Les Promesses de la Robotique et l'Engouement Technologique
L'essor des robots humanoïdes, tels que l'Optimus de Tesla, suscite un intérêt croissant. Des figures influentes comme Elon Musk et Jensen Huang prédisent une révolution imminente dans le domaine de la robotique, avec un marché colossal à l'horizon. Cependant, cette vision optimiste est tempérée par le scepticisme de nombreux chercheurs en robotique.
Les Défis Techniques Persistants
Les méthodes d'intelligence artificielle (IA) qui ont fait leurs preuves dans le traitement du langage ne se traduisent pas facilement dans le monde physique. Yann LeCun, ancien scientifique en chef de l'IA chez Meta, souligne que la complexité du monde réel rend difficile l'application des intelligences basées sur le langage et les images aux tâches physiques. Les robots actuels, bien qu'avancés, sont encore loin de pouvoir effectuer des tâches domestiques utiles de manière autonome.
Les Progrès Réalisés
Des systèmes comme Gemini Robotics de Google DeepMind et le système π0 de Physical Intelligence montrent des avancées significatives. Ces modèles de langage-vision-action (VLA) permettent aux robots d'effectuer des tâches complexes basées sur des démonstrations humaines. Cependant, ces systèmes restent limités aux tâches pour lesquelles ils ont été spécifiquement entraînés.
La Réalité du Terrain
Malgré les progrès en laboratoire, les robots autonomes et généralistes pour les foyers ou les usines restent une perspective lointaine. Jonathan Hurst, cofondateur d'Agility Robotics, explique que l'absence de données d'entraînement de qualité est un obstacle majeur. Contrairement aux modèles de langage, il n'existe pas de vaste réservoir de démonstrations physiques pour entraîner les robots généralistes.
La Chine en Tête de Course
La Chine, avec son avance dans la production de robots humanoïdes, utilise principalement ces technologies dans des environnements contrôlés, tels que les laboratoires et les entreprises d'État. Ces robots sont actuellement limités à des tâches simples et répétitives.