Les usines de robots humanoïdes avancent, les données qui les entraînent stagnent

Le 30 septembre, la société d'ingénierie de données Innodata, basée dans le New Jersey, a annoncé l'ouverture d'un centre de recherche et développement. Celui-ci capture le mouvement 3D directement sur des corps humains et mécaniques, au lieu de le déduire à partir de vidéos 2D. Innodata présente ce centre comme la solution à un goulot d'étranglement que toutes les équipes de robotique rencontrent, selon elle : pas assez de données d'interaction réelles, et ce qui existe est coûteux et lent à produire, rapporte The Robot Report.

Innodata ne fabrique pas de robots. Elle vend des données et des cadres d'évaluation. Elle les vend désormais aux entreprises d'IA physique, qui doivent entraîner des humanoïdes et des bras industriels sur des tâches que les humains accomplissent sans y penser.

« L'IA physique croît plus vite que tout autre segment de l'IA, mais chaque équipe de robotique se heurte au même mur », a déclaré Rahul Singhal, PDG d'Innodata, dans un communiqué. « Il n'y a pas assez de données d'interaction réelles, et ce qui existe est coûteux et lent à produire. »

Pourquoi le déficit de données compte plus que le matériel

Les grands modèles de langage ont eu internet pour apprendre. Les robots, non. Franklin Tanner, vice-président robotique et IA physique d'Innodata, a déclaré à The Robot Report que l'IA physique « doit gagner ses tokens une interaction à la fois, et elles doivent être délibérées ». Les capteurs du laboratoire enregistrent le moindre mouvement de chaque articulation, ce qui, selon Innodata, rend l'entraînement plus précis et plus efficace. Tanner a donné l'exemple d'un robot qui ramasse une tasse : par la poignée ou par la base, la différence peut ne pas compter jusqu'à ce que la tasse soit pleine de liquide chaud.

C'est un problème de données, pas un problème de moteur. Et ce n'est qu'un des goulots d'étranglement apparus la même semaine.

Inbolt, basée à Paris, a levé 11 000 000 € le 30 septembre pour déployer la vision 3D en temps réel et une couche d'IA indépendante du matériel sur les lignes de production existantes. Tech.eu a rapporté que le tour a été mené par Shift4Good, avec la participation de Bridges Climate Transition Partners et des investisseurs existants BNP Paribas Développement et Ora Global, portant le financement total à 30 000 000 €. Inbolt affirme que son logiciel est déjà déployé sur plus de 200 robots dans plus de 100 usines sur trois continents, avec des clients dont Bosch, Beko, Flex, Ford, Stellantis et Toyota.

Également le 30 septembre, MindOn a présenté Mind-1, un modèle d'IA physique qui, selon l'entreprise, réduit la latence d'inférence des robots de 82 ms à 32 ms et ramène les tâches de manipulation à des temps de cycle humains. L'entreprise soutient qu'un robot cinq ou dix fois plus lent qu'un humain est difficile à intégrer dans des flux de travail réels, quelle que soit sa capacité apparente en démonstration.

Le problème des benchmarks

Les affirmations de capacités sont de plus en plus difficiles à comparer. Un rapport technique publié le 30 septembre par Fig. a évalué des modèles de pointe, dont Astra et Opus 5.5, sur l'automatisation web et quatre domaines physiques : manipulation, assemblage, procédures industrielles et conduite. Ses auteurs n'ont trouvé aucun leader clair. Dans chaque paire de modèles testée, le modèle le moins bien noté a résolu au moins une tâche que le mieux noté a manquée.

La même irrégularité est apparue dans les domaines physiques : des modèles qui battaient Gemini 3.5-Flash sur toutes les moyennes de domaine faisaient encore moins bien sur certaines catégories de tâches. L'équipe a publié un jeu de données au niveau des items appelé RIDGE, qui couvre les cinq domaines.

Pendant ce temps, la construction industrielle continue de s'accélérer. L'usine solaire prévue par Tesla au Texas a été entraînée dans un litige de brevets américain entre deux fabricants chinois d'équipements, rapporte Electrek le 30 septembre. Linton Crystal Technologies a poursuivi Zhejiang Jingsheng devant un tribunal fédéral du Texas le 22 septembre, au sujet de deux brevets couvrant une partie d'un tireur Czochralski, le four qui tire les lingots de silicium monocristallin. Jingsheng, qui a divulgué le procès aux investisseurs le 24 septembre, affirme que ses produits utilisent des « solutions techniques entièrement différentes » de celles des brevets et n'attend aucun impact significatif.

Toutes les histoires de robots ne sont pas industrielles. Le 30 septembre, une société cotée au Nasdaq valant environ 2 400 000 $ a déclaré avoir envoyé à Tesla une demande d'achat pour 500 Robotaxis. KIDZ AI, anciennement une école de codage en ligne appelée Classover Holdings, a rapporté un chiffre d'affaires de services en baisse de 34 % sur un an, à 480 000 $ au deuxième trimestre, et une perte trimestrielle de 2 500 000 $, selon Electrek. La demande, selon le communiqué de l'entreprise elle-même, n'est pas une commande ferme.

L'écart entre les annonces et les machines déployées ne se comble pas tout seul.