Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
A roboticist at a frontier AI lab, who asked not to be named, described the moment a big, heavy robot rushed toward their arm, slowed down just in time and touched them very gently. The robot had been handed a raspberry, the lab's apparent favourite test item, and it did not crush it. Robots have been learning from filmed demonstrations for years.
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.
The startup behind it, Eka Robotics, was founded by MIT professor Pulkit Agrawal and Tuomas Haarnoja, a former Google DeepMind researcher. Its latest round, a $150 million Series A, values the company at $1.45 billion post-money, meaning after the new money is added. The round was led by the venture funds a16z and F-Prime. Raghu Raguram, the a16z general partner who co-led it, told TechCrunch he expects “superhuman performance in many dexterous manipulation tasks” within “the next few months”. That is an investor’s forecast, not a measured result.
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.
The technical choice sits at the centre of the story. Most robot models pair vision with language, a design known as vision-language-action. Eka’s foundation model pairs vision with force, the push and pull a hand feels when it touches something. Agrawal put it plainly: “Vision tells you roughly where the object is, what the pose is, but the actual grabbing, the actual searching is happening through forces.” The hand itself was redesigned with more force sensors so it can react the instant it meets resistance. The company trains that behaviour in a physics simulator, which models the forces a robot meets when it tries to grasp something, and runs the resulting reinforcement learning, a method where a program learns by trial and reward, at scale. Eka says this produces thousands of hours of experience in minutes, instead of the slow collection of footage by gig workers or operators. The founders have not disclosed how they tuned the simulation, citing competition.
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.
What this changes, if the figures hold, is the division of labour between machines. A general model can plan a task, while a model like Eka’s handles the physical contact. Its speed has a cost: the robot arm is strong enough to damage itself as it moves fast, and Eka’s reliability figure of more than 95% is the company’s own. The reporting gives no date for work outside demonstrations, no customer and no price. For robot builders, the next test is whether the grip still holds in a factory or warehouse, on objects the system has never seen.
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.