La start-up de logiciels de robotique Physical Intelligence a levé 600 millions de dollars de financement, valorisant l’entreprise à 5,6 milliards de dollars. Le cycle, dirigé par CapitalG d’Alphabet, comprend des investissements de Lux Capital, Thrive Capital, Jeff Bezos, Index Ventures et T. Rowe Price. Fondée en 2024, la startup développe des algorithmes d’IA pour servir de cerveaux de robots. L’intelligence physique est issue d’une équipe d’anciens chercheurs de Google DeepMind aux côtés d’universitaires de l’Université de Stanford et de l’Université de Californie à Berkeley. Ce groupe fondateur apporte son expertise en intelligence artificielle et en robotique pour relever les défis de l’automatisation physique. L’entreprise opère sous la direction du directeur général Karol Hausman, qui supervise le développement des technologies de base. Le rôle de Hausman consiste à orienter les efforts vers des solutions innovantes en matière d’intelligence robotique. L’objectif principal de l’intelligence physique est la création d’algorithmes d’intelligence artificielle conçus spécifiquement pour fonctionner comme le « cerveau » opérationnel des robots. Ces algorithmes visent à établir un système d’intelligence générale capable d’alimenter différents types de robots dans diverses applications. Un tel système permettrait aux robots de gérer plusieurs tâches sans se limiter à des fonctions prédéfinies, marquant une rupture avec la programmation robotique traditionnelle. Contrairement à l’intelligence artificielle développée pour les chatbots comme ChatGPT, l’IA robotique nécessite une adaptation aux environnements physiques. Les robots doivent traiter les entrées au-delà du texte, en incorporant plusieurs modalités de données, avec un accent particulier sur les informations visuelles. Cette approche multimodale permet aux robots de percevoir leur environnement avec précision, d’interpréter les conditions physiques et d’exécuter des décisions impliquant des mouvements et des interactions. Le traitement des données visuelles s’avère essentiel pour que les robots puissent naviguer et réagir efficacement aux environnements dynamiques du monde réel. Physical Intelligence n’a commercialisé aucun produit ou service commercial à ce jour. Cependant, l’entreprise effectue des tests internes de son logiciel d’IA à l’aide de bras robotiques. Ces tests impliquent des tâches pratiques telles que plier des vêtements, qui nécessitent une manipulation précise de matériaux flexibles ; assembler des boîtes, nécessitant une conscience spatiale et des actions séquentielles ; et préparer du café, ce qui comprend la manipulation de liquides et d’équipements. Ces expériences démontrent le potentiel du logiciel dans des scénarios de manipulation quotidiens. Plus tôt cette semaine, l’intelligence physique a introduit un nouveau modèle d’IA de vision fondé sur les principes d’apprentissage par renforcement. L’apprentissage par renforcement implique des modèles qui affinent leurs performances de manière itérative grâce aux expériences accumulées, ajustant les comportements en fonction des résultats. Cette technique permet à l’IA d’optimiser les actions au fil du temps, améliorant ainsi l’efficacité et la précision des opérations robotiques sans programmation explicite pour chaque scénario. La société a partagé une vidéo de démonstration sur X présentant des bras robotiques utilisant la méthode d’apprentissage par renforcement. Dans la vidéo, l’approche aboutit à doubler le débit global, défini comme le nombre de tâches terminées par heure. Au cours d’une période de test contrôlée de trois heures, les bras robotiques ont terminé chaque tâche assignée en trois minutes en moyenne. Cette performance indique des gains substantiels en termes de vitesse opérationnelle et de fiabilité. Pour faire progresser ses modèles d’IA, l’intelligence physique alloue des ressources importantes à la collecte de données du monde réel à des fins de formation. L’acquisition de données constitue un élément essentiel du développement de modèles, fournissant les diverses entrées nécessaires à un apprentissage robuste. Un an auparavant, lors de son cycle de financement de 400 millions de dollars, l’entreprise avait identifié l’obtention de données multitâches et multirobots à grande échelle comme un défi majeur. Pour surmonter ce problème, l’intelligence physique mène des expériences qui génèrent des ensembles de données propriétaires, permettant une amélioration autonome des ressources de formation. Les systèmes robotiques actuels présentent des limites en termes de flexibilité, car ils reçoivent des spécifications de conception pour des tâches uniques dans des environnements contrôlés. Ces robots gèrent des variations environnementales mineures mais ont du mal à s’adapter à des espaces très désorganisés ou complexes, tels que les zones résidentielles ou les environnements extérieurs non structurés. L’Intelligence Physique cherche à répondre à ces contraintes en intégrant l’intelligence générale dans ses algorithmes. https://twitter.com/physical_int/status/1990574901795979577 Le cadre général d’intelligence poursuivi par l’intelligence physique permet aux robots d’apprendre des expositions et de s’acclimater à des environnements et à des tâches variés. Cette capacité permettrait aux robots de fonctionner efficacement dans des conditions complexes et réelles, passant d’une programmation rigide à des fonctionnalités plus autonomes. En favorisant l’adaptabilité, la technologie prend en charge un déploiement plus large dans des applications pratiques au-delà des limites industrielles. Plusieurs entreprises technologiques établies poursuivent des avancées similaires dans le domaine de l’IA robotique. Google, via sa filiale Intrinsic, a annoncé un partenariat avec Foxconn sur une initiative d’usine intelligente la veille de l’annonce du financement. Cette collaboration vise à intégrer l’IA dans les processus de fabrication pour une automatisation améliorée. Meta Platforms développe des outils d’IA pour la robotique, notamment sa récente version de modèles de vision par ordinateur Segment Anything, qui facilitent la détection et la segmentation d’objets dans les entrées visuelles. Amazon intègre des robots basés sur l’IA dans ses opérations de logistique et d’entrepôt, déployant régulièrement des systèmes améliorés pour des tâches telles que le tri et le transport. Ces mises en œuvre démontrent le rôle de l’IA dans l’amélioration de l’efficacité au sein des installations à grande échelle. Les investissements et les développements de ces entreprises mettent en évidence les efforts continus de l’industrie pour élever les capacités robotiques grâce à l’intelligence artificielle. De nombreuses startups sont également en concurrence dans le secteur de l’IA robotique. Des exemples récents incluent Gecko Robotics, qui se concentre sur les technologies d’inspection ; Genesis AI, mettant l’accent sur les systèmes autonomes ; Cobionix, spécialisée dans les solutions basées sur drones ; et FieldAI, ciblant l’automatisation agricole. Chacune de ces entreprises a obtenu des capitaux d’investissement au cours des derniers mois, reflétant l’intérêt des investisseurs pour les applications robotiques innovantes.
