Amap, l’unité de cartographie et de services locaux d’Alibaba, et le groupe ATH d’Alibaba ont lancé Lambda-0, un modèle de base humanoïde corps entier entraîné à partir de données humaines à la première personne, plutôt que d’enregistrements de téléopération de robots. L’information a été publiée le 24 octobre 2026 dans un reportage de Pandaily, relayé par AI Affairs. L’idée centrale est de changer la source de l’apprentissage : au lieu d’enseigner au robot uniquement à partir de démonstrations réalisées sur le robot lui-même, l’équipe utilise des enregistrements de personnes effectuant des tâches quotidiennes.
Selon le reportage, l’équipe a collecté 500 heures de vidéo, de mouvements corporels et d’actions des mains de personnes portant des appareils grand public dans des espaces quotidiens, sans aucun robot présent pendant la collecte. L’entraînement s’est déroulé en trois étapes : d’abord les interactions avec les mains, puis la coordination du corps entier, et enfin le contrôle d’un humanoïde. Pour gérer la différence entre le corps humain et le corps du robot, la méthode utilise une mise en correspondance des points de vue et un ajustement allant de mouvements amples à des mouvements plus fins, y compris les erreurs au point où les mains du robot entrent en contact avec les objets.
Les chiffres publiés sont ceux de l’équipe elle-même et n’ont pas encore été reproduits de manière indépendante ; ils doivent être lus avec cette réserve. Sur sept tâches corps entier et de manipulation mobile de plus longue durée, l’équipe rapporte un taux de réussite de 62,5 % en transférant Lambda-0 vers un Unitree G1 sans entraînement supplémentaire spécifique au robot, soit 22,5 points de pourcentage au-dessus de la référence la plus forte. En simulation, l’équipe rapporte environ 90 % sur le benchmark SIMPLE. Selon le reportage, le code est disponible sur GitHub sous licence Apache 2.0, avec un article sur arXiv.
L’intérêt pratique réside dans les tâches qui combinent locomotion et manipulation, comme traverser une pièce en portant un objet, qui exigent de marcher et de manipuler en même temps. Si l’approche se confirme hors du laboratoire, apprendre à partir de vidéos humaines pourrait réduire la collecte coûteuse et longue de démonstrations sur des robots physiques. Pour l’instant, cependant, ce qui est confirmé, c’est le lancement rapporté et les résultats présentés par l’équipe, et non une validation indépendante ni un usage immédiat à domicile ou en usine.
Crédit image : Unitree G1 lors d’un salon, photo de Sayanesy, CC0, via Wikimedia Commons, reproduite dans l’index de Humanoid Review. L’image montre le G1, la plateforme utilisée dans les tests rapportés, et non le modèle Lambda-0 lui-même.
Sources: AI Affairs, com base em reportagem da Pandaily e Humanoid Review (índice de robôs humanoides, foto do Unitree G1).
Transparence : cet article a été produit avec l’aide de l’intelligence artificielle, à partir du recoupement de publications publiques sur X et de sources en ligne. Consultez les sources originales pour confirmer les détails avant de le partager.
Muse
