D-Robotics et Infinigence AI portent RLinf et trois autres outils robotiques open source sur les puces Sunrise
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
D-Robotics et Infinigence AI ont annoncé le 13 novembre l'intégration d'un ensemble d'outils open source d'IA embarquée aux puces Sunrise de D-Robotics et à sa plateforme logicielle RoboGo. L'ensemble, développé conjointement par l'université Tsinghua et Infinigence AI, couvre quatre étapes du cycle de développement robotique : RLark gère les environnements et les équipements en reliant cloud, nœuds edge et robots, de sorte que robots et caméras puissent être réservés, ordonnancés et réutilisés comme des GPU ; RLinf assure l'apprentissage par renforcement et le post-training des modèles embarqués ; RPent est une infrastructure d'agents pour le monde physique, qui relie la planification de tâches d'un grand modèle à des modèles VLA (vision-langage-action) dédiés à la manipulation fine, avec mémoire, outils et interfaces robot, et dont les auteurs revendiquent une accélération de bout en bout d'un facteur sept ; APXInf est un moteur d'inférence pour l'edge. Côté D-Robotics, les puces Sunrise gèrent l'accès aux périphériques et l'exécution embarquée, tandis que RoboGo fournit la gestion d'environnements, l'ordonnancement des tâches et la supervision à l'exécution. Selon les deux sociétés, un environnement de post-training RLinf est déjà listé sur RoboGo, quatre plateformes (Sunrise 5, S100, S100P et S600) sont adaptées à RLark, le S600 est adapté à APXInf, ce qui permet d'y déployer des modèles comme Pi0.5, et RPent est connecté à la sandbox edge de D-Robotics, où des agents peuvent réserver de vraies cartes de développement, leur envoyer des tâches et collecter des trajectoires.
L'intérêt tient moins à une percée technique qu'à la tentative de fermer la boucle entre entraînement, test sur matériel réel et déploiement, un point où les équipes robotiques perdent beaucoup de temps entre simulation, cloud et cible embarquée. Traiter le parc de robots comme un pool de ressources ordonnançable, à la manière des GPU, répond à un vrai goulot d'étranglement pour les intégrateurs et les laboratoires, notamment pour le hardware-in-the-loop. L'adaptation d'un VLA de référence comme Pi0.5 à une puce robotique chinoise montre aussi que l'écosystème cherche à s'affranchir de la dépendance à NVIDIA Jetson sur la couche d'inférence embarquée. Il faut toutefois rester prudent : le facteur sept de RPent est une revendication des développeurs, sans protocole ni tâche de référence précisés, et aucune des deux sociétés n'a publié de chiffres de performance pour le workflow combiné. On est donc face à une intégration annoncée et partiellement livrée, pas à un déploiement client démontré.
Cette annonce prolonge des travaux menés séparément. Infinigence AI avait open-sourcé APXInf en septembre, avec une version optimisée de Pi0.5 pour NVIDIA Jetson Thor, et l'adaptation au S600 ajoute une puce robotique domestique à ses cibles. D-Robotics, de son côté, associe des modèles tiers au Sunrise S600, dont GigaBrain-0.7 de GigaAI. L'écosystème RLinf, issu de Tsinghua et d'Infinigence AI, a par ailleurs été utilisé pour entraîner 96 robots réels avec AgiBot et pour des courbes d'apprentissage par renforcement sur les puces MTT S5000 de Moore Threads, signe d'une stratégie visant à rendre la pile logicielle indépendante du silicium. Face à elle se trouvent des offres verticalement intégrées comme Isaac et Jetson chez NVIDIA, avec un outillage plus mature mais plus fermé. Aucune échéance n'a été donnée pour l'extension du support d'APXInf à d'autres modèles Sunrise, et la suite dépendra de l'adoption par des développeurs tiers et de la publication de benchmarks reproductibles.
Dans nos dossiers




