Generalist étend le modèle robotique GEN-1 à davantage de mains et d’outils

Generalist estime qu’un modèle fondationnel de robotique peut s’étendre à de nombreux types de mains

La start-up robotique Generalist affirme que son modèle fondationnel incarné GEN-1 prend désormais en charge un large éventail d’effecteurs terminaux robotiques, allant au-delà des pinces standard pour inclure des mains à cinq doigts, des outils spécialisés et des configurations d’actionnement personnalisées. Cette annonce renvoie à une ambition centrale de l’IA physique: construire un modèle de base unique capable de généraliser à de nombreuses façons d’interagir avec le monde plutôt que d’apprendre chaque interface de manipulation depuis zéro.

Selon The Robot Report, Generalist a indiqué que GEN-1 a été entraîné de sorte qu’un seul modèle sous-jacent puisse apprendre des politiques sensorimotrices transférables entre des embodiments très différents. En pratique, cela signifie que l’entreprise cherche à apprendre aux robots non seulement à utiliser une pince spécifique, mais aussi à construire une compréhension physique réutilisable qui reste utile lorsque la “main” du robot change.

Le concept fait écho au rôle que jouent les grands modèles fondationnels dans les systèmes de langage et d’image, où un préentraînement large vise à produire des capacités adaptables qui pourront ensuite être spécialisées. En robotique, toutefois, le problème est plus difficile. Le matériel diffère fortement, les positions des capteurs changent, les méthodes d’actionnement varient et les conséquences physiques d’une erreur sont immédiates. La thèse de Generalist est que l’augmentation des données sur de nombreuses configurations d’outils et de mains peut aider à surmonter une partie de cette fragmentation.

L’argument de l’entreprise repose sur l’échelle des données et la diversité des embodiments

Generalist a indiqué que GEN-1 est préentraîné sur un jeu de données robotique interne couvrant plus d’un demi-million d’heures de données d’interaction réelles. L’entreprise a également déclaré que ce jeu couvre désormais une grande variété d’effecteurs terminaux, y compris des outils du commerce, des pièces imprimées, des modifications personnalisées de pinces à deux doigts et des formats inspirés de cas d’usage commerciaux. Au total, elle cite environ 9 000 variations.

Cette ampleur constitue le cœur de son argumentaire. Plutôt que d’optimiser un modèle autour d’une seule conception de main, Generalist traite les différents effecteurs terminaux comme des interfaces distinctes vers un même monde physique. Une main à cinq doigts, un distributeur de ruban, une spatule ou un tournevis peuvent produire des problèmes de contrôle différents, mais ils exposent tous le modèle à la géométrie, à la force, au frottement, au contact et aux contraintes de mouvement. Plus ces interfaces sont variées, plus l’entreprise estime que le “sens commun physique” sous-jacent du modèle peut se renforcer.

Cela ne revient pas à dire que chaque outil devient aussi facile à piloter. Dans les exemples décrits par The Robot Report, chaque dispositif introduit son propre vocabulaire d’action. Les pinces apportent de la compliance et des dynamiques de ressort. Les grattoirs et les spatules transforment le problème, qui consiste à saisir un objet, en gestion du contact distribué avec une surface. Un distributeur de ruban exige du modèle qu’il coordonne tension et placement. Un cutter ou un éplucheur ajoute la nécessité d’exercer une force contrôlée le long d’un trajet contraint. Ce ne sont pas de simples changements esthétiques de matériel; ils modifient la structure même de la tâche.

La thèse de Generalist est que l’apprentissage sur de nombreuses interfaces de ce type aide le modèle à distinguer les principes physiques généraux des détails propres à chaque outil. Si cela se vérifie en pratique, ce serait une avancée notable pour la robotique, où le transfert entre embodiments a historiquement été difficile et coûteux.

