RechercheInteresting Engineering 7 novembre 2026

La nouvelle usine de données de robots humanoïdes en Corée du Sud enseigne des tâches du monde réel

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

La Corée du Sud a inauguré le 3 novembre sa première « usine à données » pour robots humanoïdes, un laboratoire du Korea Institute of Machinery and Materials (KIMM) réalisé avec l'Electronics and Telecommunications Research Institute (ETRI). L'installation s'appuie sur 12 robots bipèdes qui collectent des données de mouvement et d'exploitation sur des tâches domestiques et industrielles. Des opérateurs humains pilotent les machines à distance, et le système enregistre les coordonnées spatiales, le couple mécanique et le retour tactile de chaque action, pour les bras, les jambes et le corps entier. Lors de la démonstration, les humanoïdes ont ouvert un réfrigérateur pour en sortir des objets, réarrangé des meubles de salon et manipulé du linge. Côté industriel, ils ont actionné leviers et boutons à l'intérieur d'un véhicule. KAIROS, une plateforme humanoïde développée localement, a aussi présenté de la manipulation d'objets et de l'imitation du mouvement du corps entier en temps réel. Ces séquences relèvent de la démonstration contrôlée. Aucun chiffre n'a été publié sur le taux de réussite, la part de téléopération ni le volume de données collectées.

Le projet vise à produire un corpus de démonstrations pour entraîner de grands modèles d'IA, de type VLA (vision-langage-action), à comprendre des instructions complexes et leur environnement, puis à exécuter ces tâches de façon autonome. KIMM indique que les réseaux de neurones sont testés sur des machines physiques, et que la télémétrie de ces essais alimente en continu la boucle d'entraînement. L'enjeu va au-delà du laboratoire. Le goulot d'étranglement de la robotique généraliste est moins l'algorithme que la rareté de données physiques de qualité, et la téléopération à grande échelle est l'une des voies les plus directes pour y répondre. Avec seulement 12 robots, le volume restera modeste face aux flottes de collecte des acteurs américains et chinois. L'argument de KIMM est donc surtout stratégique : constituer un actif national de données pour ne pas dépendre de modèles de fondation étrangers ni de jeux de données propriétaires d'outre-mer, avec pour objectif des architectures généralistes transférables d'un châssis à l'autre, y compris la plateforme standard K-Humanoid.

Le projet est dirigé par le chercheur principal Chan Hun Park, au sein du groupe Global TOP de recherche stratégique sur les humanoïdes d'IA auto-évolutifs. Il est soutenu par le ministère de la Science et des TIC dans le cadre de la mission K-Moonshot AI Humanoid. KIMM prévoit d'étendre la flotte au-delà des 12 robots actuels et de collecter des données dans des environnements plus complexes, comme les lignes d'assemblage et les plateformes logistiques. Son président, Seog-Hyeon Ryu, présente l'installation comme un « point de départ » pour constituer des données et des actifs technologiques coréens en robotique. L'accès opérationnel sera ouvert aux entreprises, universités et chercheurs indépendants du pays à partir de fin 2027. Ce calendrier place la contribution réelle de l'initiative à l'écosystème dans plus d'un an. La Corée s'inscrit ainsi dans la course aux données physiques, face aux approches de Tesla (Optimus), Figure, Nvidia (GR00T) et Physical Intelligence (Pi-0), ainsi qu'à celles des acteurs chinois, qui multiplient les centres de collecte publics et privés.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

IA physique & VLA NVIDIA GR00T Physical Intelligence — π0

À lire aussi

1arXiv cs.RO

OASIS : de la collecte de données en simulation à la loco-manipulation humanoïde en conditions réelles

