Les constructeurs de cerveaux robotiques sortent de leur ère GPT-2

L’IA physique s’est imposée comme l’un des secteurs les plus dynamiques du capital-risque, avec des entreprises ayant levé des milliards de dollars pour appliquer les outils fondamentaux des grands modèles de langage (LLM) au domaine de la robotique.

Cette enthousiasme a conduit à une introduction en bourse majeure pour Unitree, le premier fabricant de robots de Chine, qui a initialement atteint une valorisation de 66 milliards de dollars lors de son listing sur l’équivalent chinois du NASDAQ. Cependant, le sentiment du marché s’est inversé brutalement cette semaine, effaçant près de la moitié de cette valeur. Les analystes attribuent ce déclin à un écart critique : bien que les capacités physiques des robots s’améliorent, ils manquent encore du savoir-faire pratique pour effectuer des tâches génératrices de valeur.

Lors de la conférence Actuate de la semaine dernière, un sommet dédié aux développeurs créant des systèmes d’IA pour les robots, l’optimisme de l’industrie était palpable. Selon Foxglove, un organisateur qui aide les constructeurs de modèles d’IA physique à gérer et visualiser les données, l’événement a triplé de taille depuis sa création en 2023, attirant 1 500 participants.

Les risques sous-jacents étaient également évidents. Un stand pour Avala, un autre acteur de l’infrastructure de l’IA physique, affichait une pancarte promettant de résoudre « la crise des données robotiques ».

Cette crise découle d’un manque de données d’entraînement de haute qualité pour les modèles d’IA. L’objectif de construire des robots généralistes capables d’exécuter n’importe quelle tâche reste lointain, et l’apprentissage de bout en bout pour des tâches spécifiques n’a pas encore donné lieu à des produits aux performances commerciales fiables. Pour les développeurs, la solution réside dans l’imitation des progrès des laboratoires d’IA de premier plan : acquérir ou générer des ensembles de données plus diversifiés, expérimenter diverses méthodes d’entraînement et affiner les scénarios d’apprentissage par renforcement.

Harry Mellsop, fondateur d’Antioch, une startup développant des outils de simulation pour les constructeurs de modèles, décrit l’IA physique comme étant dans son « ère GPT-2 », faisant référence au modèle d’OpenAI ayant précédé ChatGPT. Pour surmonner les limitations actuelles, il faudra davantage de données et de puissance de calcul, en particulier des GPU optimisés pour le rendu de rayons afin de créer des simulations de haute fidélité.

Les véhicules autonomes sont actuellement les plus avancés, en partie grâce à la capacité de collecter des données pertinentes à partir de voitures conduites par des humains et en partie parce que leur objectif principal est l’évitement des collisions plutôt que la manipulation de l’environnement physique. Une grande partie des outils de développement de modèles provient de firms de véhicules autonomes ; par exemple, Foxglove a été fondée par d’anciens employés de Cruise, l’initiative précédente de conduite autonome de General Motors.

Par conséquent, ces entreprises automobiles misent de plus en plus sur le fait que leurs investissements dans les outils d’apprentissage automatique leur permettront de rivaliser avec les fabricants spécialisés de robots humanoïdes. Tesla poursuit déjà cette stratégie avec son robot Optimus, et désormais, tant Wayve, une firme axée sur les véhicules autonomes, que le géant du covoiturage Uber ont établi des laboratoires de robotique dédiés aux facteurs de forme humanoïdes dans le cadre de leurs efforts de recherche et développement.

« Je crois que vous devez commencer par les véhicules… la robotique de manipulation était ce qu’était la conduite autonome il y a cinq ans », a déclaré Alex Kendall, PDG de Wayve, à TechCrunch. « L’infrastructure de données, la simulation et l’infrastructure ML Ops seront probablement partagées, mais le modèle du monde spécifique au simulateur nécessitera un post-entraînement différent. Il y aura une forte commonalité, mais il devra également y avoir des différences pour diverses incarnations. »

Kendall soutient qu’il est prématuré de s’engager sur une seule plateforme matérielle, car les avancées dans les capteurs et autres composants se produisent rapidement, et un modèle véritablement généraliste devrait rester indépendant du matériel.

