Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
IA physiqueRobotics & Automation News 

Nature Will lance un modèle d'IA de 50 milliards de paramètres pour les mains robotiques dextérieuses

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Nature Will, laboratoire d'IA physique qui se donne pour objectif une AGI physique, a annoncé Natura-1, un modèle de fondation de 50 milliards de paramètres destiné au contrôle de mains dextres et au suivi d'instructions en zero-shot, c'est-à-dire sans exemples préalables de la tâche. Le modèle a été pré-entraîné sur plus d'un million d'heures de données égocentriques humaines, des enregistrements filmés du point de vue de l'opérateur. Il combine compréhension d'instructions en langage naturel et manipulation fine d'objets. L'annonce ne précise ni le nombre de DOF des mains visées, ni le matériel de test, ni les taux de réussite, ni de site de déploiement ou de prix.

Si Natura-1 tient ses promesses, il montrerait que la donnée humaine à grande échelle peut remplacer en partie la téléopération robotique, coûteuse à collecter, pour la dextérité, qui reste le principal verrou des humanoïdes en usine et en logistique. Pour un intégrateur, la question utile est le transfert vers un robot réel. Un million d'heures de vidéo humaine ne dit rien du fossé de morphologie entre une main humaine et une main robotique, ni de la fiabilité sur des cycles répétés. À ce stade, il s'agit d'une annonce de modèle, sans benchmark indépendant ni produit livré.

Natura-1 arrive dans un champ où les modèles VLA (vision-langage-action) se multiplient: Pi-0 de Physical Intelligence, GR00T N2 de Nvidia, Helix de Figure. Plusieurs acteurs misent déjà sur la vidéo humaine pour contourner la pénurie de données robotiques. La taille de 50 milliards de paramètres place Nature Will parmi les approches les plus lourdes. Elle soulève la question de la latence d'inférence pour un contrôle en boucle fermée. Les prochains jalons à surveiller sont une publication technique, des démonstrations non montées et un partenariat matériel.

Dans nos dossiers

IA physique & VLANVIDIA GR00TPhysical Intelligence — π0

À lire aussi

Robotique-U0 de Xiaomi : un modèle génératif incarné à 38 milliards de paramètres unifiant quatre tâches robotiques
1Pandaily 

Robotique-U0 de Xiaomi : un modèle génératif incarné à 38 milliards de paramètres unifiant quatre tâches robotiques

Xiaomi a mis en open source Xiaomi-Robotics-U0, un modèle génératif embarqué multimodal autorégressif de 38 milliards de paramètres, code et poids disponibles sur GitHub, HuggingFace et ModelScope. L'entreprise chinoise le présente comme le premier modèle génératif unifié du secteur de l'IA embarquée capable de gérer simultanément quatre tâches robotiques distinctes : la génération de scènes multi-vues à partir de descriptions textuelles (établis, cuisines, entrepôts, environnements ouverts) pour un matériel robotique donné ; le transfert de trajectoires existantes vers de nouveaux environnements en modifiant éclairage, arrière-plan, matériaux ou objets cibles tout en conservant les poses du bras et la disposition de la scène ; la génération de vidéos d'interaction robotique prolongeant des observations initiales selon des instructions données, avec généralisation zero-shot à des scénarios inédits ; et des capacités classiques de génération et d'édition d'images texte-image. Sur le benchmark WorldArena, Xiaomi revendique le meilleur score parmi 126 modèles participants. Sur robot réel, en conditions hors distribution (éclairages et arrière-plans inconnus), le taux de réussite des tâches aurait progressé de 26 % en moyenne grâce à l'entraînement sur données augmentées par U0. L'architecture d'inférence UNIS annoncée accélérerait la génération d'environ 83 fois par rapport au paradigme autorégressif brut. Ces chiffres proviennent des communications de Xiaomi et n'ont pas fait l'objet de vérification indépendante à ce stade. L'enjeu dépasse la simple démonstration technique : la rareté des données réelles reste l'un des principaux goulots d'étranglement du développement de l'IA embarquée, et un modèle capable de générer ou d'augmenter des jeux de données synthétiques, y compris pour des scénarios dangereux ou rares physiquement inaccessibles, réduit potentiellement le coût de collecte terrain pour les intégrateurs et laboratoires. Pour les décideurs B2B et les équipes robotique, cela déplace une partie de l'effort d'ingénierie de la collecte physique vers la génération contrôlée de données, à condition que le gain de performance annoncé se vérifie hors du cadre contrôlé du fabricant. C'est aussi un signal de plus que les grands acteurs chinois de l'électronique grand public investissent lourdement la pile complète de l'IA embarquée, du matériel au modèle fondation. Cette sortie s'inscrit dans la continuité du déploiement d'usines robotisées par Xiaomi et positionne le groupe comme acteur intégré sur toute la chaîne : fabrication de robots, déploiement réel et recherche en modèles fondation. Elle intervient dans un paysage déjà occupé par Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure (Helix), où la course porte désormais autant sur la disponibilité de données d'entraînement à grande échelle que sur l'architecture des modèles eux-mêmes. Aucune feuille de route de déploiement commercial ni de partenariat industriel n'a pour l'instant été précisée au-delà de la publication open source du modèle.

