Aller au contenu principal

Actualités IA — page 303

9 335 articles au fil, du plus récent au plus ancien.

Vidéo : Ce robot bagagiste est la nouvelle star de l’aéroport de Japon
Illustration générée par IA
6041Le Big Data 

Vidéo : Ce robot bagagiste est la nouvelle star de l’aéroport de Japon

Japan Airlines lancera dès le début du mois de mai 2026 une expérimentation inédite à l'aéroport international de Haneda, à Tokyo : des robots humanoïdes utilisés comme bagagistes sur le tarmac. Ces machines, conçues par l'entreprise chinoise Unitree et mesurant 1,30 mètre, seront chargées de déplacer bagages et marchandises dans l'un des hubs aériens les plus fréquentés du monde, avec plus de 60 millions de passagers accueillis chaque année. Le projet est mené en partenariat avec le groupe GMO Internet et s'étendra jusqu'en 2028 pour en évaluer pleinement l'efficacité opérationnelle. Lors d'une démonstration récente, l'un de ces robots a poussé du fret sur un tapis roulant avant d'effectuer un salut en direction d'un collègue absent, une scène aussi symbolique qu'inattendue, illustrant à la fois le potentiel et les limites actuelles de ces machines. L'enjeu est considérable pour Japan Airlines et pour le secteur aéroportuaire japonais dans son ensemble. Yoshiteru Suzuki, président de JAL Ground Service, estime que confier les tâches physiques aux robots pourrait alléger significativement la charge de travail des équipes au sol, dans un contexte où les recrutements peinent à suivre la demande. Les robots seraient capables de fonctionner en autonomie pendant deux à trois heures consécutives et pourraient, à terme, être déployés sur d'autres missions comme le nettoyage des cabines. Les missions liées à la sécurité resteraient cependant sous responsabilité humaine, une limite qui traduit la prudence du secteur face à l'intégration de ces nouvelles technologies dans un environnement aussi réglementé que l'aérien. Ce projet s'inscrit dans une crise structurelle que le Japon tente de gérer depuis plusieurs années : une population vieillissante combinée à un afflux touristique record. Le pays a accueilli 42,7 millions de visiteurs étrangers en 2025, et plus de 7 millions ont déjà été enregistrés sur les deux premiers mois de 2026, malgré un recul des touristes chinois dû à des tensions diplomatiques. Face à la contraction de sa population active, le Japon pourrait avoir besoin de plus de 6,5 millions de travailleurs étrangers supplémentaires d'ici 2040, mais le gouvernement reste soumis à des pressions politiques pour contenir l'immigration. C'est dans ce contexte que la robotisation des tâches physiques apparaît comme une réponse pragmatique, et peut-être inévitable. Tomohiro Uchida, directeur de GMO AI and Robotics, souligne que les aéroports restent encore très dépendants du travail humain malgré des infrastructures très automatisées, et c'est précisément ce paradoxe que cette expérience vise à commencer à résoudre.

RobotiqueActu
1 source
15 prompts ChatGPT (et Grok) que vous devez absolument connaître sur Android
Illustration générée par IA
6042Le Big Data 

15 prompts ChatGPT (et Grok) que vous devez absolument connaître sur Android

La France figure dans le top 5 mondial des pays consommateurs d'intelligence artificielle conversationnelle, avec 44 % des actifs qui utilisent régulièrement des outils comme ChatGPT, Grok ou Gemini. Pourtant, malgré plus de trois ans d'existence de ces assistants, la majorité des utilisateurs s'en servent uniquement pour de la rédaction basique. Un article publié en avril 2026 recense 15 usages concrets de ces outils sur Android, illustrant à quel point un smartphone peut devenir une station de travail à part entière grâce à des instructions bien formulées. Parmi les cas présentés : résumer une newsletter dense en points clés lisibles en une minute, transformer des notes brutes en e-mail professionnel, apprendre un concept complexe via une explication adaptée à l'écran mobile, ou encore identifier une recette à partir des ingrédients disponibles en photographiant son réfrigérateur. L'intérêt de ces usages dépasse le simple gain de temps. En formulant des contraintes précises dans les prompts, "fais tenir la réponse sur un seul écran", "donne la transcription phonétique", "adapte le format pour lecture rapide sur smartphone", l'utilisateur obtient des réponses calibrées pour la mobilité, là où des outils classiques comme Google Traduction butent sur le contexte ou les nuances culturelles. Ce type d'usage transforme l'IA générative en couche d'intelligence transversale superposée aux applications existantes : agenda, messagerie, cuisine, apprentissage, préparation d'entretiens professionnels ou situations sociales délicates. Pour les professionnels en déplacement constant, l'impact est immédiat et mesurable. Ce recensement de prompts s'inscrit dans une tendance plus large : après une phase d'adoption centrée sur le texte et la bureautique, les utilisateurs avancés cherchent désormais à exploiter les capacités multimodales des IA, vision, audio, raisonnement contextuel, directement depuis leur mobile. Les grands acteurs du secteur, OpenAI avec ChatGPT, Google avec Gemini et xAI avec Grok, se livrent une concurrence directe sur ce terrain de l'assistant personnel mobile, chacun enrichissant ses applications avec des fonctionnalités vocales, visuelles et d'intégration système. À mesure que ces outils gagnent en précision et en rapidité d'exécution sur les appareils Android, la question n'est plus de savoir si l'IA peut remplacer certains gestes du quotidien, mais à quelle vitesse les usages vont se normaliser au-delà du cercle des early adopters.

