Dans sa sélection hebdomadaire Video Friday, IEEE Spectrum met en avant plusieurs travaux récents en robotique, dont le modèle GEN-1.5 de Generalist, qui apprendrait une nouvelle tâche physique en quelques secondes à partir d’un seul exemple. Les autres projets présentés concernent le vol de drones, les engins de chantier, la brachiation et une nouvelle interface d’interaction entre humains et robots.
- Generalist présente GEN-1.5, un modèle capable d’apprendre une tâche physique en quelques secondes à partir d’un seul exemple.
- Les tâches restent simples et de courte durée, et les auteurs nuancent l’absence de données d’entraînement pertinentes.
- Un cadre d’optimisation de trajectoires pour drones et des kits de rétrofit pour engins de chantier complètent la sélection.
- Une approche d’apprentissage par renforcement permet la brachiation, et une plaque de plexiglas transforme un cobot en interface d’écriture.
Apprendre à partir d’un seul exemple
Generalist présente GEN-1.5 comme son dernier modèle de fondation pour robots, c’est-à-dire un modèle d’intelligence artificielle générale destiné à piloter des machines physiques. Selon l’entreprise, il peut apprendre une nouvelle tâche en quelques secondes, à partir d’un seul exemple, sans mise à jour de ses paramètres ni réglage fin (fine-tuning). Le billet de blog cité évoque aussi des capacités d’apprentissage à partir de quelques exemples et une généralisation physique en zero-shot, c’est-à-dire sans exemple préalable pour la tâche.
Generalist précise que les tâches restent simples et de courte durée. L’entreprise estime qu’il s’agit du premier modèle connu à faire apparaître, à grande échelle, l’apprentissage en un ou quelques exemples de compétences physiques, et y voit « une étape significative » vers sa mission de construction d’une intelligence générale pour le monde physique. Les auteurs de la sélection relèvent toutefois que, pour plusieurs de ces démonstrations, le billet ne peut affirmer l’absence de données d’entraînement pertinentes qu’ »à notre connaissance ».
Drones, chantiers et bras robotisés
Un projet né d’une collaboration entre le groupe AIMS de la Hong Kong Polytechnic University et le DRAGON Lab de l’université de Tokyo propose ce que ses auteurs décrivent comme le premier cadre d’optimisation de trajectoires fondé sur la programmation séquentielle convexe, un calcul mathématique d’optimisation, pour les multirotors généralisés, qu’ils soient conventionnels ou omnidirectionnels. Les chercheurs expliquent s’être demandé « jusqu’où un modèle analytique fondé sur les premiers principes » pouvait mener, plutôt que d’enseigner un comportement à partir de données.
Du côté des chantiers, la société Gravis Robotics propose le Gravis Rack, un kit de rétrofit qui transforme des engins hydrauliques du commerce en robots. Caméras, lidar, qui est un capteur laser de détection, et calculateur embarqué permettent à la machine de percevoir son environnement, tandis qu’un contrôle fondé sur l’apprentissage lui permet de travailler près de ses limites, avec des cycles complets et rapides.
Des chercheurs de l’EVARL ont par ailleurs présenté une approche d’apprentissage par renforcement, la WGRL, pour la brachiation, ce mode de déplacement qui consiste à se balancer de barre en barre. Selon eux, la politique de contrôle apprise a fonctionné sur des parcours aux hauteurs, espacements et orientations de barres variés, dans des expériences en simulation, et leur robot bimanuel grandeur nature a traversé quatre barres consécutives dans le monde réel. Enfin, des travaux de TS-Robotics exploitent les capteurs de couple articulaires de cobots standard : une plaque de plexiglas passive fixée à la bride du robot le transforme en interface d’écriture manuscrite.
Agenda
Le Humanoids Summit Seoul se tiendra les 22 et 23 septembre 2026 à Séoul, suivi de la conférence IROS 2026, du 27 septembre au 1er octobre 2026 à Pittsburgh. La conférence CoRL 2026 se déroulera du 9 au 12 novembre 2026 à Austin.
