En bref :
- La Physical AI Toolchain est une suite d'outils open source conçue pour aider les entreprises à construire des machines intelligentes.
- Construite sur AWS, elle s’appuie sur la suite logicielle de NVIDIA dédiée à l'IA physique et s’inspire de l'expertise robotique d'Amazon.
- Elle cible trois grands domaines : l'automatisation industrielle, la mobilité autonome et la robotique humanoïde.
La prochaine vague de l'IA dépasse l'écran pour investir le monde physique, dans les usines, les entrepôts et sur les routes. L'IA physique est l'une des frontières technologiques qui progressent le plus vite, et les entreprises qui la construisent ont besoin d'une infrastructure capable de suivre ce rythme.
Contrairement à l'IA traditionnelle, qui traite des données et génère du texte sur un écran, l'IA physique permet aux machines de percevoir, comprendre et agir dans le monde réel. Là où les machines conventionnelles suivent des instructions figées et répètent la même tâche indépendamment de ce qui se passe autour d'elles, les machines dotées d'intelligence physique perçoivent leur environnement, raisonnent à l'aide de modèles d'IA entraînés dans le cloud et s'adaptent en temps réel. Les données opérationnelles remontent en continu pour ré-entraîner et améliorer ces modèles, si bien que les machines gagnent en intelligence à chaque cycle.
Mais l'IA physique n'est pas un problème unique avec une solution unique. Les cas d'usage vont de machines travaillant aux côtés des opérateurs sur des lignes de production à des robots humanoïdes, en passant par des systèmes capables d'inspecter, déplacer et gérer des matériaux de manière autonome. Aucun ne requiert la même combinaison de données, de modèles ou de matériel.
C'est pourquoi Amazon a créé la Physical AI Toolchain sur AWS, une solution open source qui réunit des recommandations d'architecture, des outils d'automatisation du déploiement et du code prêt à l'emploi. Intégrée à la suite logicielle de NVIDIA dédiée à l'IA physique, elle couvre l'intégralité du cycle de développement. Qu'une entreprise ait besoin de générer des données d'entraînement synthétiques, d'entraîner des modèles d'IA, d'exécuter des simulations ou de déployer de l'intelligence sur des machines en conditions réelles, elle peut adopter la chaîne d'outils complète ou ne sélectionner que les composants dont elle a besoin.
L'IA physique va toucher chaque industrie qui déplacent, assemblent ou produisent des biens, et nos clients avancent vite pour saisir cette opportunité. Nous avons créé la Physical AI Toolchain sur AWS parce que nos clients nous disaient qu'une trop grande part de leur effort d'ingénierie allait à l'infrastructure plutôt qu'à l'innovation. Nous voulons inverser cette équation
L'IA physique : apprendre aux machines à comprendre le monde réel et à y agir
Les applications couvrent la quasi-totalité des secteurs où des machines interagissent avec le monde physique. Selon le récent Global Startup Trends Report consacré à l'IA physique (AI gets Physical: The Global Startups Readiness Index), une startup sur sept dans le monde développe aujourd'hui des solutions d'IA physique, et 72 % des acteurs du secteur considèrent le cloud computing comme essentiel à leurs systèmes. Cette dynamique s'inscrit dans un mouvement plus large de développement de l'IA physique à travers les industries, et un nombre croissant d'entreprises construisent sur AWS.
NEURA Robotics développe des robots humanoïdes cognitifs capables de voir, d'entendre et d'apprendre de l'expérience, avec l'objectif de mettre sur le marché des millions de robots intelligents d'ici 2030. RLWRLD s'attaque à l'un des problèmes les plus ardus de l'IA physique (la manipulation fine) en construisant un modèle fondation de 8,1 milliards de paramètres qui donne aux mains robotiques la capacité de saisir, pivoter et manipuler des objets avec une précision comparable à celle de l'humain, dans des environnements industriels et de services. Config, de son côté, a bâti un pipeline de données captant plus de 200 000 heures de données d'actions robotiques, en utilisant l'IA générative pour démultiplier ces données en scénarios d'entraînement diversifiés, indispensables pour que les machines fonctionnent de manière fiable dans des conditions réelles imprévisibles.
En IA physique, la vitesse est primordiale : la rapidité avec laquelle on peut affiner les modèles, les déployer dans le monde réel et passer de systèmes individuels à des flottes entières. La Physical AI Toolchain sur AWS nous aide à accélérer précisément ce cycle. En combinant la stack d'IA physique de NEURA avec l'expérience d'AWS en matière d'infrastructure et de déploiement à grande échelle, nous pouvons passer beaucoup plus vite de l'apprentissage au déploiement en conditions réelles, et à terme déployer l'IA physique à l'échelle mondiale.
Les applications concrètes de la Physical AI Toolchain sont multiples :
- Un équipementier industriel peut concevoir des bras robotiques collaboratifs qui s'adaptent à de nouvelles tâches d'assemblage sans reprogrammation
- Un développeur de robots autonomes peut les entraîner à manipuler de nouvelles pièces avec une précision croissante.
