Image prise lors des tests effectués par les auteurs. Crédit : Luo et al. (NVIDIA).
Les robots humanoïdes, systèmes robotiques dotés de membres et d’une structure corporelle semblables à ceux des humains, pourraient accomplir diverses tâches manuelles à domicile, au travail et dans d’autres environnements. Cependant, apprendre à ces robots à réaliser de manière fiable différents mouvements humains est généralement complexe et long.
Des chercheurs de NVIDIA ont récemment mis au point un contrôleur, un modèle d’intelligence artificielle (IA) qui traduit les cibles de mouvement en commandes exécutables par un robot, et qui pourrait contribuer à étendre le répertoire de mouvements des robots humanoïdes. Ce nouveau contrôleur, baptisé SONIC, a été décrit dans un article publié dans Science Robotics .
« Les robots humanoïdes doivent se déplacer avec la même coordination et la même adaptabilité que les humains, mais les systèmes actuels sont entraînés avec des contrôleurs distincts pour chaque compétence, ce qui rend leur mise à l’échelle difficile », explique Yuke Zhu, directeur et chercheur émérite chez NVIDIA. « Nous souhaitions explorer la possibilité qu’un contrôleur unique, ayant appris à maîtriser certaines fonctions, puisse servir de base à de nombreuses formes de mouvements du corps entier. »
Zhu et ses collègues de NVIDIA ont entrepris de développer un contrôleur corporel complet et polyvalent, capable d’apprendre les mouvements à partir d’un ensemble vaste et diversifié de données de mouvements humains. Ils souhaitaient ensuite que ce contrôleur puisse généraliser les acquis de l’entraînement à de nouveaux comportements et mouvements.
« Cette approche pourrait rapprocher la robotique humanoïde d’une intelligence motrice réutilisable, capable de prendre en charge un large éventail d’applications sans obliger les ingénieurs à concevoir un nouveau contrôleur pour chaque tâche », a expliqué Zhu.
Mise à l’échelle du contrôle humanoïde à partir de données de mouvement humain
SONIC, le nouveau contrôleur développé par l’équipe, constitue un modèle de base pour le mouvement des robots humanoïdes. Ce contrôleur agit comme le « système moteur » du robot, traduisant les commandes de haut niveau en mouvements fluides et coordonnés de l’ensemble de son corps.
« Le modèle a été entraîné sur plus de 100 millions d’images de mouvements humains, ce qui lui a permis d’apprendre un large éventail de schémas de mouvement plutôt que des tâches individuelles », a déclaré Zhu.
« Nous avons ensuite évalué SONIC par simulation physique dans une grande variété de scénarios de locomotion et de manipulation, y compris des comportements qui ne faisaient pas partie de ses données d’entraînement. Nous avons également démontré que le même contrôleur peut être piloté par différentes entrées — y compris la téléopération en réalité virtuelle, le mouvement basé sur la vidéo et les modèles vision-langage-action (VLA) — sans réentraînement. »
Les chercheurs ont testé leur contrôleur avec un robot humanoïde, évaluant sa capacité à reproduire fidèlement des mouvements de référence, qu’ils soient déjà appris ou inédits. Ils ont constaté que SONIC produisait une large gamme de mouvements corporels robustes et naturels, malgré l’utilisation d’un modèle unique plutôt que de stratégies de contrôle distinctes pour chaque mouvement.
« SONIC est également capable de généraliser au-delà des mouvements spécifiques sur lesquels il a été entraîné, ce qui en fait une base solide pour des systèmes humanoïdes plus performants », a déclaré Zhu.
« À l’avenir, cette approche pourrait contribuer à accélérer le développement de robots humanoïdes pour la production, l’entreposage, la logistique et d’autres environnements où les robots doivent effectuer diverses tâches physiques. Plus largement, SONIC fournit une plateforme motrice réutilisable qui peut fonctionner de concert avec des modèles d’IA de haut niveau, permettant aux robots de traduire le raisonnement en actions physiques fiables. »
Prochaines étapes pour l’amélioration du modèle
Les résultats des premiers tests menés par l’équipe suggèrent que SONIC pourrait améliorer la polyvalence des robots humanoïdes, leur permettant d’effectuer des mouvements inédits. Lors de leurs expériences, les chercheurs ont également combiné le contrôleur avec d’autres composants afin de démontrer la téléopération de robots à distance et la conversion d’instructions écrites en actions robotiques.
Zhu et ses collègues prévoient désormais de perfectionner leur modèle. Ils souhaitent notamment améliorer sa perception de l’environnement afin de réduire les risques de collisions et d’accidents, et optimiser la navigation du robot dans des environnements dynamiques ou sur des terrains accidentés.
« Nous travaillons également à améliorer la manipulation par contact, à renforcer le transfert de la simulation à la réalité et à accroître encore la robustesse dans des conditions réelles », a ajouté Zhu.
« Pour l’avenir, nous prévoyons d’intégrer plus étroitement SONIC à NVIDIA Isaac GR00T, permettant ainsi aux robots humanoïdes de combiner un raisonnement de haut niveau avec un contrôle corporel global à usage général pour effectuer des tâches de plus en plus complexes. »
https://techxplore.com/news/2026-09-ai-vr-video-language-humanoid.html
