Le projet LATENT, mené par l'université Tsinghua, démontre qu'un robot humanoïde peut apprendre à jouer au tennis avec très peu de données. Le robot G1 d'Unitree a été entraîné à partir de seulement 5 heures de motion capture de joueurs humains. Cette approche ouvre la voie à un apprentissage moteur rapide et efficace pour les robots humanoïdes.
L'article semble incomplet — seul le titre a été fourni. Pouvez-vous partager le contenu de l'article ?
Lors du GTC 2026, Nvidia a annoncé une expansion majeure de sa plateforme pour l'IA physique. Dès 2027, des véhicules autonomes circuleront à Los Angeles en partenariat avec Uber, tandis que les robots industriels de FANUC et ABB seront équipés de puces Nvidia. De nouveaux modèles visent également à améliorer les capacités des robots humanoïdes, transformant le défi des données en robotique en un problème de puissance de calcul.
UEL'équipement des robots industriels d'ABB (groupe suisse, leader européen de l'automatisation) avec des puces Nvidia renforce la compétitivité de l'industrie robotique européenne face aux acteurs asiatiques et américains.
Memories.ai développe un grand modèle de mémoire visuelle capable d'indexer et de retrouver des souvenirs enregistrés en vidéo pour l'IA physique. Cette technologie vise à constituer la couche de mémoire visuelle pour les wearables et la robotique. L'objectif est de permettre aux appareils physiques dotés d'IA de mémoriser et rappeler des expériences visuelles de manière efficace.
