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 usines de robots humanoïdes avancent vite, les données qui les entraînent traînent

Innodata a ouvert le 30 septembre un laboratoire de capture de mouvement pour produire des données d'entraînement destinées aux robots humanoïdes. L'entreprise affirme que les équipes de robotique ont épuisé les données d'interaction réelles dont elles ont besoin pour rendre les machines utiles.

TechnologieAnalyseSophie LeclercPublié le: 30 septembre 20264 min de lectureSources 8
Les usines de robots humanoïdes avancent vite, les données qui les entraînent traînent

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 qui capture le mouvement en 3D directement sur des corps humains et mécaniques, au lieu de déduire le geste à partir d'une vidéo 2D. L'entreprise le présente comme la réponse à un goulot d'étranglement que toutes les équipes de robotique rencontrent selon elle : le manque de données d'interaction réelles, et ce qui existe coûte cher et se produit lentement, rapporte The Robot Report.

Innodata ne fabrique pas de robots. Elle vend des données et des cadres d'évaluation, et 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 coûte cher et se produit lentement. »

Pourquoi le manque de données compte plus que le matériel

Les grands modèles de langage avaient internet pour apprendre. Les robots, non. Franklin Tanner, vice-président robotique et IA physique d'Innodata, a expliqué à The Robot Report que l'IA physique « doit gagner ses tokens une interaction à la fois, et ces interactions doivent être réfléchies ». Les capteurs du laboratoire sont conçus pour enregistrer le moindre mouvement de chaque articulation, ce qui, selon Innodata, rend l'entraînement plus précis et plus efficace. Tanner prend l'exemple d'un robot qui saisit une tasse : par l'anse ou par le fond, la différence peut sembler sans importance jusqu'au moment où la tasse est pleine de liquide chaud.

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

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

Toujours le 30 septembre, MindOn a présenté Mind-1, un modèle d'IA physique qui, selon l'entreprise, fait passer la latence d'inférence des robots de 82ms à 32ms et rapproche les tâches de manipulation des temps de cycle humains. L'entreprise soutient qu'un robot cinq ou dix fois plus lent qu'un humain s'intègre difficilement dans des flux de travail réels, quelle que soit sa performance en démonstration.

Le problème des référentiels d'évaluation

Les affirmations sur les capacités deviennent 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 avait manquée.

La même irrégularité apparaît d'un domaine physique à l'autre : des modèles qui battaient Gemini 3.5-Flash sur toutes les moyennes par domaine restaient moins bons sur certaines catégories de tâches. L'équipe a publié un jeu de données au niveau de l'item, appelé RIDGE, couvrant les cinq domaines.

Pendant ce temps, la construction d'usines continue de s'accélérer. L'usine solaire prévue par Tesla au Texas s'est retrouvée entraînée dans une plainte en brevets aux États-Unis entre deux fabricants chinois d'équipements, rapporte Electrek le 30 septembre. Linton Crystal Technologies a poursuivi Zhejiang Jingsheng le 22 septembre devant un tribunal fédéral du Texas au sujet de deux brevets couvrant une partie d'un tireur Czochralski, le four qui étire les lingots de silicium monocristallin. Jingsheng, qui a informé ses investisseurs du litige 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 portant sur 500 Robotaxis. KIDZ AI, anciennement une école de code en ligne nommée 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, précise le communiqué de l'entreprise elle-même, ne constitue pas une commande ferme.

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

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. 04Astra, Opus 5.5, and other Frontier Models Demonstrate Jagged Performance Across SoTA Agentic TasksEN
  5. 05Tesla's solar factory dragged into patent war between Chinese suppliersEN
  6. 06Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
  7. 07What 30k robot dogs taught me about degrees of freedom, shipping a real productEN
  8. 08The Robot Report parent Arrowfly launches AI for Engineers platformEN

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.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

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.