Galaxy Universal Robotics, une entreprise chinoise de robotique humanoïde, a ouvert le code d'AstraBrain-WBC 0.5, un modèle de fondation qu'elle décrit comme un cervelet polyvalent pour robots humanoides. Là où le cerveau d'un robot gère la planification de haut niveau, le cervelet est la couche qui fait réellement bouger le corps, et celui-ci coordonne le mouvement corps entier en temps réel sur 29 degrés de liberté tout en gardant la machine en équilibre. L'entreprise le présente comme le premier modèle de contrôle corps entier en temps réel pour humanoïde à fonctionner à cette échelle de paramètres, et le chiffre est la surprise: 80,4 millions de paramètres, assez petit pour tourner en moins de 1.5 milliseconde sur une seule RTX 4090.

Le modèle a été entraîné sur ce que l'entreprise présente comme le plus grand jeu de données de mouvement humain de son genre, environ 2 milliards d'images couvrant à peu près 20,000 heures de mouvement. Les données couvrent la danse, le sport, les comportements du quotidien, les opérations industrielles et le portage collaboratif à deux, l'idée étant qu'un contrôleur exposé à cet éventail de mouvement humain apprend des principes généraux pour mouvoir un corps plutôt qu'une liste figée de routines.

Le résultat phare est la généralisation zéro-shot. L'entreprise montre le modèle exécutant des actions complexes qui n'étaient pas dans ses données d'entraînement, dont des mouvements de basketball, de la boxe, de la danse, des sauts périlleux et du portage coordonné avec un partenaire, sans avoir été réentraîné pour aucune d'entre elles. De bout en bout, de la capture de mouvement au robot, le pipeline tourne en moins de 20 millisecondes. Généraliser à des mouvements jamais vus est la partie difficile du contrôle humanoïde, où la plupart des systèmes sont réglés compétence par compétence, donc un seul modèle qui improvise de nouvelles actions corps entier est l'affirmation qui mérite qu'on la surveille.

Ce qui en fait plus qu'une démo, c'est que l'article, le code et les résultats sont entièrement ouverts. C'est l'opposé de la direction dominante, où les modèles de fondation robotiques les plus performants sont propriétaires et liés à une plateforme spécifique, et cela signifie que des chercheurs extérieurs peuvent réellement tester si les affirmations zéro-shot tiennent sur leur propre matériel. Un petit modèle qui tourne sur un seul GPU grand public abaisse aussi la barrière à l'installation d'un contrôle performant sur un vrai robot plutôt que sur un serveur.

Les réserves sont les habituelles pour un lancement de ce type. Les chiffres et le cadrage de première mondiale viennent de l'annonce de l'entreprise elle-même, les démonstrations sont triées sur le volet, et la mesure dans laquelle des résultats en cadre contrôlé se transposent à des tâches réelles désordonnées est exactement ce que la reproduction tranchera. Mais la forme du pari est la partie intéressante, et elle va à contre-courant du moment: pas un cerveau propriétaire géant, mais un petit contrôleur efficace et ouvert que n'importe qui peut télécharger et essayer. Si la généralisation zéro-shot tient, faire davantage du mouvement robotique avec moins de paramètres est une direction plus utile que de le faire avec davantage.