Aller au contenu principal
Le Fil IA

Actualités IA — page 214

7 629 articles au fil, du plus récent au plus ancien.

ANCHOR : système en boucle fermée ancré physiquement pour robots mobiles de service à domicile
4261arXiv cs.RO 

ANCHOR : système en boucle fermée ancré physiquement pour robots mobiles de service à domicile

Des chercheurs ont publié sur arXiv un nouveau cadre logiciel baptisé ANCHOR, conçu pour rendre les robots de service à domicile nettement plus fiables lors de tâches complexes en environnement réel. Testé sur 60 essais avec de vrais robots dans des maisons inconnues, ANCHOR a permis de faire passer le taux de réussite des tâches de 53,3 % à 71,7 %, tout en atteignant un taux de récupération de 71,4 % face à des perturbations imprévues. Le système repose sur trois mécanismes : une planification ancrée physiquement qui vérifie l'état réel de la scène après chaque action, un alignement de la base mobile qui garantit que le robot peut effectivement saisir un objet depuis l'endroit où il s'est positionné, et un système de récupération hiérarchique qui localise les erreurs au bon niveau plutôt que de tout replannifier à zéro. Ces résultats sont significatifs parce qu'ils s'attaquent à un problème concret qui bloque le déploiement domestique des robots depuis des années : non pas l'incapacité à reconnaître les objets, mais l'incohérence entre ce que le robot a planifié symboliquement et la réalité physique changeante de l'environnement. Le problème dit "arrived but inoperable", le robot arrive devant l'objet mais ne peut pas le saisir parce qu'il s'est mal positionné, est l'un des échecs les plus frustrants et les plus courants. ANCHOR le corrige en intégrant les contraintes cinématiques dès la phase de navigation. La manipulation mobile en environnement ouvert est un défi de longue date en robotique domestique. Des systèmes comme SayCan d'Alphabet ou les travaux de recherche de Boston Dynamics ont montré qu'il est possible de combiner LLM et robots physiques, mais la robustesse en conditions réelles restait le maillon faible. ANCHOR s'inscrit dans une tendance récente qui consiste à ne pas faire confiance aux seules cartes sémantiques pré-scannées, qui deviennent obsolètes dès qu'un objet est déplacé, et à ancrer chaque décision dans l'état physique vérifiable du moment. Les prochaines étapes probables seront l'intégration avec des modèles de vision-langage plus récents et des tests à plus grande échelle.

RobotiqueOpinion
1 source
SlicerRoboTMS : extension open source de 3D Slicer pour la stimulation magnétique transcrânienne robotisée
4262arXiv cs.RO 

SlicerRoboTMS : extension open source de 3D Slicer pour la stimulation magnétique transcrânienne robotisée

Une équipe de chercheurs a publié SlicerRoboTMS, une extension open-source pour la plateforme logicielle 3D Slicer, dédiée à la stimulation magnétique transcrânienne assistée par robot (Robo-TMS). L'article, déposé sur arXiv (référence 2504.25661), décrit une infrastructure logicielle unifiée qui combine navigation neurologique par IRM, vision par ordinateur et contrôle robotique au sein d'un même environnement. L'extension s'appuie sur les capacités existantes de 3D Slicer en matière d'imagerie médicale et communique avec les systèmes robotiques via des protocoles standardisés et des descriptions de configuration modulaires. Le code source est disponible librement sur GitHub, sous l'organisation OpenRoboTMS. La TMS conventionnelle est une technique non invasive de stimulation cérébrale largement utilisée en psychiatrie, neurologie et recherche en neurosciences, notamment pour traiter la dépression résistante aux médicaments. Son principal défaut : la précision du positionnement de la bobine magnétique sur le crâne dépend entièrement de l'opérateur humain, ce qui nuit à la reproductibilité des traitements et des expériences. SlicerRoboTMS vise à résoudre ce problème en guidant un bras robotique à partir de données IRM du patient, améliorant ainsi la précision et la cohérence entre sessions. Pour les cliniques et les laboratoires, cela représente un gain concret en qualité de soin et en rigueur expérimentale, sans avoir à développer une infrastructure logicielle propriétaire coûteuse. Le développement de systèmes Robo-TMS bute depuis des années sur un obstacle majeur : l'intersection entre imagerie médicale, robotique et traitement du signal exige des compétences multidisciplinaires rares, que peu d'équipes réunissent. En proposant une solution open-source construite sur un logiciel médical déjà adopté mondialement, les auteurs abaissent significativement ce seuil d'entrée et facilitent le prototypage rapide. L'extension est conçue pour s'adapter à diverses configurations matérielles, ce qui la rend potentiellement compatible avec différents fabricants de bras robotiques. Les prochaines étapes naturelles concerneront la validation clinique à grande échelle et l'intégration dans des workflows hospitaliers certifiés.

RobotiqueActu
1 source
Paramétrisations de croyances neuronales variationnelles pour une préhension dextre robuste sous incertitude multimodale
4263arXiv cs.RO 

Paramétrisations de croyances neuronales variationnelles pour une préhension dextre robuste sous incertitude multimodale