OutilsTuto
1 source
ByteDance, Zhipu AI et Alibaba figurent dans le top 10 des entreprises d'IA les plus influentes de 2026 selon TIME
Illustration générée par IA
6043TechNode 

ByteDance, Zhipu AI et Alibaba figurent dans le top 10 des entreprises d'IA les plus influentes de 2026 selon TIME

Le magazine TIME a publié son classement des dix entreprises d'intelligence artificielle les plus influentes de 2026. Contrairement aux palmarès habituels centrés sur les performances des modèles, cette liste met en avant les acteurs qui façonnent l'industrie par leur impact global sur les trajectoires technologiques, les applications industrielles et la société. Les entreprises retenues sont ByteDance, Amazon, Zhipu AI, OpenAI, Alphabet, Meta, Anthropic, Alibaba, Mistral AI et Hugging Face. Ce classement souligne une évolution majeure dans l'équilibre mondial du secteur : trois entreprises chinoises figurent dans le top 10, soit ByteDance, Zhipu AI et Alibaba. C'est un signal fort de la montée en puissance de l'écosystème IA chinois sur la scène internationale, au-delà des seuls marchés domestiques. La présence de Mistral AI, seule entreprise européenne du classement, rappelle quant à elle les ambitions du Vieux Continent dans cette course. Ce palmarès intervient dans un contexte de compétition intense entre les États-Unis et la Chine pour la domination de l'intelligence artificielle, alors que les gouvernements des deux pays investissent massivement dans ce secteur stratégique. La sélection de TIME, qui privilégie l'impact sociétal et industriel à la pure performance technique, reflète une maturité croissante du débat public sur l'IA : il ne s'agit plus seulement de savoir quel modèle est le plus puissant, mais quels acteurs redessinent concrètement l'économie et les usages numériques à l'échelle mondiale.

BusinessOpinion
1 source
Reinforcement learning vs LLM, INEFFABLE INTELLIGENCE lève 937 millions d’euros
Illustration générée par IA
6044FrenchWeb 

Reinforcement learning vs LLM, INEFFABLE INTELLIGENCE lève 937 millions d’euros

La startup Ineffable Intelligence vient de boucler un tour de financement Seed de 937 millions d'euros, une levée de fonds qui propulse immédiatement l'entreprise au rang des opérations les plus importantes jamais réalisées à ce stade de développement en Europe. La valorisation atteinte dépasse plusieurs licornes établies, faisant de ce tour un événement sans précédent dans l'histoire du capital-risque continental. La société se positionne sur l'intelligence artificielle fondée sur le reinforcement learning, une approche distincte des grands modèles de langage (LLM) qui dominent actuellement le marché. Ce choix technologique n'est pas anodin : le reinforcement learning permet d'entraîner des systèmes capables d'apprendre par l'expérience et l'optimisation d'objectifs, plutôt que par la simple prédiction de tokens comme le font les LLM. Pour les investisseurs, parier sur cette voie alternative signifie anticiper les limites des architectures actuelles de type GPT et miser sur une nouvelle génération d'agents autonomes plus robustes. L'ampleur de la mise témoigne d'une conviction forte que cette direction peut concurrencer frontalement les géants américains de l'IA. Ce tour s'inscrit dans un mouvement plus large de structuration de l'écosystème IA européen, dont AMI Labs constitue un autre exemple récent de montées en puissance accélérées. Les investisseurs institutionnels semblent disposés à rompre avec les conventions habituelles du capital-risque, où les Seed rounds se comptent en dizaines de millions. Ineffable Intelligence devra désormais démontrer que des fondamentaux techniques solides justifient une telle valorisation dès l'amorçage, dans un secteur où la course aux ressources de calcul et aux talents reste impitoyable.

BusinessOpinion
1 source
HONOR intègre le modèle DeepSeek-V4 dans son assistant YOYO
Illustration générée par IA
6045Pandaily 

HONOR intègre le modèle DeepSeek-V4 dans son assistant YOYO

HONOR a annoncé l'intégration du modèle DeepSeek-V4 dans son assistant vocal YOYO, désormais accessible via MagicOS. La mise à jour concerne les appareils fonctionnant sous MagicOS 8.0 et versions ultérieures, à condition que l'application YOYO soit mise à jour vers la version 90.10.28.041 ou supérieure. DeepSeek-V4 est un grand modèle de langage proposant plusieurs configurations adaptées à des besoins de calcul variés, dont des variantes allégées spécialement optimisées pour les appareils mobiles. Concrètement, l'intégration renforce les capacités de YOYO en matière de dialogue multi-tours, de raisonnement logique et de compréhension multimodale, permettant aux utilisateurs d'effectuer des tâches comme la recherche d'informations ou la génération de contenu directement depuis des points d'entrée système, sans passer par une application tierce. L'impact pour les utilisateurs est immédiat : l'IA n'est plus cantonnée à une application isolée, mais s'intègre au niveau du système d'exploitation, rendant les fonctions intelligentes accessibles en permanence depuis n'importe quelle interface. Autre point notable, HONOR ne réserve pas cette mise à jour à ses modèles haut de gamme. Le déploiement est prévu pour une gamme élargie d'appareils, ce qui élargit significativement le nombre d'utilisateurs pouvant bénéficier de capacités IA avancées sans nécessairement posséder un téléphone premium. Cette initiative s'inscrit dans une tendance lourde qui transforme le marché des smartphones : l'intelligence artificielle embarquée est devenue un axe de différenciation majeur entre constructeurs. Samsung, Apple, Google et désormais HONOR se livrent une compétition intense autour de la qualité des modèles intégrés et de leur profondeur d'ancrage dans le système. Le choix de DeepSeek-V4, un modèle développé par la société chinoise DeepSeek qui a fait sensation début 2025 en proposant des performances comparables aux meilleurs modèles occidentaux à moindre coût, reflète la montée en puissance de l'écosystème IA chinois. Pour HONOR, cette intégration constitue un signal fort de sa volonté de positionner MagicOS comme une plateforme IA de premier plan face à ses concurrents.

