Le socle logiciel pour robots polyvalents

X Square Robot, entreprise chinoise spécialisée dans l'IA incarnée, mise sur une pile technologique intégrée pour doter les robots d'une capacité générale, faute de recette éprouvée comme celle qui a fonctionné pour les grands modèles de langage. Sa stack combine des données d'interaction, un modèle du monde capable de prédire les changements physiques, et un modèle d'action regroupant perception, planification, raisonnement et décision, le tout réuni dans une architecture baptisée World Unified Model. L'entreprise a développé un système de collecte de données, l'Universal Manipulation Interface, commercialisé sous le nom QUANXTA Zero Series : des humains portant un dispositif à double pince enregistrent des démonstrations, sans passer par la téléopération d'un robot. La particularité tient à un contrôle qualité strict, avec une boucle d'inspection qui rejoue physiquement un échantillon de trajectoires sur un vrai robot ; seules celles qui accomplissent réellement la tâche sont retenues comme valides. Une pince qui se referme une fraction de seconde trop tôt, par exemple, ressemble à une saisie réussie dans les données mais a en fait repoussé l'objet, et se trouve donc écartée. X Square Robot pré-entraîne ensuite ses modèles sur un large volume de démonstrations humaines avant d'ajouter une petite quantité de données robotiques réelles pour ancrer le modèle à la dynamique précise de la machine.

Cette approche s'attaque à ce que l'entreprise considère comme le principal frein au développement de robots généralistes : non pas le nombre de paramètres des modèles, mais le coût et la qualité des données d'interaction. Selon X Square Robot, la combinaison de données humaines bon marché et d'un faible volume de données robotiques permet d'atteindre des performances comparables à un jeu de données entièrement robotique, pour un coût de collecte environ 20 fois inférieur, principalement parce que le dispositif portable coûte beaucoup moins cher à déployer qu'une flotte de robots téléopérés. Pour l'industrie, cela change la donne économique de l'entraînement robotique et pourrait accélérer l'émergence de robots capables de transférer leurs compétences d'une tâche à une autre, voire d'une machine à une autre, un problème resté largement irrésolu jusqu'ici.

Le choix de publier cette pile en accès ouvert s'inscrit dans un débat plus large sur la manière de construire l'IA incarnée : faut-il un modèle unique et massif, ou un ensemble de composants complémentaires partageant une base de code commune, comme le défend X Square Robot avec ses modèles du monde et d'action présentés comme indépendants mais liés ? L'entreprise mise sur trois principes structurants : considérer l'interaction, et non la simple trajectoire, comme unité de base des données robotiques ; viser un pré-entraînement directement exploitable plutôt qu'une simple initialisation à affiner ; et modéliser le comportement autour d'événements physiques plutôt que de simples découpages temporels. Ces choix, encore débattus dans le secteur, positionnent X Square Robot parmi les acteurs qui tentent de définir la future norme technique des robots généralistes, dans un contexte de concurrence croissante entre laboratoires chinois et occidentaux sur ce terrain.