IA physiqueActu
1 source
ACE Robotics lance ACE-Brain-0.6, un modèle de 9 milliards de paramètres optimisé pour l'ancrage visuel sur données spatiales
2Pandaily 

ACE Robotics lance ACE-Brain-0.6, un modèle de 9 milliards de paramètres optimisé pour l'ancrage visuel sur données spatiales

ACE Robotics a publié ACE-Brain-0.6, un modèle de fondation « embodied » d'environ 9 milliards de paramètres, spécialisé dans l'ancrage visuel (visual grounding), c'est-à-dire la capacité à relier une instruction en langage naturel à un emplacement précis, une partie d'objet ou une zone d'interaction dans une scène physique. Le modèle repose sur Qwen3.5-9B, avec un encodeur de vision gelé et un modèle de langage affiné sur environ un million d'échantillons de supervision spatiale vérifiables, couvrant quelque 940 000 images et 2,7 millions de paires question-réponse. Selon les résultats communiqués par l'entreprise, et non encore vérifiés de façon indépendante, ACE-Brain-0.6 devance GPT-6 Astra d'OpenAI sur six des huit évaluations : Where2Place (76,55 contre 71,10), PixMo-Count (89,41 contre 88,10), RoboSpatial (74,82 contre 69,55), RoboAfford (88,51 contre 84,94), ShareRobot (49,70 contre 46,60) et RobotGrounding, le jeu interne de l'équipe (94,13 contre 91,10). Sur sept benchmarks publics, la moyenne atteint 74,53 contre 73,68 pour Astra. RobotGrounding compte 2 591 questions réparties en 14 types de tâches, dont la localisation de petits objets, le comptage multi-instances, la détection d'une cible demandée mais absente et la mise en correspondance de cibles entre vues de caméras. Des comparaisons avec Gemini 4 Argon de Google, Claude Opus 5.5 d'Anthropic et d'autres modèles embodied ouverts sont également fournies. Pour les intégrateurs et les équipes qui construisent des piles VLA, l'intérêt tient moins au classement qu'à la méthode. Dans des essais à architecture et recette d'entraînement constantes, passer de 260 000 à environ un million d'échantillons fait monter la moyenne sur sept benchmarks de 69,3 à 74,5, selon une courbe quasi log-linéaire. Doubler les données rapporte en moyenne 2,4 points, alors que multiplier des échantillons du même type apporte moins d'un point : les gains viennent des nouvelles scènes, des nouvelles relations spatiales et des nouveaux formats de supervision, pas du volume brut. C'est un argument concret pour les décideurs qui arbitrent entre collecte massive et curation de la diversité. Un modèle de 9 milliards de paramètres qui égale ou dépasse des modèles généralistes de frontière sur ces tâches suggère aussi qu'une brique de perception spécialisée, plus légère à embarquer, reste compétitive. Les réserves sont nettes : les écarts sont modestes (0,85 point sur la moyenne publique), l'un des benchmarks gagnants est conçu par l'éditeur, et rien ne dit que ces scores d'ancrage se traduisent en taux de réussite de manipulation en conditions réelles. Aucun déploiement n'est annoncé. Le pipeline de données fusionne plus de 30 jeux de données robotiques ouverts avec des images égocentriques privées, puis s'appuie sur des outils comme Grounding DINO et SAM 3 pour convertir des indices d'état de pince et de mouvement en étiquettes spatiales contrôlables. Les réponses ne sont générées que lorsque la preuve visuelle est complète, par exemple avec des étiquettes d'instances exhaustives avant toute question de comptage. ACE Robotics, présidée par Xiaogang Wang, cofondateur de SenseTime, avait présenté ACE-Brain-0.5 comme une boucle unifiée percevoir-planifier-agir-évaluer ; la version 0.6 resserre le pari sur l'ancrage, vu comme le maillon entre raisonnement de haut niveau et exécution physique fiable. Les dépôts GitHub publics sous DAXIAORobotics listent toujours ACE-Brain-0 et 0.5, mais les poids de la 0.6 n'y figurent pas à ce jour, ce qui empêche pour l'instant toute reproduction externe des chiffres. L'entreprise se positionne face aux modèles de vision-langage des grands laboratoires américains et aux modèles embodied ouverts, une réplication indépendante et une éventuelle ouverture des poids seront les prochains tests de crédibilité.