- Un constructeur automobile peut accélérer l'intégration de capacités robotiques dans ses véhicules comme dans ses usines.
- Un opérateur d'usine intelligente peut déployer des systèmes qui surveillent, prédisent et optimisent la production en temps réel.
En déployant l'IA physique au sein de leurs propres opérations grâce à des machines intelligentes et des systèmes autonomes, les industriels peuvent augmenter les cadences, réduire les temps d'arrêt et améliorer la qualité sur leurs lignes de production. L'avantage se cumule ensuite : chaque machine génère des données opérationnelles qui améliorent les modèles alimentant l'ensemble de la flotte, si bien que le centième déploiement est considérablement plus intelligent que le premier. Certaines entreprises pourront intégrer cette même intelligence dans les produits qu'elles commercialisent, transformant du matériel aux capacités figées en machines qui gagnent en intelligence au fil du temps.
Ce que contient la Physical AI Toolchain sur AWS
La Physical AI Toolchain s'articule autour de cinq piliers fondamentaux du développement de l'IA physique. Chacun alimente le suivant, créant un cycle d'amélioration continue qui accélère la qualité des modèles à chaque itération :
- Génération de données synthétiques : créer des scénarios d'entraînement diversifiés à l'aide d'environnements générés par IA, réduisant le besoin de collecte coûteuse de données en conditions réelles.
- Entraînement de modèles : entraîner l'intelligence des machines par apprentissage à partir de démonstrations humaines et par la pratique dans des environnements simulés.
- Simulation et validation : tester le comportement des machines dans des environnements virtuels réalistes avant le déploiement sur du matériel réel.
- Déploiement en périphérie (edge) : pousser des modèles optimisés vers les machines sur le terrain, où elles prennent des décisions en temps réel sans connectivité cloud permanente.
- Amélioration continue : les données opérationnelles des machines déployées remontent pour générer de nouvelles données d'entraînement, bouclant ainsi le cycle.
Ces capacités s'appuient sur une combinaison de services AWS et de l'écosystème logiciel d'IA physique de NVIDIA, notamment :
- Services AWS : Amazon SageMaker pour l'entraînement de modèles, les instances GPU Amazon EC2 pour la simulation, AWS IoT Greengrass pour le déploiement en périphérie, et Amazon Bedrock AgentCore pour l'orchestration intelligente.
- NVIDIA : NVIDIA Isaac Sim pour la simulation, NVIDIA Isaac Lab pour l'apprentissage par renforcement, NVIDIA Isaac GR00T pour l'entraînement de machines humanoïdes, et NVIDIA Cosmos pour la génération synthétique d'environnements.
Construire de l'IA physique exige une intégration fluide de trois plateformes de calcul : l'entraînement, la simulation et le déploiement. La Physical AI Toolchain open source sur AWS associe les services AWS aux modèles, outils et bibliothèques d'IA physique de NVIDIA pour offrir un workflow de bout en bout et évolutif, qui aide les développeurs à accélérer la création, l'entraînement, la validation et le déploiement d'applications robotiques intelligentes.
Les clients peuvent adopter la chaîne d’outils complète de bout en bout pour piloter l'intégralité du cycle de développement depuis un plan de contrôle unique, ou ne sélectionner que les composants dont ils ont besoin (simulation, entraînement ou outils de déploiement autonomes qui s'intègrent à leurs workflows existants). Des fonctionnalités de gestion de flotte leur permettent de provisionner, sécuriser et mettre à jour des milliers de machines par voie hertzienne (over-the-air) à mesure qu'ils passent à l'échelle de la production.
Conçue à partir de l'expérience robotique d'Amazon
Amazon a bâti l'une des opérations robotiques les plus avancées au monde, avec plus d'un million de robots déployés à travers son réseau logistique. Ces robots traitent des millions de colis chaque jour, travaillant aux côtés de centaines de milliers de collaborateurs pour assurer les livraisons. Plus tôt cet été, Amazon Robotics a dévoilé la nouvelle génération de son robot autonome Proteus, capable d'opérer partout où des articles doivent être déplacés au sein des sites.
Cette expérience a donné à Amazon une connaissance approfondie de ce qu'il faut pour construire des machines capables d'opérer de manière autonome en conditions réelles. La Physical AI Toolchain d’AWS s'appuie sur des recommandations d'experts inspirées de ces enseignements : elle fournit des guides d'architecture, du code de référence et de l'automatisation du déploiement qui aident les industriels à lancer leurs propres capacités d'IA physique en quelques semaines, là où partir de zéro prendrait des années. Chaque déploiement est facilement adapté au matériel spécifique du client, à son environnement opérationnel et à son cas d'usage.
Comment démarrer
La Physical AI Toolchain sur AWS fournit un socle de fondations éprouvées pour déployer l’IA physique. Les clients apportent l'expertise métier et le matériel qui rendent leurs produits uniques.
Découvrez la Physical AI Toolchain d’AWS sur AWS Physical AI.
