L'université du Zhejiang et Unitree publient en open source 5 millions de mouvements validés pour robots
Pour apprendre à un robot à s'accroupir ou à laver le sol, on enregistre généralement des mouvements sur des humains équipés de combinaisons de capture. C'est coûteux, et les données restent rares. Un laboratoire de l'université du Zhejiang et Unitree ont constitué Movens-5M à partir de vidéos ordinaires du web : 5 millions de mouvements pour robots, pour plus de 10 000 heures au total. Chaque mouvement a été exécuté dans un simulateur, et seuls ceux qu'un robot est capable de réaliser ont été conservés. Les développeurs disposent ainsi d'une base ouverte de préentraînement, au lieu de devoir collecter leurs données de zéro.
Traité par IA depuis Jiqizhixin (机器之心) ; édité par Hamidun News
Pour apprendre à un robot à s'accroupir, à laver le sol ou à boxer, on enregistre généralement ses mouvements sur des personnes équipées de combinaisons de capture, puis on les teste sur du matériel réel. C'est coûteux et lent. Résultat : les données destinées aux robots sont catastrophiquement moins abondantes que les textes disponibles pour les modèles de langage.
Le laboratoire commun d'intelligence incarnée de l'université du Zhejiang et de l'entreprise Unitree propose une solution de contournement : prendre des vidéos ordinaires du web où des gens accomplissent une tâche, et les convertir en mouvements pour robots. Le résultat est un jeu de données ouvert, Movens-5M : 5 millions de mouvements d'une durée cumulée de plus de 10 000 heures, répartis en 297 types d'actions et 16 catégories de scènes. Si vous développez des modèles de contrôle pour robots humanoïdes ou quadrupèdes, c'est une base de préentraînement prête à l'emploi, que vous n'avez pas besoin d'enregistrer vous-mêmes.
Ce qui a été publié
Le nom Movens-5M se comprend facilement : cinq millions de mouvements. Chacun a été exécuté dans un simulateur, ce qui permet de vérifier qu'il est réalisable. Dans le titre chinois de l'annonce, la publication est présentée comme un possible « moment GPT » pour l'intelligence incarnée, c'est-à-dire pour les robots qui agissent dans le monde physique. La formule est ronflante, mais le jeu de données mérite l'attention.
Les mouvements se répartissent en 297 types : marche, squats, lavage du sol, boxe, etc. Les scènes sont regroupées en 16 catégories : vie domestique, entraînements de fitness, loisirs en plein air. Un calcul simple montre qu'un exemple dure en moyenne environ 7 secondes. Il s'agit donc de courts épisodes complets, et non de longs enregistrements continus. Le projet a mobilisé l'université du Zhejiang, un laboratoire associé à Unitree, connue pour ses robots quadrupèdes et humanoïdes, ainsi que d'autres équipes.
Comment ça marche
L'idée est familière à quiconque a regardé des vidéos sur les plateformes d'hébergement : une personne lave le sol, fait de la gym, frappe dans un sac de frappe. On peut extraire de ce type de vidéo la trajectoire du corps et la transférer à un robot. Mais le corps humain et celui d'un robot diffèrent : proportions, articulations, limites d'angle et d'équilibre ne sont pas les mêmes. Une partie des mouvements « traduits » est donc physiquement impossible pour le robot, qui tomberait tout simplement.
L'étape de validation est ici déterminante. Selon la description des auteurs, chaque mouvement a été exécuté dans un simulateur. Les exemples irréalisables ont été écartés ; il reste ceux que le modèle du robot est réellement capable de reproduire. C'est un point important pour l'entraînement : le réseau de neurones ne gaspille pas de capacité à mémoriser des mouvements impossibles à répéter.
Que faire de ce jeu de données en pratique
Premier usage : le préentraînement. On peut enseigner les compétences de base à un modèle avec Movens-5M, puis l'affiner sur un petit nombre d'enregistrements propres, pour une tâche précise et un robot donné. C'est moins cher que de tout collecter de zéro.
