Aller au contenu principal
Huawei Cloud dévoile CloudRobo-WM1.2, un modèle d'action du monde pour l'IA incarnée, et annonce son passage en open sourceIllustration générée par IA
Chine/AsiePandaily 

Huawei Cloud dévoile CloudRobo-WM1.2, un modèle d'action du monde pour l'IA incarnée, et annonce son passage en open source

2 sources couvrent ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASources croisées · 2
Egalement couvert par :TechNode ↗

Huawei Cloud a présenté le 16 novembre CloudRobo-WM1.2, un modèle monde-action embarqué (embodied world action model) entraîné sur sa plateforme de calcul Ascend, en affirmant qu'il sera publié en open source. À ce stade, aucun lien de téléchargement n'a été communiqué et ni poids ni dépôt de code ne sont publiquement listés : il s'agit donc d'une annonce, pas d'une publication effective. Techniquement, le modèle associe un socle partagé de type world model, qui donne au robot une représentation du monde enrichie par la prédiction de ce qui va se produire ensuite, à une architecture d'action nommée DualAct. Huawei Cloud met en avant cinq briques : une représentation multimodale baptisée PPA, DualAct, un cadre de pré-entraînement supervisé à plusieurs niveaux de granularité pour s'adapter à des données hétérogènes, une modélisation du mouvement cross-embodiment visant à conserver le sens des gestes d'un corps de robot à l'autre, et quatre modes d'inférence combinables (World Action ou Expert Action, en mode Joint ou Action-only). Le groupe revendique la première place sur les benchmarks de manipulation RoboTwin 2.0 et LIBERO-Pro 2.0, avec des scores de 88,98 % et 81,7 % présentés en séance. Ces classements sont des déclarations de l'entreprise, et la version exacte du modèle ayant produit les entrées des leaderboards n'a pas été vérifiée de façon indépendante. Huawei Cloud promet aussi d'ouvrir son framework d'entraînement et un ensemble de bonnes pratiques pour faire tourner ces modèles sur Ascend. Côté client, Fulongma Group annonce en précommande un robot de balayage urbain de nouvelle génération développé avec Huawei Cloud, dont le lancement est prévu à Shanghai en décembre. Huawei y fournit la chaîne d'outils de conduite autonome CloudRobo, un modèle de perception tous domaines, un modèle de planification, une plateforme d'exécution d'agents et le calcul cloud Ascend.

L'intérêt pour l'industrie tient moins aux scores qu'à ce que le projet dit de la stratégie. Huawei positionne Ascend comme une alternative crédible aux GPU Nvidia pour l'entraînement de modèles robotiques de fondation, un point sensible alors que l'accès des acteurs chinois aux puces américaines reste contraint. Le choix d'un modèle monde-action, qui prédit l'évolution de la scène avant de générer l'action, s'inscrit dans une tendance où les VLA (vision-langage-action) purs sont jugés insuffisants pour la généralisation. L'argument du cross-embodiment, s'il se vérifie, répondrait à un problème concret des intégrateurs : réutiliser un même modèle sur des morphologies différentes. Il faut cependant rester prudent. RoboTwin 2.0 et LIBERO-Pro 2.0 sont des benchmarks en simulation, qui ne renseignent ni sur la robustesse en conditions réelles, ni sur les temps de cycle, ni sur le taux de réussite en production, et aucun chiffre de ce type n'est fourni. Le seul déploiement cité, un robot de nettoyage de voirie, relève de la conduite autonome en extérieur plutôt que de la manipulation, et reste au stade de la précommande. L'affirmation selon laquelle un world model embarqué permet d'anticiper intempéries et obstacles n'est étayée par aucune donnée publique. La promesse d'open source n'aura de valeur qu'à la publication effective des poids, de la licence et du code d'entraînement.

