Machenta haalt 40 mln dollar seed op voor een robotmodel dat een taak na één demonstratie beheerst
Machenta, voortgekomen uit Imperial College London, sluit een seedronde van 40 mln dollar onder leiding van Creandum en Union Square Ventures.
Machenta, een Londens roboticabedrijf dat is voortgekomen uit Imperial College London, kondigde op 27 oktober 2026 een seedronde van 40 miljoen dollar aan. Creandum en Union Square Ventures leidden de ronde. Zowel Tech.eu als Imperial College noemen het de grootste seedronde die een Brits roboticabedrijf tot nu toe heeft opgehaald.
Het bedrijf bouwt een basismodel voor robots dat eenmaal wordt getraind en daarna op veel verschillende taken wordt ingezet. Het bijzondere zit in de trainingsdata: het model wordt uitsluitend voorgetraind op gesimuleerde data, zonder beelden uit de echte wereld en zonder menselijke demonstraties. Daarmee omzeilt het bedrijf naar eigen zeggen de privacy- en toegangsproblemen waar concurrenten op vastlopen. Machenta stelt dat een robot een taak direct kan uitvoeren nadat hij die eenmaal heeft zien voordoen, en dat een of twee echte demonstraties per nieuwe taak volstaan. Het team heeft één model laten zien dat alledaags werk als inpakken, assembleren en opruimen uitvoert op verschillende robotlichamen, waaronder humanoïde. Precieze taken en complexe bewegingen blijven moeilijk.
De oprichters zijn professor Edward Johns, medeoprichter en algemeen directeur en hoogleraar robotleren bij de faculteit informatica van Imperial College, en Vitalis Vosylius, promovendus aan dezelfde instelling. Imperial College meldt dat ook andere collega's uit het laboratorium voor robotleren tot de medeoprichters horen. Het geld gaat naar het opschalen van het model, meer rekenkracht, meer gesimuleerde data en een nieuw kantoor met laboratorium bij King's Cross in Londen. Opvallend is dat Machenta zich nog steeds een onderzoeksbedrijf noemt, zonder plannen voor commercialisering op korte termijn.
De ronde valt in een goed gefinancierde hoek van deeptech. Tech Funding News telt op basis van Crunchbase in de eerste helft van 2026 wereldwijd 47,4 miljard dollar aan risicokapitaal voor fysieke AI, verdeeld over 521 transacties. „Intelligentie gaat niet zozeer over wat u al kunt, maar over hoe snel u iets nieuws leert”, aldus Johns. Kathi Wilhelm, partner bij Creandum, zei dat robots veel nuttiger worden zodra ze een nieuwe taak kunnen oppakken en direct aan de slag gaan, en voegde eraan toe dat zeer weinig roboticateams op een vergelijkbaar onderzoeksfundament kunnen wijzen. Rebecca Kaden, managing partner bij Union Square Ventures, vatte de behoefte samen als AI voor algemeen gebruik die zich net zo snel aanpast als een mens. Professor Mary Ryan, vicerector onderzoek en valorisatie van Imperial College, zei dat het vroege succes van het bedrijf wijst op een kans voor het Verenigd Koninkrijk om voorop te lopen in AI-gestuurde robotica.
Waarom dit telt voor AgTech-oprichters: landbouwrobotica loopt minder vast op hardware dan op de kosten om de machine elke nieuwe klus te leren. Elk gewas, elke variëteit, elk teeltsysteem en elke perceelindeling is in de praktijk een nieuwe taak, en het venster om echte voorbeelden te verzamelen gaat eens per jaar open, een paar weken lang, bij weer dat niemand regelt. Precies die beperking wordt met deze ronde omzeild. Drie gevolgen. Ten eerste: houdt voortraining in simulatie ook buiten het laboratorium stand, dan is de slotgracht in de landbouwrobotica niet langer de eigen velddataset waarmee de meeste presentaties nog openen, maar de simulator en de takenbibliotheek. Ten tweede: ga eerlijk na of uw roadmap duizenden echte demonstraties per gewas veronderstelt, want die aanname is nu een risico en geen bescherming. Ten derde: kijk waar het geld heen gaat. Een universitaire spin-off zonder product haalt 40 mln dollar op voor de modellaag, terwijl landbouwspecifieke toepassingslagen enkele miljoenen ophalen. Dat pleit ervoor de snelste gebruiker van iemand anders zijn basismodel te zijn in plaats van zelf een model te trainen. Vraag u af welke delen van uw technologiestapel u over twee jaar liever huurt dan bezit.
