IA physiquePandaily 17 septembre 2026

Light Origins ouvre le code source de LightNav-0, son cerveau de navigation généraliste

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Light Origins a publié en open source LightNav-0, un modèle de navigation généraliste compact bâti sur un socle Qwen3-VL-4B, avec poids, code, rapport technique et kit d'évaluation INSIGHT-Bench, sous licence Apache 2.0 (GitHub lightorigins/LightNav-0, Hugging Face LightOriginsHQ/LightNav-0). Le modèle partage une interface à token unique pour le suivi d'instructions, la navigation vers des objets en vocabulaire ouvert et le suivi visuel, sans têtes de prédiction dédiées par tâche. Son entraînement repose sur un pipeline Real2Sim2Real convertissant plus de 2000 scènes réelles glanées sur internet en simulateurs réutilisables, générant plus de 4000 heures de données vision-langage-action, avant trois phases d'apprentissage (pré-entraînement de raisonnement incarné, fine-tuning supervisé sur trajectoires alignées, puis renforcement en ligne) et une randomisation de la hauteur, du champ de vision et de l'inclinaison de caméra. Light Origins affirme que sa version monoculaire RGB arrive première parmi les méthodes à caméra unique sur dix bancs d'essai (VLN-CE, navigation d'objets sur Matterport3D/HM3D, HM3D-OVON, suivi EVT-Bench), tout en restant compétitive face aux systèmes panoramiques, via des tokens de pointage spatial et un tokenizer d'action à quantification vectorielle résiduelle générant des séquences de dix points de passage avec une erreur de reconstruction centimétrique selon les propres tests de l'équipe. Des démonstrations zero-shot transfèrent le même modèle sur des robots humanoïdes, quadrupèdes, à roues et aériens, en intérieur comme en extérieur, jusqu'au suivi dans une rue encombrée.

Pour l'industrie robotique, l'intérêt ne tient pas tant au score de navigation qu'à la démonstration d'une boucle reproductible: scènes réelles vers simulation, puis retour vers des corps hétérogènes, ce qui pourrait réduire la dépendance à la téléopération pour collecter des données de navigation. La publication complète sous licence permissive tranche avec des modèles VLA plus fermés comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, et donne aux intégrateurs une base testable plutôt qu'une démonstration fermée. Le fait qu'un même checkpoint pilote sans réentraînement des humanoïdes, quadrupèdes, plateformes à roues et drones appuie l'idée qu'un cerveau de navigation générique et transférable entre morphologies est atteignable, hypothèse encore débattue dans le secteur. Il faut cependant nuancer les chiffres avancés: le classement sur dix bancs d'essai et l'erreur de reconstruction centimétrique proviennent des propres évaluations et ablations de Light Origins, sans validation indépendante rapportée, ce qui invite à traiter ces résultats comme des annonces à confirmer plutôt que des faits établis.

LightNav-0 s'inscrit dans la vague des modèles vision-langage-action ouverts qui cherchent à concurrencer des systèmes propriétaires en misant sur la reproductibilité et l'adoption communautaire plutôt que sur la démonstration marketing. L'article ne mentionne aucun acteur français ou européen ni de partenariat de déploiement industriel; la comparaison implicite se fait avec des laboratoires et fabricants positionnés sur la navigation et la manipulation par VLA, tels que Physical Intelligence ou Nvidia. Aucun calendrier de pilote commercial n'est communiqué: les artefacts sont disponibles immédiatement, ouvrant la voie à des fine-tunings communautaires sur de nouvelles morphologies plutôt qu'à un déploiement annoncé chez un client.

Dans nos dossiers

IA physique & VLA NVIDIA GR00T Physical Intelligence — π0

À lire aussi

1arXiv cs.RO

LightNav-0 : révéler l'intelligence spatiale des VLM pour la navigation incarnée généraliste