Ce lancement prolonge l'entrée de Huawei dans l'IA embarquée : CloudRobo, sa plateforme dédiée, avait été introduite à la World Artificial Intelligence Conference en juillet, et le lancement du 16 novembre avait été annoncé le 13. L'événement était conduit par Wu Xiaodong, président de la ligne de produits embarqués de Huawei Cloud et directeur de son Embodied AI Lab, avec l'expert modèles en chef Liu Liu pour la partie technique. Huawei arrive dans un champ déjà occupé par des modèles de fondation robotiques comme Pi-0 de Physical Intelligence, GR00T de Nvidia ou Helix de Figure, et par de nombreux acteurs chinois du secteur. Sa différenciation passe surtout par l'intégration verticale, du silicium Ascend au cloud, au modèle et aux outils. Les prochaines étapes à surveiller sont la mise en ligne effective des poids et du framework, la licence retenue, des résultats reproduits par des tiers, et le lancement de Fulongma à Shanghai en décembre, premier test concret du savoir-faire de Huawei hors des benchmarks.

À lire aussi

Huawei Cloud lance le 16 novembre CloudRobo-WM1.2, son premier modèle du monde natif Ascend
Illustration générée par IA
1Pandaily 

Huawei Cloud lance le 16 novembre CloudRobo-WM1.2, son premier modèle du monde natif Ascend

Huawei Cloud a annoncé le 12 novembre qu'il dévoilera CloudRobo-WM1.2, un modèle du monde (world model) incarné destiné aux robots, lors d'un événement en ligne le 16 novembre, de 14h00 à 15h30 heure de Pékin. L'affiche le présente comme le premier modèle du monde « natif Ascend » issu de l'Industry AI Dream Factory, c'est-à-dire conçu pour tourner sur les puces d'IA Ascend de Huawei. Le programme prévoit une intervention de Zhou Yuefeng, membre du conseil d'administration et CEO de Huawei Cloud, sur un « Agentic Cloud », puis la présentation du modèle par Wu Xiaodong, président de la ligne de produits IA incarnée et directeur de l'Embodied AI Lab. Liu Liu, expert modèle en chef du laboratoire, animera une session intitulée « CloudRobo-WM, un modèle du monde multimodal simple pour la manipulation robotique », ce qui laisse penser que le modèle vise surtout les bras robotiques. Ding Zhibin, responsable de l'écosystème, parlera du développement sur Ascend Cloud, et des signatures de partenariats clôtureront la session. À ce stade, il s'agit d'un teaser : ni nombre de paramètres, ni benchmarks, ni types de robots pris en charge, ni disponibilité, ni prix n'ont été communiqués. Un modèle du monde permet à un robot de prédire l'évolution d'une scène en fonction de ses actions, ce qui autorise l'entraînement et le test en simulation avant le passage sur matériel réel. L'enjeu pour les intégrateurs et les décideurs industriels est double. D'une part, le choix de la manipulation comme cas d'usage, plutôt que la locomotion humanoïde, s'inscrit dans une logique de valeur immédiate : la préhension et la manipulation d'objets restent le goulot d'étranglement des déploiements en usine et en logistique. D'autre part, l'étiquette « natif Ascend » est un signal stratégique autant que technique : elle montre la volonté de bâtir une pile complète d'IA incarnée, du calcul à la plateforme, sur du silicium chinois, dans un contexte de restrictions d'accès aux puces américaines. Reste à vérifier si ce modèle réduit réellement l'écart entre simulation et réel. Sans chiffres ni démonstrations indépendantes, rien ne permet pour l'instant de l'affirmer, et le numéro de version 1.2 suggère des itérations internes que Huawei n'a pas décrites publiquement. Le modèle s'insère dans deux programmes existants. L'Industry AI Dream Factory, plateforme de Huawei Cloud destinée à abaisser la barrière d'entrée de l'IA sectorielle, a ouvert sa première zone, consacrée à la santé, en février, puis s'est étendue en juin à l'IA incarnée, à la fabrication intelligente et au calcul scientifique. CloudRobo, la plateforme de développement d'IA incarnée de cette zone, couvre les données, l'entraînement des modèles, la simulation et les tests sur robots réels. Huawei Cloud affirme ne pas fabriquer de corps de robots et laisse le matériel à ses partenaires, avec pour objectif de transformer toute machine connectée en robot intelligent incarné. Cette posture de fournisseur de « cerveau » et d'infrastructure le place en concurrence avec des acteurs comme NVIDIA (GR00T, Cosmos) et avec les modèles de fondation de Physical Intelligence ou de Google DeepMind, mais aussi avec d'autres projets chinois, comme le modèle du monde 4D MoWorld 2.0 de Moxin Technology, lui aussi natif Ascend. Les prochaines étapes à surveiller sont les partenariats annoncés le 16 novembre, les premiers robots compatibles et la publication de métriques vérifiables.