IA physiqueActu
1 source
Nature Will présente Natura-1, un modèle de 50 milliards de paramètres entraîné sur vidéo humaine pour piloter des mains dextériques à 20 DOF
3Pandaily 

Nature Will présente Natura-1, un modèle de 50 milliards de paramètres entraîné sur vidéo humaine pour piloter des mains dextériques à 20 DOF

Nature Will, une startup chinoise qui se réclame de l'« intelligence physique générale », a publié le 13 octobre Natura-1, qu'elle présente comme son premier modèle de fondation généraliste pour le monde physique. Le modèle prend du langage et de la vision en entrée et pilote des mains robotiques dextres à 20 degrés de liberté (DOF). Il s'agit d'un modèle mixture-of-experts de 50 milliards de paramètres, pré-entraîné sur plus d'un million d'heures de vidéo égocentrique (à la première personne) d'activités humaines. Le corpus, dédupliqué, filtré des anomalies de capteurs et annoté hiérarchiquement, de l'objectif global jusqu'aux étapes individuelles, forme un million d'heures de trajectoires d'action conditionnées par le langage. Les poses 3D denses des mains sont reconstruites à partir de vidéos monoculaires et stéréo. L'entreprise a bâti son propre data lakehouse de plusieurs dizaines de pétaoctets et un moteur d'entraînement distribué maison, qui dépasserait 50 % de MFU (utilisation des FLOPs du modèle) sur plusieurs centaines de GPU. À l'inférence, une couche d'orchestration en Rust et des kernels CUDA fusionnés tiennent une boucle stricte de 100 millisecondes entre observation et action sur le matériel réel. Les démonstrations montrent le pliage de matériaux fins et déformables, la calligraphie au pinceau souple et des changements d'outils sur des tâches multi-étapes. Six tâches longues ont reçu un réglage supplémentaire, tandis que les autres résultats partagent les mêmes poids. Le pari de fond est de contourner le goulot d'étranglement des données robotiques. Un robot ne collecte que dans les environnements où il fonctionne déjà, alors que les humains manipulent des outils et des objets dans presque tous les contextes. Si l'approche se confirme, le coût marginal de la donnée de manipulation fine chuterait, et la dextérité cesserait de dépendre de la téléopération à grande échelle. C'est une piste sérieuse pour les modèles vision-langage-action (VLA) appliqués aux mains multi-doigts, où les pinces restent aujourd'hui la norme industrielle. Les chiffres appellent toutefois de la prudence. Sur son propre benchmark de douze dimensions de manipulation dextre, exécuté sur robots bimanuels, Nature Will annonce 53,4 pour le modèle de base et 59,1 pour une configuration agentique. Les deux modèles de référence choisis par l'entreprise n'ont produit aucun score avec des mains dextres, et n'ont obtenu que 13,5 et 16,7 sur une plateforme à pince, ce qui rend la comparaison peu parlante. Ces résultats n'ont pas été reproduits indépendamment, les démonstrations vidéo n'indiquent ni taux de réussite ni nombre d'essais, et rien n'est annoncé sur des déploiements ou une commercialisation. Il s'agit donc d'une publication de recherche, pas d'un produit livré. Natura-1 s'inscrit dans une tendance où l'on cherche à transférer la dextérité humaine aux robots par l'observation plutôt que par la seule téléopération. Les modèles généralistes comme Pi-0 de Physical Intelligence, GR00T de NVIDIA ou Helix de Figure, ainsi que les efforts de Tesla autour d'Optimus, restent plus centrés sur des données robotiques ou mixtes, avec des communications souvent axées sur des mains et des pinces plus simples. La concurrence chinoise sur les modèles embarqués et les mains dextres s'intensifie. Nature Will affirme que chaque brique de sa pile est conçue pour passer à l'échelle, sans calendrier de pilotes ni partenaires industriels annoncés. Les prochains jalons à surveiller sont la publication des détails du benchmark, des évaluations tierces, des tests sur des tâches industrielles chronométrées et la capacité à transférer le modèle vers d'autres morphologies de mains que celles de l'entreprise.