Des chercheurs ont publié sur arXiv (référence 2604.25897) une nouvelle approche pour améliorer la fiabilité de la préhension robotique en présence d'incertitudes multiples : variation des contacts entre les doigts et l'objet, imprécision des capteurs, et perturbations extérieures. Leur système, baptisé "variational neural belief", représente l'état d'incertitude du robot sous forme d'un mélange gaussien différentiable, combiné à une technique d'échantillonnage appelée Gumbel-Softmax. L'objectif n'est pas d'optimiser la performance moyenne, mais de minimiser le risque dans les scénarios les plus défavorables, via un indicateur statistique nommé CVaR (Conditional Value-at-Risk). En simulation, la méthode réduit le temps de planification d'un facteur dix par rapport aux approches à filtre particulaire, qui constituent l'état de l'art actuel. Sur un bras robotique réel équipé d'une main multi-doigts, le système réussit à saisir et soulever des objets en présence d'incertitudes de pose, en moins d'étapes et en moins de temps qu'une approche gaussienne classique. L'erreur de calibration du risque reste en dessous de 0,14, contre 0,58 pour un planificateur concurrent basé sur la méthode d'entropie croisée. Ce résultat est important car la manipulation d'objets reste l'un des talons d'Achille de la robotique industrielle et domestique. Un robot qui calcule sa stratégie de saisie en se basant sur la performance moyenne échoue systématiquement dans les situations imprévues : surface glissante, légère erreur de positionnement, vibration. En passant à une optimisation orientée sur les cas extrêmes, cette approche rend la préhension robuste là où elle compte vraiment, sans sacrifier la vitesse de décision. La robotique de manipulation est depuis des années un champ de recherche intense, notamment dans les laboratoires de DeepMind, OpenAI Robotics et Carnegie Mellon, ainsi qu'au sein de startups comme Figure et Apptronik. L'approche des POMDPs sensibles au risque existait déjà en théorie, mais les méthodes à filtres particulaires se révèlent trop lentes et trop difficiles à optimiser par gradient pour un usage pratique. En substituant une représentation différentiable et différentiable par conception, les auteurs ouvrent la voie à une intégration dans des pipelines d'apprentissage end-to-end, ce qui pourrait accélérer significativement le déploiement de robots manipulateurs autonomes dans des environnements non contrôlés.

RobotiqueOpinion
1 source
SODA-CitrON : association de données d'objets statiques par regroupement de détections multimodales en ligne
4264arXiv cs.RO 

SODA-CitrON : association de données d'objets statiques par regroupement de détections multimodales en ligne

Des chercheurs ont publié sur arXiv une nouvelle méthode baptisée SODA-CitrON (Static Object Data Association by Clustering Multi-Modal Sensor Detections Online), conçue pour améliorer la fusion et le suivi d'objets statiques à partir de capteurs hétérogènes en temps réel. L'approche repose sur un algorithme d'apprentissage automatique non supervisé capable de regrouper des détections issues de plusieurs types de capteurs, afin d'estimer les positions d'objets immobiles et de maintenir un suivi persistant, même lorsque le nombre d'objets à détecter n'est pas connu à l'avance. Évaluée dans des scénarios de simulation Monte Carlo, la méthode affiche une complexité au pire cas log-linéaire en fonction du nombre de détections, garantissant une scalabilité applicable à des environnements denses. Les résultats sont significatifs : SODA-CitrON surpasse systématiquement les méthodes de référence testées, parmi lesquelles le filtrage basé sur POM (Probabilistic Occupancy Map), le clustering DBSTREAM et l'algorithme JPDA (Joint Probabilistic Data Association), sur quatre métriques clés : le score F1, l'erreur quadratique moyenne de position (RMSE), le MOTP (Multi-Object Tracking Precision) et le MOTA (Multi-Object Tracking Accuracy). Pour les systèmes autonomes comme les voitures sans conducteur ou les robots industriels, la capacité à cartographier précisément des objets fixes, tels que des panneaux de signalisation, des bornes ou des obstacles permanents, est aussi critique que le suivi de cibles mobiles, mais bien moins étudiée jusqu'ici. Le problème de l'association de données pour objets statiques est longtemps resté dans l'ombre des méthodes classiques pensées pour des cibles en mouvement. Les algorithmes comme JPDA supposent des modèles de déplacement qui perdent toute pertinence face à des objets immobiles détectés de façon intermittente et avec des incertitudes variables selon les capteurs. SODA-CitrON répond à ce manque en opérant de manière entièrement en ligne, sans corrélation temporelle requise entre les mesures, et en offrant une explicabilité complète de ses sorties, un atout non négligeable pour la certification de systèmes critiques dans des contextes réglementés. Cette publication, versionnée v2 sur arXiv sous l'identifiant 2602.22243, ouvre la voie à des intégrations pratiques dans des architectures de perception embarquée pour la robotique et la conduite autonome.

RobotiquePaper
1 source
Logique des chemins flous
4265arXiv cs.RO 

Logique des chemins flous

Des chercheurs ont publié sur arXiv (référence 2604.24907) une nouvelle famille de logiques temporelles spécialement conçues pour la planification de mouvement en robotique. Ces logiques, baptisées "Logic of Fuzzy Paths", s'appuient sur la logique temporelle de signal (STL), un formalisme largement utilisé dans les systèmes cyber-physiques et la robotique depuis plusieurs années. La nouveauté centrale réside dans le traitement des trajectoires comme des entités de première classe, ce qui permet de séparer explicitement les considérations géométriques des considérations logiques, aboutissant à des formules plus simples et plus lisibles. Le système repose techniquement sur des contraintes de signaux floues et variables dans le temps. Cette approche présente deux avantages concrets. D'une part, elle rend les spécifications de comportement plus accessibles aux humains qui programment des robots : un ingénieur peut exprimer des préférences sur les trajectoires sans manipuler des formules mathématiques complexes. D'autre part, le formalisme est mieux adapté à l'apprentissage automatique de spécifications à partir de démonstrations humaines, un besoin croissant dans la robotique collaborative et les systèmes autonomes conscients de leur environnement humain. La logique introduit également une notion enrichie de satisfaction, capable de refléter des préférences graduées entre comportements plutôt qu'un simple critère vrai/faux, ce qui correspond mieux à la réalité des environnements réels. La planification de mouvement est un défi fondamental en robotique : il s'agit de calculer des trajectoires sûres et efficaces dans des environnements dynamiques, souvent en présence d'humains. La STL classique, bien qu'elle ait dominé ce domaine grâce à sa sémantique quantitative, souffrait d'une expressivité limitée pour les préférences comportementales et d'une complexité croissante des formules. La "Logic of Fuzzy Paths" se positionne comme une évolution directe, avec une implémentation prototype et un algorithme d'apprentissage déjà disponibles. Les auteurs ouvrent également la voie à des applications en model checking et en monitoring, deux piliers de la vérification formelle des systèmes autonomes, ce qui pourrait accélérer l'adoption industrielle de ces outils dans les années à venir.

