X Square ouvre un raccourci pour entraîner les robots

X Square Robot a annoncé l’ouverture de XRZero-G0, un cadre matériel et logiciel destiné à produire des données d’apprentissage pour robots sans mobiliser en permanence de vrais robots. La société publie aussi G0-Dataset, un jeu de données multimodal de plus de 2 000 heures, validé pour des travaux de recherche en robotique incarnée.

Le point important n’est pas seulement l’ouverture du code ou des données. Le problème que vise XRZero-G0 est très concret : entraîner un robot manipulateur exige d’ordinaire des démonstrations obtenues par téléopération, donc du temps machine coûteux, des opérateurs spécialisés et un nombre limité d’essais par jour. L’approche dite « sans robot » consiste à faire capturer les gestes par des humains équipés de capteurs, puis à transformer ces démonstrations en exemples utilisables par des politiques robotiques, c’est-à-dire les modèles qui décident des actions du robot.

X Square Robot affirme combler une faiblesse fréquente de ces méthodes : l’écart entre ce que voit l’humain pendant la collecte et ce que verra le robot au moment d’agir. XRZero-G0 combine une caméra portée sur la tête, deux caméras aux poignets, une interface de réalité virtuelle et des préhenseurs interchangeables. Les observations sont ensuite alignées avec l’espace perceptif du robot. La chaîne comprend aussi une inspection automatique des trajectoires, avec contraintes de collision et de limites articulaires, puis une validation par rejeu sur robot réel.

La société avance deux chiffres à manier comme des résultats expérimentaux, pas comme une garantie industrielle : environ 85 % de rendement de données exploitables dans des conditions contrôlées, et une réduction jusqu’à 20 fois du besoin en données collectées sur robot réel. Le mécanisme clé est un mélange d’environ dix épisodes sans robot pour un épisode sur robot, qui donnerait des performances comparables à un entraînement réalisé uniquement avec des données robotisées sur les tâches évaluées.

Pour la robotique, l’enjeu est clair. Si ces résultats se reproduisent hors laboratoire, les équipes pourraient tester plus vite des tâches de manipulation et transférer plus facilement des comportements entre différents corps robotiques. La brève ne dit pas qu’un robot généraliste est soudain disponible ; elle signale plutôt une brique d’infrastructure, plus discrète mais décisive, pour réduire le coût de la donnée physique.