Mecka AI získala 60 milionů dolarů: robotům prodává lidskou zkušenost

Mecka AI v oznámení ze 7. října 2026 uvedla, že získala 60 milionů dolarů v kole Series B vedeném Sequoia Capital za účasti NVIDIA, M12, Qualcomm Ventures a Samsungu; potřebu dat přitom vystihla slovy „Robots don’t lack intelligence. They lack experience.“ Mezi dosavadní podporovatele patří Kindred, Framework Ventures a Neo. Kapitál má rozšířit datovou infrastrukturu, vlastní výzkum a komerční nasazování robotických systémů.

TechCrunch v zprávě ze 7. října 2026 popsal, že Mecka platí lidem za záznam běžných činností, například přípravy kávy nebo oprav aut, pomocí senzorů na těle a chytrých telefonů. Takto pořízená data jsou určena pro vývoj humanoidních i dalších robotů. Zákazníkem Mecky je tedy především ten, kdo robota učí nebo zavádí do provozu, nikoli domácnost kupující hotový stroj.

Investice míří do celé cesty od pohybu k datům

Mecka potřebuje zaznamenat víc než obraz člověka při práci. Senzory a telefon zachycují průběh úkonu z různých pohledů; jednotlivé záznamy se následně musí časově sladit, aby odpovídaly témuž pohybu. Při uchopení nádoby například záleží na poloze ruky, okamžiku dotyku i na tom, co se děje před zvednutím a po odložení. Bez těchto souvislostí je demonstrace pro učení pohybu méně užitečná.

Další částí je převod syrových záznamů do podoby, s níž mohou pracovat robotické modely. Mecka vyvíjí vlastní vícesenzorové vybavení a modely počítačového vidění pro sledování pohybu, prostorovou rekonstrukci a sladění senzorů. Výstupem má být strukturovaný popis činnosti, nikoli jen soubor videí. Právě v tomto zpracování se rozhoduje, zda lze lidskou demonstraci spojit s polohou těla, rukou a předmětů v jednotlivých okamžicích.

Provoz sběru je zároveň samostatný organizační úkol. Lidé musí úkony skutečně provádět, vybavení je musí zachytit a výsledné záznamy musí mít srovnatelnou kvalitu. Příprava kávy v domácnosti a oprava auta přitom znamenají jiné předměty, pohyby i okolní podmínky. Širší nabídka činností proto nevznikne pouhým opakováním jedné demonstrace; vyžaduje nové situace a kontrolu toho, co senzory zaznamenaly.

Proč se robot neučí z webu stejně jako jazykový model

Texty a fotografie na internetu vznikaly po desetiletí pro lidské čtenáře a diváky. Video s fyzickým úkonem však zpravidla neobsahuje úplný záznam kontaktu, síly ani přesné polohy rukou. Člověk z obrazu snadno pochopí, že někdo zvedl hrnek. Pro model, který má řídit robotickou ruku, zůstávají podstatné detaily skryté za předmětem, mimo záběr nebo mezi snímky.

Rozdíl je patrný při nalévání nápoje. Kamera zachytí začátek a výsledek, ale nemusí ukázat, jak pevně člověk držel nádobu, kdy změnil sklon zápěstí a jak upravil úchop, když se změnila její hmotnost. Ne všechny tyto údaje lze přímo odečíst ani ze záznamu pořízeného senzory; některé je třeba odhadnout a ověřit při rekonstrukci. Hodnota dat tak závisí také na tom, které signály byly skutečně změřeny a které vznikly následným výpočtem.

Tento nedostatek vytváří místo pro specializovaného dodavatele mezi lidmi provádějícími úkony a týmy vyvíjejícími roboty. Podobnost s dodavateli trénovacích dat pro jazykové modely spočívá v tom, že zákazník nemusí sám organizovat veškerý sběr a přípravu vstupů. U robotiky se však práce odehrává ve fyzickém prostředí: potřebuje snímací vybavení, sladění různých signálů a demonstrace odpovídající úkolům, které má stroj později zvládnout.

Data, model a nasazení jsou odlišné kroky

První krok končí použitelnou demonstrací lidské činnosti. Druhý začíná ve chvíli, kdy vývojář použije připravená data k učení nebo úpravě robotického modelu. Robot pak musí převést pozorovaný postup na možnosti vlastního těla: jeho ruka může mít jiný rozsah pohybu, jiné prsty i jiný způsob vnímání okolí. Kvalitní záznam proto sám o sobě ještě neznamená, že stroj úkon spolehlivě vykoná.

Nasazení přidává podmínky konkrétního provozu. Předměty nemusejí ležet vždy na stejném místě, pracovní postup se může lišit a robot musí zvládnout i okamžiky, které v původních demonstracích nebyly. Data získaná přímo v místě práce mohou ukázat, kde se naučené chování rozchází s potřebami zákazníka. Tím vzniká možnost model dále upravovat podle úkolu, prostředí a výsledků provozu.

Mecka chce spojit sběr lidských úkonů s touto pozdější fází. Pro zákazníka je to širší nabídka než nákup datového souboru: zahrnuje také přípravu vstupů pro model a práci při zavádění robota. Jednotlivé výsledky je ale nutné posuzovat odděleně. Počet zaznamenaných demonstrací vypovídá o rozsahu sběru, zatímco schopnost robota pracovat u zákazníka závisí i na modelu, konstrukci stroje a podmínkách daného místa.

Mecka míří na laboratoře i podnikové zákazníky

Sequoia Capital v komentáři k investici popisuje Mecku jako partnera výzkumných laboratoří, robotických firem a podniků, který má dodávat trénovací data, podporovat další učení modelů a pomáhat s nasazením. Investor zmiňuje také vývoj nositelného vybavení, rozsáhlý sběr a převod senzorových záznamů na data připravená k trénování. Jde o popis obchodního záměru investora, nikoli o nezávislé měření výkonu robotů v provozu.

Pro laboratoř může být nejdůležitější rozmanitost a přesnost demonstrací. Výrobce robotů potřebuje zjistit, zda se naučený pohyb přenese na jeho konkrétní stroj. Podnik, který chce roboty používat, řeší navíc jejich začlenění do skutečné práce a průběžný provoz. Mecka se pokouší obsloužit všechny tyto zákazníky společnou datovou infrastrukturou, i když každý z nich hodnotí úspěch jiným způsobem.

Právě komerční nasazení ukáže, zda se z rozsáhlého sběru lidských pohybů stane trvalá obchodní výhoda. Podstatné budou doložené úkoly, které roboti u zákazníků zvládnou, a to, zda data získaná při práci pomohou jejich výkon dále zlepšovat. Na této vazbě mezi zaznamenanou lidskou zkušeností a výsledkem stroje stojí další fáze podnikání Mecky.

Přečtěte si také:

• Schneider koupí PTC za 22,6 miliardy dolarů, trh potrestal kupce
• HIFI získalo 37 milionů dolarů, stablecoiny míří na kapitálové trhy
• Pandektes získal 13,5 milionu eur: právní data chce otevřít AI