Pourquoi la flexibilité des effecteurs terminaux est importante

L’importance de cette annonce n’est pas seulement académique. Dans la robotique commerciale, la main ou l’outil fixé à un robot détermine souvent les tâches qu’il peut accomplir. L’entreposage, la fabrication légère, l’automatisation de laboratoire, la manipulation alimentaire, la finition de surface et les tâches de service imposent des exigences physiques différentes. Un modèle qui ne fonctionne bien qu’avec un type étroit de pince limite la flexibilité de déploiement et augmente les coûts d’intégration à chaque changement de matériel.

À l’inverse, un modèle de base capable de s’adapter à différents effecteurs terminaux pourrait simplifier les cycles de développement. Il pourrait réduire le besoin de construire des piles de contrôle distinctes pour chaque outil, faciliter les tests de robots dans de nouveaux domaines de tâche et diminuer la charge de données lors du passage d’une configuration de manipulation à une autre. Même des progrès partiels sur ce front seraient précieux, car l’un des goulots d’étranglement persistants de la robotique est que les capacités restent souvent fragiles en dehors des conditions exactes sur lesquelles elles ont été entraînées.

Le cadrage de Generalist reflète également un mouvement plus large de la robotique IA vers le préentraînement à grande échelle. Plutôt que d’ingénierie manuellement chaque comportement ou d’entraîner des politiques étroitement bornées, les entreprises parient que de vastes jeux de données réelles et diversifiés peuvent produire des représentations plus réutilisables. Le défi, bien sûr, consiste à démontrer que ces représentations sont assez robustes pour offrir des performances fiables lorsque les systèmes quittent l’environnement de démonstration et rencontrent une variabilité opérationnelle réelle.

Ce qui est établi et ce qui reste une affirmation de l’entreprise

Les éléments disponibles dans la source corroborent plusieurs points concrets: Generalist affirme que GEN-1 prend désormais en charge un large éventail d’effecteurs terminaux; elle indique que ses données d’entraînement dépassent 500 000 heures d’interaction réelle; et elle affirme que le modèle a été exposé à environ 9 000 variations d’effecteurs terminaux. L’entreprise soutient également que cette diversité aide à créer des représentations sensorimotrices transférables entre différents outils et embodiments.

Ce que la source n’établit pas de manière indépendante, c’est le niveau de performance de ce transfert face aux concurrents, la quantité de fine-tuning encore nécessaire pour de nouveaux matériels, ou la tenue de l’approche dans les exigences de fiabilité d’un déploiement en production. Ce sont des questions importantes pour toute affirmation relative à un modèle fondationnel de robotique, en particulier lorsque l’annonce passe par des exemples partagés par l’entreprise plutôt que par une étude comparative de référence présentée dans le texte source.

Malgré cela, cette mise à jour est remarquable car elle vise l’un des problèmes pratiques les plus difficiles du secteur. Si l’apprentissage robotique reste étroitement lié à une conception unique de manipulateur, la mise à l’échelle d’une automatisation utile restera coûteuse et lente. Si un modèle partagé peut conserver sa compétence à travers de nombreux embodiments, les systèmes robotiques deviendront plus faciles à réutiliser et potentiellement plus viables économiquement dans plusieurs secteurs.

Un pas vers une intelligence physique plus générale

Generalist soutient, en substance, que chaque nouvelle main apprend au modèle une autre manière de comprendre le même monde. C’est une formulation ambitieuse, mais elle capture la direction que prend une grande partie de la robotique avancée: s’éloigner des contrôleurs à tâche unique pour aller vers une intelligence physique plus large, capable de survivre aux variations matérielles.

Le fait que GEN-1 devienne ou non une plateforme marquante dépendra de résultats allant au-delà de cette annonce. Néanmoins, la dernière mise à jour de l’entreprise met en lumière un front concurrentiel important. Dans l’IA incarnée, le prochain saut pourrait ne pas venir seulement de modèles plus grands, mais de modèles capables de transporter ce qu’ils apprennent à travers la diversité chaotique des outils réels, du contact réel et du travail réel.

Cet article s’appuie sur un reportage de The Robot Report. Lire l’article original.