Aller au contenu principal
Saturn Dynamics développe un modèle du monde fondé sur la physique pour améliorer l'entraînement des robotsIllustration générée par IA
IA physiqueRobotics & Automation News 

Saturn Dynamics développe un modèle du monde fondé sur la physique pour améliorer l'entraînement des robots

1 source couvre ce sujet·Source originale ↗·

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

Résumé IASource uniqueImpact UE

La startup londonienne Saturn Dynamics, fondée en 2025, développe Arc, un modèle du monde (world model) conçu pour apprendre aux robots comment le monde physique se comporte à travers des simulations interactives. L'outil permet aux développeurs de tester une action et d'en évaluer les conséquences dans un environnement virtuel avant de la tenter sur une machine réelle, par exemple différentes façons d'ouvrir un tiroir ou de manipuler des objets sur une ligne de production, y compris lorsque ceux-ci glissent ou réagissent de manière inattendue. Selon l'entreprise, Arc affiche une précision de trajectoire supérieure de 73 % à celle d'un modèle Nvidia Cosmos lors de tests de référence. Sur du matériel Nvidia Jetson Thor, il génère une seconde de données de simulation en 0,6 seconde, contre 23 secondes pour Cosmos Nano et 9 secondes pour Cosmos Edge. Saturn Dynamics a levé 4,3 millions de dollars à ce jour (chiffre d'octobre 2026), auprès de Twin Path Ventures, Vento, Sequel et Portfolio Ventures.

L'enjeu pour l'industrie tient à la différence d'approche revendiquée. Là où nombre de world models s'appuient surtout sur des démonstrations vidéo, ou sur des simulateurs physiques classiques, Arc intègre dans son architecture des symétries mathématiques et des principes physiques, dans le but de modéliser le comportement des objets lorsqu'on les manipule plutôt que leur seule apparence. Si ces résultats se confirmaient, un modèle capable de tourner plus vite que le temps réel sur un module embarqué comme le Jetson Thor permettrait d'évaluer davantage de scénarios avec moins de calcul, ce qui intéresse directement les fabricants de robots, les développeurs et les intégrateurs en quête de fiabilité. Il faut toutefois rester prudent : il s'agit de chiffres publiés par l'entreprise elle-même, sans détail public sur le protocole, la définition de la précision de trajectoire, les tâches évaluées ou la taille des modèles Cosmos comparés. Aucun déploiement client ni pilote industriel n'est annoncé, et le gain de vitesse ne dit rien, à lui seul, de la fidélité sur des contacts complexes ou des cas limites.

Ce lancement s'inscrit dans la course aux world models pour la robotique, où Nvidia, avec sa famille Cosmos, fait figure de référence et sert ici d'étalon de comparaison, tandis que d'autres acteurs misent sur la génération vidéo ou sur la simulation physique traditionnelle. L'objectif affiché de Saturn Dynamics, à plus long terme, est de réduire l'écart entre entraînement simulé et performance en conditions réelles, l'un des principaux freins à la commercialisation de l'IA physique. Sa cofondatrice et CEO, Elisa Seghetti, résume la posture de la société : une démonstration convaincante n'est qu'un point de départ, et les robots doivent savoir réagir quand les choses ne se passent pas comme prévu. Avec 4,3 millions de dollars levés, la jeune pousse dispose d'un financement modeste face aux moyens des grands acteurs, et ses prochaines étapes à surveiller seront la publication de benchmarks reproductibles, l'ouverture à des tiers et, surtout, des validations sur robots réels avec des fabricants ou des intégrateurs.

Impact France/UE

Startup londonienne (hors UE) dont l'outil pourrait intéresser les fabricants et intégrateurs européens, mais sans déploiement ni partenariat européen annoncé à ce stade.

