L’industrie de l’IA incarnée réoriente rapidement ses priorités, l’intelligence logicielle s’imposant comme le principal avantage concurrentiel par rapport aux améliorations matérielles.
Selon un rapport de Pandaily, les développeurs ont dévoilé 13 nouveaux modèles de fondation et modèles du monde pour l’IA incarnée en juin 2026, soit en moyenne un lancement toutes les 48 heures. Ce rythme témoigne de l’attention croissante portée par le secteur à la capacité des robots à penser, raisonner et s’adapter plus efficacement, plutôt qu’à la simple amélioration de leurs aptitudes mécaniques.
Ce changement intervient alors que les entreprises de robotique considèrent de plus en plus les modèles d’IA comme la technologie clé déterminant les performances des robots humanoïdes et des machines autonomes dans des environnements réels.
BAAI se concentre sur la compréhension du monde
Plutôt que de suivre une approche unique, les principaux laboratoires d’IA et entreprises de robotique ciblent des faiblesses précises qui continuent de limiter les robots. Lors de la Zhiyuan Conference 2026, la Beijing Academy of Artificial Intelligence (BAAI) a présenté deux projets de modèle du monde.
Le premier, Wujie Physis-v0.1, est conçu pour prédire l’état physique suivant d’un environnement en combinant plusieurs types d’informations sensorielles — notamment des vidéos, des données RGB-D, des nuages de points 3D et des signaux de force et tactiles — au sein d’une représentation latente partagée.
BAAI a également dévoilé Wujie RoboBrain Orca, qui fait office de cerveau robotique en combinant des informations linguistiques et visuelles avec un raisonnement causal et un décodage multimodal.
Alibaba mise sur une meilleure conception des modèles plutôt que sur une plus grande échelle
Alibaba a choisi une autre voie avec le lancement de sa famille Qwen-Robot le 16 juin.
Plutôt que de compter principalement sur des jeux de données plus volumineux et davantage d’entraînement des robots, l’entreprise a fait valoir que la diversité des environnements réels ne pouvait pas être résolue par la seule mise à l’échelle. Elle a proposé à la place des techniques d’alignement au niveau des modèles, adaptées à différentes tâches robotiques.
La suite comprend :
- Qwen-RobotNav, qui ajuste l’attention visuelle pour la navigation des robots.
- Qwen-RobotManip, qui standardise les espaces d’état et d’action pour les tâches de manipulation.
- Qwen-RobotWorld, qui prédit la dynamique du monde à l’aide d’interfaces d’action en langage naturel.
De nouveaux modèles ciblent des faiblesses précises des robots
Plusieurs autres organisations ont présenté des modèles destinés à résoudre des goulets d’étranglement particuliers qui continuent de limiter les performances des robots.
CasiaHand a dévoilé Brain-Si 0.5, présenté comme le premier modèle au monde de manipulation dextre de type humain. Il utilise une architecture à trois couches qui combine la planification, les capacités de manipulation et des modèles physiquement interprétables pour des tâches telles que la préhension, le transfert d’objets, la coordination bimanuelle et l’interaction homme-robot.
GalaxyBot a présenté AstraBrain-WBC 0.5, un modèle de fondation inspiré du cervelet pour le contrôle du corps entier des robots humanoïdes. Fondé sur une architecture Transformer causale de type GPT, il a été entraîné sur environ 2 milliards d’images d’actions humaines et compte 80 millions de paramètres.
Parmi les autres lancements figuraient l’architecture Visics de RoboScience, qui sépare les modèles du monde des modèles opératoires au moyen de représentations des trajectoires des objets ; Curl-0 de Current Robotics, qui aborde la manipulation dextre du corps entier par un entraînement couplé ; et le modèle du monde MWA de BoundlessPower, destiné à modéliser la causalité physique bidirectionnelle sur de longues séquences.
L’accent se déplace des capacités vers la fiabilité
Pandaily a souligné que malgré leurs approches techniques différentes, ces projets partagent un objectif commun. Au lieu de simplement mettre en scène des démonstrations impressionnantes de robots, les chercheurs cherchent de plus en plus à comprendre pourquoi les robots peinent encore à accomplir de nombreuses tâches quotidiennes.
Les équipes ciblent différents goulets d’étranglement, notamment la détection tactile, la coordination du corps entier, le transfert des compétences de la simulation vers le monde réel et la planification de longues séquences d’actions. L’accent croissant est mis sur la conception d’architectures d’IA capables de surmonter ces limites, plutôt que de compter uniquement sur l’amélioration du matériel.
Ce que cela signifie pour le secteur de l’IA
La vague de juin laisse penser que l’IA incarnée pourrait entrer dans une phase des modèles de fondation, comparable au tournant qui a transformé l’IA générative.
Si ces améliorations logicielles continuent de se traduire par de meilleures performances dans le monde réel, les robots pourraient devenir plus adaptables dans les secteurs de la fabrication, de la logistique, de la santé, de l’entreposage et des services, sans nécessiter de refonte matérielle majeure. Les développeurs pourraient également trouver plus facile de créer de nouvelles applications en affinant des modèles de fondation robotiques partagés plutôt qu’en développant des systèmes spécifiques à chaque tâche à partir de zéro.
Dans le même temps, le déploiement dans le monde réel reste difficile. Les robots doivent toujours fonctionner en toute sécurité dans des environnements imprévisibles, interagir avec les personnes et gérer des situations différentes de celles présentes dans leurs données d’entraînement. Des modèles d’IA plus performants ne suffisent pas à éliminer ces difficultés d’ingénierie et de sécurité.
À lire aussi : La percée chinoise dans les puces optiques pourrait accélérer l’inférence de l’IA en transférant les données entre les puces par la lumière, plutôt qu’en s’appuyant uniquement sur des grappes de GPU plus importantes.