ω‑0 atteint 81,8 % : ce que montre vraiment le test domestique

Un robot humanoïde essuie une table, se déplace latéralement, maintient l’équilibre et ajuste le contact avec le chiffon – sans décomposer la tâche en phases séparées de marche et de saisie. C’est précisément cette coordination simultanée du corps entier qui est l’objectif de ω‑0. Le nouveau modèle de recherche atteint, lors d’un test réel comprenant onze tâches ménagères, un taux de réussite de 81,8 %. La valeur est remarquable, mais n’est significative que si l’on prend en compte la conception du test, la base de données et les limites.

L’essentiel en bref

ω‑0 n’est pas un nouveau robot, mais un modèle de contrôle apprentissant pour des tâches corporelles complètes humanoïdes.
Le système combine les commandes vocales, les images de la caméra et les états des articulations, et en génère des séquences de mouvements exécutables pour tout le corps.
Dans le montage expérimental, la variante la plus forte a réussi 81,8 pour cent des tests complets ; le progrès moyen des tâches était de 90,3 pour cent.
Le test a été effectué sur un Unitree G1 avec des mains habiles supplémentaires – dans onze tâches définies et dix répétitions pour chacune.
Le résultat est un progrès de recherche significatif, mais pas encore une preuve d’un robot domestique utilisable librement.

Pourquoi le travail ménager est si difficile pour les humanoïdes

Pour les humains, essuyer une table semble banal. Cependant, d’un point de vue robotique, cela nécessite que la perception, la planification des mouvements, l’équilibre, le mouvement des bras, la force de la main et le contact avec la surface soient constamment coordonnés. Tout aussi exigeant est le fait de ramasser le linge dans un tambour profond, d’ouvrir un réfrigérateur ou de porter un récipient tout en récupérant des objets à différentes hauteurs.

Beaucoup de systèmes existants traitent le déplacement et la manipulation comme des modules séparés : d’abord, le robot se rend à une position, puis il reste aussi immobile que possible et bouge les bras. Cela fonctionne dans des démonstrations structurées, mais échoue dans des tâches où marcher, se pencher, se soutenir, saisir et tirer se produisent simultanément. Dans la recherche, cette connexion s’appelleloco-manipulation. Elle est une clé pour savoir si robot humanoïdedevenir vraiment utile à l’avenir dans des espaces conçus par l’homme.

Ce que ω‑0 fait techniquement différemment

ω‑0 est un modèle d’action mondiale latent. Il reçoit une instruction linguistique, l’observation visuelle actuelle et l’état corporel du robot. Cela comprend, entre autres, les positions des articulations, la configuration de la main et l’orientation du tronc. À partir de ces informations, il prédit des représentations d’actions corporelles compactes, que un contrôleur de bas niveau en aval traduit en mouvements réels.

Le point crucial : le modèle n’a pas besoin de générer d’abord des images vidéo futures complètes. Au lieu de cela, il apprend comment les caractéristiques d’image pertinentes d’une scène sont susceptibles d’évoluer. Cette prédiction se fait dans un espace de caractéristiques compact. Parallèlement, un modèle de diffusion génère la prochaine séquence d’actions corporelles complètes exécutables. En termes simples, le robot n’apprend pas seulement « Quelle action suit ? », mais aussi « À quoi devrait ressembler la situation ensuite ? » – sans gaspiller de puissance de calcul pour des images réalistes du futur.

Ainsi, ω‑0 appartient au niveau de développement suivant de Modèles vision-langage-actionLes VLA classiques traduisent directement l’image et le langage en actions. Les modèles World-Action complètent une compréhension apprise de la dynamique : ils doivent saisir quelles conséquences un mouvement a pour le corps, l’objet et l’environnement. Cela est particulièrement important pour le travail ménager riche en contacts, car de petites variations de pression, d’angle de préhension ou de position peuvent faire échouer une longue chaîne d’actions.

Comment interpréter correctement le résultat de 81,8 %

Les chercheurs ont testé sept familles de modèles selon le même protocole. Chaque méthode a été entraînée ou ajustée finement sur les données de démonstration réelles et devait accomplir onze tâches avec dix essais indépendants chacun. Une exécution n’était considérée comme réussie que si tous les sous-objectifs étaient réalisés dans la fenêtre de temps. La variante Omni de ω‑0 a atteint 81,8 pour cent de succès complets, 36,7 points sur un maximum de 41 pour les sous-tâches et 90,3 pour cent de progression continue dans les tâches.