OutilsOutil
1 source
Fausses invitations créées par IA : le nouveau scam des hackers à éviter d’urgence
Illustration générée par IA
6046Le Big Data 

Fausses invitations créées par IA : le nouveau scam des hackers à éviter d’urgence

Des hackers exploitent désormais l'intelligence artificielle pour générer de fausses invitations à des fêtes ou dîners, une nouvelle forme de phishing identifiée par Rachel Tobac, directrice de SocialProof Security, spécialiste américaine de la cybersécurité. Le mécanisme a particulièrement proliféré durant les périodes festives. John Lantigua, ancien journaliste de 78 ans installé à Miami Beach, en a été victime : il a reçu dans sa boîte mail un message semblant provenir d'un ex-collègue du Palm Beach Post, l'invitant à une soirée avec un lien pour les détails. Après avoir cliqué à deux reprises sans résultat apparent, c'est un ami commun, ayant reçu la même arnaque, qui l'a alerté. Alyssa Williamson, professionnelle des relations publiques à New York, a vécu le scénario inverse : après avoir cliqué sur une invitation d'une ancienne camarade et saisi son adresse e-mail, ses propres contacts ont commencé à recevoir de fausses invitations en son nom, son compte ayant été compromis. Le danger est double et particulièrement insidieux. D'un côté, certains liens déclenchent discrètement un logiciel malveillant qui collecte des données personnelles sans que la victime ne s'en aperçoive. De l'autre, certains redirigent vers une fausse page de connexion : si la victime entre son mot de passe, les pirates prennent le contrôle de sa messagerie, et par extension de ses réseaux sociaux, comptes bancaires et services en ligne. La technique est efficace parce qu'elle contourne les réflexes habituels de méfiance : le message ne vient pas d'un inconnu, mais d'une vraie connaissance dont le compte a été préalablement détourné. Olivia Pollock, d'Evite, note que le signe révélateur est souvent la vagueur du message : les vraies invitations précisent un thème, une occasion, un lieu, tandis que les fausses restent sur des formules génériques comme "anniversaire" ou "célébration". Ces arnaques surfent sur une vulnérabilité profondément humaine. Alexa Hirschfeld, fondatrice de Paperless Post, souligne que l'enthousiasme suscité par une invitation d'une connaissance prend naturellement le dessus sur la prudence. Les cybercriminels le savent et renouvellent leurs approches précisément pour court-circuiter les défenses psychologiques que le public a développées face aux tentatives classiques de phishing fondées sur la peur ou l'urgence. Face à cette menace, les plateformes d'invitation comme Paperless Post ont mis en place des adresses dédiées pour signaler les tentatives suspectes, qui sont ensuite analysées et bloquées via des réseaux de cybersécurité. Le conseil des experts reste simple : avant de cliquer sur n'importe quel lien d'invitation, contacter directement l'expéditeur supposé par un autre canal pour confirmer que l'événement existe réellement.

SécuritéActu
1 source
Alibaba DAMO Academy présente un modèle d'IA pour le dépistage non invasif du cancer colorectal
Illustration générée par IA
6047Pandaily 

Alibaba DAMO Academy présente un modèle d'IA pour le dépistage non invasif du cancer colorectal

Le 28 avril, l'Alibaba DAMO Academy a dévoilé DAMO COCA, un modèle d'intelligence artificielle pour le dépistage du cancer colorectal, développé en collaboration avec l'Hôpital général provincial du Guangdong et d'autres institutions médicales chinoises. Ce système analyse des scanners CT sans contraste, supprimant ainsi la nécessité d'une injection de produit de contraste ou d'une préparation intestinale préalable, deux contraintes lourdes imposées par les méthodes de dépistage classiques. Publié dans la revue Annals of Oncology, le modèle affiche une sensibilité de 86,6 % et une spécificité de 99,8 %, deux indicateurs qui mesurent sa capacité à détecter les cas réels tout en limitant les faux positifs. L'étude a analysé plus de 27 000 scanners CT et a permis d'identifier des cas de cancers non détectés dans des données cliniques réelles. Cette performance est particulièrement significative car le cancer colorectal figure parmi les cancers les plus répandus au monde, avec un taux de dépistage insuffisant lié aux contraintes des méthodes existantes, notamment la coloscopie invasive. En supprimant ces obstacles, DAMO COCA pourrait élargir considérablement l'accès au dépistage, notamment dans les régions où les ressources médicales sont limitées. La capacité du modèle à détecter des lésions dans des zones anatomiquement complexes, là où les radiologues manquent le plus fréquemment des anomalies, représente une avancée clinique concrète susceptible de réduire les diagnostics tardifs. DAMO COCA s'inscrit dans une initiative plus large de l'Alibaba DAMO Academy baptisée "CT + AI", visant à développer des outils de dépistage multi-cancer à partir de scanners CT standard. L'académie avait déjà publié des modèles comparables pour le cancer du pancréas et le cancer gastrique. Le système repose sur un cadre d'apprentissage profond en deux étapes, conçu pour mieux interpréter la complexité des structures intestinales. Cette stratégie rejoint un mouvement mondial dans lequel les grandes entreprises technologiques investissent massivement dans l'imagerie médicale assistée par IA, avec l'ambition de transformer le scanner CT en outil de détection systématique de multiples cancers à partir d'un seul examen.

RecherchePaper
1 source
La guerre des IA sur Android ? L’Union européenne veut forcer Google à faire de la place à la concurrence
Illustration générée par IA
6048Frandroid 

La guerre des IA sur Android ? L’Union européenne veut forcer Google à faire de la place à la concurrence

La Commission européenne a conclu, au terme de quatre mois d'enquête, que Google devrait ouvrir Android à des assistants IA concurrents de Gemini. Cette décision s'inscrit dans le cadre du Digital Markets Act (DMA), la législation européenne sur les marchés numériques qui impose aux grandes plateformes désignées comme "contrôleurs d'accès" de ne pas favoriser leurs propres services. Google, qui voit d'un mauvais œil cette injonction, risque des sanctions pouvant atteindre 10 % de son chiffre d'affaires mondial en cas de non-conformité. L'enjeu est considérable : Android équipe plus de 70 % des smartphones dans le monde, et l'assistant IA préinstallé bénéficie d'un avantage structurel massif sur ses concurrents. Forcer Google à proposer un choix d'assistants IA, comme cela a déjà été fait pour les moteurs de recherche avec l'écran de sélection, permettrait à des acteurs comme Mistral, Meta AI, ou d'autres de s'installer sur des centaines de millions d'appareils. Pour les utilisateurs européens, cela signifierait concrètement la possibilité de définir un assistant IA tiers comme assistant par défaut sur leur téléphone Android. Cette enquête s'inscrit dans une pression réglementaire européenne croissante sur les géants du numérique américains, accentuée depuis l'explosion de l'IA générative en 2023. Google a déjà fait l'objet de condamnations antitrust en Europe concernant son moteur de recherche et son système publicitaire. La bataille autour de Gemini sur Android représente le prochain front de ce bras de fer, à un moment où la course aux assistants IA est devenue l'enjeu stratégique central pour Apple, Google, Microsoft et Meta.