Deuxième usage : la comparaison équitable. Quand un jeu de données est ouvert, plusieurs groupes peuvent entraîner leurs modèles sur le même matériau et comparer leurs résultats. En robotique, c'est encore rare : le plus souvent, chaque entreprise reste sur ses données fermées.
Troisième enseignement : un signal pour les fondateurs. Les laboratoires chinois misent sur le passage à l'échelle des données, par analogie avec les modèles de langage, et les publient en accès ouvert. Celui qui constitue des données fermées doit tenir compte du fait que l'alternative ouverte est devenue nettement plus volumineuse.
Réserves
La partie accessible de l'annonce ne contient pas d'informations pourtant nécessaires pour évaluer le jeu de données. On ignore sur quels robots et dans quels simulateurs les mouvements ont été vérifiés, quelle licence s'applique aux données et quels résultats ont obtenus les modèles entraînés dessus. La simulation reste une approximation de la physique : un mouvement réalisable dans un simulateur peut se comporter différemment sur un robot réel, à cause des frottements, des jeux mécaniques et des latences.
Par ailleurs, 297 types d'actions et 16 catégories de scènes couvrent de nombreuses situations domestiques, mais pas toute la vie réelle. Cela se voit surtout dans les tâches où le robot doit saisir et déplacer des objets, et pas seulement mouvoir son propre corps.
Il est donc encore trop tôt pour qualifier Movens-5M de « moment GPT ». Il faut d'abord voir dans quelle mesure les modèles préentraînés sur ces données réussissent mieux des tâches sur de vrais robots. Mais un jeu de données ouvert de 10 000 heures, avec vérification de la faisabilité, est déjà une ressource utile. Si vous travaillez avec des robots humanoïdes ou quadrupèdes, téléchargez-le, étudiez la licence et le format, et vérifiez s'il réduit vos coûts de collecte de données.
- 20 nov. 2026Hugging Face et llama.cpp lancent Llama for Windows, un utilitaire de 1 Mo : l'IA sans terminal
- 20 nov. 2026Severstal a conçu un assistant IA pour les programmeurs d'automatisation industrielle, sans cloud
- 20 nov. 2026Cloudflare a construit un équivalent de Jev en 2 semaines au lieu de 2 ans et se proclame « néolab »
- 20 nov. 2026Mistral lance Vibe Desktop, une application de bureau pour son agent avec tâches parallèles
Questions clés sur cet article
Que sait-on sur Ce qui a été publié ?
Le nom Movens-5M se comprend facilement : cinq millions de mouvements. Chacun a été exécuté dans un simulateur, ce qui permet de vérifier qu'il est réalisable. Dans le titre chinois de l'annonce, la publication est présentée comme un possible « moment GPT » pour l'intelligence incarnée, c'est-à-dire pour les robots qui agissent dans le monde physique. La formule est ronflante, mais le jeu de données mérite l'attention. Les mouvements se répartissent en 297 types : marche, squats, lavage du sol, boxe, etc.
Comment ça marche?
L'idée est familière à quiconque a regardé des vidéos sur les plateformes d'hébergement : une personne lave le sol, fait de la gym, frappe dans un sac de frappe. On peut extraire de ce type de vidéo la trajectoire du corps et la transférer à un robot. Mais le corps humain et celui d'un robot diffèrent : proportions, articulations, limites d'angle et d'équilibre ne sont pas les mêmes. Une partie des mouvements « traduits » est donc physiquement impossible pour le robot, qui tomberait tout simplement.
Que sait-on sur Que faire de ce jeu de données en pratique ?
Premier usage : le préentraînement. On peut enseigner les compétences de base à un modèle avec Movens-5M, puis l'affiner sur un petit nombre d'enregistrements propres, pour une tâche précise et un robot donné. C'est moins cher que de tout collecter de zéro. Deuxième usage : la comparaison équitable. Quand un jeu de données est ouvert, plusieurs groupes peuvent entraîner leurs modèles sur le même matériau et comparer leurs résultats.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.