À lire aussi

VISTA : adaptation des données UMI fondée sur la vision et validée par la physique pour l'entraînement de modèles VLA
Illustration générée par IA
1arXiv cs.RO 

VISTA : adaptation des données UMI fondée sur la vision et validée par la physique pour l'entraînement de modèles VLA

Une équipe de chercheurs publie VISTA (Vision-grounded and Physics-Validated Adaptation), un framework visant à entraîner des modèles Vision-Language-Action (VLA) à partir de données collectées via l'Universal Manipulation Interface (UMI). L'UMI permet une collecte robotique à grande échelle sans téléopération hardware-spécifique, mais son exploitation pour les VLA bute sur deux incompatibilités identifiées par les auteurs : les caméras fisheye montées au poignet génèrent une distorsion radiale sévère, hors distribution pour les modèles de vision pré-entraînés ; et les trajectoires humaines enregistrées violent fréquemment les limites cinématiques du robot ou dépassent la bande passante du contrôleur, enseignant ainsi des actions physiquement irréalisables. VISTA répond avec trois composants : UMI-VQA, un premier dataset VQA à grande échelle conçu spécifiquement pour les vues fisheye au poignet ; un pipeline de validation physique scorant chaque trajectoire sur la continuité, le risque d'auto-collision et la fidélité d'exécution ; et une recette d'entraînement en deux étapes combinant ancrage vision-langage et prédiction d'actions. Le modèle, les données et le pipeline sont publiés en open source sous forme de preprint arXiv. L'enjeu est directement opérationnel : les VLA actuels souffrent d'un écart persistant entre démonstration et déploiement réel. VISTA apporte une réponse méthodologique en filtrant les trajectoires défectueuses avant l'entraînement, plutôt qu'en espérant que le modèle les absorbe. Les auteurs montrent que les scores de validation physique sont fortement prédictifs du succès en déploiement, ce qui plaide pour une approche data-quality-first plutôt que data-volume-first, un argument qui contredit la logique dominante du secteur. En simulation et sur des tâches réelles de manipulation, VISTA surpasse des baselines solides incluant π0.5 (Physical Intelligence), LingBot-VLA et Wall-X. Pour un intégrateur ou un décideur industriel, cela valide une voie vers des pipelines de collecte scalables via UMI, compatibles avec les VLA modernes, sans recourir à un hardware propriétaire coûteux. L'UMI avait été conçu initialement pour découpler la collecte de données du hardware robotique spécifique, mais son intégration aux VLA restait largement non documentée à grande échelle. Physical Intelligence a popularisé l'approche VLA avec π0 et π0.5 ; Figure AI, 1X et Apptronik misent sur des architectures concurrentes. VISTA s'attaque à un goulot d'étranglement rarement traité en publication : la qualité intrinsèque des données d'entraînement avant qu'elles n'entrent dans le pipeline. En libérant pipeline de validation, dataset UMI-VQA et modèle pré-entraîné, les auteurs positionnent VISTA comme un outil d'infrastructure pour la communauté robotique cherchant à industrialiser la collecte et le filtrage de données manipulation, en amont des choix d'architecture VLA.

IA physiqueOpinion
1 source
Retour sur la bonne voie : amélioration de la politique au déploiement par planification avec un modèle du monde
Illustration générée par IA
2arXiv cs.RO 

Retour sur la bonne voie : amélioration de la politique au déploiement par planification avec un modèle du monde

