J’ai passé la semaine dernière à examiner chaque plateforme majeure de données robotiques avant de décider où consacrer mon temps. La plupart d’entre elles résolvent le mauvais problème. Voici ce que personne dans le domaine de l’« AI physique » n’ose dire à voix haute : Votre robot n’a pas besoin d’un meilleur cerveau. Il a besoin d’avoir VU plus. Les LLM sont devenus intelligents parce que l’internet leur a offert des billions de mots gratuitement. Les robots, eux, n’en ont pas. Il n’existe pas d’« internet du mouvement physique » attendant d’être extrait. Quelqu’un doit le créer. Tâche par tâche, mouvement par mouvement, humain par humain. C’est là le véritable goulot d’étranglement. Pas les GPU. Pas la taille du modèle. Des données qui n’existent pas encore. @axisrobotics est l’un des rares projets qui traitent cela comme le problème central, et non comme une note en bas de page. Vous effectuez une tâche. Elle est vérifiée. Elle est signée sur la chaîne. Elle devient des données d’entraînement que le robot peut réellement apprendre. C’est ce qu’ImageNet a fait pour la vision par ordinateur en 2009. Même forme, domaine différent. J’ai effectué ma première trajectoire cette semaine : « Arrangement des ustensiles de cuisine », 7 étapes, déplacer la fourchette, déplacer le couteau, empiler l’assiette, empiler le pot de confiture. Étape 7 sur 7. Le pot de confiture est placé. La tâche est presque terminée. Le pot de confiture décide de sauter de l’assiette. Redémarrage complet. C’est cette partie que personne ne vous montre. Ce n’est pas un simple clic sur un bouton pour appeler cela des données. C’est refaire la même tâche encore et encore jusqu’à ce qu’elle soit suffisamment propre pour que le robot puisse réellement en apprendre. Si l’IA physique doit fonctionner, cette partie peu glamour doit être construite en premier.