Modèle	Succès complets	Avancement des tâches
Politique de diffusion	15,5 %	40,6 %
π‑0,5	27,3 %	52,8 %
GR00T‑N1.7	22,7 %	49,8 %
ψ‑0	44,5 %	59,6 %
DiT4DiT	43,6 %	61,0 %
ω‑0 Ego	79,1 %	88,7 %
ω‑0 Omni	81,8 %	90,3 %

Le chiffre n’est donc pas un « quotient intellectuel » général pour les robots domestiques. Il s’agit de la moyenne au sein d’un champ de test clairement défini, développé par les auteurs. La version Omni plus puissante utilise lors de l’entraînement plusieurs perspectives, y compris des images RGB et de profondeur externes ; la version Ego travaille plus près de la perspective de la caméra embarquée ultérieure. Selon l’article, lors de l’exécution autonome, aucune téléopération, aucun replay de mouvements ni aucune intervention scénarisée n’ont été utilisés.

Quelles onze tâches ont été testées ?

Les tests vont des tâches de saisie courtes à des séquences plus longues avec déplacement dans l’espace. Cela comprend :

prendre une pomme et la mettre dans un panier,
placer une pomme sur une étagère,
Jeter les vêtements du lit dans un panier,
mettre une serviette du panier dans la machine à laver,
essuyer une table,
essuyer le sol,
Ramasser des déchets provenant de différentes hauteurs dans un contenant porté,
jeter une pomme dans un tiroir et fermer celui-ci avec le genou,
Balayer les déchets du lit, se retourner et les jeter dans un récipient,
Sortir les vêtements de la machine à laver,
prendre une boisson du réfrigérateur.

Dix des onze tâches exigent explicitement un mouvement du bas du corps. Ainsi, le benchmark teste non seulement l’habileté des mains, mais aussi l’utilisation coordonnée des jambes, du tronc, des bras et des préhenseurs. C’est précisément ce qui le distingue de nombreux benchmarks de table, où un bras robotisé fixé travaille devant des objets préparés.

ω‑HOME : Pourquoi les données sont presque aussi importantes que le modèle

L’augmentation de performance ne repose pas uniquement sur l’architecture. Pour ω‑HOME, l’équipe a collecté 40,3 heures de données réelles de ménage avec 4 827 épisodes et 24 types de tâches à 30 images par seconde. Pour chaque trajectoire, les commandes vocales, la caméra ego, les captures RGB-D externes, les mouvements corporels, les états articulaires et les représentations d’actions exécutables ont été synchronisés. Pour les onze tâches ultérieures, environ 2 220 démonstrations de téléopération ont été réalisées, soit environ 200 par tâche.

Un opérateur humain contrôlait la collecte de données avec un casque VR, des manettes et des capteurs de mouvements pour les pieds. Les mouvements provenant de bases de données publiques de mouvements humains ont également été reproduits dans la simulation avec le contrôleur corporel complet SONIC. Le système filtrait les trajectoires physiquement inappropriées. Cette étape intermédiaire est importante : un mouvement humain peut paraître plausible sur vidéo, mais être impossible à réaliser pour un robot avec une cinématique, une répartition de masse et des limites d’articulation différentes.

Pour les entreprises, cela montre une tendance centrale de laIA physiqueLa compétition ne concerne pas seulement des modèles plus grands. Ce qui est décisif, ce sont des données de mouvement réelles de haute qualité, une téléopération fiable, la simulation, un contrôleur de corps entier robuste et des retours propres des caméras et des capteurs articulaires.

Quel matériel se trouvait dans le laboratoire ?

Les essais autonomes se déroulaient sur le Unitree G1. Pour la manipulation, l’équipe a équipé l’humanoïde de Inspire-DexHands. Une caméra ZED Mini fournissait la perspective à la première personne ; une caméra de profondeur ZED supplémentaire enregistrait des données RGB-D externes. Le G1 est ainsi la plateforme physique, ω‑0 étant cependant le logiciel de recherche. Ceux qui parlent d’un « robot ω‑0 » mélangent modèle et matériel.