RecherchePaper
1 source
Distillation par prévision privilégiée : correction future sans surcoût pour les modèles action-monde
4266arXiv cs.RO 

Distillation par prévision privilégiée : correction future sans surcoût pour les modèles action-monde

Des chercheurs ont publié sur arXiv une méthode baptisée Privileged Foresight Distillation (PFD), conçue pour améliorer les modèles d'action robotiques sans coût supplémentaire à l'exécution. Ces "world action models" sont des systèmes d'IA entraînés à prédire simultanément des vidéos futures et des actions à effectuer, une architecture populaire dans le domaine de la manipulation robotique. La question centrale que les auteurs cherchent à résoudre est la suivante : à quoi sert réellement la branche de prédiction vidéo lors de l'entraînement, si elle peut être retirée à l'inférence sans perte significative de performance sur des benchmarks comme LIBERO et RoboTwin ? Leur réponse : la vision du futur crée pendant l'entraînement une correction précise et mesurable des actions prédites, correction qui peut être "distillée" dans un adaptateur léger attaché à un modèle n'observant que le présent. Concrètement, PFD fonctionne en deux temps : un modèle "enseignant" voit les vraies images futures pendant l'entraînement et génère une correction, calculée comme la différence entre ses prédictions avec et sans ces images ; un modèle "étudiant", qui n'a accès qu'à l'image courante, apprend à reproduire cette correction via un petit adaptateur. Les deux modèles partagent la même architecture visuelle et ne diffèrent que dans leur masque d'attention sur les tokens vidéo. À l'inférence, aucune vidéo future n'est générée, ce qui maintient une latence négligeable. Les tests sur LIBERO et RoboTwin confirment des gains constants de performance sans surcoût computationnel, ce qui rend la méthode directement applicable à des systèmes robotiques existants. Ce travail s'inscrit dans un débat plus large sur l'utilité des représentations temporelles dans les modèles génératifs appliqués à la robotique. La tendance des "world models", popularisée par des travaux de Google DeepMind, Tesla et d'autres laboratoires, consiste à entraîner des agents capables d'anticiper les conséquences de leurs actions. Jusqu'ici, une interprétation dominante voulait que la prédiction du futur n'agisse que comme régularisateur sur le backbone visuel partagé. PFD renverse cette lecture en montrant que le futur est une correction compressible et transmissible, plutôt qu'une cible de prédiction ou un simple bruit d'entraînement. Cette distinction ouvre des perspectives pour concevoir des robots plus précis tout en réduisant les contraintes d'inférence en temps réel.

RecherchePaper
1 source
Apprentissage augmenté par référence pour le contrôle précis de robots continus à tendons
4267arXiv cs.RO 

Apprentissage augmenté par référence pour le contrôle précis de robots continus à tendons

Des chercheurs ont développé une nouvelle approche d'apprentissage automatique pour améliorer le contrôle précis des robots continus à tendons, une classe de robots flexibles dont les mouvements sont guidés par des câbles internes. Présentée dans un article publié sur arXiv (référence 2604.25698), la méthode repose sur un cadre d'apprentissage hors-ligne dit « augmenté par références », capable de piloter ces robots avec six degrés de liberté. Les tests ont été conduits sur une plateforme robotique à trois sections, et les résultats montrent une réduction de 50,9 % de l'erreur de position moyenne par rapport aux méthodes d'apprentissage non augmentées, ainsi qu'une nette supériorité face aux contrôleurs classiques dits « jacobiens », tant en précision qu'en stabilité, quelle que soit la vitesse de déplacement. Ce gain de performance est significatif pour les applications médicales et industrielles où ces robots flexibles sont utilisés, notamment en chirurgie mini-invasive, en endoscopie ou en exploration de structures encombrées. Le problème central des robots à tendons réside dans leur comportement non linéaire et dépendant de leur historique de mouvement : les câbles introduisent des effets d'hystérésis qui provoquent des oscillations difficiles à corriger avec les méthodes de contrôle traditionnelles. La nouvelle approche force le modèle à apprendre des mécanismes de récupération d'erreur variés sans nécessiter d'interactions physiques supplémentaires avec le robot, ce qui réduit les coûts et les risques d'usure matérielle pendant l'entraînement. La difficulté à contrôler précisément ces robots flexibles freine depuis longtemps leur déploiement dans des environnements cliniques réels, où la moindre déviation de trajectoire peut avoir des conséquences graves. Les approches par réseau de neurones récurrents (RNN), utilisées ici comme pont différentiable pour optimiser la politique de contrôle, permettent de modéliser la dépendance temporelle des dynamiques sans recourir à des modèles analytiques trop simplifiés. L'équipe introduit également une augmentation multi-échelle combinant biais stochastiques, perturbations harmoniques et marches aléatoires, ce qui expose le modèle à une grande diversité de trajectoires pendant l'entraînement. Les prochaines étapes probables incluent une validation sur des scénarios cliniques réels et une extension à des robots à sections multiples plus complexes.

RobotiqueOpinion
1 source
Coopération optimale UGV-UAV : partitionnement et inspection des plus courts chemins
4268arXiv cs.RO 

Coopération optimale UGV-UAV : partitionnement et inspection des plus courts chemins

Des chercheurs ont publié le 29 avril 2026 une étude portant sur la planification coopérative de trajets entre un véhicule terrestre autonome (UGV) et un drone aérien (UAV), dans des environnements où certaines routes sont bloquées mais où ces obstacles ne sont découverts qu'au moment où un robot les atteint physiquement. L'algorithme proposé divise l'inspection du chemin en deux zones : le drone survole et inspecte la portion finale du trajet pendant que le véhicule terrestre explore la portion initiale. Testée sur les réseaux routiers réels des 50 villes les plus peuplées du monde, avec des blocages simulés aléatoirement, cette méthode réduit le temps de déplacement du véhicule terrestre jusqu'à 30 %. L'intérêt concret de cette approche réside dans la capacité à décider à l'avance comment répartir les tâches d'exploration entre les deux robots, plutôt que de réagir au fil des obstacles rencontrés. Les auteurs prouvent mathématiquement que, sans drone, le pire scénario pour un UGV seul sur un réseau composé de k chemins disjoints est d'un ratio de compétitivité de 2k-1, c'est-à-dire qu'il peut parcourir jusqu'à 2k-1 fois la distance optimale. Avec l'assistance d'un drone, ce ratio tombe à 2(vG / (vA + vG))k - 1, où vG et v_A désignent respectivement les vitesses du véhicule au sol et du drone : plus le drone est rapide par rapport au véhicule, plus le gain est important. Ce travail s'inscrit dans la continuité du "Canadian Traveller Problem", un problème classique d'optimisation formulé dans les années 1990 pour modéliser la navigation en terrain incertain. L'originalité ici est d'étendre ce cadre à une équipe hétérogène de robots, en tenant compte des coûts réels de transit et de repositionnement du drone, souvent ignorés dans les modèles théoriques antérieurs. Les applications visées incluent la gestion de crises, la logistique post-catastrophe ou la livraison autonome dans des zones où l'infrastructure routière est dégradée, des contextes où la capacité à anticiper les blocages sans explorer physiquement chaque route représente un avantage opérationnel majeur.

