Les robots peuvent apprendre de nouvelles compétences, mais les préparer au travail reste encore une tâche très humaine. General Robotics veut changer cela avec GRID.
La start-up de Redmond soutenue par Nvidia, fondée par d’anciens chercheurs en robotique de Microsoft, a enrichi GRID d’un système d’Auto Engineering conçu pour couvrir tout le cycle de développement et de déploiement des robots, de l’intégration du matériel et de l’importation de modèles d’IA à la simulation, la création de compétences, les tests et l’évaluation en conditions réelles.
L’objectif est de réduire à quelques heures un travail qui peut prendre des jours ou des semaines, tout en réutilisant ce que GRID apprend à chaque déploiement afin d’accélérer la mise au point du robot ou de la tâche suivante.
Comment GRID transforme le développement des robots en boucle fermée
General Robotics appelle son approche « Auto Engineering ».
Lorsqu’il reçoit une tâche, GRID détermine, selon l’entreprise, les compétences nécessaires, sélectionne un ensemble de modèles d’IA et de techniques robotiques, puis construit l’environnement de simulation utilisé pour les entraîner et les évaluer. Selon Business Wire, une fois la compétence déployée sur du matériel réel, GRID surveille les échecs et les performances, puis utilise ces résultats pour déterminer ce qui doit être modifié ensuite.
GRID utilise également des graphes de connaissances pour conserver les informations issues des déploiements précédents. Configurations des robots, tâches achevées, modèles importés, calibrages et échecs deviennent des connaissances réutilisables, au lieu de constituer un travail d’ingénierie à répéter pour chaque projet.
Forbes a décrit quatre « harnais » robotiques au sein de GRID, couvrant la configuration et le calibrage des robots, la simulation, la création de compétences, ainsi que le déploiement et l’évaluation en conditions réelles. Dans un exemple présenté par l’entreprise, GRID a observé une courte vidéo, recréé le mouvement en simulation, généré ses propres données d’entraînement, entraîné la compétence, puis l’a déployée sur un robot.
Pourquoi le déploiement des robots demande encore autant de travail
Une grande partie de ce travail a traditionnellement nécessité des ingénieurs en robotique spécialisés et des intégrations sur mesure. General Robotics estime que la pile de développement reste fragmentée, avec des outils logiciels, des protocoles de communication et des approches de programmation différents souvent nécessaires pour chaque robot et chaque déploiement.
Le PDG Ashish Kapoor a déclaré à GeekWire que les fabricants de robots peuvent produire du matériel performant, mais qu’ils ne disposent pas toujours de l’expertise nécessaire pour l’adapter à un environnement ou à une tâche donnée. « Cette dernière couche fait défaut », a-t-il déclaré.
Kapoor a précédemment créé le simulateur AirSim de Microsoft, tandis que les cofondateurs Sai Vemprala et Shuhang Chen venaient eux aussi de l’équipe de robotique de Microsoft. Nvidia est un investisseur de General Robotics, et son logiciel de simulation Isaac Sim est intégré à GRID.
GeekWire a rapporté que General Robotics compte environ une douzaine de clients dans les secteurs de la fabrication, de la logistique, de l’énergie et de la défense. La plateforme prend en charge les bras industriels, les humanoïdes, les quadrupèdes, les robots à roues et les drones, offrant à l’entreprise un vaste terrain pour vérifier si le même système de développement peut fonctionner avec différents types de matériel.
Ce qu’a constaté eWeek
Selon Robotics 24/7, General Robotics affirme que GRID peut réduire l’intégration d’un robot d’environ un mois à seulement deux heures. L’importation d’un nouveau modèle d’IA peut passer de trois jours à seulement 20 minutes, tandis que le transfert d’une compétence entre différents formats de robots peut passer de trois jours à seulement 90 minutes.
Tâche de développement | Avant GRID | Avec GRID |
| Intégration d’un robot | Environ 1 mois | Seulement 2 heures |
| Intégration du modèle | 3 jours | Seulement 20 minutes |
| Transfert d’une compétence entre formats | 3 jours | Seulement 1,5 heure |
| Création et déploiement d’une nouvelle compétence | Non précisé | Seulement 2 jours |
Pour les entreprises qui cherchent à mettre des projets de robotique en production, ces gains de temps pourraient raccourcir l’attente entre le choix d’un robot et le moment où il peut effectivement être testé sur le terrain. Une intégration plus rapide des modèles pourrait également permettre aux équipes d’expérimenter de nouvelles capacités d’IA sans consacrer plusieurs jours à chaque intégration.
Le transfert de compétences pourrait avoir un effet encore plus large à mesure que les entreprises déploient différents types de robots.
Si un travail développé pour un format de robot peut être adapté à un autre en 90 minutes au lieu de trois jours, les équipes pourraient réutiliser davantage ce qu’elles ont déjà construit plutôt que de répéter le même processus d’ingénierie pour chaque machine.
Ces chiffres permettent également de relativiser l’affirmation de General Robotics concernant l’« ensemble du cycle de vie ». GRID peut automatiser le travail à de nombreuses étapes du développement, mais toutes ne deviennent pas quasiment instantanées. La création et le déploiement d’une nouvelle compétence peuvent prendre seulement deux jours, et General Robotics n’a pas fourni de référence antérieure pour cette tâche.
Les résultats sont également communiqués par l’entreprise et non issus de tests comparatifs indépendants. S’ils se vérifient avec davantage de robots, de clients et d’environnements de travail, GRID pourrait toutefois contribuer à résoudre un problème persistant de la robotique : faire sortir des machines performantes des phases pilotes pour les mettre en production de manière reproductible.
Pour découvrir un autre exemple de robotique passant aux applications concrètes, lisez comment Philips utilise 33,7 millions de dollars de financement pour développer des robots autonomes destinés au traitement des AVC.