CoMind d'Astribot permet aux robots de se prêter mutuellement leur vision et réduit d'environ 80 % les données partagées

Astribot, entreprise shenzhenoise d'IA embarquée fondée fin 2022 et dirigée par son fondateur Lai Jie, a publié un rapport technique et des vidéos de démonstration pour CoMind (aussi appelé Be My Eye), un cadre logiciel permettant à deux robots qui travaillent sur une même tâche de partager ce que l'un voit et que l'autre ne peut pas voir. Le média QbitAI en a rendu compte le 13 novembre. Le problème visé est l'observabilité partielle : lors de l'assemblage d'un carton à deux, un panneau peut masquer à un robot l'achèvement du collage de la base par son partenaire, alors que l'information est visible pour ce dernier. Plutôt que de transmettre des flux caméra complets ou des caractéristiques visuelles génériques, chaque robot condense ses images multi-caméras et son instruction de tâche en une représentation compacte, centrée sur la tâche, envoyée à son partenaire. L'entraînement se fait en deux temps : un encodeur de contexte apprend à compresser les observations locales en prédisant l'évolution des éléments pertinents de la scène et l'avancement de la tâche, puis les robots échangent ces contextes dans les deux sens. Le récepteur fusionne le contexte reçu avec ses propres images, l'instruction et les positions articulaires, puis alimente un modèle vision-langage-action (VLA) préentraîné qui produit des actions continues. Chaque robot génère ses propres actions, le contrôle reste donc décentralisé, et lors de l'entraînement conjoint les erreurs d'action du récepteur remontent vers l'encodeur de l'émetteur, qui apprend à envoyer ce dont son coéquipier a réellement besoin.

Les essais ont porté sur des tâches réelles à deux robots : remplissage d'un réfrigérateur, assemblage d'un carton, pliage d'une couette, montage d'un haltère, choix d'une boîte surprise et saisie d'un marqueur de part et d'autre d'une cloison. Selon QbitAI, le taux de réussite sur la tâche de la cloison passe de 0 % sans partage à 100 % avec CoMind. Sur la sélection de boîte surprise, la précision monte de 38,9 % sans partage, et 72,2 % avec une autre méthode de transfert de contexte, à 88,9 %. Le volume de communication baisse d'environ 80 %. Ces chiffres proviennent des tests internes d'Astribot et n'ont pas été reproduits indépendamment ; le nombre d'essais par tâche n'est pas précisé, ce qui invite à la prudence, d'autant que des pourcentages comme 38,9 % ou 88,9 % suggèrent de petits échantillons.

L'intérêt pour l'industrie tient à un verrou concret de la coordination multi-robots : la bande passante et la latence deviennent contraignantes quand il faut échanger des flux vidéo, et le tout-centralisé ne passe pas toujours à l'échelle. Une communication apprise, légère et compatible avec un VLA existant, tout en gardant un contrôle décentralisé, est une piste crédible pour les intégrateurs qui envisagent des cellules à plusieurs bras ou humanoïdes, par exemple en logistique ou en assemblage. Elle suggère aussi que les VLA peuvent être étendus à des scénarios collaboratifs sans refonte complète. Reste à voir si cela tient hors des scénarios de laboratoire, avec plus de deux robots, des robots hétérogènes ou des canaux dégradés ; il s'agit pour l'instant d'une publication de recherche, sans produit livré ni déploiement client annoncé.

Astribot construit des robots à transmission par câbles, comme l'Astribot S1 présenté à la World Robot Conference, et développe la série de modèles de fondation robotique Lumo. CoMind se positionne dans un champ où les grands acteurs (Figure, Physical Intelligence, Nvidia, Tesla) se concentrent surtout sur l'intelligence d'un robot individuel, la coordination multi-agents restant moins explorée. L'entreprise affirme que CoMind complète la planification de tâches de haut niveau et prévoit d'explorer des informations partagées plus riches ainsi qu'une interaction multi-robots plus flexible, sans calendrier précis.