Six mois pour tripler l’ambition
Six mois après sa première version, Robbyant, la division robotique d’Ant Group, vient de publier en open source LingBot-VLA 2.0. Le modèle VLA (vision-langage-action) entraîne des robots à comprendre leur environnement, interpréter des instructions en langage naturel et exécuter des séquences gestuelles complexes. La nouveauté principale de cette version 2 tient à l’échelle de l’entraînement : 60 000 heures de données, dont 10 000 heures de vidéos enregistrées en vue subjective (egocentric), captées comme si c’était un humain qui accomplissait les tâches.
Ce choix de données egocentriques est délibéré. Les robots humanoïdes doivent opérer dans des espaces conçus pour des humains et reproduire des gestes humains. Les entraîner sur des vidéos tournées depuis la perspective d’un humain en mouvement leur fournit des représentations bien plus proches de leur situation réelle que des séquences filmées depuis l’extérieur.
Un modèle commun pour vingt robots différents
L’autre apport majeur de LingBot-VLA 2.0 est sa portée multi-plateforme. Le modèle supporte 20 configurations de robots différentes, dont des plateformes reconnues comme Astribot, AGIBOT et X-humanoid, grâce à un cadre de contrôle unifié. En d’autres termes, un même modèle de base peut être adapté et déployé sur une large diversité de corps robotiques sans repartir de zéro pour chaque fabricant.
C’est là un défi central de l’industrie : chaque constructeur d’humanoïde propose une architecture propriétaire, ce qui fragmente les efforts de recherche et ralentit les progrès. Un modèle VLA unifié et open source réduit ce coût d’entrée. Les développeurs peuvent s’appuyer sur 60 000 heures de pré-entraînement et affiner le modèle pour leur propre robot et leurs propres tâches, sans avoir à collecter et annoter eux-mêmes des milliers d’heures de données.
Ant dans la course à l’IA embarquée
Ant Group avait déjà montré son appétit pour la robotique en investissant massivement dans plusieurs startups humanoïdes chinoises. Avec LingBot-VLA 2.0, la filiale d’Alibaba franchit une étape supplémentaire : elle contribue directement à la couche logicielle qui fera tourner les robots de demain, et le fait en open source pour accélérer l’adoption. La publication sur GitHub ouvre le code, les poids du modèle et les outils d’évaluation à toute la communauté.
Pour les entreprises qui testent des humanoïdes en production, l’enjeu est immédiat. Un modèle pré-entraîné sur 60 000 heures et compatible avec vingt plateformes représente un point de départ bien plus solide que n’importe quel modèle propriétaire développé en interne. Les premiers retours de la communauté robotique seront déterminants pour évaluer si LingBot-VLA 2.0 tient ses promesses de généralisation en dehors des conditions contrôlées de laboratoire.