ImageGen est sur la voie de l'AGI
Illustration générée par IA
6049Latent Space 

ImageGen est sur la voie de l'AGI

GPT-Image-2, le dernier modèle de génération d'images d'OpenAI, s'impose comme l'un des outils les plus polyvalents du moment. Capable de produire des visuels éducatifs, des infographies précises, des illustrations issues de la culture populaire ou des assets graphiques en temps réel pendant qu'un développeur code, il s'intègre désormais directement dans Codex, l'agent de programmation d'OpenAI, comme compétence activable. Cette combinaison GPT-Image-2 plus Codex permet de générer des ressources visuelles de manière itérative au fil du développement, ce qui change concrètement le flux de travail des développeurs. La qualité du modèle en termes de fidélité et de faible taux d'hallucinations est telle que des concurrents comme Claude Design, pourtant présenté il y a peu comme la référence, ne figurent plus dans la conversation. Cette dynamique soulève une question stratégique sérieuse : les modèles de génération d'images sont-ils un luxe pour des laboratoires qui cherchent à atteindre l'intelligence artificielle générale, ou bien une nécessité ? La réponse semble de plus en plus claire : oui, ils sont nécessaires. Parce que le texte, le code et les données structurées ne suffisent plus à démontrer le "G" de "AGI". Une IA vraiment générale doit maîtriser la voix, le visuel, la génération multimodale, y compris les calques transparents. Fermer cette boucle créative, c'est prendre une avance décisive sur tous les concurrents qui se concentrent uniquement sur le code et la productivité d'entreprise. En parallèle, OpenAI a opéré un pivot stratégique majeur en révisant son partenariat exclusif avec Microsoft. Sam Altman a annoncé que si Microsoft reste le cloud partenaire principal, OpenAI peut désormais distribuer ses modèles sur tous les clouds, y compris Google TPU et AWS Bedrock, une confirmation d'Andy Jassy est attendue dans les prochaines semaines. La licence de Microsoft sur la propriété intellectuelle d'OpenAI devient ainsi non exclusive, et la clause AGI de l'accord original serait de facto caduque selon plusieurs observateurs. Sur le plan des benchmarks, GPT-5.5 affiche des résultats contrastés : 67,1 % sur WeirdML sans mode de réflexion, contre 57,4 % pour GPT-5.4, mais toujours en retrait face à Claude Opus 4.7 à 76,4 %. L'Arena LMSYS place le modèle en troisième position en mathématiques et deuxième en recherche, mais neuvième en code. Enfin, GitHub a annoncé la migration de Copilot vers une facturation à l'usage au 1er juin, un signal fort de la monétisation croissante des workflows agentiques, tandis qu'OpenAI a publié en open source Symphony, une couche d'orchestration reliant les gestionnaires de tickets à des agents Codex pour automatiser le cycle complet "issue → PR → revue humaine".

CréationActu
1 source
Comment construire un agent incarné léger inspiré des VLA avec modélisation latente et commande prédictive
Illustration générée par IA
6050MarkTechPost 

Comment construire un agent incarné léger inspiré des VLA avec modélisation latente et commande prédictive

Un tutoriel publié récemment propose une implémentation complète d'un agent embarqué capable de percevoir son environnement, planifier ses actions, prédire les conséquences de ses décisions et s'adapter en temps réel, le tout à partir de simples pixels. L'architecture s'appuie sur trois composants intégrés : un monde de simulation rendu entièrement en NumPy sous forme de grille RGB 8x8, un modèle de monde léger entraîné avec PyTorch, et un système de contrôle prédictif (Model Predictive Control, MPC) opérant dans un espace latent. L'agent ne reçoit aucune variable d'état symbolique : il perçoit uniquement des images RGB de 112x112 pixels représentant sa position, celle de l'objectif à atteindre, et les obstacles à éviter. Le modèle encode ces observations visuelles en représentations latentes compactes, prédit les états futurs conditionnés par des séquences d'actions, et sélectionne à chaque pas de temps la meilleure séquence en simulant plusieurs trajectoires candidates avant d'exécuter la première action. Cette approche est significative parce qu'elle démontre qu'un pipeline de type Vision-Language-Action, jusqu'ici réservé à des systèmes coûteux en ressources, peut être reproduit à petite échelle de façon pédagogique et fonctionnelle. En remplaçant l'état symbolique par de la perception visuelle brute, le tutoriel illustre concrètement comment les agents robotiques modernes peuvent opérer dans des environnements partiellement observables sans accès privilégié à l'état interne du monde. Le MPC en espace latent offre en outre une planification explicitement interprétable : au lieu d'une politique apprise de bout en bout, l'agent évalue activement de futures trajectoires à chaque étape, ce qui facilite le débogage et l'adaptation à des contraintes changeantes. Pour les chercheurs et ingénieurs travaillant sur la robotique ou les agents autonomes, cette implémentation constitue un point de départ accessible pour comprendre les mécanismes des systèmes comme GATO (DeepMind) ou RT-2 (Google), sans nécessiter de clusters GPU. Les agents Vision-Language-Action ont émergé ces deux dernières années comme l'une des directions les plus prometteuses en robotique incarnée, combinant perception visuelle, compréhension du langage naturel et planification motrice au sein d'un modèle unifié. Des entreprises comme Google DeepMind, Physical Intelligence (pi) et Figure AI investissent massivement dans ces architectures pour des robots capables d'exécuter des instructions en langage naturel dans des environnements réels. Le défi central reste la généralisation : un agent entraîné dans un environnement simulé doit pouvoir transférer ses capacités au monde physique, problème connu sous le nom de "sim-to-real gap". Ce tutoriel, bien que confiné à une grille simplifiée, pose les fondations conceptuelles de cette chaîne de traitement et constitue un outil de formation précieux à mesure que le domaine se démocratise.