Des chercheurs proposent un cadre de supervision et d'intervention qui améliore une politique visuomotrice pendant son déploiement, sans la réentraîner ni modifier son architecture (arXiv 2610.19579). La méthode n'exige qu'un accès « boîte noire » à la politique, c'est-à-dire la possibilité de l'interroger sans toucher à ses poids. À partir d'un nombre limité de déroulés (rollouts) étiquetés de la politique nominale, l'équipe apprend une valeur de « liveness », conditionnée par la politique, qui mesure sa progression vers l'achèvement de la tâche. Elle entraîne aussi un modèle du monde latent compact, qui s'appuie sur ces mêmes déroulés et sur des données de jeu (play data). Pendant l'exécution, la valeur de liveness surveille en continu le comportement. Si elle détecte une perte de progression, un planificateur à horizon court cherche dans le modèle du monde des actions correctrices, en utilisant cette même valeur comme objectif, puis rend la main à la politique nominale. L'évaluation porte sur la suite de tâches LIBERO-Goal et sur un bras Franka Panda réel. Les politiques nominales sont le modèle vision-langage-action π0.5 et une diffusion policy. Les auteurs annoncent des gains significatifs de taux de réussite, compatibles avec un contrôle en temps réel. Le résumé ne donne aucun chiffre précis (taux avant et après, latence du planificateur, nombre de déroulés étiquetés), ce qui empêche de juger l'ampleur réelle de l'amélioration. L'enjeu est pratique. Les politiques actuelles échouent en production de façons qu'elles ne détectent pas et dont elles ne savent pas se relever. Les corriger passe aujourd'hui par davantage de données, un réentraînement ou une refonte de l'architecture, trois leviers coûteux, surtout pour un intégrateur qui utilise un modèle de fondation fourni par un tiers. Une couche externe qui détecte le blocage et propose une correction, sans accès aux poids, répond directement à cette contrainte. Elle suggère aussi que l'écart entre démonstration et fiabilité industrielle peut se réduire par de la supervision à l'exécution plutôt que par un modèle toujours plus gros. Plusieurs réserves s'imposent. Il s'agit d'un travail académique, sans déploiement client. Le banc d'essai LIBERO-Goal est de l'ordre de la simulation, et la validation réelle se limite à un seul bras. Il reste aussi à voir comment la méthode se comporte sur des tâches longues, ou lorsque le modèle du monde s'écarte de la réalité. Ce travail s'inscrit dans un courant qui cherche à fiabiliser les VLA après leur entraînement. Ce courant comprend l'apprentissage par renforcement sur robot réel, les détecteurs d'échec à l'exécution et les approches fondées sur des modèles du monde, utilisés comme simulateurs ou comme planificateurs. π0.5, de Physical Intelligence, est devenu une référence ouverte pour ces expériences, tout comme les diffusion policies pour la manipulation. Les grands acteurs de l'humanoïde, dont Figure avec Helix, Tesla avec Optimus et NVIDIA avec la famille GR00T, misent surtout sur l'échelle des données et l'entraînement. Une couche de récupération qui s'ajoute à ces politiques suivrait une logique différente. Les prochaines étapes à surveiller sont la publication de résultats chiffrés détaillés, des tests sur davantage de plateformes et de tâches de longue durée, et la mesure du coût de calcul du planificateur sur du matériel embarqué. Une vidéo et des résultats complémentaires sont annoncés sur le site du projet.

IA physiquePaper
1 source
Shanghai AI Lab lance Intern W0, un modèle du monde physique pour la robotique à retour de force et tactile
Illustration générée par IA
3Pandaily 

Shanghai AI Lab lance Intern W0, un modèle du monde physique pour la robotique à retour de force et tactile

Le Shanghai Artificial Intelligence Laboratory a présenté W0, un modèle de fondation robotique baptisé Intern physical world model, conçu pour combiner vision, force et toucher dans des tâches physiques à contact riche, avec perception, prédiction, action et correction s'exécutant en parallèle plutôt qu'en chaîne rigide. Deux piliers le définissent : une perception force-tactile native, où la vision fixe cibles et trajectoires d'approche, le retour de contact ajuste qualité de préhension et détection de glissement, et l'état corporel suit pose et mouvement ; et une architecture « duplex » asynchrone à fréquences multiples, planification longue en arrière-plan et commandes moteur à haute fréquence, pour raccourcir le délai entre un changement d'environnement et la correction du geste. W0 diffère du projet NCP-ArchPreview, mené avec le LUMIA Lab de l'université Jiao Tong de Shanghai sur la prédiction du concept suivant en espace latent. Connecté à la plateforme Intern InkStone et au modèle scientifique Intern S2, W0 a fait tourner des boucles fermées en laboratoire humide et sec : évolution dirigée de protéines d'édition génique, synthèse organique de mépivacaïne, préparation de nanoparticules lipidiques avec ajustements dynamiques de paramètres en cours de run. Pour les intégrateurs et décideurs de la robotique industrielle, ce choix diffère du pari humanoïde grand public : plutôt que la démonstration spectaculaire, le laboratoire vise l'automatisation d'expériences scientifiques, où la fiabilité du contact (préhension, glissement, micro-ajustement) prime sur la marche ou la manipulation domestique. Si le couplage force-tactile-vision en duplex tient au-delà des cas montrés, il fournirait un argument concret dans le débat sur le passage à l'échelle des modèles vision-langage-action au-delà de vidéos de démonstration triées, un reproche récurrent fait au secteur. Les résultats de laboratoire humide cités restent toutefois issus en partie de couverture secondaire relayée par le laboratoire lui-même comme preuve précoce, non d'une validation indépendante ni d'un déploiement à grande échelle : une preuve de faisabilité sur un nombre limité de protocoles, pas un produit fini. W0 s'inscrit dans l'effort plus large du Shanghai AI Lab pour bâtir une pile de modèles d'IA physique, distincte de sa branche NCP-ArchPreview menée avec l'université Jiao Tong de Shanghai. Contrairement aux humanoïdes commerciaux orientés logistique ou assemblage industriel, le laboratoire cible en priorité les instruments de paillasse et les protocoles de chimie, biologie et science des matériaux, présentés comme une brique sous les flux Intern InkStone plutôt que comme un robot grand public. La suite dépendra de la capacité du contrôle force-tactile duplex à généraliser au-delà des trois cas démontrés, protéines d'édition génique, synthèse de mépivacaïne, nanoparticules lipidiques ; le laboratoire présente ces résultats comme l'ouverture d'un chemin allant de la déduction de schémas à l'expérience instrumentée, sans calendrier de déploiement ni partenaires pilotes annoncés à ce stade.