RobotiqueOpinion
1 source
COMPASS : localisation visuelle par plan de bâtiment avec carte multi-canal et signature de scène
4269arXiv cs.RO 

COMPASS : localisation visuelle par plan de bâtiment avec carte multi-canal et signature de scène

Des chercheurs ont présenté COMPASS, un algorithme de localisation visuelle pour robots qui exploite les plans architecturaux comme référence spatiale. Là où les méthodes existantes se limitent à la géométrie des bâtiments, COMPASS extrait simultanément les informations sémantiques contenues dans ces plans, murs, fenêtres, ouvertures, pour estimer avec précision la position et l'orientation d'un robot équipé de deux caméras fisheye. L'algorithme construit un descripteur radial à cinq canaux, inspiré du "scan context" utilisé en LiDAR, en projetant 360 rayons autour d'une position et en encodant pour chacun : la distance normalisée, le type d'obstacle rencontré, le gradient de distance, la distance inverse, et la variance locale. Cette représentation compacte est générée à la fois depuis le plan et depuis les images caméra, afin de les comparer directement. L'intérêt concret de cette approche tient à sa frugalité : les plans de bâtiments sont des ressources universellement disponibles, contrairement aux cartes 3D denses ou aux nuages de points LiDAR qui nécessitent une infrastructure coûteuse. En associant un simple plan d'étage à des caméras fisheye grand angle, COMPASS ouvre la voie à une localisation précise dans des environnements intérieurs sans déploiement de capteurs spécialisés. Les applications visées sont nombreuses : robots de livraison, assistants en milieu hospitalier, drones d'inspection, ou systèmes de navigation pour personnes malvoyantes. Le projet en est encore au stade de preuve de concept, validée sur le dataset Hilti-Trimble SLAM Challenge 2026 : les auteurs ont démontré que les signatures visuelles extraites de la première image de chaque caméra correspondent bien aux descripteurs issus du plan, confirmant la faisabilité du matching cross-modal. La prochaine étape consiste à étendre la détection d'éléments structurels au-delà des seules fenêtres, à intégrer la fusion des deux caméras fisheye, et à tester la localisation en conditions réelles sur des trajectoires complètes, un défi technique majeur qui conditionnera l'utilité pratique de la méthode.

RecherchePaper
1 source
Estimation d'état monoculaire métrique par alignement inertiel et priors cinétodynamiques
4270arXiv cs.RO 

Estimation d'état monoculaire métrique par alignement inertiel et priors cinétodynamiques

Une équipe de chercheurs présente une nouvelle méthode d'estimation d'état pour robots à structure flexible, publiée sur arXiv sous la référence 2511.20496. Le système exploite une caméra monoculaire, c'est-à-dire une seule caméra, couplée à des modèles physiques appelés "priors kinetodynamiques", pour localiser précisément un robot sans recourir aux capteurs inertiels classiques. La méthode repose sur deux composantes complémentaires : un réseau de neurones de type MLP (perceptron multicouche) qui apprend les propriétés élastiques du système, et des modèles cinématiques B-spline en temps continu qui capturent la fluidité du mouvement. Ces deux briques sont reliées par l'application de la deuxième loi de Newton, qui met en relation l'accélération dérivée visuellement et l'accélération générée par les déformations de la plateforme. Les chercheurs ont validé leur approche sur un prototype minimaliste composé d'un ressort et d'une caméra. Ce travail s'attaque à un problème fondamental de la robotique : les méthodes d'odométrie visuelle monoculaire peinent traditionnellement à récupérer l'échelle métrique absolue et l'orientation gravitationnelle, deux informations pourtant indispensables à la navigation autonome. Jusqu'ici, les algorithmes de localisation supposaient que la plateforme est un corps rigide, une hypothèse qui s'effondre dès qu'un drone aux bras flexibles, un robot mou ou tout système à structure déformable entre en jeu. En modélisant correctement la physique de la plateforme, les auteurs parviennent non seulement à une estimation de pose robuste sur des systèmes non rigides, mais aussi à récupérer les propriétés inertielles, rendant en partie superflue l'intégration d'une centrale inertielle dédiée. L'odométrie visuelle monoculaire est un domaine de recherche actif depuis plus d'une décennie, porté par l'essor des drones, des robots mobiles et des systèmes autonomes légers qui cherchent à minimiser poids et coût des capteurs. La robotique souple et les plateformes à géométrie variable représentent des cas d'usage croissants pour lesquels les hypothèses de corps rigide constituent un obstacle majeur. En intégrant directement les lois de la mécanique newtonienne dans le pipeline d'estimation, cette approche ouvre la voie à une nouvelle génération d'algorithmes capables de s'adapter à la déformabilité des plateformes réelles, avec des applications potentielles dans l'inspection industrielle, la livraison par drone et la chirurgie robotique.