Publié sur arXiv le 30 août 2026 (référence 2608.30935), LightNav-0 est un modèle compact et généraliste de navigation robotique qui exploite directement les capacités spatiales des modèles vision-langage pré-entraînés, sans tête de prédiction propre à chaque tâche. Il unifie suivi d'instructions, navigation vers un objet en vocabulaire ouvert et suivi visuel via un pointage spatial à double canal, converti en trajectoires par un tokenizer d'action à quantification vectorielle résiduelle propre à chaque robot. Entraîné sur plus de 2 000 scènes et 4 000 heures de données, via un pré-entraînement au raisonnement embarqué (checkpoint LightNav-ER), un fine-tuning supervisé puis du renforcement, il revendique la meilleure moyenne sur 8 benchmarks de raisonnement embarqué et des scores état de l'art en monoculaire sur les 10 environnements de simulation testés, avec généralisation zero-shot en conditions réelles sur plusieurs robots. Cette approche compte car elle traite la navigation comme une capacité transférable plutôt qu'un empilement de modules dédiés par tâche et par robot, une fragmentation qui limite aujourd'hui la portabilité entre plateformes. En s'appuyant sur un VLM générique, LightNav-0 rejoint la tendance des modèles vision-langage-action comme Pi-0 ou GR00T N2, qui visent à unifier perception, raisonnement et contrôle moteur. Pour les intégrateurs, l'intérêt tient à la promesse d'un backbone unique redéployable sur des robots variés sans réentraînement complet. Il s'agit toutefois à ce stade d'un résultat de recherche en preprint, mesuré sur benchmarks et en simulation, non d'un produit commercialisé. LightNav-0 s'inscrit dans la course aux modèles de fondation généralistes pour la robotique, aux côtés de systèmes VLA comme Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) ou Helix (Figure AI), tous conçus pour transférer une même intelligence spatiale à plusieurs tâches et plateformes. L'article ne mentionne aucune affiliation industrielle, aucun partenaire de déploiement ni acteur français ou européen. Les auteurs présentent leurs résultats comme une preuve que des VLM compacts peuvent servir de socle transférable pour la navigation embarquée généraliste, sans annoncer de calendrier de déploiement commercial au-delà des essais réels décrits dans l'étude.

IA physiqueActu

1 source

2Robotics Business Review

Comment l'IA à base d'agents permet la navigation robotique généraliste

Les systèmes de navigation robotique traditionnels s'appuient sur un pipeline déterministe en cinq étapes séquentielles: perception, localisation, cartographie, planification, contrôle. Des techniques comme le SLAM (Simultaneous Localization and Mapping) permettent à un robot de construire une carte et d'estimer sa position en temps réel, mais ces approches supposent un environnement relativement stable. Dès qu'un robot sort d'un entrepôt balisé ou d'une cellule d'usine pour se retrouver dans un domicile, une zone sinistrée, un chantier ou une opération logistique extérieure, les performances se dégradent: obstacles mobiles, cartes incomplètes, terrains inconnus font échouer les hypothèses de base du pipeline. L'IA agentique propose une rupture architecturale en ajoutant une couche d'orchestration au-dessus du stack existant. Plutôt qu'exécuter une séquence fixe de modules, ces systèmes coordonnent dynamiquement perception, planification et contrôle en fonction de l'objectif courant, via des boucles de raisonnement itératives, une mémoire contextuelle et un usage dynamique d'outils invocables à la demande. L'impact concret pour les intégrateurs et décideurs est structurel. En traitant ses propres capacités comme des outils sélectionnables selon le contexte, un robot agentique peut adapter sa stratégie de navigation sans reprogrammation explicite de chaque scénario, ce qui élargit significativement le périmètre de déploiement réel. Cela remet en question l'hypothèse longtemps dominante selon laquelle la robotique mobile généraliste exige une pré-cartographie exhaustive et des règles explicites pour chaque situation rencontrée. L'approche agentique suggère qu'une part de cette rigidité peut être remplacée par un raisonnement contextuel, rapprochant la navigation robotique de la capacité d'adaptation d'un opérateur humain en terrain inconnu. Pour un COO industriel, cela se traduit par une réduction potentielle des coûts de mise en service et une plus grande tolérance aux variations d'environnement entre sites. Ce changement de paradigme s'inscrit dans une évolution longue. Les architectures réactives des années 1980, popularisées par Rodney Brooks avec la subsumption architecture, répondaient aux capteurs sans modèle global. Les générations suivantes ont introduit SLAM et la planification par graphes, dominant le secteur durant les années 2000-2010. L'émergence des LLMs et des modèles VLA (Vision-Language-Action) à partir de 2022-2023 ouvre une troisième voie. Sur le plan concurrentiel, des acteurs comme Boston Dynamics, Figure AI et Agility Robotics investissent dans ces architectures agentiques pour leurs robots humanoïdes et AMR. En Europe, Enchanted Tools et Wandercraft restent positionnés sur des segments spécialisés, mais l'architecture agentique pourrait modifier les équilibres en abaissant le coût d'adaptation aux environnements non structurés. Les prochaines étapes attendues incluent des benchmarks standardisés pour évaluer la performance hors environnements contrôlés, ainsi que les premières intégrations commerciales dans la logistique du dernier kilomètre et les services à domicile.

UEEnchanted Tools et Wandercraft sont cités comme acteurs européens dont les positions concurrentielles pourraient être réévaluées si l'architecture agentique abaisse le coût d'adaptation aux environnements non structurés.