Une équipe de chercheurs publie sur arXiv (juin 2026) le framework OASIS, une approche pour entraîner des robots humanoïdes à des tâches de loco-manipulation, combinaison de locomotion et de manipulation d'objets, en s'appuyant exclusivement sur des données de simulation. Le système reconstruit automatiquement des assets 3D réalistes à partir d'images du monde réel via un modèle génératif, puis collecte des trajectoires par télé-opération dans ce simulateur. Ces trajectoires sont ensuite augmentées par randomisation de domaine : variations d'éclairage, de textures et de configuration environnementale. Une politique visuomotrice hiérarchique, entraînée sur ces données simulées, est déployée en zero-shot sur un robot humanoïde physique, sans fine-tuning sur données réelles. Les résultats publiés indiquent que cette politique dépasse, sur la majorité des tâches testées, les performances d'une politique entraînée sur des données de télé-opération réelle. Ce résultat, à prendre avec prudence, le preprint n'étant pas encore soumis à peer review, va à contre-courant d'une hypothèse largement répandue : que la qualité des données terrain serait irremplaçable pour la manipulation fine. Le principal facteur explicatif avancé par les auteurs est la couverture plus large des variations d'éclairage et d'environnement dans le rendu simulé, que la collecte physique peine à égaler à grande échelle. Si le résultat se confirme, il soulage considérablement le goulot d'étranglement de la collecte terrain, qui implique aujourd'hui des resets manuels coûteux et une infrastructure dédiée par tâche. La loco-manipulation reste l'un des défis les plus complexes en robotique humanoïde, car elle exige une coordination simultanée du contrôle de marche et de la manipulation d'objets. Des plateformes comme Figure 03, l'Optimus Gen 3 de Tesla ou l'Atlas de Boston Dynamics cherchent des solutions via des approches diverses : imitation learning sur données réelles (pi-0 de Physical Intelligence), politiques VLA (GR00T N2 de Nvidia) ou RL massivement simulé (Unitree). OASIS positionne la simulation augmentée comme alternative crédible à la télé-opération physique, ce qui pourrait accélérer le bootstrapping de nouvelles tâches sans mobiliser de cellules robotiques dédiées. Les prochaines étapes attendues sont une évaluation sur un spectre plus large de tâches industrielles et une soumission à une conférence avec évaluation par les pairs.

RechercheOpinion

1 source

2Interesting Engineering

Nouvel algorithme de vision stéréo donne aux robots humanoïdes une perception de la profondeur plus humaine

Une équipe dirigée par des chercheurs de l'Université York, à Toronto, a développé CBS (convergent binocular stéréo), un algorithme de vision stéréoscopique pour têtes robotiques dont les deux caméras convergent vers un même point plutôt que de rester parallèles, à l'image des yeux humains. Contrairement aux systèmes stéréo classiques qui ne mesurent que les disparités horizontales entre caméras parallèles, CBS exploite aussi les disparités verticales issues de la convergence, via une pyramide gaussienne à cinq niveaux, une détection de points SIFT sous contraintes épipolaires et des filtres de Gabor pour affiner la mise en correspondance des pixels. L'équipe a testé la méthode sur un nouveau jeu de données, CBS-BM : 49 scènes (tables ordinaires, motifs répétés, surfaces sans texture, objets occlus), chacune avec des images parallèles et 5 à 12 paires en fixation convergente. Sur les scènes à motifs répétés, où les méthodes classiques échouent le plus souvent, CBS réduit l'erreur de profondeur d'environ 0,8 mètre et l'erreur de disparité horizontale d'environ 100 pixels par rapport à la meilleure méthode concurrente, mais le traitement prend environ 69 secondes par scène sur un processeur AMD Ryzen 7 7700X. Pour l'industrie robotique, l'enjeu dépasse la seule photogrammétrie : une perception de profondeur plus proche du fonctionnement binoculaire humain aiderait les humanoïdes à mieux juger les distances, estimer l'orientation des objets et naviguer en environnement encombré, des capacités utiles à la manipulation comme au déplacement. Mais l'annonce doit être relativisée : il ne s'agit ni d'un produit commercial ni d'un système temps réel, un temps de calcul de 69 secondes par scène étant incompatible avec un usage embarqué, la précision se dégradant en outre avec la distance et restant dépendante d'un calibrage caméra très précis. Les chercheurs présentent eux-mêmes CBS comme un complément, non un remplacement, des systèmes stéréo parallèles pour les applications qui n'exigent pas une vision de type humain. La publication relève de la recherche académique plutôt que d'une annonce produit : aucun partenariat, pilote ou calendrier de commercialisation n'est mentionné. Elle s'inscrit dans une tendance du secteur des humanoïdes qui traite la perception visuelle comme un prérequis aussi critique que la manipulation ou la locomotion, avec une approche différente des modèles vision-langage-action appris de bout en bout : ici, ce sont les mouvements physiques des caméras et le traitement d'image qui coopèrent, à la manière du système oculaire humain. Les auteurs reconnaissent une large marge d'optimisation avant tout usage pratique, notamment pour réduire le temps de calcul, ce qui situe CBS comme une preuve de concept plutôt qu'une technologie prête à l'intégration.

