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
›

Les robots humanoïdes à l'usine : données, latence et bataille d'actionnaires

Innodata a ouvert un laboratoire de capture de mouvement le 30 septembre pour fournir à l'IA physique les données du monde réel qui lui manquent. De nouvelles recherches sur la latence et les benchmarks montrent à quel point les humanoïdes restent loin d'un travail d'usine fiable.

TechnologieAnalyseCamille RousseauPublié le: 30 septembre 20264 min de lectureSources 4
Les robots humanoïdes à l'usine : données, latence et bataille d'actionnaires

Innodata a ouvert un laboratoire de capture de mouvement le 30 septembre. L'entreprise y produira des données d'entraînement pour les robots humanoïdes et industriels, et vérifiera elle-même les chiffres de performance que ces robots annoncent. Cette société d'ingénierie des données de Ridgefield Park, dans le New Jersey, a construit le site avec Vicon, dont les caméras de suivi optique infrarouge mesurent le mouvement jusqu'au niveau submillimétrique, selon The Robot Report.

C'est le plus récent développement 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 à la hauteur d'un poste d'usine ordinaire.

De l'argent jeté dans 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'alimenter sur 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 ces interactions doivent être délibérées. »

Innodata affirme capturer le mouvement 3D directement sur les corps, humains ou mécaniques, plutôt que de l'inférer à partir de vidéos 2D, et que les données obtenues peuvent servir à amorcer 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 la seule à soutenir que ce sont les données, et non le corps du robot, qui décident du déploiement. Destro AI est sortie de l'ombre 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 fabrique aucun robot.

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

Orchestrer humains et chariots

Le logiciel de Destro dirige les travailleurs humains autant que les machines. Dans un site de Yusen Logistics du Pacifique Nord-Ouest, trois robots porte-chariots construits par Miva Robotics tournent sous Vision, le système d'exploitation de Destro, fondé sur des modèles vision-langage-action à poids ouverts. Les ouvriers déchargent les marchandises d'un camion dans des chariots, et les robots amènent les chariots pleins à destination. Le système 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 maintenant 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, même si TechCrunch note que l'entreprise n'a pas encore montré qu'elle savait gérer les tâches exigeant une véritable dextérité.

La vitesse est l'autre moitié du problème. MindOn a publié le 30 septembre une note 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. La note 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 rater une prise ou une insertion. MindOn souligne aussi que l'essentiel des données de manipulation vient de la téléopération, bien plus lente qu'un geste humain naturel, si bien que les modèles apprennent un tempo lent en même temps que la tâche.

Les benchmarks cachent les angles irréguliers

Une autre étude, publiée le 30 septembre par des chercheurs de Fig. Inc, met en doute les scores servant à comparer les modèles qui pilotent 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 : 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 restent moins bons dans certaines catégories de tâches.

Rien de tout cela n'est qu'un 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 du conseil d'administration, l'accusant d'avoir partagé des informations confidentielles avec le concurrent Cognition. Deux heures plus tard, Degnan annonçait avoir rejoint Cognition comme directeur des revenus, et affirmait 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.

Commentaires 0

Sources

4
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Destro AI's secret sauce is getting robots and humans on the same pageEN
  3. 03Mind-1: Physical AI at Human Speed, Built for Real WorkEN
  4. 04Astra, Opus 5.5, and other Frontier Models Demonstrate Jagged Performance Across SoTA Agentic Tasks from Web Browsing to RoboticsEN

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.