Flexion Robotics apprend aux robots de nouvelles compétences sans humains, grâce à l'IA et à la simulation

La start-up suisse Flexion Robotics a mis au point une méthode qui apprend de nouvelles tâches aux robots humanoïdes sans intervention humaine. Les opérateurs de démonstration et les annotateurs cèdent la place à l'IA et à la simulation virtuelle.

La routine compte plus que les acrobaties

Les robots humanoïdes actuels savent impressionner : ils bouclent des distances de marathon, montent sur scène et exhibent leurs capacités acrobatiques. Les vidéos de ces prouesses cumulent des millions de vues et entretiennent l'image de « robots du futur » qui vivraient déjà parmi nous.

Derrière ces démonstrations spectaculaires se cache pourtant une réalité plus prosaïque. La valeur réelle de ces machines dépend de leur capacité à exécuter des tâches monotones, physiquement pénibles ou dangereuses, celles qui épuisent les humains, les blessent ou qu'ils refusent tout simplement d'accomplir. Assembler des composants sur une chaîne, emballer et trier des produits, déplacer de lourdes charges, gérer des rayonnages d'entrepôt : voilà ce que l'industrie attend des humanoïdes.

Apprendre chaque tâche spécifique à un robot reste long et coûteux. Le cycle traditionnel mobilise des opérateurs de démonstration, des annotateurs de données et des ingénieurs chargés de la vérification. L'ensemble du processus prend des mois. Flexion Robotics s'est fixé pour objectif de retirer les humains de cette chaîne.

La simulation remplace l'instructeur

L'idée centrale de la start-up consiste à déplacer l'intégralité du cycle d'apprentissage dans un environnement virtuel. Les algorithmes d'IA génèrent eux-mêmes des milliers de façons d'exécuter une tâche, évaluent la qualité de chaque tentative et ajustent le comportement du modèle par itérations. Plus besoin d'entraîneurs ni de démonstrateurs en chair et en os : un simulateur et un algorithme d'apprentissage par renforcement suffisent.

Les avantages de l'approche :

• un passage à l'échelle sans recruter ni former d'équipe d'annotateurs
• un entraînement sans risque sur des scénarios dangereux, rares ou atypiques
• l'apprentissage de plusieurs compétences en parallèle
• un cycle plusieurs fois plus court entre la définition de la tâche et la compétence opérationnelle
• un coût réduit pour la préparation de chaque nouvelle compétence

Une fois l'entraînement en simulation terminé, le système transfère les stratégies acquises au robot physique : c'est ce qu'on appelle le sim-to-real transfer. Historiquement, c'est précisément à cette étape que surgissaient les problèmes les plus sérieux. Le comportement observé en simulation divergeait souvent de la réalité, à cause d'imprécisions du modèle physique, de différences de frottement entre surfaces et de la réaction des matériaux. Flexion Robotics présente la précision et la stabilité de ce passage comme son principal avantage concurrentiel.

Concurrents et contexte

L'entraînement synthétique des robots compte parmi les sujets les plus brûlants du secteur en ce moment. Google DeepMind, Physical Intelligence, Figure AI, 1X Technologies et des dizaines d'autres start-up mènent des recherches dans la même direction. La plupart s'appuient soit sur de vastes datasets impliquant des humains, soit sur des interactions coûteuses avec l'environnement réel.

Flexion Robotics parie qu'un pipeline entièrement automatisé permettra de déployer des robots là où cela n'était jusqu'ici pas rentable : petites lignes de production, logistique régionale, agroalimentaire, agriculture. Si la méthode prouve son efficacité en conditions réelles, l'économie de la robotisation pourrait changer en profondeur.

Qu'est-ce que cela change ?

Retirer les humains du cycle d'apprentissage, c'est rendre les robots rapidement adaptables à des tâches changeantes et accessibles à grande échelle. Si Flexion Robotics parvient à un transfert sim-to-real stable en pratique, les entreprises pourront lancer de nouvelles opérations robotisées en quelques semaines au lieu de plusieurs mois. L'automatisation industrielle cessera d'être le privilège des grands groupes dotés de budgets de plusieurs millions.