Xiaomi ouvre le code de son premier modèle VLA pour robots

Xiaomi ouvre le code de son premier modèle VLA et rebat les cartes de la robotique

Xiaomi a franchi un cap décisif dans les systèmes autonomes en ouvrant le code de Xiaomi-Robotics-0, son premier modèle Vision-Language-Action pour robots. L'annonce, faite le 12 février, signifie que les développeurs du monde entier auront accès à un modèle de 4,7 milliards de paramètres qui associe perception visuelle, compréhension du langage naturel et pilotage du robot en temps réel. Ce n'est pas un énième projet ouvert : c'est le signe que le géant technologique chinois mise sérieusement sur l'IA multimodale pour l'automatisation physique et se dit prêt à partager ses travaux avec la communauté mondiale des développeurs.

Jusqu'ici, les modèles VLA restaient le territoire de quelques élus. Les solutions les plus puissantes du domaine venaient d'entreprises comme Tesla, avec son dispositif de manipulation d'objets, et Google DeepMind, avec ses expériences en robotique. Ces modèles apprennent à relier ce que voient les robots à des ordres en langage naturel et à des actions concrètes en temps réel. Le problème : entraîner de tels systèmes demande d'énormes volumes de données vidéo, de lourdes ressources de calcul et une connaissance approfondie de la mécanique du robot. L'ouverture de Xiaomi change cette dynamique. En publiant le code source et les poids de son modèle, l'entreprise démocratise l'accès à une technologie qui était jusque-là l'apanage de grands groupes aux budgets considérables.

Xiaomi-Robotics-0 est conçu pour être efficace et pratique. Un modèle de 4,7 milliards de paramètres représente un compromis entre vitesse et performance. Il est assez compact pour tourner sur des plateformes robotiques aux capacités de calcul limitées, tout en offrant assez de puissance pour des tâches de manipulation complexes.

L'architecture réunit trois composants clés : un encodeur visuel qui analyse les images des caméras du robot ; un module de langage qui traite les instructions de l'utilisateur en langage naturel ; et un module d'action qui génère les commandes de contrôle en temps réel. Cette intégration est critique, car le robot ne doit pas seulement comprendre la tâche (par exemple, « prends le cube rouge »), mais la traduire immédiatement en coordonnées de mouvement et en force de préhension.

La stratégie d'ouverture de Xiaomi obéit à une logique claire. Dans l'écosystème de la robotique, la concurrence se joue moins au niveau des modèles que sur le matériel, le logiciel et l'écosystème d'applications. En ouvrant son modèle VLA, l'entreprise permet à des milliers de développeurs d'explorer de nouveaux usages et d'adapter la technologie à leurs propres robots. Cela crée un effet de réseau : plus il y a de personnes pour améliorer le modèle et lui trouver de nouvelles applications, plus il est probable que les solutions issues de cette communauté fonctionnent avec les développements internes de Xiaomi.

Pour l'industrie, cela signifie un développement accéléré. Startups, universités et grands groupes pourront expérimenter le pilotage multimodal de robots sans repartir de zéro. Le modèle est déjà entraîné sur des données réelles et repose sur une architecture raisonnable, adaptable à différentes plateformes. C'est d'autant plus important que la robotique est sur le point de passer des laboratoires à la production et à la vie quotidienne.

La démarche de Xiaomi illustre une tendance plus large : les leaders de l'IA comprennent de plus en plus qu'ouvrir une partie de leurs travaux crée un écosystème plus solide qu'un contrôle strict. Cela ne veut pas dire que l'entreprise renonce à ses robots ; au contraire, ils resteront fermés et propriétaires. Mais le modèle VLA devient le socle sur lequel toute une industrie pourra se développer, et Xiaomi pose déjà les premières briques de ses fondations.