Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

La course aux usines de robots humanoïdes se heurte à un problème de données

Innodata a ouvert le 30 septembre un laboratoire de capture de mouvement pour produire des données d'entraînement destinées aux robots humanoïdes. Le même jour, Inbolt bouclait un tour de 11 millions d'euros dans la vision robotique et MindOn présentait un modèle qui, selon la société, fait passer la latence d'inférence de 82 ms à 32 ms.

TechnologieAnalyseCamille RousseauPublié le: 30 septembre 20266 min de lectureSources 8
La course aux usines de robots humanoïdes se heurte à un problème de données

Le 30 septembre, l'entreprise d'ingénierie des données Innodata, basée dans le New Jersey, a ouvert un laboratoire de recherche et développement consacré à la capture de mouvement 3D pour les robots. Le site enregistrera les mouvements directement sur des corps humains et mécaniques. Il doit aussi valider de façon indépendante les données de performance que les robots produisent eux-mêmes, rapporte The Robot Report, qui a révélé l'information le 30 septembre.

Le bâtiment est petit, la prétention est grande : le goulot d'étranglement de l'IA physique ne serait ni les moteurs, ni les mains, ni les actionneurs, mais les données.

« L'IA physique croît plus vite que tout autre segment de l'IA, mais chaque équipe de robotique butte sur le même mur : il n'y a pas assez de données d'interaction avec le monde réel, et ce qui existe coûte cher et se produit lentement », a déclaré Rahul Singhal, PDG d'Innodata, dans un communiqué cité par The Robot Report. L'entreprise indique que le laboratoire couvre toute la chaîne, de la collecte de données à l'évaluation des modèles, et qu'il enregistrera des mouvements sur des humanoïdes, du matériel téléopéré, des systèmes portables, des bancs de capteurs et des pinces Universal Manipulator Interface. Fondée en 1988, Innodata soutient que les grands modèles de langage se sont nourris de l'internet ouvert, alors que les robots n'ont pas de corpus équivalent pour le monde physique. Franklin Tanner, vice-président chargé de la robotique et de l'IA physique, a expliqué à The Robot Report que l'IA physique « doit gagner ses tokens une interaction à la fois ». Tanner a aussi plaidé contre la capture de mouvement fondée sur l'inférence : il n'existe selon lui « aucun substitut à la capture de mouvement 3D directe », et les modèles de vision par ordinateur qui travaillent à partir de pixels 2D commettent inévitablement des erreurs. Les capteurs du laboratoire, dit-il, sont conçus pour enregistrer le plus infime mouvement de chaque articulation.

L'argument n'est pas nouveau. Il est en revanche désormais financé.

Le même 30 septembre, la société parisienne Inbolt a annoncé avoir levé 11 millions d'euros pour se développer à l'international et s'attaquer aux centres de données et à la fabrication électronique, selon Tech.eu. Le tour a été mené par le nouvel investisseur Shift4Good, avec la participation de Bridges Climate Transition Partners et des investisseurs historiques BNP Paribas Développement et Ora Global, ce qui porte le financement total à 30 millions d'euros. Fondée en 2019 par Rudy Cohen, Albane Dersy et Louis Dumas, Inbolt vend une couche logicielle d'IA indépendante du matériel, associée à de la vision 3D, qui permet aux robots d'ajuster leurs boucles de contrôle en temps réel lorsque des pièces arrivent mal alignées ou que l'outillage s'use. Son système équipe plus de 200 robots dans plus de 100 usines réparties sur trois continents, avec des clients comme Bosch, Beko, Flex, Ford, Stellantis et Toyota, selon Tech.eu. L'argument de vente : les usines peuvent moderniser leurs lignes existantes au lieu de les remplacer.

Reste la vitesse. MindOn a publié le 30 septembre un article technique présentant Mind-1, un modèle d'IA physique qui, selon l'entreprise, rapproche l'exécution des tâches robotiques des temps de cycle humains. MindOn annonce une latence d'inférence ramenée de 82 ms à 32 ms et souligne qu'à une vitesse de 3 mètres par seconde en bout d'effecteur, 10 ms de latence correspondent à environ 3 cm de déplacement, de quoi faire échouer une prise ou une insertion précise. L'entreprise pointe aussi un problème moins visible : une grande partie des données de manipulation robotique provient de la téléopération, plus lente que le mouvement humain naturel. Les modèles apprennent donc le tempo de leurs démonstrations en même temps que la tâche.

Trois annonces, un seul jour, un même postulat. Les démonstrations de capacités ne sont plus la partie difficile.

Un rapport technique de Fig Inc., également publié le 30 septembre, complique le tableau de façon utile. Les chercheurs Yangyue Wang, Harshvardhan Sikka, Pranav Guruprasad et Sudipta Chowdhury ont évalué des modèles de pointe, dont Astra et Opus 5.5, sur l'automatisation web et quatre domaines physiques : Bench2Drive, VLABench, IndEgo et Assembly101. Leur constat : les moyennes des benchmarks masquent une variance considérable au niveau des tâches. Dans chaque paire de modèles testée, le plus faible a résolu au moins une tâche que le plus fort a manquée. Une mise à jour de modèle peut laisser la moyenne presque inchangée tout en inversant de nombreuses tâches individuelles. Les chercheurs ont publié un jeu de données appelé RIDGE, avec les résultats tâche par tâche et les traces des modèles.

