一额外步骤，并于去年年底创立Machenta，当时他们观察到模型已具备在演示后立即执行新任务的初步能力。
Johns认为，单纯增加数据量并非解决之道，且让通用机器人成为现实所需的训练数据规模尚不明确。Machenta正迎接更具挑战性的任务：设计能够生成合成数据的算法，用于教导机器人执行物理任务。
目前，这家拥有11名员工的初创公司仍专注于研究工作，近期暂无商业化计划。尽管模型能立即学习某些任务，但更精确的任务和复杂动作依然具有挑战性。公司计划利用新资金扩大团队规模，并使用更多计算能力和模拟数据训练模型，以提升机器人执行复杂任务的能力。
Machenta所处的赛道竞争激烈且资金充裕。据报道，其加州竞争对手包括估值约110亿美元的Physical Intelligence，以及正以100亿美元估值融资的FieldAI。另一家对手Skild AI估值超过140亿美元，已出售具备类似能力的技术。今年8月，Skild发布模型称可在单次视频演示后执行长达10分钟的未见任务；上月，该公司宣布年度经常性收入（ARR）已超过1亿美元，客户数量逾60家。