Les robots humanoïdes à l'usine : données, latence et bataille au conseil

Innodata a ouvert un laboratoire de capture de mouvement le 30 septembre. L'entreprise affirme qu'il produira des données d'entraînement pour les robots humanoïdes et industriels, et qu'il validera de façon indépendante les performances que ces robots annoncent sur eux-mêmes. Cette société d'ingénierie de données de Ridgefield Park, dans le New Jersey, a construit l'installation avec Vicon, dont les caméras de suivi optique infrarouge mesurent le mouvement jusqu'au niveau submillimétrique, selon The Robot Report.

C'est le développement le plus récent d'une semaine d'annonces matérielles et logicielles qui pointent toutes vers le même manque. Les robots savent bouger, mais les données et les boucles de contrôle derrière eux ne sont pas encore assez bonnes pour des quarts d'usine ordinaires.

Jeter de l'argent sur le problème des données

« L'IA physique croît plus vite que tout autre segment de l'IA, mais chaque équipe de robotique se heurte au même mur : il n'y a pas assez de données d'interaction réelles, et ce qui existe coûte cher et se produit lentement », a déclaré Rahul Singhal, PDG d'Innodata, dans l'annonce. Franklin Tanner, vice-président de la robotique et de l'IA physique de l'entreprise, a expliqué à The Robot Report que les grands modèles de langage pouvaient s'abreuver de l'internet ouvert, ce qui n'est pas le cas des robots : « L'IA physique doit gagner ses tokens une interaction à la fois, et elles doivent être délibérées. »

Innodata dit capturer le mouvement 3D directement depuis les corps, humains ou mécaniques, plutôt que de l'inférer à partir de vidéos 2D. Les données obtenues peuvent ensuite alimenter des jumeaux numériques pour les cas limites. Tanner a aussi nommé une limite dont l'industrie n'aime pas parler : il n'existe aujourd'hui aucune donnée d'entraînement où humains et robots interagissent. C'est l'un des domaines sur lesquels travaille le nouveau laboratoire.

L'entreprise n'est pas seule à soutenir que ce sont les données, et non le corps du robot, qui décident du déploiement. Destro AI est sortie de la discrétion le 30 septembre avec un tour d'amorçage de 8 millions de dollars, mené par Base10 Partners et Bonfire Ventures avec CoFound Partners, et un argument peu banal. Elle ne construit aucun robot.

« L'une des principales raisons pour lesquelles nous gagnons contre les entreprises de robotique, c'est que nous ne sommes pas une entreprise de robotique », a déclaré le fondateur Manthan Pawar à TechCrunch.

Orchestrer les humains et les chariots

Le logiciel de Destro dirige les travailleurs humains autant que les machines. Dans une installation de Yusen Logistics dans le nord-ouest du Pacifique, trois robots porte-chariots construits par Miva Robotics tournent sous le système d'exploitation Vision de Destro, fondé sur des modèles vision-langage-action à poids ouverts. Les ouvriers déchargent les marchandises d'un camion dans des chariots, puis les robots déplacent les chariots pleins vers leur destination. Le système d'exploitation Mothership de Destro coordonne personnes, chariots et camions. Richard Brunelle, de Yusen, a raconté à TechCrunch que deux autres jeunes pousses de robotique n'avaient pas pu s'adapter au même flux de transbordement : l'une déplaçait les chariots d'un point à un autre mais ne gérait ni le chargement ni le déchargement, l'autre avait besoin d'une personne pour l'orchestration.

Destro étend désormais ce pilote à 26 robots et en lance un second avec 17 robots dans le sud de la Californie. Le plan de Pawar est de dupliquer le flux de transbordement dans d'autres entrepôts. TechCrunch note toutefois que l'entreprise n'a pas encore montré qu'elle pouvait gérer des tâches exigeant une véritable dextérité.

La vitesse est l'autre moitié du problème. MindOn a publié le 30 septembre un article technique présentant Mind-1, un modèle d'IA physique qui, selon l'entreprise, fait passer la latence d'inférence des robots de 82 millisecondes à 32 millisecondes, rapprochant l'exécution des tâches des temps de cycle humains. L'article explique franchement pourquoi cela compte : à une vitesse de 3 mètres par seconde de l'effecteur terminal, 10 millisecondes de latence équivalent à environ 3 centimètres de déplacement, de quoi ruiner une préhension ou une insertion. MindOn souligne aussi que la plupart des données de manipulation proviennent de la téléopération, bien plus lente que le mouvement humain naturel. Les modèles apprennent donc un tempo lent en même temps que la tâche.

Les benchmarks cachent les aspérités

Une étude distincte publiée le 30 septembre par des chercheurs de Fig. Inc remet en question les scores utilisés pour comparer les modèles qui font tourner tout cela. L'équipe a fait tourner sept modèles de pointe, dont Astra et Opus 5.5, sur 177 tâches web en boucle fermée dans VisualWebArena, puis trois modèles sur quatre domaines physiques : VLABench, Assembly101, IndEgo et Bench2Drive. Sa conclusion est que les moyennes des benchmarks masquent l'irrégularité des performances. Pour 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. Et des modèles qui battent Gemini 3.5-Flash sur la moyenne de chaque domaine ont quand même fait moins bien dans certaines catégories de tâches.

Rien de tout cela n'est un simple problème de recherche. Le 30 septembre, TechCrunch a rapporté que Matan Grinberg, cofondateur et PDG de la jeune pousse de codage assisté par IA Factory, avait licencié le capital-risqueur Chris Degnan de son poste de conseiller au conseil d'administration, l'accusant d'avoir partagé des informations confidentielles avec le concurrent Cognition. Degnan a annoncé deux heures plus tard avoir rejoint Cognition comme directeur des revenus, et a déclaré avoir démissionné plutôt que d'avoir été licencié. Khosla Ventures, investisseur dans les deux entreprises, a vu son fondateur Vinod Khosla et son associé Keith Rabois prendre des positions opposées sur X. Factory a levé 200 millions de dollars sur une valorisation de 5 milliards de dollars ce mois-ci ; Cognition a levé 2 milliards de dollars sur une valorisation de 48 milliards de dollars.

L'argent est manifestement là. Le robot fiable qui le rembourse sur un plancher d'usine reste la question ouverte.