Hugging Face, Tnkr, Asimov… Qui sont les acteurs de la robotique humanoïde open source ?
L’open source vient de connaître un beau coup de projecteur avec l'annonce du rachat de Hugging Face par Nvidia pour près de 13 milliards de dollars. L'opération intervient alors que la plateforme franco-américaine investit de plus en plus dans la robotique avec LeRobot, son écosystème open source permettant de développer des robots.
Alors que la robotique humanoïde connaît une progression spectaculaire depuis plusieurs mois, l'open source s'impose comme une voie de développement privilégiée par un nombre croissant d'acteurs. Plusieurs approches coexistent, couvrant les différents aspects de la conception d'un humanoïde : plateformes logicielles, modèles d'intelligence artificielle, outils de collecte et de partage de données ou encore projets centrés sur le hardware.
De Hugging Face à Tnkr, en passant par Asimov et AgiBot, ces acteurs cherchent chacun à leur manière à construire les différentes composantes d'un écosystème robotique ouvert.
Hugging Face veut devenir le hub de la robotique open source
Lancé en 2024, LeRobot est devenu l'un des principaux projets de Hugging Face dans la robotique. Avec cette plateforme, l'entreprise applique le même principe qui a fait son succès dans l’intelligence artificielle, à savoir proposer des outils communs permettant à la communauté de partager données, modèles et méthodes d'entraînement.
LeRobot permet ainsi de contrôler différents robots, d'enregistrer leurs démonstrations, de constituer des datasets, d'entraîner des modèles de contrôle (les "policies"), puis de les déployer sur des machines physiques. Le projet s'est étendu aux humanoïdes en mars dernier, avec l'intégration du G1 du chinois Unitree. La plateforme fournit notamment les outils permettant de téléopérer le robot, de contrôler sa locomotion et ses mouvements de manipulation, mais aussi d'entraîner et de tester ces comportements en simulation avant de les déployer sur la machine réelle.
Dans la foulée, au mois de mai, Hugging Face a présenté LeRobot Humanoid, son propre projet d’humanoïde open source. Construit à partir de pièces imprimées en 3D, de composants disponibles dans le commerce et d'électronique abordable, le prototype revient à environ 2 500 dollars en composants.
Fin août, Hugging Face a également lancé Microduck, développé par sa filiale française Pollen Robotics. Ce petit robot bipède de 25 centimètres, vendu 399 dollars, peut marcher, se relever après une chute ou saisir de petits objets avec son bec. Grâce à son logiciel open source, ses propriétaires peuvent lui apprendre de nouveaux comportements dans un simulateur, avant de les transférer sur le robot.
Le succès a été fulgurant, puisque Hugging Face affirme avoir enregistré plus de 2,6 millions de dollars de commandes au cours des premières 24 heures, soit l'équivalent d'environ 6 500 Microduck au tarif de lancement.
Tnkr veut construire un "GitHub des robots"
Tnkr se positionne également comme une plateforme permettant aux concepteurs de robots de publier et de partager leurs projets : matériel, logiciels, données et modèles d'intelligence artificielle.
L'objectif est notamment de résoudre un problème propre à la robotique open source. En effet, publier le code d'un robot sur GitHub ne suffit pas pour permettre à un autre développeur de le reproduire. Il faut également fournir les fichiers de conception en 3D, la liste précise des pièces et composants nécessaires, les schémas électroniques ou encore les instructions permettant d'assembler la machine.
Tnkr permet ainsi de publier les fichiers CAD, c'est-à-dire les plans numériques utilisés pour concevoir les pièces du robot, ainsi que les nomenclatures de composants, qui recensent par exemple les moteurs, cartes électroniques, capteurs ou vis nécessaires à sa fabrication. La plateforme peut aussi accueillir des guides d'assemblage et se connecter à des outils comme GitHub, Onshape ou SolidWorks, populaires auprès des développeurs de logiciels ou les concepteurs de pièces mécaniques.
L'entreprise veut également permettre aux utilisateurs qui reconstruisent un robot de partager les données produites lorsqu'ils l'utilisent. Il peut s'agir, par exemple, d'images captées par ses caméras ou d'informations sur ses mouvements. Ces données servent ensuite à entraîner les modèles d'intelligence artificielle qui apprennent au robot à réaliser certaines tâches.
Plusieurs projets sont déjà présents sur la plateforme, comme Open Duck Mini V2, un petit robot bipède open source, ou Pogobot, destiné à des expériences de robotique en essaim, où plusieurs petits robots coordonnent leurs actions.
Physical Intelligence, les "cerveaux" des robots en open source
Le modèle open source s’applique également aux modèles d'intelligence artificielle qui servent de "cerveau" aux robots. Physical Intelligence est l'un des acteurs les plus avancés dans ce domaine. La start-up publie, via son projet openpi, plusieurs modèles dits Vision-Language-Action (VLA), qui utilisent les images captées par les caméras du robot, les instructions formulées en langage naturel et les mouvements que la machine doit effectuer en réponse.
Les modèles de base de Physical Intelligence ont été pré-entraînés sur plus de 10 000 heures de données robotiques. Un laboratoire ou une entreprise peut ensuite les adapter à son propre robot et à de nouvelles tâches en les entraînant avec des données supplémentaires.
Cette approche reprend le principe des "foundation models" déjà utilisé dans l'IA générative. Plutôt que de développer une intelligence différente pour chaque robot ou chaque usage, l'objectif est de créer un modèle généraliste capable d'acquérir de nombreuses compétences, puis de le spécialiser selon les besoins.
AgiBot mise sur la matière première : les données
Certains constructeurs d'humanoïdes commencent eux aussi à publier une partie de leurs modèles, de leurs outils et de leurs données afin d'accélérer le développement de leur écosystème. C'est notamment le cas du chinois AgiBot.
L'entreprise, qui développe ses propres robots humanoïdes, mise en particulier sur les données nécessaires pour entraîner leur intelligence artificielle. Avec Genie Sim, elle a créé une plateforme de simulation capable de reproduire des environnements virtuels, de générer des situations d'apprentissage et de tester les performances de différents modèles robotiques.
AgiBot affirme avoir ouvert plus de 10 000 heures de données synthétiques couvrant plus de 200 tâches de locomotion et de manipulation, ainsi que plus de 100 000 scénarios d'évaluation. Le code de la plateforme, les jeux de données et les environnements virtuels utilisés pour les simulations sont également publiés.
Les données représentent en effet un enjeu majeur pour la robotique. Alors que les LLM ont pu apprendre à partir de l’immense quantité de textes disponibles sur Internet, il n'existe pas d'équivalent pour apprendre à un robot à saisir un objet, ranger une pièce ou utiliser un outil.
Il est donc nécessaire de collecter ces données dans le monde réel ou de les générer en simulation. AgiBot, en permettant aux chercheurs et développeurs du monde entier d’accéder aux données en sa possession, se positionne comme un acteur central du secteur. Surtout, le constructeur chinois mise sur le fait que cela contribuera à accélérer l'amélioration des modèles utilisés par leurs propres robots.
Asimov, l'humanoïde open source en kit DIY
Avec Asimov, dont le nom fait directement référence à l'écrivain de science-fiction Isaac Asimov, la start-up singapourienne Menlo Research applique la logique open source directement au robot humanoïde. Les plans des différentes pièces sont publiés sur GitHub afin de permettre à des chercheurs ou développeurs de comprendre la machine, de la modifier et, pour certaines pièces, de les fabriquer eux-mêmes avec une imprimante 3D.
L'équipe revendique aussi une inspiration venue de Star Wars, et notamment de la scène où Anakin Skywalker, encore enfant, construit lui-même C-3PO. Cette idée de pouvoir assembler son propre robot se retrouve dans le modèle commercial : Asimov peut être commandé sous forme de kit DIY, livré en pièces dans une boîte et destiné à être monté par son propriétaire. Le robot mesure 1,20 mètre pour 35 kilos et dispose de 25 articulations motorisées.
Le projet s'appuie en parallèle sur une communauté de plus de 2 000 membres, principalement des ingénieurs et développeurs, qui participent aux échanges autour de la conception du robot et proposent régulièrement des améliorations.
Menlo Research poursuit aussi le développement des capacités de la machine. Après avoir appris à Asimov à marcher par apprentissage par renforcement, l'équipe travaille désormais sur des tâches de manipulation et sur le transfert direct vers le robot réel de mouvements appris en simulation.