IA physique : comment les robots dépassent les mouvements programmés

L'IA physique fait référence aux logiciels intelligents qui permettent aux robots de percevoir, comprendre et agir dans le monde physique, distincts de la forme humanoïde. Bien que les robots humanoïdes présentent souvent des démonstrations scénarisées impressionnantes, ils manquent de capacité à s'adapter à des conditions changeantes. L'industrie évolue de l'entraînement d'un seul modèle massif de bout en bout vers une approche basée sur des agents, où plusieurs modèles spécialisés traitent différentes modalités (vision, langage, action) et peuvent être mis à jour indépendamment. L'apprentissage reste un goulot d'étranglement : il n'existe pas de jeux de données à grande échelle comme ceux utilisés pour les modèles de langage (LLM), et des méthodes telles que l'apprentissage à partir de vidéos nécessitent encore des annotations supplémentaires. La vision est le canal sensoriel le plus mature, avec des modèles Vision-Langage-Action (VLA) qui exploitent des encodeurs de vision pré-entraînés et tokenisent les images comme du texte. Le langage agit comme une interface universelle, permettant à des planificateurs de haut niveau de décomposer des commandes complexes. La perception tactile est jugée critique pour les tâches nécessitant une manipulation précise, car la vision est insuffisante une fois qu'un objet est saisi ; la recherche explore la peau artificielle, mais les robots actuels utilisent des capteurs de force. La proprioception—la connaissance de l'état du corps du robot—est un autre canal essentiel, utilisant des encodeurs, des centrales inertielles (IMU) et des capteurs de couple. Atteindre une dextérité et une adaptabilité semblables à celles des humains reste un objectif lointain, mais les architectures agentiques et les améliorations progressives sont considérées comme la voie pratique à suivre.