Cette séparation est importante pour l’évaluation. Il n’a pas encore été largement démontré si la méthode est transférable à d’autres humanoïdes avec une taille différente, une cinématique de la main différente, une plateforme informatique différente ou une conception de propulsion différente. De bons résultats sur un G1 sont un signal fort pour l’idée du modèle, mais pas une indépendance automatique du matériel. La qualité deFusion de capteurs, la latence du contrôle et les fonctions de sécurité de la plateforme globale déterminent le succès pratique ultérieur.

Ce que le résultat ne prouve pas encore

Premièrement, il s’agit d’une prépublication récente et non d’une étude industrielle reproduite depuis de nombreuses années. Deuxièmement, le benchmark, le traitement des données et l’évaluation proviennent du même projet de recherche. Des réplications externes sur d’autres robots et dans des appartements indépendants font encore défaut. Troisièmement, le test comprend 110 essais par modèle – suffisant pour une comparaison claire dans le projet, mais trop peu pour déduire les taux de panne après des milliers d’heures de fonctionnement domestique.

Quatrièmement, les tâches sont définies et entraînées. Un vrai ménage change constamment : lumière, meubles, emballages, frottement du sol, animaux domestiques, enfants et mouvements humains imprévisibles créent un monde ouvert. L’article rapporte certes des généralisations prometteuses sur des objets et scènes retenus, mais cela ne permet pas encore de gérer de manière fiable n’importe quel nouveau travail.

Cinquièmement, un taux élevé de tâches accomplies en dit peu sur la sécurité, le bruit, la consommation d’énergie, l’usure, la facilité de nettoyage, la protection des données ou les coûts. Un produit domestique ne doit pas seulement accomplir une tâche, mais la réaliser de manière répétable, silencieuse, sûre et peu exigeante en entretien – et en cas d’incertitude, s’arrêter de manière contrôlée.

Pourquoi ω‑0 est quand même une étape importante

Le progrès décisif réside moins dans un mouvement spectaculaire unique que dans l’unification. Un modèle contrôle onze tâches différentes et relie perception, représentation du futur et action du corps entier. Il montre que la prédiction latente peut être un compromis pratique entre des politiques purement réactives et la génération vidéo gourmande en calcul.

Pour l’industrie de la robotique, cela pourrait donner naissance à trois lignes de développement. Premièrement, les plateformes de téléopération et de collecte de données deviendront stratégiquement plus importantes. Deuxièmement, les fabricants d’humanoïdes devraient développer des interfaces standardisées entre le modèle de haut niveau et le contrôleur de corps entier de bas niveau. Troisièmement, le secteur a besoin de benchmarks qui mesurent non seulement de courtes vidéos de succès, mais également des tâches complètes, le progrès partiel, les incidents et de nombreuses répétitions.

Conclusion : Percée en laboratoire, pas encore un produit ménager

81,8 pour cent de réussites complètes sur onze tâches ménagères réelles est un résultat solide pour la manipulation humanoïde Loco. ω‑0 montre comment un robot peut apprendre le mouvement et le travail manuel comme un problème cohérent. Particulièrement pertinents sont la prédiction compacte du futur, le contrôle unifié du corps entier et la base de données soigneusement synchronisée.

La conclusion sérieuse n’est toutefois pas que les robots domestiques soient maintenant « résolus ». Ce qui a été montré, c’est une méthode de recherche performante sur une plate-forme spécifique et dans un espace de tâches contrôlé. La prochaine preuve doit provenir de tests indépendants, sur d’autres robots, dans des logements inconnus et sur des durées de fonctionnement nettement plus longues. Si ce transfert réussit, ω‑0 pourrait réellement faire partie des éléments qui font passer les humanoïdes du démonstrateur impressionnant à l’assistant fiable.

Sources originales et approfondissement technique

Bewerte den Beitrag hier!

[Total: 0 Average: 0]

Nico Nuss

Website

L’auteur Nico Nuss travaille depuis 2001 sur les thèmes de l’informatique mobile et des logiciels d’automatisation. Fort de son expérience et de son vif intérêt pour les technologies d’avenir, il se concentre sur la robotique et l’IA.