RecherchePaper
1 source
Anyverse Dynamics lève plus de 200 millions de dollars et décroche une grande commande robotique à l'étranger
4271Pandaily 

Anyverse Dynamics lève plus de 200 millions de dollars et décroche une grande commande robotique à l'étranger

La startup chinoise Anyverse Dynamics vient de boucler son tour Angel++, portant le financement total au stade angel à plus de 200 millions de dollars. Ce tour a été co-piloté par Envision Group et le Beijing AI Industry Investment Fund, avec la participation d'investisseurs déjà présents au capital comme Sequoia China, Linear Capital, Hillhouse Capital et Baidu Ventures. La société serait par ailleurs sur le point de finaliser un tour Angel+++, soutenu par de grands noms de l'internet chinois et des fonds USD et RMB de premier rang. En parallèle du financement, Envision Group a signé avec Anyverse Dynamics une commande commerciale de plus de 500 millions de yuans (environ 69 millions de dollars), couvrant des déploiements dans plusieurs régions d'Europe et d'Asie. Ce contrat, décroché dès février 2026, vise à moderniser des infrastructures d'énergies renouvelables (éolien, solaire, stockage) et à soutenir l'exploitation de centres de données IA. Il est présenté comme la première commande internationale dans le secteur de l'IA incarnée dépassant 100 millions de yuans, et le plus grand contrat international individuel jamais signé par une entreprise chinoise du domaine. Ce niveau d'engagement marque une rupture avec les expérimentations à petite échelle qui ont longtemps caractérisé le secteur. Le déploiement sera massif, avec un volet de R&D conjoint et une mise en conformité avec les normes réglementaires européennes, ce qui soulève la barre pour l'ensemble des acteurs. Au-delà de l'énergie, Anyverse Dynamics a annoncé des partenariats stratégiques avec des équipementiers automobiles comme ZF Lifetec et Aumovio, ancienne filiale de Continental, avec des robots déjà intégrés dans des lignes de production industrielles. Un accord avec une chaîne internationale de cafés pour des scénarios de service en extérieur est également évoqué, sans que la marque soit encore révélée. La rapidité de la levée s'explique en grande partie par le positionnement technique de la société. Là où la majorité des acteurs misent sur l'architecture Vision-Language-Action (VLA), Anyverse Dynamics a développé un cerveau IA généraliste baptisé MWA, fondé sur un modèle du monde en espace latent. L'argument central : les architectures VLA souffrent de pertes d'information lors du passage entre le langage et l'action, alors qu'un espace latent unifié permet la perception, l'entraînement et l'inférence dans un même cadre représentationnel. L'apprentissage par renforcement est intégré en boucle fermée pour optimiser continuellement la prise de décision. Cette vision est portée par le co-fondateur et co-CTO Xia Zhongpu, pionnier des modèles du monde et du RL en Chine, fort de plus de 15 ans d'expérience dans le domaine et crédité de la construction de l'un des premiers systèmes de conduite autonome bout-en-bout du pays. Dans un secteur où la concurrence entre acteurs chinois et occidentaux s'intensifie, Anyverse Dynamics s'impose comme l'un des paris les plus ambitieux du moment.

RobotiqueActu
1 source
Créer des workflows LLM traçables et évalués avec Promptflow, Prompty et OpenAI
4272MarkTechPost 

Créer des workflows LLM traçables et évalués avec Promptflow, Prompty et OpenAI

Un tutoriel publié récemment détaille la construction d'un pipeline LLM complet et prêt pour la production, en s'appuyant sur trois outils clés : Promptflow, le format Prompty, et l'API OpenAI, le tout déployé dans un environnement Google Colab. Le workflow s'articule autour de plusieurs briques : une connexion sécurisée à OpenAI via un backend keyring alternatif, un fichier Prompty structuré servant de composant LLM central (ici GPT-4o-mini, avec une température de 0,2 et un maximum de 350 tokens), puis un flux de type "flex flow" basé sur une classe Python qui combine un prétraitement déterministe avec le raisonnement du modèle. Le système permet d'injecter des hints calculés dans les réponses du modèle, d'activer une traçabilité pas-à-pas de chaque exécution, de lancer des requêtes unitaires ou en batch, et de générer des sorties dans un format structuré. La chaîne se conclut par un pipeline d'évaluation automatisé dans lequel un LLM joue le rôle de juge pour noter les réponses produites face à des réponses attendues. L'intérêt de cette approche est double : elle apporte de la traçabilité à chaque étape d'un pipeline LLM, un manque criant dans beaucoup de déploiements actuels, et elle industrialise l'évaluation en remplaçant la validation manuelle par un juge automatisé. Pour les équipes qui cherchent à passer du prototype au système en production, ce type d'architecture garantit qu'on peut auditer, déboguer et améliorer le comportement du modèle de façon systématique. La combinaison d'un outil déterministe (le calcul sécurisé) et d'un raisonnement LLM dans un même flow illustre aussi comment orchestrer des agents hybrides, sujet central du moment dans le développement d'applications IA. Promptflow est un framework open source lancé par Microsoft en 2023, initialement pensé pour Azure AI Studio mais disponible en local. Il répond à un besoin croissant dans l'industrie : les équipes ne manquent plus de modèles, mais d'outils pour structurer, tester et maintenir des workflows LLM dans la durée. Le format Prompty, introduit plus récemment, standardise la définition des appels au modèle en séparant la configuration (modèle, paramètres, connexion) du template de prompt, ce qui facilite la réutilisation et la gouvernance. Avec l'essor du concept de LLM-as-a-judge, popularisé notamment par des travaux de Lmsys et repris par OpenAI et Anthropic dans leurs propres systèmes d'évaluation, le tutoriel s'inscrit dans une tendance de fond : automatiser non seulement la génération, mais aussi le contrôle qualité des sorties, condition nécessaire pour une adoption enterprise sérieuse de l'IA générative.

