L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
L'essor de l'IA physique : une promesse encore lointaine
L'idée de l'IA physique repose sur la capacité des ingénieurs à programmer des agents physiques avec la même aisance que les agents numériques. Cependant, cette vision est encore un idéal lointain. Actuellement, la robotique est freinée par un manque de données issues des environnements physiques. Pour pallier ce manque, les entreprises construisent des environnements fictifs où elles testent leurs machines. Parallèlement, une industrie entière se développe autour de la surveillance des chaînes de production et des travailleurs, dans le but de former des modèles d'apprentissage profond pour opérer des robots.
La simulation comme alternative prometteuse
Face à ces défis, la simulation apparaît comme une alternative prometteuse. En créant des répliques virtuelles détaillées d'environnements réels, les roboticiens pourraient obtenir les données et les espaces de travail nécessaires pour avancer de manière significative. Antioch, une startup spécialisée dans le développement d'outils de simulation pour les développeurs de robots, s'est donné pour mission de combler ce que l'industrie appelle le "sim-to-real gap". Ce terme désigne le défi de rendre les environnements virtuels suffisamment réalistes pour que les robots entraînés puissent fonctionner de manière fiable dans le monde physique.
Une levée de fonds significative pour Antioch
Pour atteindre cet objectif ambitieux, Antioch a récemment annoncé avoir levé 8,5 millions de dollars. Cette levée de fonds, qui valorise l'entreprise à 60 millions de dollars, a été dirigée par la société de capital-risque A* et Category Ventures, avec la participation de MaC Venture Capital, Abstract, Box Group et Icehouse Ventures. Fondée à New York en mai de l'année dernière par Harry Mellsop et quatre autres cofondateurs, Antioch bénéficie de l'expertise de ses fondateurs, dont certains ont précédemment travaillé chez Google DeepMind et Meta Reality Labs.
L'importance de la simulation pour l'industrie
La nécessité d'une meilleure simulation est cruciale pour de nombreuses grandes entreprises d'autonomie. Dans le secteur des voitures autonomes, par exemple, Waymo utilise le modèle du monde de Google DeepMind pour tester et évaluer ses modèles de conduite. En théorie, cette approche pourrait permettre de déployer les véhicules Waymo dans de nouvelles zones avec moins de collecte de données, réduisant ainsi les coûts liés à l'échelle de la technologie des véhicules autonomes.
Une plateforme pour les petites entreprises
Antioch se positionne comme une solution pour les nouvelles entreprises qui n'ont pas les ressources nécessaires pour construire elles-mêmes des arènes de test physiques ou faire parcourir des millions de kilomètres à des voitures équipées de capteurs. « La grande majorité de l'industrie n'utilise pas de simulation, et nous comprenons maintenant clairement que nous devons aller plus vite », déclare Harry Mellsop.
Une technologie inspirée par Cursor
Les dirigeants d'Antioch comparent leur produit à Cursor, un outil de développement logiciel populaire alimenté par l'IA. Antioch permet aux constructeurs de robots de créer plusieurs instances numériques de leur matériel et de les connecter à des capteurs simulés qui imitent les données que le logiciel du robot recevrait dans le monde réel. Ces environnements permettent aux développeurs de tester des cas limites, de réaliser de l'apprentissage par renforcement ou de générer de nouvelles données d'entraînement.
Le défi de la fidélité des simulations
Le principal défi réside dans la fidélité des simulations. Il est crucial que la physique dans la simulation corresponde à la réalité pour éviter tout dysfonctionnement lorsque le modèle est chargé sur un appareil réel. Antioch commence avec des modèles construits par Nvidia, World Labs et d'autres, et crée des bibliothèques spécifiques au domaine pour faciliter leur utilisation. Travailler avec plusieurs clients permet à Antioch d'affiner ses simulations avec une profondeur de contexte qu'une entreprise d'IA physique unique ne pourrait égaler.
Un secteur aux enjeux élevés
Selon Çağla Kaymaz, partenaire chez Category Ventures, l'ingénierie logicielle et les LLMs commencent à influencer l'IA physique. Cependant, les défis sont différents. Dans le monde physique, les enjeux sont bien plus élevés qu'avec des outils de codage médiocres dans le monde numérique.
Des applications variées pour l'IA physique
Antioch se concentre principalement sur les systèmes de capteurs et de perception, qui sont essentiels pour les voitures et camions automatisés, les machines agricoles et de construction, ou les drones aériens. Bien que l'IA physique généralisée capable de reproduire des tâches humaines soit encore loin, Antioch a déjà attiré l'attention de multinationales investissant massivement dans la robotique.
Le soutien d'experts du secteur
Adrian Macneil, dirigeant de la startup de conduite autonome Cruise, soutient Antioch en tant qu'investisseur providentiel. Il souligne l'importance de la simulation pour construire des cas de sécurité ou traiter des tâches nécessitant une haute précision. Macneil espère voir émerger des outils similaires à ceux qui ont conduit à la révolution du SaaS pour soutenir l'IA physique.
Vers une révolution de l'IA physique
Harry Mellsop est convaincu que l'avenir de l'IA physique repose sur le développement de systèmes autonomes principalement en logiciel. Des expériences sont déjà en cours dans cette direction, comme celle de David Mayo du MIT, qui utilise la plateforme d'Antioch pour évaluer les LLMs. Mayo teste des robots conçus par des modèles d'IA avec le simulateur d'Antioch, offrant ainsi un nouveau paradigme pour évaluer les LLMs.
Un avenir prometteur mais encore lointain
Avant que l'IA physique ne devienne une réalité courante, il reste encore beaucoup de travail pour combler l'écart entre les modèles numériques et le monde réel. Si cet objectif est atteint, les développeurs pourront créer un "flywheel de données", clé du succès des leaders de catégorie comme Waymo. Les entreprises devront alors choisir entre développer ces outils elles-mêmes ou les acquérir.