RobotiqueTuto
1 source
SPEAR-1 : dépasser les limites des démonstrations robotiques grâce à la compréhension 3D
Illustration générée par IA
6051arXiv cs.RO 

SPEAR-1 : dépasser les limites des démonstrations robotiques grâce à la compréhension 3D

Des chercheurs de l'INSAIT ont présenté SPEAR-1, un modèle de fondation robotique capable de surpasser ou d'égaler des systèmes de pointe comme π0-FAST et π0.5 tout en utilisant vingt fois moins de démonstrations robotiques. Entraîné sur environ 45 millions de séquences vidéo issues de 24 jeux de données Open X-Embodiment, le modèle repose sur SPEAR-VLM, un modèle vision-langage doté d'une compréhension 3D capable de déduire les coordonnées spatiales d'objets à partir d'une simple image 2D. Les poids du modèle ainsi que les données annotées en 3D sont disponibles en accès libre sur spear.insait.ai. L'enjeu central de SPEAR-1 est la généralisation : là où la plupart des modèles robotiques peinent à s'adapter à de nouveaux environnements ou de nouvelles tâches une fois leur entraînement terminé, SPEAR-1 y parvient avec une fraction des données habituellement nécessaires. Cette efficacité représente un gain considérable pour les équipes de recherche et les industriels : collecter des démonstrations robotiques est coûteux, lent et difficile à mettre à l'échelle. En substituant une partie de ces données par des images ordinaires annotées en 3D, les chercheurs ouvrent une voie beaucoup moins contraignante vers des robots polyvalents. Le verrou que SPEAR-1 tente de lever est bien connu dans le domaine : les grands modèles vision-langage sur lesquels reposent aujourd'hui la plupart des systèmes robotiques ont été pré-entraînés sur des données 2D issues d'internet, sans capacité de raisonnement spatial en trois dimensions, pourtant indispensable pour agir dans le monde physique. Plutôt que de combler ce fossé en accumulant massivement des données robotiques, SPEAR-1 enrichit des images non robotiques avec des annotations 3D pour doter le modèle de base de cette compétence manquante. Cette approche s'inscrit dans une course mondiale à la robotique généraliste, où des acteurs comme Physical Intelligence, Google DeepMind et Figure AI investissent massivement pour créer des robots capables de s'adapter à des tâches variées sans reprogrammation.

RobotiquePaper
1 source
Détection en temps réel des andains par capteurs embarqués sur tracteur pour un suivi automatisé
Illustration générée par IA
6052arXiv cs.RO 

Détection en temps réel des andains par capteurs embarqués sur tracteur pour un suivi automatisé

Des chercheurs ont publié un système open source de détection en temps réel des andains de fourrage pour tracteurs autonomes, accompagné d'un jeu de données multimodal inédit. L'approche combine vision stéréoscopique et LiDAR montés sur tracteur, capturés lors d'opérations réelles de mise en balles. Les données synchronisées incluent des trajectoires GNSS et sont partiellement disponibles sous forme de bags ROS2 Humble sur la plateforme Zenodo, avec des données supplémentaires accessibles sur demande. L'algorithme de suivi par centroïde tourne à plus de 20 Hz sur un module embarqué NVIDIA Jetson AGX Orin, ce qui garantit une réactivité suffisante pour guider un engin agricole en conditions réelles. Sur la plage critique de guidage de 4 à 10 mètres, les mesures de profondeur par stéréovision et par LiDAR affichent une corrélation de 0,965 ± 0,021, un niveau de concordance remarquable. Ce résultat démontre que des capteurs stéréo peu coûteux peuvent rivaliser avec les performances du LiDAR pour cette tâche spécifique, ouvrant la voie à des systèmes d'automatisation agricole nettement moins onéreux. La pipeline complète, sans recours au GPS, est publiée en open source sous ROS 2 et constitue un référentiel reproductible pour la communauté de recherche en récolte autonome de fourrage. Le secteur de la récolte fourragère automatisée est aujourd'hui dominé par des solutions propriétaires dont les algorithmes de détection d'andains restent opaques, ce qui freine la recherche indépendante et l'innovation ouverte. Ce travail répond directement à ce verrou en fournissant à la fois les données brutes et le code nécessaires pour reproduire et améliorer les résultats. L'agriculture de précision est un marché en pleine expansion, porté par la pénurie de main-d'œuvre agricole et la pression sur la productivité ; disposer de briques technologiques ouvertes pour l'automatisation des tracteurs pourrait accélérer l'adoption dans les exploitations de taille intermédiaire qui ne peuvent pas se permettre des solutions constructeurs à prix élevé.

RobotiquePaper
1 source
Planification multi-robots en millisecondes : primitives accélérées par vecteurs pour la planification par échantillonnage
Illustration générée par IA
6053arXiv cs.RO 

Planification multi-robots en millisecondes : primitives accélérées par vecteurs pour la planification par échantillonnage

Une équipe de chercheurs a publié une avancée significative dans la planification de mouvements pour systèmes multi-robots, en étendant le cadre VAMP (Vector-Accelerated Motion Planning) au domaine de la planification de mouvements multi-robots (MRMP). Leurs travaux, présentés dans l'article arXiv:2604.23960, introduisent deux nouvelles primitives algorithmiques baptisées MotVal (multi-robot Motion Validation) et FFC (FindFirstConflict), qui exploitent le parallélisme SIMD, une technique d'exécution simultanée d'opérations identiques sur plusieurs données, pour accélérer massivement les calculs. Les résultats sont frappants : sur les tests de validation de mouvements purs, le gain de vitesse atteint plus de 1 100 fois par rapport aux approches conventionnelles, et les temps de planification globaux progressent d'un facteur supérieur à 850 dans de nombreux scénarios, permettant de générer des trajectoires coordonnées en quelques millisecondes. Ces performances changent concrètement ce qu'il est possible d'envisager pour les systèmes robotiques en temps réel. Aujourd'hui, la planification de trajectoires pour plusieurs robots simultanément constitue un goulot d'étranglement majeur : les délais de calcul empêchent les robots d'opérer de façon fluide et réactive, notamment dans des environnements dynamiques comme les entrepôts automatisés, les lignes de production ou la chirurgie assistée. Réduire ces délais à l'échelle de la milliseconde ouvre la voie à des flottes de robots capables de se coordonner en temps quasi réel, sans compromettre la sécurité ni la précision. Les gains ont été observés sur des configurations variées, incluant des bras manipulateurs, des robots à corps rigide et des équipes hétérogènes combinant différents types de machines. La planification de mouvements multi-robots est un problème combinatoire notoirement difficile, dont la complexité explose avec le nombre d'agents. VAMP, le cadre sur lequel s'appuient ces travaux, avait déjà démontré l'efficacité de l'accélération vectorielle pour un seul robot. Cette extension au cas multi-robot représente un saut qualitatif important. La capacité à modifier des algorithmes MRMP existants pour intégrer ces primitives suggère une adoption potentiellement large, sans repartir de zéro. Les prochaines étapes naturelles incluront des tests en environnements réels et l'intégration dans des middlewares robotiques standards comme ROS 2, où ce type d'accélération pourrait rapidement devenir un composant incontournable.

