Eka : 1 500 objets par heure en démo, contre 600 pour un humain

Un roboticien d'un laboratoire d'IA de pointe, qui a demandé à rester anonyme, raconte le moment où un gros robot lourd s'est précipité vers son bras, a ralenti juste à temps et l'a touché très délicatement. Le robot avait reçu une framboise, l'objet d'essai apparemment préféré du laboratoire, et il ne l'a pas écrasée. Depuis des années, les robots apprennent à partir de démonstrations filmées.

La start-up à l'origine de ce robot, Eka Robotics, a été fondée par le professeur du MIT Pulkit Agrawal et Tuomas Haarnoja, ancien chercheur de Google DeepMind. Sa dernière levée, une série A de 150 millions de dollars, valorise l'entreprise à 1,45 milliard de dollars après money, c'est-à-dire une fois les nouveaux fonds ajoutés. Le tour a été mené par les fonds de capital-risque a16z et F-Prime. Raghu Raguram, associé général d'a16z qui a co-dirigé l'opération, a déclaré à TechCrunch qu'il s'attend à des « performances surhumaines dans de nombreuses tâches de manipulation adroite » d'ici « les prochains mois ». Il s'agit de la prévision d'un investisseur, non d'un résultat mesuré.

Le choix technique est au cœur de l'histoire. La plupart des modèles de robots associent la vision et le langage, une conception connue sous le nom de vision-langage-action. Le modèle de fondation d'Eka associe la vision et la force, c'est-à-dire la poussée et la traction qu'une main ressent au contact d'un objet. Agrawal résume ainsi : « La vision vous indique à peu près où se trouve l'objet, quelle est sa pose, mais la préhension proprement dite, la recherche proprement dite, se fait par les forces. » La main elle-même a été repensée avec davantage de capteurs de force, afin de réagir dès qu'elle rencontre une résistance. L'entreprise entraîne ce comportement dans un simulateur physique, qui modélise les forces qu'un robot rencontre lorsqu'il tente de saisir un objet, et exécute à grande échelle l'apprentissage par renforcement qui en résulte, une méthode par laquelle un programme apprend par essais et récompenses. Eka affirme que cela produit des milliers d'heures d'expérience en quelques minutes, au lieu de la collecte lente de séquences filmées par des travailleurs à la tâche ou des opérateurs. Les fondateurs n'ont pas révélé comment ils ont réglé la simulation, invoquant la concurrence.

Ce que cela change, si les chiffres se confirment, c'est la répartition des tâches entre les machines. Un modèle généraliste peut planifier une tâche, tandis qu'un modèle comme celui d'Eka gère le contact physique. Sa vitesse a un prix : le bras est suffisamment puissant pour s'endommager lui-même lorsqu'il se déplace rapidement, et le taux de fiabilité de plus de 95 % d'Eka n'est donné que par l'entreprise. Les informations disponibles ne donnent aucune date pour un usage hors démonstrations, ni client ni prix. Pour les constructeurs de robots, le prochain test sera de savoir si la prise tient dans une usine ou un entrepôt, sur des objets que le système n'a jamais vus.