OutilsTuto
1 source
[AINews] Rien de notable aujourd'hui
4273Latent Space 

[AINews] Rien de notable aujourd'hui

La journée du 27-28 avril 2026 n'a pas produit de séisme dans l'industrie de l'IA, mais plusieurs sorties de modèles méritent attention. NVIDIA a lancé Nemotron 3 Nano Omni, un modèle multimodal open-source de 30 milliards de paramètres actifs (3B actifs, architecture MoE) capable de traiter texte, images, vidéo, audio et documents, avec une fenêtre de contexte de 256 000 tokens orientée vers les usages agentiques. Sa distribution a été immédiate : OpenRouter, LM Studio, Ollama, Fireworks, Together et une dizaine d'autres plateformes ont annoncé sa disponibilité le jour même. Le modèle intègre un encodeur audio Parakeet, fonctionne pour l'instant uniquement en anglais, et affiche un taux d'erreur de 5,95 % sur le benchmark Open ASR, avec un débit annoncé neuf fois supérieur à des modèles omni comparables. Du côté de Poolside, la startup a publié son premier modèle public, Laguna XS.2, un modèle de code MoE de 33 milliards de paramètres totaux (3B actifs) entraîné intégralement en interne, distribué sous licence Apache 2.0, et conçu pour tourner sur un seul GPU. Microsoft, de son côté, a sorti TRELLIS.2, un modèle open-source de 4 milliards de paramètres pour la génération de scènes 3D texturées à partir d'images, avec une résolution allant jusqu'à 1536 cubes et une compression spatiale 16x. Ces sorties illustrent une tendance de fond : la compétition sur l'efficacité d'inférence s'intensifie, et les acteurs cherchent à démocratiser des capacités avancées sur du matériel accessible. Que Poolside publie un modèle de code haute performance tournant sur un seul GPU, ou que NVIDIA intègre audio et vidéo dans un modèle ouvert, le message est clair : les capacités multimodales et agentiques descendent rapidement vers des configurations matérielles grand public. Pour les développeurs et les entreprises, cela signifie des coûts d'infrastructure moindres pour déployer des agents capables de comprendre des documents complexes ou de générer des assets 3D. En parallèle, l'infrastructure d'inférence connaît sa propre effervescence. La version 0.20.0 de vLLM, framework open-source de référence pour servir les grands modèles, embarque un cache KV 2 bits (TurboQuant) offrant quatre fois plus de capacité, ainsi qu'une amélioration de latence de 2,1 % grâce à une fusion d'opérations. Les benchmarks publiés par SemiAnalysis sur les puces B300 de NVIDIA indiquent un débit jusqu'à huit fois supérieur à celui des H200 pour des charges DeepSeek V4 Pro. Dans ce contexte, des voix techniques soulignent que DeepSeek s'éloigne progressivement de la dépendance exclusive à CUDA via ses TileKernels, ouvrant la voie à des déploiements sur accélérateurs hétérogènes, y compris des puces non-NVIDIA. Les prochaines semaines devraient confirmer si GPT-6, dont le buzz commence à monter, reconfigurera à nouveau les priorités de l'écosystème.

LLMsActu
1 source
LeapMind Growth, agent de croissance IA fondé par un ex-dirigeant de miHoYo, lève des fonds auprès de CMC Capital
427436Kr 

LeapMind Growth, agent de croissance IA fondé par un ex-dirigeant de miHoYo, lève des fonds auprès de CMC Capital

La startup shanghaiienne LeapMind Growth a annoncé le 29 avril 2026 la clôture d'un tour de financement Angel+ mené par CMC Capital. Les fonds levés seront affectés au développement de son produit phare GrowthGPT, au renforcement de l'équipe technique et aux premières opérations commerciales. LeapMind Growth a été fondée en avril 2025 par Ma Ruping, connu sous le pseudonyme Rubin, ancien responsable mondial de la croissance utilisateurs chez miHoYo (studio derrière Genshin Impact) et ex-directeur de la stratégie croissance chez Kuaishou, après un passage chez TikTok. Il revendique avoir piloté des projets d'acquisition utilisateurs représentant plus de cinq milliards de dollars cumulés. L'équipe fondatrice est issue de ByteDance, miHoYo, Kuaishou et Meituan. GrowthGPT se positionne comme un agent d'exécution autonome couvrant l'intégralité du cycle de croissance marketing : diagnostic de données multi-plateformes, génération d'insights créatifs, diffusion automatisée de campagnes et optimisation en continu, avec des garde-fous budgétaires intégrés pour éviter les dépassements. Lors de campagnes de démarrage à froid sur plusieurs marchés internationaux, le système aurait réduit le coût d'acquisition de 70 % par rapport aux objectifs fixés. Selon son fondateur, plus de 80 % des tâches d'un pôle croissance sont suffisamment codifiées pour être déléguées à un agent, libérant les équipes humaines pour les 20 % restants : choix stratégiques, gestion de crise, positionnement de marque. L'investissement est réalisé via le CMC AI Creative Fund, véhicule de CMC Capital dédié aux applications de l'IA générative dans les industries créatives. Le groupe, historiquement ancré dans les médias et la culture, y voit une convergence entre automatisation publicitaire et nouveaux canaux d'acquisition générés par l'IA conversationnelle. Le secteur du marketing performance est en pleine recomposition : les plateformes comme Google et Meta intègrent déjà des couches d'automatisation algorithmique, mais des acteurs comme LeapMind Growth misent sur une approche agent-first bout-en-bout, plutôt que sur des fonctionnalités IA greffées à des outils traditionnels. La startup cible en priorité les marques DTC, les éditeurs de jeux mobiles et les entreprises à expansion internationale rapide.

BusinessActu
Aussi surPandaily
Le bémol sur le retrait de Benchmark du capital de Manus
4275The Information AI 

Le bémol sur le retrait de Benchmark du capital de Manus

Le fonds de capital-risque américain Benchmark a distribué à ses investisseurs les bénéfices de la vente de Butterfly Effect, la startup singapourienne à l'origine de l'agent IA Manus, avant même que les régulateurs chinois ne bloquent la transaction. Meta avait annoncé en décembre 2025 le rachat de cette entreprise pour plus de 2 milliards de dollars. Benchmark avait mené un tour de financement de 75 millions de dollars au printemps 2024, valorisant la startup à environ 500 millions de dollars. La transaction avait été bouclée en fin d'année, et les retours sur investissement ont déjà été redistribués aux limited partners du fonds avant que Pékin n'intervienne cette semaine pour exiger l'annulation de l'opération. Le blocage par les autorités chinoises crée une situation juridique inédite : Meta se retrouve contrainte de se défaire d'un actif qu'elle a déjà acquis, sans pouvoir récupérer facilement les fonds versés aux investisseurs. Frank Aquila, avocat spécialisé en fusions-acquisitions chez Sullivan & Cromwell, qualifie ce scénario de "proche de l'impossible", comparant la situation à vouloir "remettre le génie dans sa bouteille". Ce précédent serait, selon lui, "dangereux" pour toutes les entreprises envisageant des opérations transfrontalières impliquant des capitaux ou des actifs liés à la Chine. Butterfly Effect avait été fondée à Pékin avant de déménager à Singapour, mais cette délocalisation n'a pas suffi à échapper à la juridiction de Pékin sur l'opération. L'investissement initial de Benchmark avait déjà suscité des critiques dans la communauté du capital-risque américain, certains VC estimant qu'il représentait un risque pour la sécurité nationale. L'affaire illustre les tensions croissantes entre les ambitions mondiales des géants technologiques américains et le durcissement du contrôle de Pékin sur les actifs stratégiques liés à l'IA, une dynamique qui risque de compliquer durablement les transactions transatlantiques et transpacifiques dans ce secteur.