RobotiquePaper
1 source
Modèles de langage comme planificateurs de haut niveau en boucle fermée pour la robotique : aperçu et benchmarks
Illustration générée par IA
6054arXiv cs.RO 

Modèles de langage comme planificateurs de haut niveau en boucle fermée pour la robotique : aperçu et benchmarks

Des chercheurs ont publié mi-novembre 2024 sur arXiv une étude approfondie portant sur l'utilisation des grands modèles de langage (LLM) et des modèles vision-langage (VLM) comme planificateurs de haut niveau en boucle fermée pour des systèmes robotiques. L'article, référencé arXiv:2511.07410, s'attaque à un problème concret : lorsqu'on déploie ces modèles en mode dit "boîte noire", sans retour d'information sur l'exécution, les erreurs deviennent imprévisibles et coûteuses. Les auteurs proposent une série d'expériences contrôlées pour identifier des stratégies pratiques permettant d'intégrer ces modèles de façon fiable dans des robots. Deux variables clés sont étudiées : l'horizon de contrôle, c'est-à-dire le nombre d'actions planifiées à l'avance avant de réévaluer la situation, et le "warm-starting", qui consiste à initialiser le planificateur avec des solutions partielles issues d'itérations précédentes. Ces résultats ont des implications directes pour les équipes qui déploient aujourd'hui des LLM dans des systèmes embarqués ou robotiques. En boucle ouverte, un modèle peut enchaîner des décisions sans jamais corriger ses erreurs, ce qui dans un contexte physique peut signifier des collisions, des tâches non abouties ou des comportements dangereux. La boucle fermée, en intégrant un retour régulier de l'environnement, permet au modèle de s'adapter en temps réel. Les recommandations issues de l'étude fournissent aux ingénieurs des paramètres concrets pour calibrer ce retour d'information et améliorer la robustesse des systèmes sans augmenter proportionnellement le coût computationnel. Cette recherche s'inscrit dans une dynamique plus large d'intégration des LLM dans la robotique, un champ qui a explosé depuis 2023 avec des projets comme PaLM-E de Google ou RT-2 de DeepMind. L'enjeu est de taille : faire passer ces modèles du laboratoire au monde réel, où l'incertitude et les erreurs d'exécution sont inévitables. Le fait que les auteurs publient l'intégralité de leur implémentation et de leurs expériences en accès ouvert devrait accélérer l'adoption de ces pratiques par la communauté. Les prochaines étapes naturelles concerneront l'évaluation de ces stratégies sur des plateformes robotiques variées et dans des environnements non structurés.

RecherchePaper
1 source
Les modèles vision-langage-action en robotique : panorama des jeux de données, benchmarks et moteurs de données
Illustration générée par IA
6055arXiv cs.RO 

Les modèles vision-langage-action en robotique : panorama des jeux de données, benchmarks et moteurs de données

Une équipe de chercheurs a publié sur arXiv (référence 2604.23001) une analyse exhaustive de l'état des données dans les modèles Vision-Langage-Action (VLA) appliqués à la robotique. Ces modèles, qui permettent à un robot de percevoir son environnement visuel, d'interpréter des instructions en langage naturel et d'exécuter des actions physiques, connaissent des progrès spectaculaires depuis deux ans. Pourtant, selon les auteurs, le vrai goulot d'étranglement n'est pas l'architecture des modèles : c'est l'infrastructure des données. L'étude passe en revue trois dimensions clés, les jeux de données, les benchmarks d'évaluation, et les moteurs de génération de données, en cartographiant systématiquement leurs forces et leurs lacunes. Ce travail met en lumière un problème fondamental qui freine toute la discipline : collecter des données robotiques de haute fidélité coûte extrêmement cher, ce qui pousse les équipes vers des données synthétiques moins réalistes. Les benchmarks actuels, censés mesurer les capacités des robots, peinent à évaluer deux compétences pourtant cruciales, la généralisation compositionnelle (combiner des tâches apprises pour en résoudre de nouvelles) et le raisonnement sur des séquences longues. Autrement dit, les robots paraissent performants dans les tests, mais restent fragiles face à des situations légèrement différentes de celles rencontrées lors de l'entraînement. Pour les industriels et les laboratoires qui investissent massivement dans la robotique autonome, ce décalage entre métriques et réalité représente un risque concret. Le domaine de l'IA incarnée (embodied AI) est aujourd'hui dominé par des acteurs comme Google DeepMind, Meta, Physical Intelligence ou encore des équipes universitaires qui rivalisent pour entraîner des robots généralistes. Les auteurs identifient quatre défis ouverts : aligner les représentations visuelles et textuelles, améliorer la supervision multimodale, mieux évaluer le raisonnement, et générer des données à grande échelle sans perdre en réalisme physique. Leur conclusion est nette : traiter l'infrastructure de données comme un objet de recherche à part entière, et non comme un arrière-plan technique, est la condition pour que les prochaines générations de VLA tiennent leurs promesses hors des laboratoires.

