Dans le centre de Hangzhou qui produit des données d'entraînement robotique par millions d'heures
Apprendre à un robot à plier du linge ou à ranger des étagères exige une quantité colossale de vidéos et de données de mouvement — ce type d’images d’interaction multimodale qui enseigne à un modèle comment les objets se comportent lorsqu’une machine les touche. Le consensus du secteur veut qu’un modèle d’IA incarnée réellement utilisable nécessite des dizaines de millions d’heures de ce matériau. Ce qui existe vraiment, après deux ans d’efforts dans tout le secteur, représente environ un million d’heures, et une fois retirés les clips de mauvaise qualité, bien moins encore est réellement exploitable.
Cet écart est l’argument commercial d’une nouvelle installation à Hangzhou, présentée comme le premier centre chinois de collecte de données de simulation incarnée, exploité par une entreprise nommée Yingsu. Sa thèse : le goulot d’étranglement n’a jamais vraiment porté sur les données en tant que telles, mais sur la méthode. L’ancienne formule était des personnes multipliées par des heures, avec des opérateurs humains guidant des bras robotiques ou portant des combinaisons de capture de mouvement pour générer chaque minute exploitable.
La nouvelle formule, telle que l’entreprise la présente, est des configurations d’environnement multipliées par la puissance de calcul parallèle. Au lieu de filmer un robot accomplissant une tâche dans une pièce, le centre construit des environnements simulés et en fait tourner beaucoup à la fois, générant en parallèle des scènes, des éclairages, des dispositions d’objets et des interactions physiques variés. Un rapport sur le secteur décrit une approche apparentée capable de produire trois millions d’environnements de test par jour. L’unité de capacité passe du poste de l’opérateur au débit de la grappe de GPU.
Ce basculement compte parce qu’il change qui peut rivaliser. La collecte opérée par des humains est peu coûteuse au départ, mais elle évolue de façon linéaire et reste difficile à maintenir cohérente ; la simulation évolue avec le matériel, mais exige une physique précise, une randomisation de domaine minutieuse et un moyen de combler l’écart entre images synthétiques et réelles. Trop de simulation, et le robot apprend une physique propre et coopérative qu’aucune cuisine ni aucun entrepôt ne fournit. L’objectif affiché du centre est de briser ce goulot d’étranglement central plutôt que d’empiler simplement des heures supplémentaires.
Le calendrier traduit une humeur plus large dans l’IA incarnée chinoise, où les fabricants de robots humanoïdes ont attiré de lourds investissements et une intense attention publique. Le matériel a progressé plus vite que le logiciel qui le rend utile, et les données sont devenues la contrainte reconnue. Une installation qui traite la production de données comme un processus industriel — configurable, parallèle, reproductible — est un pari que les gagnants seront ceux capables de fabriquer de l’expérience plutôt que de simplement l’enregistrer.
La question ouverte est celle de la qualité. Des images synthétiques n’ont de valeur que si un modèle entraîné en grande partie dans un simulateur fonctionne encore lorsqu’un robot physique pénètre dans une pièce inconnue. C’est le même problème de passage du simulateur au réel que les chercheurs en robotique poursuivent depuis des années, et l’échelle seule ne l’a pas résolu. Le vrai test du centre sera de savoir si les données qu’il produit donnent des robots qui se comportent de manière fiable hors du laboratoire.
Pour un lecteur international, il s’agit moins d’une installation que d’une direction : les entreprises chinoises d’IA incarnée tentent de comprimer une décennie de collecte de données en quelques mois en la traitant comme un problème de calcul. Si l’approche fonctionne, le coût d’entraînement d’un cerveau robotique performant chute fortement, et la contrainte suivante devient le matériel, le déploiement et la sécurité plutôt que les images.