Chine/AsieActu
1 source
Ant Group dévoile sa stratégie duale VLA et modèles d'action du monde pour l'IA physique, écosystème open source et défi des données
Illustration générée par IA
2Pandaily 

Ant Group dévoile sa stratégie duale VLA et modèles d'action du monde pour l'IA physique, écosystème open source et défi des données

Ant Group a fondé en décembre 2024 Ant LingBot, filiale à 100 % basée à Shanghai et bras armé du groupe dans l'IA physique, où plus de 90 % des effectifs sont titulaires d'un master ou d'un doctorat. Dirigée par le PDG Zhu Xing et le scientifique en chef Shen Yujun, l'entreprise a présenté six modèles d'IA incarnée en open source lors du WAIC 2026, couvrant vision, vidéo, perception spatiale, manipulation, modèles du monde et modèles d'action du monde. Sa stratégie technologique repose sur deux voies parallèles. La première, VLA (vision language action), incarnée par LingBot-VLA 2.0, suit l'architecture dominante du secteur, celle qu'utilisent aussi Figure ou la série RT de Google DeepMind. La seconde, portée par LingBot-VA 2.0, prédit l'évolution du monde avant de générer une action ; présenté comme le premier modèle d'action du monde nativement incarné du secteur, il est entraîné from scratch sur une architecture autorégressive atteignant 150 Hz d'inférence temps réel sur un seul GPU, avec tokenisation sémantique visuelle-action, pré-entraînement causal strict, architecture MoE et inférence asynchrone permettant au robot de prédire ses états futurs tout en exécutant l'action en cours, avec un temps de réponse de 6,7 millisecondes, contre 300 à 400 millisecondes pour un clignement d'œil humain. Plus d'une dizaine de fabricants ont noué des partenariats, dont Unitree Robotics, Xinghaitu et Leju Robotics, dont le KUAVO 4 Pro a été adapté à LingBot-VLA sur 95 scénarios de manipulation réels. LingBot commercialise aussi son propre robot de service, le Robbyant R1, destiné aux usages domestiques, à la santé et aux personnes âgées, mais dont les volumes livrés restent limités. Ce choix d'ouvrir intégralement poids, code, outils de post-entraînement et benchmarks d'évaluation, à un moment où les standards techniques de l'IA incarnée restent instables, vise à faire de LingBot une base logicielle partagée entre plateformes matérielles hétérogènes. Mais la principale contrainte du secteur demeure la donnée : contrairement aux LLM entraînés sur des billions de tokens textuels, les données d'interaction physique ne s'accumulent que par l'exploitation réelle de robots. LingBot compense en s'appuyant sur les données de ses partenaires (Unitree, Leju, Xinghaitu) plutôt qu'en opérant sa propre flotte, une dépendance qui fragilise sa position à mesure que ces mêmes partenaires développent leurs propres capacités IA. Cette approche intégrale, du modèle cerveau au modèle du monde jusqu'au déploiement matériel, distingue LingBot des autres géants technologiques chinois. Alibaba, Tencent, Huawei, JD.com et Meituan privilégient tous des stratégies plus ciblées, et Ant Group entre en outre en concurrence avec d'autres initiatives affiliées à Alibaba. LingBot constitue ainsi un test grandeur nature : une entreprise de la fintech peut-elle incuber une activité robotique viable, et l'open source combiné à l'emprunt de données suffira-t-il à surmonter les limites structurelles de l'IA incarnée ?