Machenta haalt 40 mln dollar seed op voor een robotmodel dat een taak na één demonstratie beheerst
Creandum en Union Square Ventures leiden de ronde van dit bedrijf uit Imperial College London, waarvan het model volledig in simulatie wordt voorgetraind, zonder data uit de echte wereld en zonder menselijke demonstraties.
Machenta, een Londens roboticabedrijf dat is voortgekomen uit Imperial College London, kondigde op 27 oktober 2026 een seedronde van 40 miljoen dollar aan. Creandum en Union Square Ventures leidden de ronde. Zowel Tech.eu als Imperial College noemen het de grootste seedronde die een Brits roboticabedrijf tot nu toe heeft opgehaald.
Het bedrijf bouwt een basismodel voor robots dat eenmaal wordt getraind en daarna op veel verschillende taken wordt ingezet. Het bijzondere zit in de trainingsdata: het model wordt uitsluitend voorgetraind op gesimuleerde data, zonder beelden uit de echte wereld en zonder menselijke demonstraties. Daarmee omzeilt het bedrijf naar eigen zeggen de privacy- en toegangsproblemen waar concurrenten op vastlopen. Machenta stelt dat een robot een taak direct kan uitvoeren nadat hij die eenmaal heeft zien voordoen, en dat een of twee echte demonstraties per nieuwe taak volstaan. Het team heeft één model laten zien dat alledaags werk als inpakken, assembleren en opruimen uitvoert op verschillende robotlichamen, waaronder humanoïde. Precieze taken en complexe bewegingen blijven moeilijk.
De oprichters zijn professor Edward Johns, medeoprichter en algemeen directeur en hoogleraar robotleren bij de faculteit informatica van Imperial College, en Vitalis Vosylius, promovendus aan dezelfde instelling. Imperial College meldt dat ook andere collega's uit het laboratorium voor robotleren tot de medeoprichters horen. Het geld gaat naar het opschalen van het model, meer rekenkracht, meer gesimuleerde data en een nieuw kantoor met laboratorium bij King's Cross in Londen. Opvallend is dat Machenta zich nog steeds een onderzoeksbedrijf noemt, zonder plannen voor commercialisering op korte termijn.
De ronde valt in een goed gefinancierde hoek van deeptech. Tech Funding News telt op basis van Crunchbase in de eerste helft van 2026 wereldwijd 47,4 miljard dollar aan risicokapitaal voor fysieke AI, verdeeld over 521 transacties. „Intelligentie gaat niet zozeer over wat u al kunt, maar over hoe snel u iets nieuws leert”, aldus Johns. Kathi Wilhelm, partner bij Creandum, zei dat robots veel nuttiger worden zodra ze een nieuwe taak kunnen oppakken en direct aan de slag gaan, en voegde eraan toe dat zeer weinig roboticateams op een vergelijkbaar onderzoeksfundament kunnen wijzen. Rebecca Kaden, managing partner bij Union Square Ventures, vatte de behoefte samen als AI voor algemeen gebruik die zich net zo snel aanpast als een mens. Professor Mary Ryan, vicerector onderzoek en valorisatie van Imperial College, zei dat het vroege succes van het bedrijf wijst op een kans voor het Verenigd Koninkrijk om voorop te lopen in AI-gestuurde robotica.
Waarom dit telt voor AgTech-oprichters: landbouwrobotica loopt minder vast op hardware dan op de kosten om de machine elke nieuwe klus te leren. Elk gewas, elke variëteit, elk teeltsysteem en elke perceelindeling is in de praktijk een nieuwe taak, en het venster om echte voorbeelden te verzamelen gaat eens per jaar open, een paar weken lang, bij weer dat niemand regelt. Precies die beperking wordt met deze ronde omzeild. Drie gevolgen. Ten eerste: houdt voortraining in simulatie ook buiten het laboratorium stand, dan is de slotgracht in de landbouwrobotica niet langer de eigen velddataset waarmee de meeste presentaties nog openen, maar de simulator en de takenbibliotheek. Ten tweede: ga eerlijk na of uw roadmap duizenden echte demonstraties per gewas veronderstelt, want die aanname is nu een risico en geen bescherming. Ten derde: kijk waar het geld heen gaat. Een universitaire spin-off zonder product haalt 40 mln dollar op voor de modellaag, terwijl landbouwspecifieke toepassingslagen enkele miljoenen ophalen. Dat pleit ervoor de snelste gebruiker van iemand anders zijn basismodel te zijn in plaats van zelf een model te trainen. Vraag u af welke delen van uw technologiestapel u over twee jaar liever huurt dan bezit.