IA physiqueOpinion

1 source

3arXiv cs.RO

ABot-N1 : vers un modèle fondation vision-langage-navigation généraliste

Une équipe de recherche publie ABot-N1, un modèle fondateur de navigation vision-langage (VLN) décrit dans l'article arXiv:2607.10383v1. Le système repose sur une architecture "slow-fast" qui découple la cognition du contrôle : un raisonneur vision-langage lent effectue un raisonnement explicite en chaîne de pensée (Chain-of-Thought) et produit un "pixel goal", un jeu compact de points d'ancrage dans l'image servant d'interface universelle pour plusieurs tâches (atteinte de point, atteinte d'objet, atteinte de point d'intérêt, suivi d'instructions, suivi de personne). Un expert d'action rapide exploite ensuite ces indices textuels et pixel pour générer des waypoints continus à la fréquence native de contrôle du robot. Sur les benchmarks, ABot-N1 revendique de nouveaux records : le taux d'arrivée sur point d'intérêt (POI) progresse de 35 points, passant à 77,3%, avec des taux de réussite de 95,4% en intérieur complexe et 92,9% en extérieur. Les auteurs publient également en open source de nouveaux benchmarks Point-Goal et POI-Goal pour la navigation à l'échelle urbaine. L'enjeu dépassé la simple démonstration technique : les approches VLN actuelles reposent le plus souvent sur des politiques monolithiques qui mappent directement observations et actions, ce qui provoque des dérives de coordonnées et une gestion médiocre des cas rares (long-tail), tout en restant des boîtes noires peu interprétables. En séparant explicitement le raisonnement du contrôle bas niveau via des ancrages pixel, ABot-N1 cherche à concilier généralité, robustesse et transparence, un compromis que peu de modèles de navigation embarquée atteignent simultanément. Pour les intégrateurs robotiques et les concepteurs de flottes autonomes (livraison, AMR urbains, robots de service), c'est un signal que les modèles VLA/VLN à grande échelle commencent à traiter sérieusement l'écart entre démonstration en simulation et fiabilité en conditions réelles, notamment sur les scénarios urbains à grande échelle, historiquement un point faible du secteur. Le papier s'inscrit dans la vague plus large des modèles fondateurs de navigation et d'action visio-langage, qui cherche à unifier raisonnement spatial profond et polyvalence face à des tâches embarquées variées, un axe de recherche parallèle à celui des modèles manipulation-centric comme Pi-0 ou GR00T N2. En publiant à la fois le modèle et de nouveaux benchmarks Point-Goal/POI-Goal en open source, les auteurs positionnent ABot-N1 comme une base de comparaison pour la communauté plutôt qu'un produit commercial fini, sans calendrier de déploiement réel ni partenaire industriel annoncé à ce stade.

IA physiquePaper

1 source

4arXiv cs.RO

OMG : génération de mouvements omnimodaux pour le contrôle généraliste des humanoïdes

Une équipe de chercheurs a déposé le 10 juin 2026 sur arXiv (ref. 2606.10340) un système baptisé OMG, Omni-Modal Motion Generation, conçu pour le contrôle whole-body généraliste des robots humanoïdes. L'architecture adopte une structure hiérarchique inspirée du système moteur biologique : un module supérieur de génération de mouvement basé sur la diffusion joue le rôle de "cerveau" planificateur, tandis qu'un contrôleur de suivi réactif bas niveau fait office de "cervelet". Ce cerveau est conditionnable simultanément sur du langage naturel, des signaux audio et des mouvements de référence humains. Le système s'appuie sur un pipeline de curation, filtrage et labellisation de données conçu pour couvrir un large spectre de comportements whole-body. Les auteurs revendiquent des performances state-of-the-art sur les benchmarks de contrôle humanoïde généraliste, ainsi qu'un comportement de scaling en fonction de la taille du modèle, deux propriétés clés pour qui veut construire un foundation model robotique. L'intérêt de OMG tient à son traitement simultané de deux limitations structurelles du domaine : d'un côté, les politiques spécialisées actuelles exigent un reward engineering intensif et ne généralisent pas au-delà de quelques skills ; de l'autre, les motion trackers existants peinent à intégrer de nouvelles modalités d'entrée sans refonte architecturale. En conditionnant un unique modèle sur des entrées multimodales extensibles, le papier prolonge la logique des VLA (Vision-Language-Action models) vers la génération de mouvement full-body. Si les résultats survivent à l'évaluation externe, cela plaiderait pour qu'un seul modèle généraliste remplace plusieurs politiques spécialisées par déploiement, un argument commercial direct pour les intégrateurs. Point de vigilance : il s'agit d'un preprint non évalué par les pairs, sans données de déploiement physique publiées à ce stade. Le papier s'inscrit dans une course active autour du contrôle humanoïde généraliste. Physical Intelligence a publié Pi-0 et Pi-0.5 autour d'architectures diffusion-based, NVIDIA a présenté GR00T N2 comme backbone transformer pour whole-body control, et Figure déploie Helix sur ses plateformes H1/H2 dans des environnements d'entrepôt. L'abstract ne mentionne ni institution d'origine ni robot physique cible, ce qui rend la comparaison directe avec ces systèmes impossible à ce stade. Les prochaines étapes naturelles seraient une soumission à CoRL ou RSS 2026 et une validation sur hardware réel, deux éléments absents de la publication actuelle.

IA physiqueOpinion

1 source