Publié : 19 septembre 2025
Actualisé : 4 jours ago
Fiabilité : ✓ Sources vérifiées
Notre équipe met à jour cet article dès que de nouvelles informations sont disponibles.
📋 Sommaire
Figure et le Projet Go-Big : Révolutionner l’Apprentissage des Robots
L’entreprise Figure s’attaque à un défi majeur de la robotique : comment apprendre aux robots humanoïdes à effectuer des tâches complexes du quotidien ? Leur réponse : le projet Go-Big.
💡 Point Clé : Figure rejette l’idée d’un « YouTube pour robots » et mise sur la création d’une base de données d’apprentissage unique.
Contrairement aux chatbots qui s’entraînent sur des données textuelles massives issues du web, Figure a choisi une approche différente pour ses robots. L’entreprise privilégie la capture de mouvements humains pour les transposer aux machines.
Go-Big : Une Base de Données Inégalée
Figure s’est associée à Brookfield, propriétaire de plus de 100 000 logements, pour construire « le plus grand ensemble de données de pré-entraînement humanoïde au monde ».
💡 Point Clé : L’accès à des logements, bureaux et entrepôts diversifie les environnements d’apprentissage et permet d’explorer des tâches variées.
Ce partenariat offre à Figure un accès privilégié à des environnements variés : appartements, maisons, bureaux et entrepôts. Cette diversité est essentielle pour explorer un large éventail d’activités potentielles pour les robots, notamment dans la manutention et la logistique.
L’Apport de la Vue Subjective
L’innovation de Go-Big réside dans l’utilisation de séquences filmées en vue subjective (POV). Des caméras portées sur la tête des humains permettent de capturer des données se rapprochant de la perception visuelle d’un robot humanoïde.
💡 Point Clé : La vue subjective (POV) est cruciale pour simuler la perception visuelle d’un robot et optimiser son apprentissage.
Cette méthode de collecte de données, déjà en cours, devrait s’intensifier dans les prochains mois. L’objectif est de constituer une base de données massive et diversifiée, à l’image de Wikipédia pour le langage, YouTube pour la vidéo ou ImageNet pour la vision par ordinateur, mais spécifiquement dédiée à la robotique.
Le Pré-entraînement : Une Formation Générale pour des Tâches Spécifiques
Le pré-entraînement consiste à exposer un modèle d’IA à une grande quantité de données génériques pour qu’il acquière des compétences de base. Ce processus est crucial pour préparer le robot à des tâches plus spécifiques, comme sortir les poubelles, faire le ménage ou effectuer des opérations de manutention.
« Chaque avancée majeure dans le domaine de l’apprentissage automatique est le fruit de l’exploitation de jeux de données volumineux et variés. » – Figure
Tableau Récapitulatif du Projet Go-Big
Le projet Go-Big de Figure marque une étape importante dans l’évolution de la robotique. En misant sur une approche d’apprentissage innovante, Figure ouvre la voie à des robots humanoïdes plus performants et capables d’effectuer des tâches de plus en plus complexes.
❓ Questions fréquentes
Comment Figure compte-t-elle gérer les biais potentiels introduits par la collecte de données POV, notamment les biais liés aux actions et aux choix des opérateurs humains ?
Pourquoi Figure rejette-t-elle explicitement l’approche “YouTube pour robots” ? Quelles sont les limites de cette approche selon eux, et en quoi la méthode Go-Big est-elle plus pertinente pour l’apprentissage des robots humanoïdes ?
Quelles sont les conséquences de l’utilisation de données POV sur le développement matériel des robots humanoïdes de Figure ? Est-ce que cela influence le choix des capteurs, des caméras et des algorithmes de traitement de l’image ?
Est-ce que le partenariat avec Brookfield garantit réellement la diversité des données collectées ? Comment Figure prévoit-elle de gérer les situations non représentées dans les environnements de Brookfield, comme des environnements industriels spécifiques ou des situations d’urgence ?
Un commentaire