Natura-1 apprend les gestes humains à la main, pas au bras robotisé
— AGENTS
Nature Will a entraîné son robot sur un million d'heures de vidéos tournées du point de vue humain plutôt que sur des données robotiques classiques. Le résultat improvise des solutions à des problèmes physiques jamais vus, loin encore d'une mise en production dans un studio ou un atelier.
Un robot qui rapproche un panier hors de portée avec une tige pour attraper une pelote de laine, sans qu'on le lui ait demandé explicitement, change la nature du problème que la robotique essayait de résoudre depuis des années. Jusqu'ici il fallait programmer chaque geste, chaque exception, chaque situation. Natura-1 apprend à partir de vidéos humaines ordinaires, plier un ravioli, manier un pinceau, et transfère ensuite cette compréhension à des mains artificielles.
Le sujet ne concerne aucun directeur artistique ni motion designer dans l'immédiat. Les professionnels des métiers créatifs qui devraient y prêter attention sont plutôt du côté de la scénographie et du design produit, là où la fabrication physique de prototypes ou de décors croise déjà la robotique industrielle. Un designer produit qui travaille sur un objet pensé pour être manipulé par une machine gagnerait à savoir que ces machines apprennent désormais des gestes humains filmés, pas uniquement de données robotiques coûteuses à produire.
L'augmentation du volume d'entraînement, de quarante-quatre mille heures à un million d'heures, a réduit de plus des deux tiers l'erreur du modèle sur ses prédictions de gestes. Concrètement, cela veut dire qu'un robot entraîné sur une masse suffisante de vidéos humaines se trompe beaucoup moins souvent quand il doit improviser un geste nouveau.
La réserve tient à la nature du projet. Les six démonstrations de tâches longues, préparer des wontons, servir du thé, emballer un colis, ont nécessité un entraînement spécifique sur chaque tâche. La généralisation totale sans aucun exemple préalable reste un horizon, pas un acquis. Nature Will le reconnaît elle-même en admettant que les environnements variés demanderont encore des progrès sur les données et les équipements.
Ce qui se joue derrière cette annonce dépasse la robotique de laboratoire. Si des modèles entraînés sur de la vidéo humaine ordinaire permettent demain de réduire le coût d'automatisation d'ateliers de fabrication, de packaging ou de prototypage, c'est tout un pan de la production physique liée au design qui pourrait voir ses délais et ses coûts bouger. Le terrain à surveiller n'est pas le geste du robot, mais le prix auquel ce type d'apprentissage deviendra accessible à des chaînes de production plus modestes.