RobotiqueOpinion
1 source
Sécurité des modèles vision-langage-action : menaces, défis, évaluations et mécanismes
Illustration générée par IA
6056arXiv cs.RO 

Sécurité des modèles vision-langage-action : menaces, défis, évaluations et mécanismes

Des chercheurs ont publié sur arXiv (référence 2604.23775) une synthèse complète consacrée à la sécurité des modèles Vision-Language-Action (VLA), une nouvelle génération de systèmes d'IA qui combinent perception visuelle, compréhension du langage et contrôle d'actions physiques. Ces architectures unifiées s'imposent progressivement comme le socle de l'intelligence incarnée, autrement dit, des robots et agents autonomes capables d'agir dans le monde réel. Le survey recense les menaces selon deux axes temporels parallèles : les attaques et défenses au moment de l'entraînement d'un côté, et au moment de l'inférence de l'autre. Parmi les vecteurs d'attaque identifiés figurent l'empoisonnement de données, les backdoors injectés durant l'entraînement, mais aussi les patches adversariaux, les perturbations cross-modales, les jailbreaks sémantiques et les attaques par gel de paramètres lors de l'exécution. Ce que rend ces risques particulièrement sérieux, c'est la nature physique et irréversible des systèmes concernés. Contrairement à un grand modèle de langage qui produit du texte, un modèle VLA pilote un bras robotique, un véhicule autonome ou un drone. Une attaque réussie ne génère pas une réponse incorrecte, elle peut provoquer un accident, endommager du matériel ou mettre des personnes en danger. La surface d'attaque est trimodale (vision, langage, état physique), les contraintes de latence en temps réel limitent les défenses envisageables, et les erreurs se propagent sur des trajectoires longues avant d'être détectables. Le domaine souffre d'une fragmentation notable : les travaux sur la sécurité des VLA sont éparpillés entre l'apprentissage robotique, le machine learning adversarial, l'alignement des IA et la sécurité des systèmes autonomes, sans cadre commun. Ce survey tente de combler ce vide en couvrant six domaines de déploiement distincts et en identifiant les problèmes ouverts prioritaires : robustesse certifiée pour les trajectoires physiques, défenses réalisables dans le monde réel, entraînement intégrant la sécurité dès la conception, architectures unifiées de supervision à l'exécution et protocoles d'évaluation standardisés. Alors que les robots incarnant ces modèles commencent à quitter les laboratoires, l'urgence d'un consensus sur ces questions devient difficile à ignorer.

SécuritéOpinion
1 source
EgoLive : un vaste jeu de données à la première personne issu de tâches humaines réelles
Illustration générée par IA
6057arXiv cs.RO 

EgoLive : un vaste jeu de données à la première personne issu de tâches humaines réelles

Une équipe de chercheurs a publié EgoLive, un jeu de données égocentrique à grande échelle conçu spécifiquement pour l'apprentissage de la manipulation robotique. Présenté dans un preprint arXiv (2604.23570), EgoLive se positionne comme le plus grand dataset égocentrique annoté en open source centré sur les activités humaines orientées tâches dans des environnements réels. Les données ont été captées grâce à un dispositif de capture monté sur la tête, développé sur mesure, et enrichies d'annotations multimodales haute précision. Les scènes enregistrées couvrent des situations du quotidien professionnel et domestique : services à domicile, environnements de vente au détail, et autres contextes de travail verticaux impliquant des interactions manuelles complexes. L'enjeu est direct : la robotique moderne bute sur la rareté des données d'entraînement à grande échelle et de qualité suffisante. Les méthodes dominantes jusqu'ici, comme la télé-opération ou les interfaces de manipulation universelle, présentent des limites structurelles en termes de passage à l'échelle et de déployabilité dans des environnements non contrôlés. En collectant des vidéos du point de vue humain dans des situations réelles et non scénarisées, EgoLive offre une diversité et une validité écologique que les approches en laboratoire ne peuvent pas reproduire. Pour les équipes qui développent des modèles robotiques généralisables, disposer de telles données pourrait accélérer significativement la capacité des robots à opérer hors des environnements contrôlés. La course aux données robotiques s'est intensifiée avec l'essor des grands modèles d'action, qui nécessitent des volumes massifs d'exemples pour généraliser leurs comportements. Des initiatives comme Open X-Embodiment ou les datasets de manipulation de DeepMind ont montré la voie, mais restent souvent contraints à des contextes de collecte artificiels. EgoLive s'inscrit dans un mouvement plus large qui cherche à exploiter la vidéo humaine naturelle comme signal d'apprentissage bon marché et scalable. La mise à disposition en open source vise à fédérer la communauté de recherche autour d'une base commune, avec l'ambition explicite de faciliter le déploiement réel de systèmes robotiques dans des environnements humains ordinaires.

RecherchePaper
1 source
Complémentarité par construction : approche par groupes de Lie pour les programmes quadratiques à complémentarité linéaire
Illustration générée par IA
6058arXiv cs.RO 

Complémentarité par construction : approche par groupes de Lie pour les programmes quadratiques à complémentarité linéaire

Des chercheurs ont publié sur arXiv un nouveau solveur mathématique baptisé Marble, conçu pour résoudre une classe de problèmes d'optimisation particulièrement délicats en robotique : les programmes quadratiques avec contraintes de complémentarité linéaire, ou LCQPs. Le code est disponible en open source, implémenté en C++ avec des interfaces pour Julia et Python. L'article, référencé arXiv:2604.11991v2, propose une approche fondée sur la théorie des groupes de Lie pour contourner les limitations des solveurs existants sur ce type de problèmes. Les LCQPs interviennent au coeur de nombreux défis en robotique : modéliser le contact entre un bras manipulateur et un objet, ou gérer les phases d'appui et de décollage dans la locomotion. Ces problèmes sont non convexes et mélangent dynamique continue et événements discrets, ce qui les rend très difficiles à résoudre. Très peu de solveurs permettent aujourd'hui d'en calculer de bonnes solutions locales utilisables dans des pipelines de planification. Marble démontre sur une suite de benchmarks standardisés qu'il est compétitif face aux meilleures méthodes actuelles, et qu'il parvient à converger sur plusieurs problèmes robotiques concrets où les approches existantes échouent. L'intuition mathématique centrale du travail est que les contraintes de complémentarité forment un groupe de Lie sous relaxation infinitésimale, une structure géométrique qui permet d'effectuer l'optimisation directement sur la variété correspondante. Les auteurs introduisent une carte de rétraction numériquement stable, ce qui leur permet de paramétrer les contraintes de façon à ce qu'elles soient satisfaites par construction, éliminant les instabilités numériques classiques associées à ce type de contraintes. Cette avancée s'inscrit dans un effort plus large de la communauté robotique pour doter les systèmes autonomes de méthodes de planification capables de gérer des scénarios complexes impliquant contacts et transitions dynamiques, un verrou technique majeur pour les robots manipulateurs et les plateformes de locomotion avancées.

