Perceptron dévoile Isaac 0.5, modèle visuel à poids ouverts

Créée en novembre 2024 par Armen Aghajanyan et Akshat Shrivastava (ex-FAIR), Perceptron présente Isaac 0.5, un modèle de vision publié en poids ouverts. Selon l’entreprise, l’entraînement cumule un million d’heures de vidéos et s’appuie sur des jeux de données maison à l’échelle pétaoctet. Financée à hauteur de 21 millions de dollars, la startup vise des déploiements industriels et prépare la commercialisation auprès de multiples fournisseurs.

Un million d’heures revendiquées et des jeux de données internes

Perceptron affirme avoir nourri Isaac 0.5 avec un million d’heures de vidéos dites générales pour apprendre à reconnaître des environnements, des visuels et des scénarios. Parallèlement, l’entreprise indique ne pas divulguer l’origine précise de ces données d’entraînement. Akshat Shrivastava précise que des ensembles de données internes, à l’échelle pétaoctet, ont été bâtis en combinant images, texte, vidéo et trajectoires robotiques. Des modèles de ce type apprennent en ingérant de vastes corpus vidéo. Dans le cas présent, la société dit aussi s’être appuyée sur des vidéos égoïstes, capturées en première personne, ainsi que sur des vidéos UMI utilisées pour enseigner des mouvements en enregistrant des actions humaines répétitives.

Des capacités annoncées de navigation et d’analyse visuelle

Selon Perceptron, le logiciel peut assister des robots guidés par la vision pour évoluer dans des entrepôts ou le long de chaînes de production, et aider des entreprises à extraire des informations depuis les vidéos produites par ces robots. Pour illustrer un cas concret, Akshat Shrivastava cite le tri de colis : un robot devrait d’abord lire une étiquette, analyser l’espace pour localiser des boîtes, décider laquelle saisir, puis, en cas de série, planifier l’ordre de prise. La société présente Isaac 0.5 comme un outil conçu pour accompagner chaque étape de ces séquences. Elle rappelle que des logiciels existent déjà pour accomplir la plupart de ces tâches, tout en soutenant que peu d’entre eux ont été pensés pour le faire de manière flexible. Perceptron défend par ailleurs l’idée qu’en robotique physique, le choix actuel oppose des modèles généralistes gourmands en GPU cloud et des modèles étroits limités à la perception ou au contrôle ; ses cofondateurs affirment, à l’inverse, viser un modèle polyvalent, capable de s’adapter à la situation.

Commercialisation annoncée et secteurs visés

La jeune pousse affirme être en mesure de mettre son logiciel à disposition de divers fournisseurs et juge que sa brique d’intelligence est susceptible de s’intégrer dans de nombreux secteurs d’activité. Parmi les secteurs visés figurent la production industrielle, la logistique et le stockage, la sûreté, les solutions de mobilité, ainsi que les industries des médias et du divertissement. Les fondateurs voient dans leur logiciel la prochaine étape pour l’automatisation industrielle, poursuivant ainsi leur approche de diffusion sur plusieurs marchés.

Lancement, financement et équipe à l’origine d’Isaac 0.5

Perceptron a lancé cette semaine Isaac 0.5 et l’a publié en poids ouverts, avec des paramètres et des matériaux d’entraînement accessibles à l’examen. L’entreprise a récemment réuni 21 millions de dollars lors d’un tour mené par Bessemer Venture Partners. Fondée en novembre 2024 par Armen Aghajanyan et Akshat Shrivastava, passés par le laboratoire FAIR de Meta, Perceptron développe des modèles de vision dédiés à l’interaction avec le monde physique. Selon la société, Isaac 0.5 est conçu pour permettre aux machines de percevoir, raisonner et agir dans des environnements industriels. « Rien de tel n’existe vraiment », déclare Armen Aghajanyan, qui se dit enthousiaste.