X Square Robot propose une pile logicielle unifiée pour les robots autonomes

X Square Robot, une entreprise chinoise spécialisée dans l’IA incarnée, présente une pile logicielle unifiée conçue pour standardiser le développement de robots autonomes. Cette approche repose sur un empilement intégré combinant données d’interaction, modèle du monde et modèle d’action, avec pour objectif de permettre à un robot de généraliser ses compétences d’une tâche ou d’une machine à une autre.

L’entreprise argue que les systèmes robotiques actuels, souvent assemblés à partir de modules séparés (perception, planification, contrôle), manquent de cohérence et ne permettent pas une intelligence transférable. Sa proposition repose sur trois principes : considérer l’interaction comme unité de base des données robotiques, prétraiter les données pour obtenir des capacités immédiatement exploitables, et modéliser les comportements autour d’événements physiques plutôt que de tranches de temps fixes. Ces principes visent à rendre les couches de la pile logicielle interdépendantes, notamment en structurant les données pour alimenter à la fois le modèle du monde et le modèle d’action.

Pour collecter des données d’interaction de qualité, X Square Robot utilise le système Universal Manipulation Interface (UMI) via sa série QUANXTA Zero, où des démonstrations sont réalisées par des humains équipés d’un harnais à double pince plutôt que par téléopération directe. Contrairement à d’autres méthodes, l’entreprise insiste sur un contrôle qualité rigoureux : les trajectoires enregistrées sont rejouées sur un robot réel, et seules celles qui accomplissent effectivement la tâche sont validées. Cette approche réduit le taux de données invalides et permet de constituer un jeu de données plus petit mais plus propre, jugé plus efficace qu’un grand jeu bruité. Les données humaines à bas coût sont ensuite combinées avec une faible quantité de données robotiques réelles pour ancrer les dynamiques spécifiques des machines, réduisant le coût de collecte d’environ vingt fois par rapport à une approche 100 % robotique.

Le modèle du monde de l’entreprise, nommé WALL-WM, adopte une organisation centrée sur les événements sémantiques plutôt que sur des fenêtres temporelles fixes. Plutôt que de prédire des séquences de mouvement de durée prédéfinie, il segmente les comportements en unités cohérentes comme atteindre, saisir ou déposer, alignées sur le langage naturel et visibles dans des vidéos. Cette méthode vise à éviter les ruptures artificielles dans l’exécution des tâches et à faciliter l’interprétation des actions par le robot.

X Square Robot souligne que ses résultats les plus solides sont mesurés sur ses propres robots et pipelines de collecte de données. Une validation indépendante plus large sera nécessaire pour confirmer la généralisation de cette approche à d’autres environnements et configurations matérielles.