NVIDIA annonce d’une plateforme de modèle de fondation soutenir le développement de robots et de véhicules autonomes correspond bien à l’une de nos prévisions en matière d’automatisation pour 2025 : un quart des projets de robotique s’efforceront de combiner l’automatisation cognitive et physique. De nombreux exemples présentés par NVIDIA présentaient des robots humanoïdes, mais Cosmos est également pertinent pour les véhicules autonomes et d’autres formes de robots physiques. C’est tant mieux, car une autre de nos prévisions pour 2025 est claire : moins de 5 % des robots entrant dans les usines en 2025 marcheront.
Nous avons commencé à écrire sur l’intégration de l’automatisation physique et cognitive en 2023, sur la base de capacités d’orchestration croissantes combinées au potentiel de l’IA pour ajouter de la flexibilité à la robotique physique. La question débattue chez Forrester est de savoir si le lancement, le 6 janvier, du modèle de base mondiale Cosmos de NVIDIA est un tournant, ou simplement une autre entreprise technologique de grande valeur se lançant sur le terrain du grand modèle linguistique (LLM).
Nous pensons que la première solution est plus probable. Les développeurs disposent désormais d’un modèle « ouvert » conçu pour répondre aux cas d’utilisation de l’automatisation physique, c’est-à-dire les véhicules et robots autonomes. C’est le premier LLM formé pour comprendre le monde physique. Il est optimisé pour les puces NVIDIA exécutées dans le cloud, sur les ordinateurs de bureau des développeurs et à la périphérie des voitures, des camions et des robots, et il se connecte à de nombreux outils et frameworks NVIDIA.
Le moment ChatGPT est peut-être arrivé pour nos amis robots, mais deux choses ont jusqu’à présent freiné l’avancée des robots dans le monde physique : des cas d’utilisation solides et le coût de l’infusion d’agilité dans les robots. L’IA générative, combinée à de riches données de formation (vidéo et autres), contribue dans une certaine mesure à résoudre le problème de l’agilité, mais le problème des cas d’utilisation s’est avéré plus difficile à résoudre. En 2023, nous avons publié un modèle d’adoption montrant six phases que l’automatisation physique doit traverser pour atteindre le point idéal « acceptable » (voir ci-dessous). Par exemple, les robots de conciergerie ont été poussés à l’acceptabilité par la pandémie, tandis que les robots de sécurité ont encore du mal à obtenir une acceptation similaire.
Apprenons des erreurs du passé
Le domaine de l’automatisation physique a malheureusement succombé à l’attrait du spectacle médiatique. Vous vous souvenez des backflips effectués par Spot de Boston Dynamics ? Cet exploit impressionnant, tout en captivant le public dans un long métrage « 60 minutes », a finalement démontré des applications pratiques limitées. NVIDIA mérite d’être félicité : il a introduit la première fonctionnalité de développement complète capable de faire passer l’automatisation physique à un niveau supérieur, mais doit maintenant faire preuve d’un leadership égal en projetant comment les robots peuvent interagir avec les humains de manière à la fois productive et non menaçante.
D’autres recherches sur l’automatisation physique sont à venir
Les analystes de Forrester continuent de mener des recherches sur l’automatisation physique et cognitive, ensemble et séparément. Une recherche menée plus tard cette année portera spécifiquement sur l’IA physique ou incarnée dans le contexte de la fabrication intelligente et de la mobilité, ainsi que sur toutes les choses intéressantes qui se produisent lorsqu’un système d’IA doit observer et interagir avec le monde physique qui l’entoure. Si vous avez des perspectives à partager, n’hésitez pas à nous contacter.
#Cosmos #Nvidia #estil #pièce #manquante #pour #une #adoption #généralisée #des #robots