Qianjue présente Polibrain, un modèle du monde prédictif conçu pour fonctionner sur différents types de robots

Qianjue, une société d'IA embarquée issue de l'université Tsinghua, a présenté Polibrain, un modèle du monde prédictif pour robots, le 20 octobre à Nanjing, lors de la première conférence Physical AI and World Model. Le fondateur Gao Haichuan l'a dévoilé dans la keynote d'ouverture. Polibrain ne cherche pas à générer chaque image vidéo future. Il apprend les relations entre les états de l'environnement, l'historique et les conséquences des actions, puis prédit l'évolution des états pertinents pour la tâche dans un espace de représentation latent. Pour un robot qui ramasse des déchets, la couleur du sol compte moins que la position de l'objet, la relation entre le bras et l'objet, et la manière dont une prise modifiera la situation. Le modèle relie perception, compréhension de l'état, prédiction d'action, décision, exécution et retour d'information en boucle fermée. Quand le résultat s'écarte de la prédiction, par exemple après une prise ratée, il réévalue la tâche à partir du nouvel état et ajuste les étapes suivantes. Un décodage de caractéristiques clés permet de mesurer l'écart entre état attendu et état réel, afin de localiser les défauts et de se rétablir. La seule démonstration est une vidéo fournie par l'entreprise : un quadrupède équipé d'un bras et d'un panier cherche des déchets en extérieur, s'en approche, planifie le mouvement du bras et les dépose dans le panier.

L'intérêt tient moins à la démo qu'à l'approche. Prédire dans un espace latent, plutôt que générer des vidéos complètes, réduit le coût de calcul et évite de modéliser des détails sans rapport avec la tâche, ce qui compte pour un contrôle embarqué en temps réel. La boucle prédiction, écart, correction vise un point faible des modèles vision-langage-action (VLA) actuels : la récupération après échec. Qianjue se positionne comme fournisseur de « cerveau » et non comme fabricant de matériel. Son architecture faiblement couplée sépare une représentation partagée de l'environnement et de la tâche du contrôle propre à chaque machine, de sorte que des robots différents, voire des appareils connectés, exécutent le même changement d'état à leur manière. Si cela fonctionne, des données issues de morphologies différentes pourraient alimenter un seul modèle, ce qui s'attaque au problème de la fragmentation des données entre plateformes. Pour les intégrateurs, cela annoncerait une couche logicielle réutilisable d'un robot à l'autre. Il s'agit toutefois d'une annonce, sans produit livré, sans déploiement client, sans métrique de réussite, de temps de cycle ou de taux de récupération. Qianjue reconnaît elle-même que la fiabilité en scène complexe reste à valider par des essais réels plus complets.

Polibrain prolonge des travaux publiés avec une équipe de Tsinghua à l'ICML 2025 sur les conditions dans lesquelles les réseaux de neurones apprennent des modèles du monde. S'y ajoutent des recherches récentes sur une mesure de complexité appelée Effective Degree et sur une méthode contrefactuelle pour choisir quelles observations passées conserver. Qianjue indique adapter le modèle aux quadrupèdes, humanoïdes, robots à roues, mono-bras et bi-bras, pour l'accompagnement, la restauration, le rangement et la manipulation fine, sans calendrier ni partenaire annoncé. Le modèle entre en concurrence avec les approches de modèles du monde et de VLA généralistes développées par Physical Intelligence, NVIDIA ou Google DeepMind, ainsi qu'avec les acteurs chinois du « cerveau » robotique. Parmi eux, SenseTime vient d'ouvrir SenseNova-RoboRSI. Les prochains jalons à surveiller sont des benchmarks publics, des pilotes industriels et une démonstration de transfert effectif entre morphologies.