机器人完成拧灯泡这类人类日常动作仍属行业难题：灯泡表面光滑易碎，需精确对准和稳定旋转力矩。这一现象印证了莫拉维克悖论——人类视为本能的动作，对机器而言反而难以实现。近日，初创公司Eka Robotics展示的机械臂视频引发关注：其自主抓取灯泡并成功拧入灯座，全程无需人工干预或额外传感器。
该机械臂动作流畅度远超预期，能精准定位滚动灯泡、适应不同材质物品。除灯泡外，它还成功抓取耳塞盒、梳子等异形物体，展现出显著泛化能力。
全新VFA模型突破传统架构
Eka提出视觉-力量-动作（VFA）模型架构，区别于主流视觉-语言-动作（VLA）模型，直接以"力"构建智能。联合创始人Pulkit Agrawal指出，力是"物理世界的母语"。其核心技术创新在于：
重构仿真迁移路线
传统"仿真迁移"路线（如OpenAI Dactyl解魔方项目）因难以还原物理世界的摩擦力和材料形变，实际应用易失效；"数据驱动"路线则受限于人类演示数据。Eka在仿真路线基础上创新，通过强化学习让机器人在仿真环境自主探索数千小时：
- 同步模拟运动学与动力学参数
- 学习视觉像素变化与力交互关系
- 实现"超人级"灵巧操作目标
(来源：X)
泛化能力实战验证
在食品分拣场景中，机械臂快速抓取形状各异的鸡块投入移动餐盒，甚至能在餐盒移出范围时精准抛投。面对钥匙串等物品时，自动演化出"轻触桌面定位目标"等创新策略。更突出的是其容错能力：灯泡滚落即追回重试，滑落物品会调整角度再抓取。
这种自主决策能力源于创始人团队深厚积累：Agrawal为MIT CSAIL助理教授，专注触觉智能研究；联合创始人Tuomas Haarnoja是DeepMind强化学习专家，开发了工业级SAC算法。
OpenAI机械手解魔方（来源：OpenAI）
(来源：MIT)