Natura-1 apprend la dextérité aux robots avec un million d'heures d'expérience humaine

Le modèle Natura-1 a été entraîné sur environ un million d'heures d'expérience humaine. Résultat revendiqué : une généralisation zero-shot et une manipulation dextre, c'est-à-dire la capacité à venir à bout de tâches que le système n'a pas vues pendant l'entraînement. Pour la démonstration, les auteurs ont retenu une tâche qui met en difficulté même des roboticiens chevronnés : façonner des wontons.

L'article du média chinois Jiqizhixin part d'une observation facile à vérifier dans sa cuisine. Une main tient et soutient une fine feuille de pâte, l'autre y dépose la garniture. La pâte est ensuite pliée en deux, le bord pincé, la soudure refermée. Pendant tout ce temps, la paume porte une pâte prête à perdre sa forme, les doigts perçoivent l'élasticité de la garniture, et les mains se passent la préparation au bon moment. Un humain fait cela sans y penser. Pour un robot, chacun de ces éléments devient un problème distinct et non résolu.

Pourquoi le wonton est un bon terrain d'essai

Cette tâche cumule trois difficultés. La première : l'objet se déforme, et sa forme change à chaque contact. Les modèles simples de corps rigides n'aident presque pas ici. La deuxième : il faut un retour d'information par le contact. La force d'appui détermine si la soudure se ferme ou si la pâte se déchire. La troisième : deux mains travaillent ensemble, et une erreur au moment de la passation fait échouer toute la séquence.

Si un système maîtrise cet enchaînement, c'est plus significatif qu'une énième vidéo où l'on déplace des cubes. Mais une seule démonstration ne prouve pas une capacité générale. L'essentiel de l'annonce de Natura-1 tient donc au mot « zero-shot ». C'est précisément lui qu'il faut vérifier sur des tâches différentes de celle présentée.

Le pari de l'expérience humaine

Un million d'heures est une échelle que les données robotiques propres n'atteignent généralement pas. Collecter des démonstrations par téléopération coûte cher : il faut un opérateur, du matériel et du temps. L'expérience humaine est, de ce point de vue, moins chère et plus variée, car les gens effectuent chaque jour des centaines de manipulations avec les objets les plus divers. La logique de cette tendance de l'industrie est claire : si l'on entraîne un modèle sur des actions humaines, il acquiert un vaste vocabulaire de mouvements, et il suffit ensuite de l'adapter au robot.

L'extrait disponible ne dit pas comment les auteurs de Natura-1 transfèrent les données humaines vers une main mécanique. Or beaucoup de choses en dépendent. L'écart entre la main humaine et la main robotique est l'un des principaux problèmes pratiques de tout le domaine.

Ce que l'on sait à ce jour

• Nom : Natura-1.
• Données d'entraînement : environ 1 million d'heures d'expérience humaine.
• Capacités revendiquées : généralisation zero-shot et manipulation dextre.
• Tâche de démonstration : façonner des wontons à deux mains.
• Non précisé dans le texte disponible : le développeur, la taille du modèle, le type de main ou de robot, le taux de réussite, la comparaison avec d'autres approches.

Ce qu'il faudra surveiller

Pour les équipes qui construisent des robots ou en achètent, quelques questions très concrètes méritent d'être posées. Quel est le taux de réussite sur des tâches hors démonstration ? Combien de temps faut-il pour s'adapter à un nouveau matériel ? Que se passe-t-il quand la pâte est différente, que la garniture est plus abondante ou que la table est glissante ? Et en quoi les mains du robot diffèrent-elles de celles des humains dont l'expérience a servi à entraîner le modèle ?

Si les réponses se révèlent convaincantes, c'est la stratégie elle-même qui en sortira gagnante : au lieu de collecter à grands frais des démonstrations pour chaque nouvelle compétence, les entreprises pourront s'appuyer sur de vastes corpus de données humaines. Pour l'instant, il s'agit d'une annonce : une démonstration spectaculaire et un grand nombre d'heures, mais aucun chiffre vérifiable. Mieux vaut les attendre avant de tirer des conclusions.