BusinessOpinion
1 source
Elon Musk accuse OpenAI d'avoir trahi sa mission caritative lors d'un procès aux États-Unis
4276Interesting Engineering 

Elon Musk accuse OpenAI d'avoir trahi sa mission caritative lors d'un procès aux États-Unis

Elon Musk a témoigné mardi devant un tribunal américain dans le cadre de son procès contre OpenAI, réclamant 150 milliards de dollars de dommages et intérêts ainsi que des changements structurels majeurs au sein de l'entreprise. Face aux jurés, le milliardaire a accusé OpenAI et ses dirigeants, le PDG Sam Altman et le président Greg Brockman, d'avoir trahi la mission caritative originelle de l'organisation. Musk affirme avoir été à l'origine du concept, du nom, du recrutement des fondateurs clés et du financement initial. "C'était spécifiquement conçu pour être une organisation caritative qui ne bénéficie à aucun individu", a-t-il déclaré, ajoutant qu'il aurait pu bâtir une entreprise commerciale dès le départ mais avait volontairement choisi de ne pas le faire. Il a également demandé que Altman et Brockman soient écartés de leurs fonctions et qu'OpenAI revienne intégralement à un statut à but non lucratif. La transformation d'OpenAI soulève des enjeux qui dépassent largement le cadre d'une querelle entre fondateurs. Musk a averti les jurés que valider une telle dérive reviendrait à légitimer le détournement d'organisations caritatives à l'échelle nationale : "Si on accepte de piller une association, tout le fondement du don caritatif en Amérique sera détruit." L'affaire touche également à l'avenir de la gouvernance de l'IA à grande échelle, à un moment où OpenAI est devenue l'une des entreprises technologiques les plus influentes au monde, soutenue par un investissement de 10 milliards de dollars de Microsoft en 2023. La question de savoir si une organisation née pour l'intérêt public peut légitimement se muer en machine à profit intéresse bien au-delà du secteur technologique. La défense d'OpenAI a contre-attaqué vigoureusement. L'avocat William Savitt a affirmé que Musk lui-même avait poussé à la création d'une branche commerciale lors de la phase de croissance de l'entreprise, qu'il avait cherché à en prendre le contrôle, et que cette action en justice n'était qu'une réaction à un échec personnel : "Nous sommes ici parce que M. Musk n'a pas obtenu ce qu'il voulait." OpenAI a publié un communiqué accusant son ancien cofondateur d'agir par "jalousie et regret", rappelant qu'il avait lui-même approuvé en 2017 la nécessité d'une structure commerciale pour lever des fonds suffisants, et qu'il avait même proposé de fusionner OpenAI avec Tesla. L'entreprise précise que ses 38 millions de dollars de dons ont bien financé de la recherche, et qu'une fondation à but non lucratif continue de superviser sa mission dans les domaines de la santé, de la sécurité et des risques liés à l'IA. Musk doit poursuivre son témoignage mercredi, alors que le procès s'enfonce dans des questions fondamentales de gouvernance et d'orientation de l'intelligence artificielle.

BusinessActu
1 source
Le décalage entre OpenAI et Wall Street
4277The Information AI 

Le décalage entre OpenAI et Wall Street

Les marchés financiers ont sanctionné le secteur technologique mardi, après un article du Wall Street Journal révélant qu'OpenAI avait manqué certains de ses objectifs de revenus internes. Les entreprises les plus touchées sont celles qui dépendent étroitement d'OpenAI pour leur activité : Oracle a perdu 4 % en bourse, tandis que CoreWeave, fournisseur d'infrastructure cloud spécialisé dans les GPU, a chuté de 5,8 %. La réaction des investisseurs illustre à quel point la santé financière d'OpenAI est devenue un baromètre pour tout un pan de l'écosystème IA. Ce que cette correction révèle est plus préoccupant que les chiffres eux-mêmes : les signes de difficultés chez OpenAI s'accumulent depuis plusieurs mois, mais Wall Street semblait jusqu'ici les ignorer. La société avait fixé un objectif ambitieux d'un milliard d'utilisateurs actifs par semaine d'ici fin 2025, selon plusieurs rapports de The Information. Elle n'a atteint que 920 millions, soit un écart non négligeable qui rend le manque à gagner sur les revenus parfaitement prévisible. Quand la croissance des utilisateurs ralentit, les revenus suivent mécaniquement, surtout pour un modèle économique encore largement fondé sur les abonnements grand public et les accès API. OpenAI occupe une position paradoxale : entreprise la plus médiatisée de l'IA, valorisée à plusieurs centaines de milliards de dollars lors de sa dernière levée de fonds en 2024, mais dont les fondamentaux opérationnels restent opaques et dont la trajectoire vers la rentabilité n'est pas clairement tracée. La dépendance d'acteurs comme Oracle et CoreWeave à un seul client stratégique les expose à une volatilité inhabituelle. À mesure que le marché de l'IA générative mûrit et que la concurrence s'intensifie, avec des rivaux comme Google Gemini, Anthropic ou les modèles open source, la pression sur OpenAI pour convertir sa notoriété en revenus solides ne fera que croître.

