Los robots llevan años fallando en la tarea más elemental del mundo: agarrar algo sin romperlo. Eka Robotics acaba de cerrar una Serie A de US$150 millones que la valora en US$1.450 millones post-money, con a16z y F-Prime liderando la ronda, gracias a un modelo de IA física que está dejando boquiabiertos a investigadores con décadas de experiencia en el sector.
Para un founder, la señal es clara: la próxima ola de valor en IA no está solo en el software que razona, sino en el que toca, siente y manipula el mundo real.
Qué hace diferente a Eka: del modelo visión-lenguaje-acción al visión-fuerza-acción
La mayoría de los robots autónomos se entrenan con modelos visión-lenguaje-acción (VLA), que aprenden la relación entre lo que se ve, lo que se dice y lo que se hace. Eka apuesta por un esquema distinto: un modelo visión-fuerza-acción (VFA), centrado en la relación entre el lenguaje, las fuerzas que se aplican y las acciones resultantes.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasLa lógica la resume Pulkit Agrawal, cofundador de Eka y profesor del MIT: la visión no es la forma principal de resolver el problema del último milímetro. La visión indica aproximadamente dónde está el objeto y cuál es su postura, pero el agarre real y la búsqueda del punto de contacto ocurren a través de las fuerzas.
Eso explica por qué la startup tuvo que diseñar una mano robótica propia, más flexible que los grippers tradicionales y con más sensores de fuerza. El resultado es un brazo capaz de reaccionar al contacto: por eso no aplasta una frambuesa, el objeto de prueba favorito de uno de los laboratorios que lo evaluó.
El otro pilar es la simulación. En lugar de depender de videos grabados por operadores humanos durante horas, Eka usa un simulador físico para modelar las múltiples fuerzas que el robot encontrará al intentar agarrar algo, y construye con eso un entorno de reinforcement learning que corre a escala. Sus fundadores afirman que pueden generar miles de horas de experiencia de robot en minutos.
Kris Hauser, profesor de la Universidad de Illinois Urbana-Champaign, lo describió como un factor sorpresa frente a otras demostraciones recientes: el robot de Eka se adaptó a una gran cantidad de objetos distintos sin reentrenamiento, y mostró un rasgo de insistencia casi humana al volver a intentarlo cuando fallaba.
Los números que respaldan la ronda
Más allá del entusiasmo de los investigadores, hay métricas concretas que explican por qué a16z y F-Prime pusieron US$150 millones sobre la mesa:
- El robot puede recoger alrededor de 1.500 objetos de hasta 1 kg por hora, frente a unos 600 de una persona.
- Eka asegura que acierta de forma fiable más del 95% de las veces.
- El gripper cuesta menos de US$1.000 y está calificado para 5 millones de ciclos de trabajo, con la meta de llegar a los 20 millones que marcan los brazos industriales estándar.
Raghu Raguram, general partner de a16z que co-lideró la ronda, fue directo: ya están superando el desempeño sobrehumano en ciertas tareas, y espera que en los próximos meses eso ocurra en muchas tareas de manipulación diestra.
El contexto de mercado acompaña. Según datos de PitchBook citados por Business Insider, las startups de IA física levantaron un récord de US$16.300 millones en 492 rondas durante el primer trimestre de 2026. La caída de los costos de hardware, la escasez de mano de obra y la presión por relocalizar la manufactura están alimentando a toda una generación de compañías que construyen para el mundo físico.
¿Qué significa esto para tu startup?
El movimiento de Eka no es solo una noticia de financiación: es una pista sobre dónde se está moviendo el capital y qué tipo de equipos van a ser financiables en los próximos 18 meses.
- Si trabajas en robótica o automatización, revisa si tu enfoque depende exclusivamente de la visión. El argumento de Eka —y de críticos de la dirección actual de los modelos generativos para robótica, como Rodney Brooks— es que sin representar fuerza y tacto, los modelos fallan en el último milímetro. Un founder que solo acumula video de demostraciones puede estar construyendo sobre una base incompleta.
- Mira el costo del hardware como parte del caso de negocio. Un gripper de menos de US$1.000 cambia la matemática frente a soluciones que cuestan decenas de miles. Si tu producto depende de hardware importado, ese diferencial de precio puede definir si ganas o pierdes un piloto industrial.
- Prioriza la simulación antes que la recolección masiva de datos. Generar experiencia en un simulador es mucho más barato y rápido que pagar a operadores para grabar horas de tareas reales. Antes de escalar tu equipo de anotación, pregúntate si un entorno simulado con las fuerzas correctas puede darte el mismo resultado.
- Elige un vertical y gana ahí primero. La propia Eka reconoce que arranca con dos casos de uso muy concretos —pick, arrange, place y manejo de cables— en lugar de perseguir el robot generalista de inmediato. Esa disciplina de foco es replicable en cualquier startup de hardware.
Los retos que Eka todavía no resolvió
El entusiasmo tiene un contrapeso. Eka está corriendo pilotos confidenciales con clientes industriales en tareas de pick-and-place y manipulación de cables, pero el salto del laboratorio a la línea de producción es casi tan grande como la brecha entre simulación y realidad.
Hauser lo planteó sin adornos: el gran desafío llegará cuando trabajen con integradores en líneas de ensamblaje reales y el sistema tenga que funcionar sin romperse durante un año entero. La otra pregunta abierta es cuán generalizables son estas técnicas a tareas distintas del pick-and-place.
El sector en general tampoco está resuelto. Tesla enfrenta complicaciones para escalar la producción de su robot Optimus V3, con problemas en el ensamblaje manual de manos y antebrazos que superan los 100 componentes pequeños, según reportó Ars Technica a partir de información de The Information. Y Feather Robotics, otra startup del rubro, apuesta por un camino opuesto: vender un robot modular de US$30.000 —cerca de la mitad del precio del Unitree H2 Edu— y dejar que los desarrolladores construyan encima, según TechCrunch.
El propio Agrawal mantiene los pies en la tierra: la estrategia es ser muy pragmático, hacer dos verticales de home runs primero, y recién después expandir el enfoque.
Conclusión
Eka combina dos apuestas difíciles en un solo producto: un modelo que entiende fuerzas en lugar de solo imágenes, y un entrenamiento por simulación que escala sin depender de datos humanos. Si funciona en producción, el impacto va más allá de un robot que no aplasta frambuesas: redefine qué tipo de IA física merece capital.
Para un founder hispanohablante, la lección más transferible no es la tecnología en sí, sino el método: identificar el cuello de botella real del sector —el tacto, no la visión— y construir toda la compañía alrededor de resolverlo, aunque eso implique rediseñar el hardware desde cero.
Fuentes
- Eka is worth $1.45B thanks to a physical AI model that has experts raving
- The 25 most promising robotics startups in 2026, according to investors
- Meet Feather, the startup building the 'Android of robotics' for developers
- Tesla workers balk at training Optimus humanoid robots as replacements
- This New Robot Could Be The Next Step In Replacing Humans For Manual Labor
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