RecherchePaper

1 source

3arXiv cs.RO

Apprentissage de tâches humanoïdes variées via des scénarios vidéo synthétiques, sans données du monde réel

Une équipe de recherche propose une nouvelle méthode pour entraîner des robots humanoïdes sans passer par la collecte de données réelles, coûteuse et chronophage. Décrite dans un article publié sur arXiv (2607.21648), l'approche utilise l'IA générative pour transformer de simples prompts textuels en séquences vidéo synthétiques et réalistes de mouvements humains. Plutôt que de filmer des opérateurs humains exécutant une tâche, encore et encore, pour capturer différentes variantes de mouvement, le système génère lui-même de multiples façons d'accomplir une même action. Ces démonstrations synthétiques servent ensuite de matériel d'apprentissage pour le robot, selon un principe proche du Learning-from-Demonstration mais sans intervention humaine directe. Les chercheurs ont testé leur méthode sur quatre scénarios de simulation, avec des résultats montrant que le robot exécute les tâches avec succès et s'adapte à des variations complexes de mouvement. L'intérêt de cette approche tient au goulot d'étranglement bien identifié de l'apprentissage par démonstration pour les humanoïdes : la morphologie proche de l'humain ouvre des possibilités motrices riches, mais capturer suffisamment de données réelles diversifiées, couvrant les multiples façons dont différentes personnes réalisent une même tâche, reste onéreux et limité en échelle. Si la génération synthétique de mouvements humains via IA générative tient ses promesses en conditions réelles, elle pourrait réduire la dépendance aux tournages de motion capture et accélérer l'entraînement de modèles de type VLA, un enjeu central pour des acteurs comme Figure, Physical Intelligence ou NVIDIA avec GR00T. Ce travail s'inscrit dans une tendance de recherche plus large qui explore les données synthétiques et la simulation pour combler l'écart entre démonstration et déploiement réel, le fameux problème du sim-to-real. Il reste toutefois à ce stade un résultat de simulation publié en preprint, sans validation sur robot physique ni comparaison chiffrée avec des méthodes concurrentes de génération de données d'entraînement, ce qui invite à la prudence avant toute extrapolation vers une application industrielle.

RecherchePaper

1 source

4arXiv cs.RO

λ₀ : passage à l'échelle des données égocentriques humaines en milieu ouvert pour la loco-manipulation des robots humanoïdes

Une équipe de chercheurs publie λ0 (lambda-zéro), un modèle fondation pour la loco-manipulation de robots humanoïdes (manipulation combinée à la locomotion, corps entier), accompagné de HumanVerse, un jeu de données de 500 heures de vidéo égocentrique. Ces vidéos, tournées en environnements ouverts, sont synchronisées avec les mouvements du corps et des mains. Le pipeline aligne les points de vue de caméra et l'apparence des bras humains sur ceux du robot. Il affine ensuite hors ligne les références de mouvement et les entrées du contrôleur, afin de réduire les erreurs de l'effecteur terminal tout en préservant la coordination du corps entier. Les auteurs l'ont validé par un transfert zero-shot sur un Unitree G1, sur des tâches de manipulation corps entier et de loco-manipulation longue portée, sans aucune démonstration robot sur la tâche cible. Pour λ0, ces données humaines alignées servent de supervision en mi-entraînement. Le modèle atteint 90,0 % de réussite sur le benchmark SIMPLE et 62,5 % sur l'ensemble des tâches réelles de loco-manipulation. Les auteurs précisent que plus on ajoute de données humaines corps entier, plus la progression sur les tâches aval s'améliore. L'intérêt tient au coût de la donnée. Les démonstrations robot par téléopération restent chères et lentes à collecter, et ce goulot limite les modèles vision-langage-action (VLA) actuels. Les corpus humains égocentriques existants omettent souvent la locomotion et la posture, donc l'essentiel de ce qui distingue un humanoïde d'un bras monté sur une base fixe. Montrer qu'une supervision humaine corps entier se transfère, et que la performance croît avec le volume, plaide pour un régime de passage à l'échelle comparable à celui du texte et de l'image. Il faut toutefois lire les chiffres avec prudence. Un taux de 62,5 % en conditions réelles reste loin d'un seuil de déploiement industriel. Le détail des tâches, le nombre d'essais et la comparaison avec des modèles de référence ne figurent pas dans le résumé. Enfin, toutes les validations semblent reposer sur un seul robot, le G1, plateforme de recherche bon marché. Ce travail s'inscrit dans une tendance déjà visible chez les grands acteurs. Les modèles comme Pi-0 de Physical Intelligence, GR00T de NVIDIA ou Helix de Figure misent sur des mélanges de données robot, de simulation et de vidéo humaine, et Tesla vise lui aussi l'apprentissage à partir de vidéos pour Optimus. La spécificité de λ0 est de coupler explicitement perception égocentrique, posture et locomotion, puis de corriger les écarts de morphologie par un traitement hors ligne. Il s'agit ici d'une publication de recherche (arXiv), sans produit ni déploiement commercial annoncé. Les prochaines étapes à surveiller sont la publication éventuelle des données et du code, la reproduction sur d'autres morphologies que le G1, et la confrontation à des tâches industrielles longues.

RecherchePaper

1 source