À lire en regard des chiffres des usines, le tableau change encore.

Le contexte de tout cela est une base industrielle déjà automatisée, et majoritairement non humanoïde. Plus de cinq millions de robots travaillent aujourd'hui dans les usines du monde, et seuls quelques milliers sont des humanoïdes, selon des informations résumées dans la couverture sectorielle récente. Cette même couverture note que le chinois UBTECH a ouvert en septembre un site affichant une capacité d'un humanoïde toutes les dix minutes, et que Hyundai monte en puissance sur la production et le déploiement d'Atlas tout en ouvrant un centre de formation dans son usine de Géorgie. Le Japon veut 10 000 000 de robots d'IA d'ici 2040, rapporte TechRadar le 30 septembre, tandis que le coréen SFA a signé un protocole d'accord avec Rainbow Robotics pour viser des usines sans personnel d'ici 2030, selon Korea JoongAng Daily.

Tous les robots de ce déploiement ne seront pas des humanoïdes. Mark Cuban soutient que les robots à forme humaine échoueront d'ici une décennie, position qu'il a répétée ces derniers jours, tandis qu'IEEE Spectrum a publié les évaluations d'experts en robotique sur l'Optimus de Tesla. La chaîne d'approvisionnement de Tesla est d'ailleurs sous tension ailleurs : le 30 septembre, Electrek a rapporté que l'usine solaire prévue par Tesla au Texas s'est retrouvée entraînée dans un procès en brevets américain entre les fabricants chinois d'équipements Linton Crystal Technologies et Zhejiang Jingsheng, à propos des tireurs Czochralski nécessaires à l'étape de croissance des lingots dans les projets solaires de Tesla. Tesla n'est pas partie au litige.

Cette affaire compte ici pour une raison structurelle. La chaîne d'approvisionnement des humanoïdes et celle du solaire ne sont pas les mêmes, mais le mode de défaillance est identique : un composant spécialisé unique, fourni par un petit nombre de vendeurs, placé en tête d'un très long plan de production.

Ce qui ramène au problème des données. Tanner, d'Innodata, a donné à The Robot Report un exemple concret de la difficulté à encoder le contexte : un robot chargé de prendre une tasse peut la saisir par l'anse ou par le pied, et les deux prises sont mécaniquement valides, mais si la tasse contient un liquide chaud, l'une des deux brûle la main. Ce genre de distinction est rarement présent dans les jeux de données existants. Les clients d'Inbolt rencontrent un problème voisin en production réelle, où une pièce mal alignée peut bloquer un robot ou produire des pièces défectueuses, et où le coût apparaît sous forme d'arrêt de ligne plutôt que de démonstration ratée. L'arithmétique de latence de MindOn en est la troisième facette : à pleine vitesse, de petites erreurs de perception et de contrôle cessent d'être petites.

L'argent suit. Les 11 millions d'euros d'Inbolt sont modestes face aux capitaux qui affluent vers le matériel humanoïde, mais ils visent le parc installé plutôt que de nouveaux humanoïdes. Innodata vend de la mesure et de l'évaluation, pas des robots. Arrowfly, société mère de The Robot Report, a lancé le 30 septembre une plateforme AI for Engineers destinée précisément à ce public de praticiens, en citant plus de 30 000 professionnels de l'ingénierie déjà engagés sur les sujets d'IA dans son portefeuille, 2 100 000 lecteurs industriels vérifiés et une conférence prévue du 20 au 22 septembre 2027 à Henderson, dans le Nevada. C'est une activité de médias, pas de robotique, mais elle donne une idée raisonnable de là où vont l'attention et les budgets.

Une réserve à formuler clairement. Une grande partie des capacités d'usines humanoïdes annoncées sont des capacités, pas de la production. Les noms, les dates et les objectifs en unités circulent plus vite que les unités livrées, et l'écart entre l'ouverture d'une usine et son fonctionnement à plein régime se compte généralement en trimestres, parfois en années. Le dossier ne fournit aucun chiffre de production vérifié pour une ligne humanoïde, et aucun ne doit être déduit des capacités annoncées.

Ce que le dossier montre, à travers huit sources publiées ces trois derniers jours, c'est un marché qui converge vers le même diagnostic par des chemins différents. Innodata veut vendre les données d'entraînement. Inbolt veut vendre la couche de perception qui permet aux bras existants d'absorber la variabilité. MindOn veut vendre de la vitesse. Les chercheurs de Fig veulent vendre un benchmark plus honnête. Aucun d'eux ne vend le robot.

Commentaires 0

Sources

8
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Inbolt raises €11M to bring real-time vision and intelligence to industrial robotsEN
  3. 03Mind-1: Cutting robot inference latency from 82ms to 32msEN
  4. 04How Do Astra and Opus 5.5 Perform on Robotics and Web TasksEN
  5. 05The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
  6. 06Tesla's solar factory dragged into patent war between Chinese suppliersEN
  7. 07Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
  8. 08What 30k robot dogs taught me about degrees of freedom, shipping a real productEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.