L'IA physique prend le volant : comment les leaders mondiaux du robotaxi construisent avec les technologies NVIDIA
Le marché mondial des robotaxis, présenté comme la première percée commerciale de l'« IA physique », devrait atteindre 400 milliards de dollars d'ici 2035, avec plus de 6 millions de véhicules commerciaux en circulation à terme. Des flottes sans chauffeur circulent déjà dans certaines des rues les plus denses et complexes au monde. NVIDIA a détaillé la pile technologique qui sous-tend, selon l'entreprise, tous les grands programmes de robotaxis opérant aujourd'hui à échelle commerciale. Cette architecture repose sur trois "ordinateurs" complémentaires : un ordinateur d'entraînement basé sur les systèmes NVIDIA DGX, qui exploite le portefeuille Alpamayo de modèles ouverts vision-langage-action (VLA) à raisonnement, ainsi que des jeux de données d'IA physique et des recettes de post-entraînement ; un ordinateur de simulation et de validation combinant NVIDIA Omniverse (avec les modèles NuRec de reconstruction de scènes réelles) et les modèles de fondation Cosmos, exécutés sur des serveurs NVIDIA RTX PRO ; et un ordinateur embarqué, NVIDIA DRIVE Hyperion, dont la version 10 associe deux systèmes sur puce DRIVE AGX Thor. Sur un test d'évaluation de conduite autonome jugé exigeant, l'ajout de données de raisonnement par étapes (méta-actions et chaîne de pensée) a réduit de 43 % l'erreur moyenne de déviation de trajectoire d'un modèle VLA, la faisant passer de 2,08 à 1,18.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de NVIDIA AI Blog. Lire l'article original →
L'enjeu dépassе la simple mise en circulation de quelques véhicules autonomes : il s'agit de garantir des performances sûres et homogènes sur des milliers de voitures simultanément, ce qui exige une puissance de calcul considérable à chaque étape, de l'entraînement des modèles jusqu'au traitement en temps réel à bord. En permettant de démultiplier des cas réels rares, comme un piéton surgissant dans des conditions météo inhabituelles, en des millions de variations synthétiques de comportements, de trafic, d'éclairage et de capteurs, les outils Cosmos et Omniverse réduisent la dépendance aux kilomètres parcourus physiquement pour valider les véhicules. Pour les constructeurs et opérateurs de flottes, cela signifie un développement plus rapide et une meilleure détection des failles avant le déploiement, un enjeu de sécurité et de coût déterminant pour la viabilité économique du secteur.
Ce mouvement s'inscrit dans la stratégie plus large de NVIDIA, qui cherche à devenir le fournisseur d'infrastructure incontournable de l'IA physique, au-delà des centres de données, en proposant une plateforme ouverte et modulaire que les constructeurs peuvent combiner avec leurs propres technologies plutôt qu'un système fermé imposé. Avec la multiplication des acteurs du robotaxi et la pression pour prouver la fiabilité de ces systèmes à grande échelle, la capacité à simuler massivement des scénarios rares et à entraîner des modèles de raisonnement toujours plus performants devrait devenir un facteur clé de différenciation entre les programmes qui parviendront à une exploitation commerciale durable et les autres.
Pas d'impact direct sur la France/UE