UEPas d\'impact direct sur la France/UE

Chine/AsieActu
1 source
Anyverse Dynamics publie en open source MWA-Phoenix, un modèle d'action du monde de 7 milliards de paramètres embarqué pour robots
4Pandaily 

Anyverse Dynamics publie en open source MWA-Phoenix, un modèle d'action du monde de 7 milliards de paramètres embarqué pour robots

Anyverse Dynamics, société d'IA incarnée, a publié en open source MWA-Phoenix, un modèle d'action fondé sur un « world model » en espace latent, présenté comme un modèle de fondation pour la manipulation robotique. Il compte 7 milliards de paramètres et est conçu pour tourner directement sur le robot. Le code est disponible sur GitHub, accompagné d'un rapport technique. Le modèle travaille uniquement à partir d'images RGB, sans profondeur de référence. Selon l'entreprise, il se classe premier ou parmi les premiers sur six évaluations : 94,63 % sur LIBERO-Plus (perturbations de angle de caméra, d'éclairage, bruit capteur), 66,48 % sur LIBERO-Pro (objets, positions et objectifs modifiés), 82,67 % sur RoboCasa GR1 Tabletop (+7,5 points face à son précédent modèle WALA) et 72,42 % sur RoboTwin 2.0 en bimanuel. Il affiche aussi des résultats sur le classement RoboDojo en robot réel (trois morphologies, 18 tâches). Le chiffre le plus parlant vient de Bench2Dex, qui couvre 12 combinaisons de bras et de mains dextres : Phoenix y obtient 45,6 % de moyenne, soit 17,3 points de plus que la meilleure référence, pi0.5. Sur le plan technique, le backbone visuel est DINOv3, avec une distillation de deux modèles enseignants : VGGT pour la géométrie et V-JEPA pour la dynamique temporelle. Un VAE sémantique causal compresse ces représentations sans lire les images futures. Un expert vidéo et un expert d'action sont couplés par attention conjointe, de sorte que le modèle prédit simultanément l'évolution de la scène et l'action à exécuter. Deux modules complémentaires visent l'écart simulation/réel : Phoenix-ILA intègre mouvement et contact dans l'apprentissage de l'action pour la manipulation fine, et Phoenix-PhysCanvas est un monde simulé interactif où les politiques peuvent continuer à s'améliorer dans le cloud avant déploiement. Pour le contrôle temps réel, une exécution asynchrone prépare le prochain segment d'actions pendant que le robot bouge encore. Le pré-entraînement mêle opérations de robots réels, vidéo égocentrique humaine et captures UMI portées à la main. Pour les intégrateurs et responsables R&D, l'intérêt tient moins aux classements qu'au signal d'ouverture : un VLA/world action model de 7 milliards de paramètres exécutable en embarqué, avec code public, abaisse le coût d'entrée pour tester des politiques génératives sans dépendre d'une API cloud. Le score de 45,6 % sur Bench2Dex rappelle toutefois que le transfert de compétences entre morphologies différentes reste loin d'être résolu : l'avance sur pi0.5 est nette, mais l'absolu reste faible pour un usage industriel. Il faut aussi relever que tous les chiffres proviennent de l'entreprise, qu'elle affirme qu'aucune donnée de test n'a servi à l'entraînement sans vérification indépendante à ce stade, et que la majorité des benchmarks sont simulés. Seul RoboDojo touche du matériel réel, et rien n'indique de déploiement client ni de temps de cycle en production. Le contexte est celui d'une course aux modèles de fondation pour la manipulation, où pi0.5 fait figure de référence ouverte et où les approches « world model » (prédire la scène future pour guider l'action) gagnent du terrain face aux VLA purement réactifs. Anyverse Dynamics se positionne sur ce créneau en s'appuyant sur plus de 200 000 heures de données multimodales et annonce l'entraînement de modèles plus grands, sans calendrier précis. D'autres acteurs chinois explorent la même voie, comme Qianjue avec son modèle prédictif Polibrain ou Shengshu avec Motus2. La suite dépendra des reproductions indépendantes des résultats, des tests sur robots réels hors des benchmarks de l'éditeur et de la sortie des versions plus volumineuses.

UEPas d\'impact direct sur la France/UE

IA physiqueActu
1 source