RobotiqueIEEE Spectrum AI · 25 mars 2026, 19:00· 2 min de lecture

L'IA de conduite autonome entraînée 50 000 fois plus vite qu'en temps réel

General Motors franchit une nouvelle étape dans la course à la conduite autonome en dévoilant une approche d'entraînement de ses IA capable de simuler des scénarios de conduite 50 000 fois plus vite qu'en temps réel. L'enjeu : préparer les systèmes autonomes à gérer non pas les situations ordinaires, mais les cas limites rares et imprévisibles qui déterminent en définitive la fiabilité d'un véhicule sans conducteur.

Le défi fondamental de la conduite autonome n'est pas de gérer 99 % des situations courantes, celles-ci sont relativement bien résolues, mais ce que les ingénieurs appellent la "longue traîne" : un matelas sur la chaussée, une panne généralisée des feux de circulation, un agent de la circulation dont le geste manuel contredit un feu rouge. Ces événements sont rares, mais leur gestion incorrecte peut être fatale. Pour GM, c'est précisément sur ce terrain que se joue la bataille de l'autonomie réelle, notamment en vue du déploiement de la conduite "mains libres sur autoroute" et, à terme, de véhicules entièrement autonomes.

Pour y répondre, GM combine plusieurs technologies de pointe. D'abord, des modèles Vision Language Action (VLA), des modèles de langage visuel adaptés à la conduite, capables de reconnaître des gestes policiers ou d'interpréter la signalétique improvisée d'un chantier. Pour contourner le problème de latence inhérent à ces grands modèles, GM a développé une architecture dite "Dual Frequency VLA" : un grand modèle tourne à basse fréquence pour les décisions sémantiques complexes ("est-ce une branche ou un parpaing ?"), tandis qu'un modèle léger et rapide gère en temps réel le contrôle physique du véhicule (direction, freinage). L'ensemble est entraîné via de la simulation haute-fidélité et du reinforcement learning à une échelle impossible à atteindre sur route réelle.

Cette approche positionne GM comme l'un des acteurs les plus méthodiques du secteur, à rebours des stratégies purement basées sur les kilomètres réels accumulés. En rendant les raisonnements du modèle explicables via des traces de déduction, l'entreprise mise aussi sur la validation réglementaire et la confiance des opérateurs de sécurité, un avantage stratégique non négligeable à mesure que les autorités durcissent leur regard sur les systèmes autonomes.

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1arXiv cs.RO

SwarmDrive : coordination sémantique V2V pour la conduite autonome coopérative en temps contraint

Des chercheurs ont présenté SwarmDrive, un système de coordination sémantique véhicule-à-véhicule (V2V) pensé pour la conduite autonome sous contrainte de latence. Chaque véhicule du réseau embarque un petit modèle de langage local (SLM) et ne partage ses intentions avec les véhicules voisins que lorsque son niveau d'incertitude dépasse un seuil défini, limitant ainsi les échanges au strict nécessaire. Les données partagées sont fusionnées via un mécanisme de consensus déclenché par événement. Dans une étude en cinq configurations autour d'un scénario d'intersection obstruée, le système en mode 6G a porté le taux de succès de 68,9 % à 94,1 % par rapport à un SLM local seul. La latence chute dans le même temps de 510 ms (référence cloud) à 151,4 ms. Les performances optimales ont été mesurées avec un essaim de 4 véhicules actifs et un seuil d'entropie de 0,65 ; au-delà, la charge réseau et les pertes de paquets augmentent sensiblement. Ces résultats s'attaquent à un problème central de la conduite autonome : les modèles hébergés dans le cloud sont puissants mais introduisent des délais incompatibles avec des décisions de sécurité en temps réel, tandis que les modèles locaux peinent à raisonner correctement face aux angles morts physiques. SwarmDrive propose une troisième voie, coopérative, où plusieurs véhicules proches mutualisent leur intelligence de façon légère et ciblée, sans dépendre d'une connexion permanente à un serveur distant. Pour les constructeurs et les développeurs de systèmes ADAS, c'est une approche prometteuse pour naviguer dans des environnements urbains complexes où les occultations sont fréquentes. La coordination véhicule-à-véhicule n'est pas nouvelle, au coeur de standards comme le C-V2X, mais l'intégration de modèles de langage dans la boucle de décision embarquée en renouvelle les usages. SwarmDrive mise sur deux tendances convergentes : la miniaturisation des modèles IA et les promesses de la 6G en matière de latence ultra-faible. Les auteurs préviennent toutefois que l'étude reste un prototype sur un scénario unique, et non une validation de déploiement réel sur une infrastructure 6G opérationnelle. L'étape suivante sera de tester la robustesse du système dans des environnements plus variés et avec des flottes plus denses, où la scalabilité de la communication deviendra un obstacle critique.

