Les robots Eka trient les nuggets et vissent les ampoules — un moment ChatGPT pour l'IA physique approche

Eka a créé des robots qui vissent des ampoules, trient des nuggets de poulet et manipulent des objets fragiles — leurs mouvements rappellent étrangement ceux des humains. Wired se demande : cette dextérité représente-t-elle une véritable intelligence physique ou simplement une imitation de mouvements bien entraînée ?

Ce Que Peuvent Faire les Robots Eka

Les développements d'Eka se distinguent des manipulateurs industriels standards qui travaillent depuis des décennies dans l'industrie automobile sur des trajectoires strictement prédéfinies. Les pinces des robots Eka ne sont pas de simples « griffes », mais des mains multi-articulées dotées de capteurs tactiles à l'extrémité des doigts. Au lieu de trajectoires codées en dur, les systèmes sont entraînés sur des ensembles de vidéos de travail humain et affinés par simulation. Cela leur permet de s'adapter à des objets de formes et de poids différents sans coordonnées préprogrammées. Voici ce que le même robot réalise dans des conditions réelles :

• Trie les nuggets de poulet sur un tapis roulant selon la forme et la position
• Visse les ampoules dans les douilles sous divers angles
• Déplace des œufs fragiles sans endommager la coquille
• Gère les objets inconnus sans recalibrage ponctuel
• Fonctionne dans des environnements non structurés — où les robots précédents nécessitaient un ordre parfait

La distinction clé par rapport à la génération précédente est la capacité à gérer la variabilité. Non pas « exécute le mouvement A au point B », mais « débrouille-toi avec cet objet comme le ferait un humain ».

Moment ChatGPT ou Imitation Habile ?

Wired soulève une question inconfortable : dans quelle mesure les mouvements de ces robots reflètent-ils une véritable compréhension de l'espace par rapport à une reproduction précise des motifs des données d'entraînement ? Pour les modèles de langage, le « problème du perroquet » — un modèle qui imite la compréhension sans réellement rien comprendre — n'a jamais été entièrement résolu. Avec les robots physiques, la question est plus aiguë : une erreur sur une chaîne de production coûte plus cher qu'une hallucination dans un texte.

Eka et ses concurrents — Apptronik, Figure AI, Physical Intelligence (π), 1X Technologies — parie que les modèles fondamentaux pour le mouvement sont déjà suffisamment bons pour un déploiement commercial. Mais les chercheurs sont en désaccord. Certains pensent que la limite entre « intelligence physique » et « très bonnes statistiques de mouvement » n'a aucune importance pratique si le robot réalise régulièrement la tâche. D'autres avertissent : c'est dans les cas extrêmes que l'imitation échoue.

« La question n'est pas si un robot peut visser une ampoule.

La question est ce qu'il fera quand l'ampoule a un diamètre différent », — explique un chercheur en robotique.

Pourquoi le Seuil Est Maintenant

Des actionneurs moins chers, des caméras de profondeur disponibles, de grands ensembles de données de mouvements humains et une architecture transformatrice pour l'IA physique — tout cela a convergé simultanément. La distance entre un prototype de laboratoire et un robot fonctionnel s'est réduite plus rapidement que l'industrie ne l'attendait. Eka teste déjà ses systèmes sur des chaînes de production réelles dans l'industrie alimentaire.

Le parallèle avec les modèles de langage est direct : ChatGPT a été lancé en novembre 2022, et au cours des 18 mois suivants l'industrie a réexaminé ce qui pouvait réellement être automatisé. Les robots physiques pourraient être à un seuil similaire. Si c'est le cas, les décisions sur les tâches manuelles à automatiser ne seront pas prises en 10 ans, mais en 2-3.

Ce Que Cela Signifie

Si Eka et ses concurrents ont raison, les prochaines années seront décisives pour le travail manuel dans la fabrication et la logistique. La question n'est plus « les robots vont-ils remplacer les mains humaines ? », mais « dans quelles tâches cela se produira-t-il en premier ? ».