World Labs simule l'entraînement des robots en virtuel

Résumé

World Labs lance R2S2R, un moteur de simulation qui transforme une tâche robotique réelle en milliers de variantes virtuelles, réduisant les tests coûteux sur le matériel.

Les faits

World Labs, startup fondée par la pionnière de l’IA Fei-Fei Li, présente un moteur de simulation capable d’entraîner des systèmes de contrôle de robots entièrement dans des environnements virtuels. L’entreprise estime que le principal goulot d’étranglement du déploiement des robots n’est plus l’architecture des modèles, mais la quantité d’expérience nécessaire pour qu’un robot fonctionne de manière fiable. La plateforme « Real-to-Sim-to-Real » (R2S2R) convertit des tâches robotisées réelles en simulations utilisées pour entraîner et évaluer des modèles de contrôle, afin d’éviter des tests coûteux sur le matériel physique. La technologie provient de SceniX, une startup que World Labs a rachetée en juillet, intégrée pour alimenter ce moteur de simulation. Le moteur capture les robots, les capteurs, l’environnement et les démonstrations de tâche, puis les reconstruit sous forme de monde virtuel interactif qui ne se contente pas de reproduire l’apparence de la scène, mais en respecte aussi le comportement physique. World Labs y parvient en combinant des modèles génératifs de monde avec une simulation robotique orientée vers les tâches. À partir d’une seule tâche réelle, le système génère des milliers de variantes contrôlées, offrant un large éventail de conditions pour l’entraînement et l’évaluation. Une fois entraînés, les modèles de contrôle fonctionnent de manière fiable pendant des heures sur du matériel robotique réel, mais la robustesse de ces approches dans des situations quotidiennes plus complexes reste encore à démontrer.

Pourquoi c’est important

Le moteur R2S2R de World Labs s’attaque directement au coût et à la difficulté de collecter des données réelles pour les robots, en faisant basculer l’apprentissage vers des environnements entièrement simulés. En générant des milliers de variantes contrôlées à partir d’une seule démonstration, la société cherche à fournir aux politiques de contrôle une diversité d’expériences jusque-là prohibitive à obtenir sur du matériel physique. En combinant modèles génératifs de monde et simulation robotique centrée sur la tâche, World Labs tente de réduire l’écart entre simulation et réalité en reproduisant non seulement l’apparence mais aussi les propriétés physiques d’une scène. Si les performances observées sur des robots réels se confirment dans des contextes quotidiens plus complexes, cette approche pourrait accélérer de manière significative le déploiement de robots polyvalents dans l’industrie et les services.

Questions fréquentes

Qu’est-ce que le moteur R2S2R de World Labs ?

C’est un moteur de simulation « Real-to-Sim-to-Real » qui transforme des tâches robotisées réelles en environnements virtuels pour entraîner et évaluer des modèles de contrôle.

Comment World Labs réduit les tests sur le matériel robotique ?

En entraînant les modèles de contrôle entièrement dans des environnements virtuels, ce qui évite des essais coûteux sur des robots physiques.

D’où vient la technologie utilisée par R2S2R ?

Elle provient de SceniX, une startup que World Labs a acquise en juillet pour alimenter son moteur de simulation.

Que capture le moteur avant de reconstruire le monde virtuel ?

Il capture les robots, les capteurs, l’environnement et les démonstrations de tâches, puis les reconstruit en monde virtuel interactif.

Pourquoi World Labs insiste sur le volume d’expérience des robots ?

La société considère que le principal frein au déploiement des robots est la quantité d’expérience nécessaire pour qu’ils opèrent de manière fiable.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.