Récemment, Gaode, filiale du groupe Alibaba, a officiellement lancé λ0, le premier modèle fondamental pour corps entier basé sur des comportements en monde ouvert. Ce modèle permet aux robots d'apprendre la coordination du corps entier — déplacement, posture et manipulation à deux mains — uniquement à partir de données d'actions humaines, libérant ainsi totalement les robots de la limitation de « l'apprentissage des actions locales ». Dans le benchmark de simulation SIMPLE ainsi que dans de multiples évaluations sur robots réels, λ0 a obtenu des performances SOTA, avec une efficacité de collecte de données environ 3.4 fois supérieure à celle des méthodes dominantes et un taux de réussite des tâches sur robot réel supérieur de 22.5 % au meilleur modèle de comparaison.
Alors que l'intelligence embarquée se déploie progressivement dans des environnements ouverts tels que les foyers, les supermarchés et les entrepôts, les robots ne sont plus confrontés à des manipulations uniques en posture statique, mais à des tâches complexes de longue durée qui exigent une coordination continue de l'ensemble du corps.
Cependant, les approches technologiques actuelles peinent à répondre aux besoins de collecte et d'apprentissage de la coordination du corps entier. D'une part, la collecte traditionnelle par téléopération sur robot réel dépend fortement du matériel et de la réinitialisation manuelle, ce qui rend son extension extrêmement coûteuse ; d'autre part, les modèles fondamentaux VLA (vision-langage-action) en première perspective manquent généralement d'informations sur les mouvements coordonnés du corps entier : les données se concentrent souvent uniquement sur les interactions locales des mains ou des bras, sans informations dynamiques globales telles que les articulations, le tronc ou la pose. Plus les scénarios s'ouvrent et plus les tâches se complexifient, plus cet apprentissage « fragmenté » des actions devient un goulot d'étranglement limitant les capacités générales et le taux de réussite des robots.
λ0 inaugure une voie technique combinant « collecte de données du corps entier sans robot physique » et « alignement homme-machine par synergie logicielle et matérielle », afin de relever les défis posés par les scénarios ouverts en matière d'efficacité de collecte, de coordination du corps entier et de transfert entre robots.
En termes de coûts et d'efficacité, la collecte de données du corps entier sans robot physique libère λ0 de sa forte dépendance à la collecte sur des robots onéreux : le collecteur n'a qu'à porter des équipements grand public pour collecter des données en marchant dans un environnement quotidien. Comparée à la collecte sur robot physique, cette méthode réduit le temps de collecte d'une seule démonstration pour les tâches représentatives d'environ 100 secondes à 29 secondes, soit une efficacité de collecte environ 3.4 fois supérieure.
En matière d'apprentissage et d'alignement des mouvements du corps entier, λ0 s'appuie sur un mode de collecte de données en synergie logicielle-matérielle qui enregistre et aligne intégralement les informations de mouvements du corps entier telles que la vision, le déplacement du corps et la manipulation manuelle, puis combine un entraînement en trois phases — interaction manuelle, coordination du corps entier, corps du robot humanoïde — pour convertir progressivement l'expérience humaine en commandes de contrôle du corps entier du robot. Sur la base de ce pipeline extensible, Gaode a constitué le jeu de données HumanVerse-500, comprenant 500 heures de données du corps entier sans robot physique en monde ouvert.
(Construction et statistiques panoramiques du jeu de données HumanVerse-500)
Face aux difficultés de transfert dues aux différences morphologiques entre l'homme et la machine ainsi qu'aux écarts d'exécution des contrôleurs d'extrémité, λ0 intègre, aux niveaux de la collecte, du traitement et des actions, des mécanismes de correspondance de point de vue et d'alignement des actions « du grossier au fin », optimisant la précision du contact physique tout en préservant la coordination du corps entier.
En matière de transfert inter-morphologies et d'extensibilité des données (Scaling), λ0 réalise, sur 7 tâches de coordination du corps entier et de manipulation en déplacement de longue durée, un transfert zéro-shot sur robot réel à partir des seules données d'actions humaines. Par ailleurs, à quantité égale de démonstrations de robot, les performances du robot réel sur les tâches s'améliorent considérablement à mesure que le volume de données humaines du corps entier augmente. Cela signifie que l'accumulation à grande échelle de données humaines du corps entier constitue une voie efficace pour améliorer les performances réelles des robots humanoïdes.
(Progression des tâches alignée sur les démonstrations humaines pour les sept tâches)
Selon toute vraisemblance, la recherche sur ce modèle a été menée conjointement par Gaode et le groupe d'activités ATH d'Alibaba. De la collecte de données sans présence de robot à l'alignement des observations et des actions homme-machine, puis à la validation des capacités sur de vrais robots, λ0 a établi la chaîne complète menant de l'expérience humaine du corps entier aux robots humanoïdes. Cela pose les bases permettant aux robots d'apprendre et d'exécuter des tâches de coordination du corps entier dans davantage de scénarios ouverts tels que l'inspection et la logistique.
À ce jour, λ0 a rendu open source sur GitHub les codes de configuration matérielle associés et a mis en ligne des échantillons du jeu de données HumanVerse sur HuggingFace, permettant aux développeurs de les expérimenter et de les étudier directement.
Annexe
Page du projet : https://lambdahumanoid.github.io/
Rapport technique : https://arxiv.org/abs/2610.18950
GitHub : https://github.com/LambdaHumanoid/openlambda
Échantillons du jeu de données HumanVerse : https://huggingface.co/datasets/lambda-humanoid/HumanVerse-500-sample
Cet article est fourni par Gaode et republié par QbitAI avec autorisation ; les opinions exprimées appartiennent à l'auteur original.