Chine/AsieOpinion
1 source
AgiBot met en open source LIFE, un cadre d'IA incarnée à apprentissage continu fondé sur les modèles RoboBeats
Illustration générée par IA
3Pandaily 

AgiBot met en open source LIFE, un cadre d'IA incarnée à apprentissage continu fondé sur les modèles RoboBeats

AgiBot a publié en open source LIFE (« Learning to Live: A Step Toward Lifelong Embodied Intelligence »), un framework destiné à garder un robot en état de perception et de mémoire entre deux tâches, au lieu de le réinitialiser après chacune. L'article a été déposé sur arXiv le 30 octobre. Le code est sous licence Apache-2.0 sur GitHub, et le code d'inférence ainsi que les poids des modèles RoboBeats (0,8B, 2B et 4B paramètres, construits sur des checkpoints Qwen3.5 de mêmes tailles) ont suivi le 3 novembre, hébergés sur Hugging Face sous un compte individuel lié depuis le dépôt d'AgiBot. Les données d'évaluation SSS-Bench sont sous licence non commerciale CC BY-NC 4.0. LIFE associe un agent piloté par un grand modèle multimodal à trois briques. RoboBeats, un modèle de décision léger, suit des conditions décrites en langage naturel sur ce que voit le robot, en lisant des scores vrai/faux plutôt qu'en générant du texte à chaque image, les conditions partageant les mêmes entrées visuelles et le même calcul mis en cache (AgiBot parle de « heartbeat »). Plastic Memory conserve les images brutes avec des enregistrements JSON structurés, ce qui permet de les réanalyser plus tard. EDM (Explore-Distill-Mount) transforme les méthodes de résolution qui fonctionnent en outils vérifiés et réutilisables, sans mise à jour des poids. Les chiffres proviennent exclusivement de l'équipe d'AgiBot. RoboBeats-2B traite une nouvelle image en environ 75 ms sur une seule RTX 5090, et 77 ms en suivant 16 conditions. Sur la tâche de sortie proactive de StreamingBench, RoboBeats-4B passe de 21,2 % à 64,0 % de précision. Sur SSS-Bench (171 vidéos, 618 questions), la précision en question-réponse sur mémoire textuelle passe de 40,9 % à 60,5 %. Sur 597 requêtes FindingDory réservées à l'évaluation, le taux de réussite monte de 37,5 % à 65,8 % avec les outils EDM montés. Dans une étude de cas de 24 heures avec un robot AgiBot A3 Ultra, LIFE obtient 29,5 sur 30 (six questions posées trois fois) avec 80,6 s de temps de réponse moyen, contre 28,5 et 554,7 s pour une base de comparaison à base de Codex disposant de la même mémoire. L'intérêt tient à ce que le goulot d'étranglement visé n'est plus la manipulation mais la continuité : un robot utile en production ou en service doit surveiller des conditions en continu, se souvenir de ce qu'il a vu et réinterroger ces observations quand une question nouvelle apparaît. Une latence d'environ 75 ms sur un GPU grand public suggère que la surveillance multi-conditions peut tourner en embarqué sans coût prohibitif, et la publication de poids sous licence permissive offre aux intégrateurs et laboratoires une base testable. Il faut toutefois relativiser : l'écart de qualité en étude de cas est faible (29,5 contre 28,5), le vrai gain porte sur la latence (environ sept fois plus rapide), et le gain sur SSS-Bench mesure la précision des réponses, pas la fidélité de la mémoire elle-même. Aucune reproduction indépendante n'existe à ce stade, et l'étude d'un jour reste loin d'un déploiement long. Ce travail s'inscrit dans la course aux modèles « embodied » où AgiBot, après GO-3 en préversion et Genie Master pour l'autodiagnostic des pannes du G2, cherche à couvrir toute la pile logicielle, face aux approches VLA de Physical Intelligence (Pi-0), Nvidia (GR00T) ou Figure (Helix), davantage centrées sur l'exécution de tâches que sur la mémoire longue durée. L'équipe indique que la prochaine étape est un déploiement en ligne sur plusieurs jours, ce qui sera le véritable test de robustesse. En attendant, LIFE reste un résultat de recherche publié, pas un produit livré.