UELes constructeurs automobiles européens (Renault, Stellantis) et les acteurs du standard C-V2X pourraient s'appuyer sur cette approche pour renforcer la coopération embarquée dans leurs prototypes de véhicules autonomes, notamment dans le cadre des programmes 6G européens.

RobotiquePaper

1 source

2NVIDIA AI Blog

Les recherches de NVIDIA ouvrent la voie à la préhension avancée, la conduite autonome et l'entraînement d'agents à grande échelle

NVIDIA Research présente cette semaine au CVPR 2026 trois nouveaux papiers de recherche qui partagent une ambition commune : entraîner des systèmes à grande échelle pour qu'ils généralisent au-delà de leurs cas d'usage initiaux. Le premier, GraspGen-X, est décrit comme le premier modèle fondamental pour la saisie robotique zéro-shot : entraîné sur deux milliards de saisies simulées couvrant des milliers de formes d'objets et de configurations de pinces, il est capable de générer des propositions de prise fiables pour n'importe quelle pince robotique, y compris des modèles qu'il n'a jamais rencontrés. Le deuxième papier, LCDrive, introduit une approche pour la conduite autonome qui remplace le raisonnement textuel par des représentations latentes compactes, permettant aux véhicules de raisonner plus vite sur le matériel embarqué réel. Enfin, NitroGen est un modèle fondamental d'IA de gameplay, construit sur l'architecture NVIDIA Isaac GR00T, qui aide à entraîner des agents incarnés dans des environnements virtuels sur des dizaines de milliers d'heures d'interaction. Ces trois travaux répondent à des verrous concrets qui freinent le déploiement de l'IA physique aujourd'hui. Pour la robotique, le problème était simple mais paralysant : chaque nouveau type de pince nécessitait un cycle complet de collecte de données, fine-tuning et validation. GraspGen-X élimine ce goulot d'étranglement en fonctionnant comme un grand modèle de langage appliqué à la géométrie, utilisable directement avec les pinces courantes sans réentraînement. En parallèle, LCDrive adresse une contrainte matérielle réelle des véhicules autonomes : le raisonnement par chaîne de pensée basé sur du texte génère des tokens qui coûtent du temps de calcul, un luxe que les processeurs embarqués dans les voitures ne peuvent pas se permettre en situation réelle. En remplaçant les mots par des représentations latentes, le système peut raisonner plus vite sur le même hardware. Ces annonces s'inscrivent dans une dynamique plus large chez NVIDIA, qui positionne l'IA physique comme le prochain grand chantier après les LLM. La conférence CVPR, l'une des plus importantes en vision par ordinateur, est un terrain de choix pour valider ces approches auprès de la communauté académique avant leur adoption industrielle. GraspGen-X s'intègre d'ailleurs avec curoboV2, une nouvelle bibliothèque de planification de mouvement accélérée par CUDA, et s'appuie sur des travaux antérieurs comme Grasp-MPC présenté à l'ICRA 2026. Pour les développeurs de robots et de véhicules autonomes, l'enjeu est de taille : réduire les cycles de développement grâce à des modèles fondamentaux capables de s'adapter à de nouveaux contextes sans repartir de zéro, une approche qui commence à prouver sa valeur dans le monde du langage et que NVIDIA ambitionne désormais d'imposer dans le monde physique.

UELes avancées en préhension robotique zéro-shot et en inférence embarquée pour véhicules autonomes pourraient bénéficier aux industriels européens de la robotique et de l'automobile cherchant à réduire les cycles de développement.

RobotiquePaper

1 source

3Le Big Data

Cosmos 3 Edge : cette IA de NVIDIA apprend aux robots à comprendre le monde en temps réel

