Machenta levanta seed de US$40 milhões para robôs que aprendem rápido
A Machenta, de Londres, levantou US$ 40 milhões em seed para um modelo que aprende uma tarefa de robô com uma única demonstração, treinado só em simulação.
Pontos principais
- Rodada seed de US$ 40 milhões, coliderada pela Creandum e pela Union Square Ventures.
- Modelo treinado inteiramente em simulação, sem um único pixel de dado do mundo real, segundo a Machenta.
- Uma única demonstração basta: o robô executa a tarefa sem treinamento adicional, mesmo com os objetos reposicionados.
- Em testes de uma hora por tarefa, num fim de semana: 74/74 blocos colocados numa tigela, 78/78 passagens de chave de fenda e 97/99 tentativas de pôr uma garrafa em pé.
- Fundada por Edward Johns e Vitalis Vosylius, do Imperial College London; quase todo o laboratório deles foi junto.
- Passa a operar a partir de uma nova sede em King's Cross, Londres.
No laboratório, a Creandum, que coliderou a rodada, mostrou uma tarefa ao robô uma única vez, usando bonés da própria empresa, um rolo de papel e um gato da sorte chinês.
A Machenta classifica como relativamente simples as tarefas dos testes de uma hora e diz que a hipótese de que mais simulação e compute geram aprendizes mais capazes ainda não foi testada. Também não apresenta benchmarks formais.
Fontes primárias
Backing Machenta: the era of Instant Robot Learning
Post de Kathi Wilhelm (27/10/2026) anunciando que a Creandum co-lidera a rodada seed de US$ 40 milhões da Machenta junto com a Union Square Ventures. Descreve o modelo de fundação da empresa, treinado inteiramente em simulação, que aprende a aprender: com uma única demonstração, o robô executa a tarefa e se adapta a variações sem novo treinamento. A Creandum diz que isso equivale ao "vibe-coding físico" e cita a visita ao laboratório da empresa no Imperial College, onde o robô executou uma tarefa mostrada uma vez, mesmo com objetos reposicionados.
Introducing Instant Robot Learning
Post técnico publicado pela própria Machenta em 27/10/2026 apresentando o "Instant Robot Learning": um modelo de fundação de visão-demonstração-ação (VDA) que aprende uma tarefa nova a partir de uma única demonstração, treinado inteiramente em simulação, sem dados do mundo real. Cita a pesquisa de seis anos em aprendizado one-shot no Imperial College (Implicit Graph Alignment, CoRL 2023; Instant Policy, ICLR 2025). O texto não menciona a rodada de financiamento nem seus valores.