La société californienne Generalist AI a lancé Gen-1, un nouveau modèle d'IA physique qui permet aux robots d'effectuer des tâches telles que plier du linge, réparer d'autres robots ou ranger des billets dans des portefeuilles. Le modèle s'appuie sur des données de dextérité humaine collectées dans le monde entier pour enseigner aux robots un « bon sens physique ». Le cofondateur Pete Florence l'a décrit comme une avancée majeure pour la robotique en conditions réelles.
Generalist AI a dévoilé Gen-1 au début du mois, permettant aux robots d'accomplir diverses activités pratiques. Les vidéos de l'entreprise montrent le modèle appliqué à des bras robotisés effectuant des tâches telles que trier des chaussettes par couleur, empiler des oranges en pyramide, ouvrir des trousses ou brancher des câbles Ethernet. Florence, cofondateur et PDG de l'entreprise, a souligné que Gen-1 sert de « cerveau » pour différents types de robots, notamment les humanoïdes et les bras industriels. « C'est un grand pas en avant pour les robots conçus pour le monde réel, grâce à une intelligence née du monde réel », a déclaré Florence. Pete Florence a expliqué que, contrairement aux méthodes traditionnelles utilisant des robots téléopérés, Gen-1 a été entraîné à partir de données provenant d'humains portant des « gants de données » légers distribués mondialement. Cela a permis de capturer des millions d'interactions, y compris un retour de force subtil, des glissements et des rattrapages qui imitent la dextérité humaine. « Ce type de données est essentiel pour enseigner aux robots le bon sens physique, cette compréhension intuitive et cette capacité d'adaptation en temps réel », a ajouté Florence. Le modèle affiche des améliorations marquées des taux de réussite : l'entretien de robots aspirateurs atteint 99 % de succès, contre 50 % pour la version précédente Gen-0 ; le pliage de boîtes 99 %, contre 81 % ; et l'emballage de téléphones 99 %, contre 62 %. Gen-1 excelle également dans l'improvisation, en s'adaptant à des changements comme l'utilisation de deux mains pour une tâche automobile prévue pour une seule, une capacité que Florence qualifie de largement absente de la robotique précédente.