Le 20 octobre, SenseTime a rendu open source un framework d’intelligence incarnée baptisé SenseNova-RoboRSI. Sa promesse principale tient en une phrase : réduire le coût d’exécution des tâches à 1/50 de celui de GPT-6-Astra.
Commençons par les tests : SenseTime a réalisé des tests système avec GPT-6-Astra, sur 12 évaluations simulées et 8 modèles de robots. Le résultat est intéressant : dans RoboDojo, 9 tâches avaient échoué à chaque fois lors des 5 tentatives initiales. Sans nouvel entraînement, il a suffi d’autoriser le robot à continuer d’interagir et de multiplier par 10 le nombre maximal d’étapes pour que les 5 tentatives réussissent. Certaines choses que l’on croit « impossibles » à faire ne le sont peut-être pas : c’est juste que nous avions appuyé trop tôt sur le bouton d’arrêt.
Mais attendre indéfiniment coûte cher : empiler des bols prenait en moyenne environ 131 minutes et coûtait près de 19 dollars en inférence ; mettre un stylo dans un pot à crayons prenait en moyenne 263 minutes et coûtait environ 55 dollars. De toute évidence, de tels robots sont encore loin d’un usage quotidien.
Le modèle open source de 27B paramètres, SenseNova-RoboRSI-27B-Preview, intègre dans ses paramètres l’expérience en intelligence incarnée validée : un taux de réussite de 20,83 % sur les tâches RoboDojo, plus de 90 points sur LIBERO-Pro, une progression de 26,0 % à 46,5 % sur RoboCasa365 et une réduction de 73 % des coûts en tokens.
Mon analyse : le principal obstacle à l’intelligence incarnée n’est plus depuis longtemps de savoir « si elle peut faire quelque chose », mais « combien coûte et combien de temps prend chaque tentative ». La valeur de cette technologie de SenseTime ne réside pas dans son score au classement, mais dans le fait que la communauté peut reproduire les tests et comparer les résultats. Passer de la course aux scores à l’optimisation des coûts et de la fiabilité : voilà la bonne voie pour rendre l’intelligence incarnée vraiment utile.
#IAdePointe
$BTC
Commençons par les tests : SenseTime a réalisé des tests système avec GPT-6-Astra, sur 12 évaluations simulées et 8 modèles de robots. Le résultat est intéressant : dans RoboDojo, 9 tâches avaient échoué à chaque fois lors des 5 tentatives initiales. Sans nouvel entraînement, il a suffi d’autoriser le robot à continuer d’interagir et de multiplier par 10 le nombre maximal d’étapes pour que les 5 tentatives réussissent. Certaines choses que l’on croit « impossibles » à faire ne le sont peut-être pas : c’est juste que nous avions appuyé trop tôt sur le bouton d’arrêt.
Mais attendre indéfiniment coûte cher : empiler des bols prenait en moyenne environ 131 minutes et coûtait près de 19 dollars en inférence ; mettre un stylo dans un pot à crayons prenait en moyenne 263 minutes et coûtait environ 55 dollars. De toute évidence, de tels robots sont encore loin d’un usage quotidien.
Le modèle open source de 27B paramètres, SenseNova-RoboRSI-27B-Preview, intègre dans ses paramètres l’expérience en intelligence incarnée validée : un taux de réussite de 20,83 % sur les tâches RoboDojo, plus de 90 points sur LIBERO-Pro, une progression de 26,0 % à 46,5 % sur RoboCasa365 et une réduction de 73 % des coûts en tokens.
Mon analyse : le principal obstacle à l’intelligence incarnée n’est plus depuis longtemps de savoir « si elle peut faire quelque chose », mais « combien coûte et combien de temps prend chaque tentative ». La valeur de cette technologie de SenseTime ne réside pas dans son score au classement, mais dans le fait que la communauté peut reproduire les tests et comparer les résultats. Passer de la course aux scores à l’optimisation des coûts et de la fiabilité : voilà la bonne voie pour rendre l’intelligence incarnée vraiment utile.
#IAdePointe
$BTC