RobotiqueOpinion
1 source
U-ViLAR : localisation visuelle intégrant l'incertitude pour la conduite autonome par association et recalage différentiables
Illustration générée par IA
6059arXiv cs.RO 

U-ViLAR : localisation visuelle intégrant l'incertitude pour la conduite autonome par association et recalage différentiables

Des chercheurs ont présenté U-ViLAR, un nouveau système de localisation visuelle conçu pour les véhicules autonomes, capable de fonctionner avec précision là où le GPS devient peu fiable. Dans les environnements urbains denses, les immeubles et chantiers de construction dégradent fortement la qualité du signal GNSS, rendant les systèmes de navigation classiques insuffisants. U-ViLAR contourne ce problème en exploitant uniquement des données visuelles, qu'il projette dans un espace dit "Bird's-Eye-View" (vue à vol d'oiseau) pour les aligner avec des cartes haute définition ou des cartes de navigation standard. Le système intègre deux modules clés : une association guidée par l'incertitude perceptive, qui filtre les erreurs liées à l'interprétation de la scène visuelle, et un recalage guidé par l'incertitude de localisation, qui affine la position estimée. Les résultats expérimentaux indiquent que cette approche atteint des performances à l'état de l'art sur plusieurs benchmarks de localisation, et le modèle a été testé à grande échelle sur des flottes de véhicules autonomes en conditions urbaines réelles. Cette avancée est directement pertinente pour l'industrie du véhicule autonome, qui bute depuis des années sur la fiabilité de la localisation dans les villes. Un taxi robot ou un camion de livraison autonome qui perd son signal GPS en passant sous un viaduc ou entre deux rangées de gratte-ciels peut commettre des erreurs fatales. En combinant localisation grossière à grande échelle et recalage fin de haute précision dans un seul cadre différentiable, U-ViLAR offre une robustesse accrue sans nécessiter un matériel GPS de haute gamme. La compatibilité avec les cartes de navigation ordinaires, pas seulement les cartes HD coûteuses, pourrait abaisser significativement la barrière à l'adoption pour les constructeurs. La localisation visuelle pour la conduite autonome est un champ de recherche très actif, notamment depuis que les limites du GPS en milieu urbain sont devenues un verrou industriel reconnu. Des acteurs comme Waymo, Mobileye ou les équipes de recherche de Baidu ont tous investit dans des approches alternatives, combinant LiDAR, caméras et cartes vectorielles. U-ViLAR se distingue par son traitement explicite de l'incertitude à chaque étape du pipeline, une approche plus prudente que les méthodes déterministes. La prochaine étape probable pour ces travaux sera une intégration dans des architectures de conduite autonome de niveau 4, où la précision de localisation conditionne directement la sécurité du système.

RobotiquePaper
1 source
Suivi de pose 6-DoF d'objets dynamiques par points clés et caméra événementielle
Illustration générée par IA
6060arXiv cs.RO 

Suivi de pose 6-DoF d'objets dynamiques par points clés et caméra événementielle

Des chercheurs ont publié sur arXiv (référence 2604.23387) une nouvelle méthode de suivi de pose d'objets en mouvement à six degrés de liberté (6-DoF), en s'appuyant sur des caméras événementielles plutôt que sur des caméras conventionnelles. L'approche repose sur la détection et le suivi de points-clés extraits du flux d'événements généré par le capteur. Le système identifie d'abord ces points-clés à partir d'une "surface temporelle" construite à partir du signal événementiel, puis exploite la polarité et les coordonnées spatiales des événements pour assurer un suivi continu. Une correspondance par table de hachage est ensuite établie entre les points-clés 2D détectés et les points-clés du modèle 3D de l'objet, avant d'appliquer l'algorithme EPnP pour calculer la pose finale. Testée en environnements simulés et réels, la méthode surpasse les approches concurrentes basées sur les événements en précision et en robustesse. Cette avancée répond à un besoin critique en robotique industrielle : estimer avec précision l'orientation et la position d'un objet en mouvement rapide pour permettre des tâches de manipulation fiables. Les caméras classiques échouent dans ce contexte précis, car elles souffrent de flou de mouvement lors de déplacements rapides, de bruit de capteur et de performances dégradées en faible luminosité. Une estimation de pose erronée peut compromettre entièrement une opération de saisie ou d'assemblage automatisé. La méthode proposée ouvre donc la voie à des bras robotiques capables d'attraper des objets en mouvement dans des conditions difficiles, ce qui intéresse directement les secteurs de la logistique, de la chirurgie assistée par robot et de la fabrication automatisée. Les caméras événementielles, initialement développées pour l'inspiration biologique par des institutions comme l'ETH Zurich et commercialisées notamment par Prophesee ou iniVation, mesurent les changements de luminosité pixel par pixel avec une latence de l'ordre de la microseconde, sans produire d'images complètes. Longtemps cantonnées à la recherche fondamentale, elles gagnent progressivement du terrain dans les applications embarquées et robotiques. Ce travail illustre comment coupler ces capteurs atypiques à des architectures d'apprentissage profond peut résoudre des problèmes insolubles pour l'imagerie traditionnelle, notamment dans les scénarios haute vitesse ou faible contraste. La prochaine étape probable sera l'intégration de cette approche dans des pipelines temps réel sur matériel embarqué contraint.

RecherchePaper
1 source