NVIDIA a dévoilé le 20 juillet 2026 Cosmos 3 Edge, un nouveau modèle d'IA physique conçu pour équiper les robots, les véhicules autonomes et les systèmes de vision intelligente. Contrairement aux modèles classiques qui se contentent d'identifier des objets sur une image fixe, ce « world model » suit l'évolution d'une scène dans le temps, relie les objets entre eux, observe leurs déplacements et anticipe les effets de chaque action. Le modèle embarque 4 milliards de paramètres, épaulés par un moteur de raisonnement basé sur Nemotron doté de 2 milliards de paramètres supplémentaires, chargé d'analyser l'information avant de produire une réponse ou de déclencher une action. Sa particularité tient surtout à son mode d'exécution : au lieu de dépendre d'un serveur distant, Cosmos 3 Edge tourne directement sur l'appareil, qu'il s'agisse des plateformes NVIDIA Jetson, des GPU GeForce RTX, des cartes RTX PRO ou des systèmes DGX. Le modèle est d'ores et déjà disponible sur Hugging Face, accompagné de scripts permettant aux développeurs de l'adapter à leurs propres projets. Ce fonctionnement local change concrètement la donne pour les usages où chaque milliseconde compte. En traitant les données sur place plutôt qu'en les envoyant vers le cloud, Cosmos 3 Edge réduit fortement la latence des décisions et permet aux machines de continuer à fonctionner même quand la connexion réseau est instable ou absente. Pour des robots industriels, des entrepôts automatisés, des hôpitaux ou des infrastructures urbaines équipées de caméras intelligentes, ce gain de réactivité peut se traduire par une différence tangible en matière de sécurité et d'efficacité. Un véhicule autonome peut ainsi mieux anticiper le comportement des piétons ou des autres voitures, tandis qu'un bras robotique en usine peut ajuster son geste en temps réel sans attendre de retour d'un serveur distant. Cette autonomie locale répond aussi à une préoccupation industrielle plus large autour de la confidentialité des données, puisque rien ne transite vers l'extérieur. L'architecture de Cosmos 3 Edge repose sur deux moteurs qui travaillent en permanence de concert. Le premier traite les images et le texte pour comprendre une situation et raisonner sur celle-ci, tandis que le second analyse images, sons et actions afin de simuler différents scénarios et de générer les mouvements à exécuter. Le modèle peut ainsi imaginer les conséquences d'une action avant qu'elle ne survienne, mais aussi déduire rétrospectivement quelle action a provoqué un changement observé. Autre choix structurant, NVIDIA traduit les mouvements de bras robotiques, de caméras ou de véhicules dans une représentation commune, ce qui facilite l'adaptation du modèle à des usages très différents sans repartir de zéro à chaque fois. Cette sortie s'inscrit dans la stratégie de NVIDIA de s'imposer comme fournisseur de référence de l'IA physique, un marché où robotique industrielle et conduite autonome convergent de plus en plus vers les mêmes briques technologiques.

RobotiqueActu

1 source

4Frandroid

La Chine entraîne ses robots dans le monde réel plutôt qu’en laboratoire

Selon les informations disponibles, des chercheurs chinois développent leurs robots humanoïdes en les testant directement en conditions réelles plutôt qu'en environnement contrôlé de laboratoire. L'approche consiste à sortir les machines des centres de recherche pour les confronter à des situations concrètes de la vie quotidienne, où elles doivent interagir avec des humains dans des contextes non scénarisés. Cette stratégie d'apprentissage par l'expérimentation directe vise à accumuler des données issues de situations variées et imprévisibles, difficiles à reproduire artificiellement en laboratoire. Les équipes de recherche chinoises misent ainsi sur le volume et la diversité des interactions réelles pour affiner les capacités de leurs robots. Cette méthode répond à un défi central de la robotique humanoïde : un robot qui excelle dans un environnement contrôlé échoue souvent face à l'imprévisibilité du monde réel, que ce soient les irrégularités d'un trottoir, les réactions imprévues d'un passant ou les obstacles non répertoriés. En multipliant les expositions à ces situations concrètes, la Chine cherche à accélérer l'acquisition de comportements adaptatifs plus robustes que ceux obtenus par simulation seule. L'enjeu est de taille pour l'industrie : la capacité à déployer des robots réellement fonctionnels en environnement humain conditionne l'ensemble des applications commerciales visées, du service à la personne à l'assistance logistique, et pourrait déterminer qui prendra l'avantage sur ce marché émergent. Cette approche s'inscrit dans la compétition mondiale intense autour de la robotique humanoïde, où la Chine investit massivement pour rattraper puis dépasser les acteurs occidentaux et notamment américains sur ce terrain. Les entreprises chinoises du secteur bénéficient d'un soutien étatique important et d'un écosystème industriel favorable au déploiement rapide de prototypes à grande échelle. Reste à savoir si cette stratégie du terrain, plus risquée en termes de sécurité et d'image, permettra réellement de combler l'écart technologique avec des acteurs qui misent davantage sur la simulation et les tests contrôlés avant tout déploiement public.

RobotiqueOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic