La promesse de l’intelligence artificielle physique (IA physique) est que les ingénieurs pourront programmer des agents physiques de la même manière qu’ils le font pour les agents numériques. Cependant, cette vision n’est pas encore totalement réalité. Le domaine de la robotique reste freiné par un manque de données issues des espaces physiques. Pour entraîner leurs machines, les entreprises doivent souvent construire des maquettes d’entrepôts pour tester leurs robots ou surveiller en permanence des lignes de production et des travailleurs gig avec des systèmes coûteux, afin de recueillir les données nécessaires au deep learning. Une autre solution consiste à utiliser la simulation : des répliques virtuelles détaillées des environnements réels qui pourraient fournir la quantité de données et d’espaces de travail nécessaires de manière plus scalable.
Antioch, une startup spécialisée dans la création d’outils de simulation pour les développeurs de robots, entend combler ce que l’industrie appelle le « fossé sim-to-real » — ce défi consistant à rendre ces environnements virtuels suffisamment réalistes pour que les robots entraînés à l’intérieur puissent fonctionner de manière fiable dans le monde physique. « Comment pouvons-nous faire en sorte que la simulation ressemble le plus possible au monde réel pour votre système autonome ? » a expliqué Harry Mellsop, cofondateur d’Antioch. La société a annoncé avoir levé 8,5 millions de dollars lors d’une levée de fonds en seed, valorisant l’entreprise à 60 millions de dollars, avec la participation d’A* et Category Ventures, ainsi que MaC Venture Capital, Abstract, Box Group et Icehouse Ventures. Créée en mai de l’année précédente à New York, Antioch a été fondée par un groupe de quatre associés, dont deux ont précédemment vendu leur startup Transpose à Chainalysis.
La simulation de haute fidélité pourrait transformer la manière dont les agents physiques sont développés, en facilitant leur entraînement et en réduisant les coûts liés aux tests dans le monde réel.
Ce besoin accru en simulations de haute qualité motive de nombreux acteurs majeurs de l’autonomie à investir dans cette voie. Par exemple, dans le secteur des véhicules autonomes, Waymo utilise le « world model » de Google DeepMind pour tester ses modèles de conduite, ce qui pourrait réduire la quantité de données nécessaires lors de déploiements dans de nouvelles régions. Antioch vise à fournir une plateforme accessible aux startups qui ne disposent pas des ressources pour construire leurs propres arènes ou véhicules équipés de capteurs, en leur permettant de simuler diverses situations à grande fidélité, y compris les cas extrêmes ou les situations rares.
Les outils d’Antioch ressemblent à Cursor, une plateforme logicielle alimentée par l’IA qui facilite le développement. La startup permet aux concepteurs de robots de créer plusieurs instances numériques de leur matériel, avec des capteurs simulés reproduisant fidèlement les données reçues par le logiciel dans le monde réel. Ces environnements permettent de tester des cas limite, d’effectuer des apprentissages par renforcement ou de générer de nouvelles données pour l’entraînement, tout en s’assurant que la physique simulée correspond à la réalité pour éviter toute erreur lors du déploiement. En collaborant avec divers clients, Antioch enrichit continuellement ses simulations, ce qui lui confère un avantage que peu d’autres entreprises dans le domaine peuvent égaler.
Comme l’explique Çağla Kaymaz, partenaire chez Category Ventures, « ce qui s’est passé avec le génie logiciel et les grands modèles de langage commence à se produire avec l’IA physique. La différence est que les enjeux sont bien plus élevés dans le monde réel, où les risques de faire des erreurs sont considérablement plus importants. » Actuellement, l’accent est mis principalement sur les systèmes de perception et de capteurs, essentiels pour les véhicules, les machines agricoles ou de construction, ou encore les drones aériens. La vision de voir des robots généralistes capables d’imiter des tâches humaines reste encore un objectif lointain. Cependant, Antioch vise à fournir des outils qui aideront à rendre la simulation de haute fidélité accessible aux startups, favorisant ainsi l’émergence d’une nouvelle génération de robots autonomes robustes.
Plusieurs figures de l’industrie, comme Adrian Macneil, investisseur à l’origine de Foxglove et ancien dirigeant chez Cruise, soulignent l’importance cruciale de ces simulations pour assurer la sécurité et la précision des systèmes autonomes. Selon lui, « la simulation est indispensable pour construire un argument de sécurité solide ou pour traiter des tâches nécessitant une très haute précision, car il est impossible de parcourir suffisamment de kilomètres en conditions réelles pour tout tester ». Il espère que comme dans le secteur SaaS avec des plateformes telles que Github ou Stripe, une plateforme intégrée dédiée à la simulation en IA physique va émerger, facilitant la création et l’expansion rapide des outils pour le développement de ces systèmes.