Chine/AsieActu
1 source
L'ex-directeur tech de Meituan crée un modèle du monde pour la restauration à l'ère de l'IA incarnée
Illustration générée par IA
436Kr 

L'ex-directeur tech de Meituan crée un modèle du monde pour la restauration à l'ère de l'IA incarnée

AtomBite.AI (元节智能), startup chinoise d'intelligence incarnée, vient de boucler un tour d'amorçage de plusieurs dizaines de millions de yuans mené par le fonds Yinno Innovation, avec la participation du Shuimu Tsinghua Alumni Seed Fund. La société cible un terrain peu médiatisé mais à forte récurrence : la cuisine professionnelle de restauration et la chaîne d'exécution des commandes de livraison de repas. Son équipe fondatrice porte l'ADN de Meituan : Wang Dong (CEO, docteur en informatique) y dirigeait l'ingénierie de Meituan Waimai, supervisant mille ingénieurs et des algorithmes traitant des dizaines de millions de commandes quotidiennes ; Li Tao pilotait les systèmes algorithmiques et data de la même division ; Li Haozhe, troisième co-fondateur, est un entrepreneur en série à dimension internationale. La technologie centrale est un "World Action Model" (WAM) dédié à la restauration, décliné en architecture VT-WAM combinant vision et retour tactile, en rupture explicite avec l'approche VLA (Vision-Language-Action) dominante dans le secteur. Un premier déploiement pilote en cuisine professionnelle est attendu d'ici fin 2026, avec plusieurs lettres d'intention déjà signées avec des opérateurs nationaux et internationaux. Le choix de la restauration résulte d'un audit de plusieurs mois conduit en Amérique du Nord et à Singapour. Wang Dong y a identifié un triptyque rare : besoin universel (même problématique en Chine, aux États-Unis et en Asie du Sud-Est), ROI mesurable pour le restaurateur (réduction des erreurs de commande, gains à l'emballage, allègement de la masse salariale) et cycle de décision court chez les PME, contrairement aux scénarios domestiques ou médico-sociaux. L'industrie est structurellement sous pression : hausse soutenue des salaires horaires en Amérique du Nord, turnover chronique et difficultés de recrutement persistantes en Chine. Sur le plan technique, AtomBite.AI conteste le paradigme VLA en affirmant que le contrôle moteur réel ne passe pas par le langage mais par la compréhension visuelle et physique. L'approche VT-WAM fusionne ces deux modalités dans un espace latent pour prédire les conséquences de contact avant exécution : inférer si un gobelet est plein ou chaud modifie les forces de friction et le centre de gravité lors de la saisie, ce que la vision seule ne permet pas de capturer. AtomBite.AI prend le contre-pied de la stratégie "modèle universel d'abord" adoptée par la plupart de ses concurrents. Les opérations répétitives de la cuisine, emballage, tri et transfert de commandes, génèrent un flux naturel de données d'interaction physique difficile à reproduire en simulation, alimentant un cycle d'amélioration continue du modèle depuis le terrain réel. L'architecture se décompose en trois couches : modèle monde incarné pour la perception et la planification d'actions, moteur d'orchestration des tâches, et couche matérielle combinant composants propriétaires et hardware standard. Les gestes récurrents s'exécutent en local sur des modèles légers pour limiter la latence ; le cloud gère les exceptions comme un ingrédient manquant ou un objet détecté hors place. Sur ce segment, Miso Robotics aux États-Unis et Keenon Robotics en Chine sont déjà présents, sur des périmètres différents (friture automatisée, service en salle). La feuille de route prévoit une extension progressive vers le tri, la logistique interne de restaurant, et à terme la cuisine domestique.

Chine/AsieActu
1 source