BusinessOpinion
1 source
DSO : optimisation par pilotage direct pour la réduction des biais
4278Apple Machine Learning 

DSO : optimisation par pilotage direct pour la réduction des biais

Des chercheurs ont présenté une nouvelle méthode appelée DSO (Direct Steering Optimization) visant à réduire les biais démographiques dans les modèles de vision-langage (VLM). Ces systèmes d'IA, utilisés pour décrire ou interpréter des images, tendent à associer certains rôles professionnels à des attributs perçus comme le genre ou l'origine ethnique : un modèle peut ainsi refuser d'identifier une femme comme médecin, ou favoriser systématiquement certains profils dans des scénarios de sélection. DSO propose un mécanisme d'optimisation directe permettant de corriger ces biais tout en laissant à l'utilisateur ou au déployeur la possibilité de calibrer le niveau de correction selon ses besoins propres. L'enjeu est concret : les VLM sont déjà intégrés dans des outils d'assistance aux personnes malvoyantes, des systèmes de recrutement automatisé, ou des plateformes de triage médical. Un biais non corrigé dans ces contextes peut produire des discriminations réelles et documentées. Ce que DSO apporte en plus des approches existantes, c'est la capacité à ajuster le curseur entre performance globale du modèle et degré de neutralité démographique, évitant le compromis brutal qui forçait jusqu'ici les équipes à sacrifier l'un pour l'autre. La question des biais dans les modèles multimodaux est devenue centrale depuis que les VLM ont quitté les laboratoires pour des déploiements à grande échelle. Des travaux antérieurs ont montré que des modèles comme CLIP ou LLaVA reproduisent et amplifient des stéréotypes présents dans leurs données d'entraînement. DSO s'inscrit dans une dynamique de recherche active autour de l'alignement et de l'équité algorithmique, un champ où la pression réglementaire, notamment en Europe avec l'AI Act, pousse les entreprises à documenter et corriger ces comportements avant tout déploiement commercial.

RecherchePaper
1 source
Raisonnement adaptatif : les LLM savent quand raisonner dans l'espace latent
4279Apple Machine Learning 

Raisonnement adaptatif : les LLM savent quand raisonner dans l'espace latent

Des chercheurs ont publié des travaux sur une nouvelle approche d'optimisation du raisonnement dans les grands modèles de langage (LLM), baptisée "Adaptive Thinking". Le principe : permettre aux modèles d'ajuster dynamiquement leur budget de calcul selon la complexité réelle d'une requête, plutôt que d'appliquer un niveau fixe de raisonnement à chaque réponse. L'étude exploite la technique du chain-of-thought (CoT), qui consiste à générer une chaîne de raisonnement intermédiaire avant de produire une réponse, et introduit la notion de raisonnement dans l'espace latent, une représentation interne au modèle. L'enjeu est directement économique et qualitatif : allouer trop de capacité de calcul à des questions simples est un gaspillage ; en allouer trop peu à des questions complexes dégrade la performance. Les chercheurs utilisent la "self-consistency", c'est-à-dire le degré d'accord entre plusieurs chemins de raisonnement parallèles, comme indicateur proxy de la nécessité réelle de raisonner. Cette métrique permet au modèle de détecter automatiquement si une question mérite un effort cognitif étendu ou une réponse directe. Ce travail s'inscrit dans une tendance de fond qui agite les laboratoires depuis l'émergence des modèles de type "reasoning" comme o1 d'OpenAI ou DeepSeek-R1 : comment rendre le raisonnement à l'inférence à la fois plus puissant et plus efficient. Trouver le bon équilibre entre budget de calcul et performance est devenu un axe de compétition majeur, notamment pour les applications en temps réel où la latence et le coût par requête sont critiques.

RecherchePaper
1 source
Comment créer des agents de raisonnement sur mesure avec un minimum de calcul
4280VentureBeat AI 

Comment créer des agents de raisonnement sur mesure avec un minimum de calcul

Des chercheurs de JD.com et de plusieurs institutions académiques ont publié une nouvelle méthode d'entraînement pour les modèles d'IA raisonnants, baptisée RLSD, pour Reinforcement Learning with Verifiable Rewards with Self-Distillation. L'approche combine deux techniques existantes : l'apprentissage par renforcement avec récompenses vérifiables (RLVR), qui évalue simplement si une réponse finale est juste ou fausse, et l'auto-distillation, qui fournit un retour granulaire sur chaque étape du raisonnement. Selon les expériences publiées, les modèles entraînés avec RLSD surpassent ceux construits avec les algorithmes classiques de distillation et d'apprentissage par renforcement. Chenxu Yang, co-auteur de l'étude, a précisé à VentureBeat les défauts fondamentaux des méthodes précédentes : avec RLVR standard, une trace de raisonnement de plusieurs milliers de tokens ne reçoit qu'une seule récompense binaire, 0 ou 1, et chaque token dans cette trace obtient exactement le même crédit, qu'il s'agisse d'une étape logique décisive ou d'une phrase accessoire. Pour les équipes d'ingénierie en entreprise, RLSD réduit concrètement les barrières techniques et financières pour construire des modèles de raisonnement sur mesure adaptés à leur logique métier. La méthode concurrente dite OPD (On-Policy Distillation) exige de maintenir un grand modèle "enseignant" actif en permanence durant tout l'entraînement, ce qui, selon Yang, "double approximativement votre empreinte GPU". Elle impose également que le modèle enseignant et le modèle étudiant partagent exactement la même structure de vocabulaire, ce qui exclut de facto la majorité des configurations multi-architectures, multi-modalités ou multilingues que les entreprises utilisent réellement. RLSD contourne ces contraintes sans sacrifier la qualité du signal d'apprentissage. L'auto-distillation en mode OPSD (On-Policy Self-Distillation), qui faisait jouer au même modèle le rôle de l'enseignant et de l'étudiant, semblait être le compromis idéal, mais souffre d'un défaut structural identifié par les chercheurs : la "fuite d'information privilégiée". Lorsque la version enseignante du modèle dispose d'une clé de réponse vérifiée et que la version étudiante tente de reproduire son comportement sans cette information, il existe un écart irréductible entre les deux distributions que l'étudiant ne peut jamais combler. RLSD est conçu pour résoudre précisément ce problème, en combinant les avantages de chaque paradigme sans en hériter les défauts. Cette publication s'inscrit dans une course plus large à démocratiser l'entraînement de modèles raisonnants de qualité, jusqu'ici réservé aux acteurs disposant de grandes infrastructures de calcul.

RecherchePaper
1 source