Tesla promet un Optimus à 20 000 dollars pour tout faire

Tesla mise gros. Le robot humanoïde Optimus apparaît dans des vidéos où il danse, distribue du popcorn, passe l’aspirateur ou appuie sur un bouton de micro-ondes. Elon Musk, directeur général de Tesla, le présente comme le futur plus grand produit de l’entreprise. Il estime qu’Optimus pourrait automatiser presque tout le travail humain, pour un prix pouvant atteindre 20 000 dollars par unité. En janvier, au Forum économique mondial de Davos, il a prédit une commercialisation auprès du public avant la fin de 2027. En juillet, il a aussi annoncé une dextérité humaine, puis supérieure à celle-ci. Les performances observées restent toutefois très variables.

Les prévisions s’opposent. Marc Andreessen, cofondateur du fonds Andreessen Horowitz, estime que la robotique pourrait devenir la plus grande industrie de l’histoire. Jensen Huang, directeur général de Nvidia, a déclaré en janvier que les robots humanoïdes atteindraient des capacités humaines cette année. Morgan Stanley prévoit près d’un milliard de robots ressemblant aux humains et agissant comme eux d’ici 2050. La banque estime également que ce marché dépasserait 5 000 milliards de dollars. Yann LeCun juge pourtant qu’aucune entreprise ne sait encore rendre ces robots suffisamment intelligents pour être utiles. Jonathan Hurst distingue aussi l’apparence humaine de la mobilité physique réelle.

Les modèles apprennent des gestes

Gemini guide ALOHA. Google DeepMind utilise ALOHA 2 pour tester Gemini Robotics, un système fondé sur l’intelligence artificielle. ALOHA 2 se compose de deux bras mécaniques, de pinces et de caméras. Avec Gemini Robotics, la machine peut préparer une boîte-repas à partir d’exemples appris. Elle place du pain dans un sachet, range des raisins dans une boîte, ferme les contenants et déplace l’ensemble dans une boîte-repas. Elle peut aussi saisir des pois mange-tout avec des pinces, réaliser un origami et assembler un repas simple. Ces tâches illustrent un progrès par rapport aux capacités observées trois ans plus tôt. Elles ne démontrent toutefois pas une polyvalence complète.

Les données limitent l’échelle. Les modèles de vision et de langage ont d’abord permis aux robots d’identifier un objet pertinent dans une scène. Les modèles de vision, langage et action ajoutent ensuite des commandes de mouvement. Ils apprennent généralement grâce à des démonstrations humaines réalisées par téléopération. Gemini Robotics peut donc planifier une action lorsque celle-ci ressemble à une tâche déjà observée. Edward Johns, professeur de robotique à l’Imperial College London, estime qu’un véritable système généraliste devrait couvrir tout l’éventail des tâches. Pour l’instant, selon lui, Gemini Robotics ne réalise que quelques tâches ici et là. Les vidéos humaines offrent des données nombreuses, mais leur qualité reste faible.

Les modèles du monde avancent

La physique pose problème. Former les robots avec davantage de données constitue une piste étudiée par Google DeepMind. Les téléopérations coûtent toutefois du temps et de l’argent. Les robots déployés dans le monde réel restent également peu sûrs et peu fiables. Jonathan Hurst considère que l’idée d’obtenir la généralité uniquement par les données repose sur une prémisse fondamentalement erronée. Préparer un café exige de gérer des cuisines, des machines, des tasses et des ingrédients différents. Yann LeCun estime que les méthodes efficaces pour le langage ne conviennent pas aux données physiques, continues et bruitées. Il défend donc l’exploration d’autres méthodes.

Les simulations attirent les capitaux. Les modèles du monde combinent vidéos, relevés tridimensionnels et données de capteurs pour prédire les effets d’une action. Leur objectif consiste à représenter le fonctionnement physique des objets, notamment leurs déplacements, collisions et déformations. Des simulations fidèles pourraient réduire les essais réels et aider les robots à anticiper les conséquences d’un geste. Nvidia et Google travaillent sur cette technologie. World Labs, cofondée par Fei-Fei Li, a levé 1 milliard de dollars en février. AMD l’a ensuite acquise pour 8,2 milliards de dollars à la fin septembre. Ces investissements signalent un intérêt financier marqué, sans prouver une arrivée rapide des robots polyvalents.

Lire l’article original de MIT Technology Review. Découvrir les travaux d’Aventine.