Aucun humanoïde nouveau n'a été livré cette semaine. Ce qui a émergé, en revanche, ce sont trois paris distincts sur le même problème de fond : les robots humanoïdes marchent désormais raisonnablement bien, mais ils restent incapables de percevoir de façon fiable ce qu'ils touchent, de saisir un objet sans l'endommager ni le laisser tomber, ou d'apprendre une nouvelle tâche sans une bibliothèque de démonstrations humaines. C'est cet écart, et non la vitesse de pointe ou la charge utile, qui distinguera les plateformes humanoïdes dans les années à venir.
Trois paris sur le même écart
Tesla : une peau sensorielle
Tesla a déposé une demande de brevet aux États-Unis pour une peau sensible au toucher, pouvant être moulée autour des doigts et de la paume d'un robot, rapporte Robotics & Automation News. L'idée est de proposer une méthode évolutive pour détecter le contact et la force sur l'ensemble d'une main, une capacité qui manque encore à la plupart des pinces humanoïdes. Un dépôt de brevet n'est pas une pièce livrée : cela montre seulement que Tesla juge le problème digne d'être résolu, rien de plus. Les acheteurs qui comparent les plateformes sur notre page de comparaison humanoïde doivent y voir un signal de feuille de route, pas une spécification actuelle.
Skild AI : se passer des démonstrations
Skild AI a présenté une méthode d'entraînement par auto-apprentissage (self-play), utilisant son modèle de fondation robotique S1, permettant à des robots d'acquérir des compétences physiques, dont le football, sans démonstrations humaines, selon Robotics & Automation News. Les données de démonstration sont coûteuses à collecter et de portée limitée, donc une méthode qui réduit cette dépendance compte, si elle se généralise. Réserve de taille : le football est une tâche contrôlée et répétable. Reste à savoir si l'auto-apprentissage se transpose au travail de manipulation, plus désordonné, qu'exige réellement un entrepôt ou un foyer.
Kyutai : un petit modèle ouvert
Kyutai, en collaboration avec l'Inria et l'École des Ponts, a publié REKI, un modèle vision-langage-action de 2,4 milliards de paramètres pour la manipulation robotique, préentraîné uniquement sur des données publiques, rapporte MarkTechPost. C'est particulièrement compact pour cette catégorie, et un entraînement limité aux données publiques tranche avec les approches construites sur des flottes de démonstrations propriétaires. Un modèle plus petit et ouvertement entraîné abaisse la barrière d'entrée pour les intégrateurs qui ne souhaitent pas prendre une pile fermée sous licence.
Pourquoi les mains, pas la taille
Ces trois actualités éclairent le même écart sous des angles différents : la perception, l'acquisition de compétences et le modèle de contrôle lui-même. Rien de tout cela ne concerne la vitesse de marche ou la charge utile. Un humanoïde qui marche bien mais ne sent pas ce qu'il saisit, ou qui ne peut apprendre une tâche sans bibliothèque de démonstrations, n'est pas utilisable dans une usine ou un foyer.
Un ancien responsable marketing produit de la division robotique de Nvidia, désormais investisseur, a déclaré à TechCrunch Robotics que le secteur traverse son « ère Lego », où les briques de base, actionneurs et mains robotiques, sont encore assemblées plutôt que standardisées. Cela correspond à l'actualité de la semaine : c'est la couche des composants qui est encore en chantier, pas le produit fini. Le guide du Robot Report sur le choix d'un moteur BLDC pour bras robotiques et robots mobiles souligne un point lié : choisir le bon actionneur dépend déjà des capteurs, des exigences de sécurité et du type de plateforme, avant même d'aborder le logiciel de manipulation.
Un nouveau livre blanc d'ADI, relayé par The Robot Report, examine les défis et opportunités liés au passage de l'IA physique des laboratoires à la production : un rappel qu'une main qui fonctionne dans une vidéo de démonstration doit encore survivre aux cycles de fonctionnement sur une ligne réelle. Les acheteurs qui suivent les coûts en parallèle des capacités peuvent consulter les prix affichés par plateforme sur notre suivi des prix.
Plus de concurrence, pas moins
Pudu Robotics, surtout connu pour ses robots de livraison et de nettoyage utilisés dans les restaurants et les hôtels, se diversifie dans les robots semi-humanoïdes et les quadrupèdes, rapporte Robotics & Automation News. C'est à surveiller indépendamment du sujet des mains : une entreprise disposant déjà d'une base de clients en robotique de service et d'une capacité industrielle qui entre dans la catégorie adjacente aux humanoïdes élargit l'éventail de comparaison que les acheteurs doivent examiner, au-delà des noms déjà établis sur notre classement des meilleurs robots humanoïdes.
Le contrepoint de l'humain dans la boucle
Tout le monde ne présente pas cela comme une course purement technique. Un chroniqueur du Robot Report soutient que l'humain reste central dans le développement des robots humanoïdes et l'entraînement de leurs modèles d'IA, notamment parce que cela aide à garder le contrôle sur ces systèmes. C'est un contrepoids utile face à l'histoire de l'auto-apprentissage évoquée plus haut : la démonstration de Skild AI réduit la dépendance aux données humaines pour une tâche donnée, mais ne tranche pas la question plus large du niveau de supervision humaine que la boucle d'entraînement devrait conserver. Les deux positions ne se contredisent pas, mais elles tirent dans des directions différentes.
Ce que cela signifie pour les acheteurs
Aucune des annonces de cette semaine ne constitue un produit que l'on peut acheter ou déployer aujourd'hui. Un dépôt de brevet, une démonstration d'entraînement et un modèle de recherche se situent tous en amont d'un robot commercial. Mais ils indiquent où se jouera probablement la vraie différenciation : la dextérité, la perception tactile, et le coût d'acquisition de nouvelles compétences par une plateforme. Lors de l'évaluation d'une plateforme humanoïde, il vaut mieux interroger directement les fournisseurs sur ces points plutôt que de prendre pour argent comptant la vitesse de marche ou les chiffres de charge utile. Notre glossaire couvre les bases des modèles vision-langage-action et des termes associés pour qui découvre ce domaine.