Théophile Gervet, PDG de Genesis AI, une entreprise de robotique humanoïde verticalement intégrée qui a levé une série semence de 105 millions de dollars cette année, n’est pas d’accord. Il a déclaré à TechCrunch : « Nous sommes trop tôt dans cette vague pour qu’une stratégie purement cérébrale réussisse ; notre point de vue est qu’il existe de nombreuses opportunités de co-concevoir le matériel et l’IA. »

Gervet a également abordé un autre sujet prominent dans le secteur : comment focaliser spécifiquement une entreprise d’IA physique. Les entreprises de robotique ciblant des tâches spécifiques déploient leurs robots sur le terrain – Gritt construit des fermes solaires, Agility fait fonctionner des robots dans des environnements industriels, et Bedrock fait fonctionner des excavatrices de manière autonome. Pendant ce temps, les humanoïdes polyvalents restent largement confinés aux laboratoires.

« Aucun client ne se soucie d’un robot polyvalent fonctionnant avec un taux de réussite de 80 % », a expliqué Gervet concernant ce dilemme. « Nous voyons de nombreux autres acteurs poursuivre une approche générale, mais ils ne fournissent aucune valeur sans une focalisation verticale. Cependant, si vous construisez pour une niche verticale sur un modèle de niveau GPT-2, vous serez devancés par des entreprises construisant sur GPT-4. »

La tentation d’investir dans une niche spécifique est forte, car elle génère non seulement des revenus, mais aussi des données de déploiement dans le monde réel. Bien que les données spécifiques à une tâche puissent manquer de la diversité nécessaire pour faire progresser les modèles polyvalents, elles sont cruciales pour créer des robots qui offrent une valeur tangible. Kevin Peterson, CTO de Bedrock, a noté que son entreprise a commencé par l’excavation pour comprendre les défis de la « manipulation dans la nature », mais prévoit de développer une couche d’intelligence couvrant une série de machines de construction.

Gérer ce volume de données est difficile, en particulier en raison de la densité des informations visuelles et LiDAR. Cette semaine, Foxglove a annoncé un nouveau produit construit sur le modèle du monde à poids ouverts Cosmos de Nvidia, permettant aux ingénieurs de rechercher des données à l’aide de requêtes en langage naturel sophistiquées pour construire des évaluations et des simulations. L’objectif est un triage et un débogage plus rapides, permettant aux constructeurs de modèles d’itérer plus rapidement.

Alors, quel sera le fameux moment ChatGPT pour l’IA physique, que Sam Altman a récemment suggéré être dans quelques années seulement ? Kendall souligne que les plus grands déploiements de robots au monde sont toujours des aspirateurs domestiques. Pour lui, un moment ChatGPT impliquerait quelque chose qui excite les consommateurs, plutôt que les investisseurs, qui sont déjà très enthousiastes.

« Un exemple serait d’atteindre une autonomie sans surveillance pour moins de 1 000 dollars de matériel dans une voiture », a déclaré Kendall. Non par coïncidence, son entreprise licence des modèles aux constructeurs automobiles dans le but d’atteindre exactement cela. Il considère cette entreprise comme une opportunité de plusieurs milliards de dollars qui permettra la création d’un modèle d’IA incarnée véritablement généraliste.

Pour Gervet, le moment où l’IA physique deviendra grand public est « une manipulation qui fonctionne simplement hors de la boîte. Vous pouvez instruire un robot en langage naturel pour effectuer n’importe quelle tâche de manipulation de base, telle que pousser, tirer, fermer un ordinateur portable ou nettoyer une table, et il l’exécute de manière fiable – disons avec 80 % de réussite hors de la boîte. Cela refléterait à peu près l’expérience ChatGPT. »

Adrian Macneil, PDG de Foxglove, aborde la question sous un angle différent.

« Il n’y aura pas de moment ChatGPT pour la robotique », a-t-il déclaré à TechCrunch. « Ce qui a fait de ChatGPT un moment historique, c’est sa distribution – ils sont passés de zéro à environ un million d’utilisateurs actifs en environ une semaine. La distribution dans le monde réel est beaucoup plus difficile. Je serais très enthousiaste pour un moment Apple II ou IBM PC en robotique : quand puis-je acheter un robot domestique qui commence à effectuer des tâches utiles et agréables ? »