IA physiqueOpinion
1 source
Ropedia lève 22 millions de dollars pour développer la collecte de données servant à l'entraînement des robots
Illustration générée par IA
4The Robot Report 

Ropedia lève 22 millions de dollars pour développer la collecte de données servant à l'entraînement des robots

Ropedia, jeune pousse basée à Singapour et Mountain View (Californie) et fondée en 2025, a levé 22 millions de dollars en pre-Série A, portant son financement total à 30 millions avec son tour de seed. L'argent doit servir à industrialiser HOMIE, un dispositif porté sur la tête équipé de quatre caméras offrant une vision à 360 degrés, d'un capteur audio capable de reconstruire la source et la direction des sons, et d'une unité de mouvement qui suit les déplacements du porteur ; la batterie est interchangeable. Ce casque capture le mouvement humain à la première personne, l'interaction avec les objets et le contexte spatial, données ensuite traitées et annotées par les modèles internes de Ropedia. Selon Zhaoxi Chen, cofondateur et PDG, les fonds financeront le recrutement dans le hardware, le software, l'infrastructure de données et le développement de modèles, ainsi que l'expansion commerciale vers l'Amérique du Nord, où se trouve déjà la majorité des clients de l'entreprise. Ropedia prévoit aussi d'étoffer sa plateforme avec des outils d'annotation, de l'analyse qualité et une infrastructure de conformité. Ce tour de table illustre un pari plus large sur l'IA physique : plutôt que de dépendre de la téléopération de robots réels, limitée à des morphologies spécifiques et coûteuse en matériel, Ropedia mise sur des données égocentriques humaines pour entraîner des modèles capables de généraliser des compétences physiques. L'entreprise revendique une réduction des coûts de collecte de données allant jusqu'à 50 fois par rapport aux méthodes traditionnelles, un chiffre à prendre avec prudence puisqu'il n'est pas détaillé ni vérifié indépendamment. L'argument central de Chen, qui consiste à dire que l'intelligence robotique de niveau humain passe par l'imitation de l'apprentissage humain en vision première personne, rejoint une thèse de plus en plus répandue dans le secteur des modèles vision-langage-action (VLA), où la rareté des données d'entraînement reste un goulot d'étranglement majeur pour les acteurs comme Figure, Physical Intelligence ou NVIDIA. Ropedia se distingue des prestataires classiques d'annotation, qui travaillent sur des données déjà possédées par leurs clients, en générant et structurant lui-même ses données de bout en bout, de la capture jusqu'au fine-tuning aligné sur les modèles. Le hardware de HOMIE est en grande partie développé en interne, à l'exception des composants de base comme les capteurs CMOS, ce qui inclut la carte électronique et la synchronisation des différents capteurs. Pour l'instant, la collecte se limite à des environnements informels, l'entreprise affirmant vouloir élargir progressivement l'éventail de tâches capturées. Aucun partenaire industriel ni volume de données précis n'a été communiqué à ce stade.

IA physiqueActu
1 source