Ant Group veut révolutionner la vision des robots avec un modèle IA qui détecte le verre
Robbyant, la division IA incarnée d’Ant Group, vient d’annoncer un modèle de perception spatiale capable de détecter le verre et les surfaces transparentes. C’est un défi que les robots industriels n’arrivent toujours pas à surmonter correctement. Ce qui rend cette annonce notable : le modèle affiche de meilleures performances que le leader du secteur, signé Meta, en utilisant bien moins de ressources.
- Robbyant, filiale d’Ant Group, lance LingBot-Depth 2.0 et LingBot-Vision, deux modèles dédiés à la perception visuelle des robots.
- LingBot-Vision surpasse le modèle de référence de Meta avec 7 fois moins de paramètres et moins d’un tiers des données d’entraînement.
- C’est le premier modèle de ce type entraîné spécifiquement à reconnaître les contours d’objets, y compris les surfaces transparentes.
Un problème vieux comme la robotique : les robots et le verre
Les robots peinent à détecter les surfaces transparentes depuis des décennies. Le verre, les miroirs et les matériaux translucides trompent la plupart des capteurs visuels actuels. Pour un robot qui opère dans un entrepôt, un hôpital ou une cuisine, ce point aveugle représente un risque réel.
Robbyant – aussi connue sous le nom Ant Lingbo Technology – affirme avoir résolu ce problème. Sa nouvelle technologie permet aux machines de percevoir ces surfaces « avec précision et stabilité », même dans des environnements non contrôlés.
- LingBot-Vision utilise 7 fois moins de paramètres que le modèle concurrent de Meta.
- Il a été entraîné avec moins d’un tiers des données utilisées par le modèle DINOv3 de Meta.
- La précision de détection descend en dessous d’une fraction de pixel pour identifier les contours d’objets.
- Les performances sont mesurées sur le benchmark NYUv2, une référence standard pour l’estimation de profondeur.
- Ant Group est un géant fintech chinois basé à Hangzhou, connu pour sa plateforme Alipay. Sa division robotique Robbyant monte en puissance dans la course à l’IA incarnée.
- L’IA incarnée (embodied AI) désigne des systèmes d’intelligence artificielle intégrés dans des robots physiques capables d’agir dans le monde réel.
- Meta Platforms domine actuellement le secteur avec son modèle open-source DINOv3, un modèle de vision à 7 milliards de paramètres largement adopté dans la recherche.
LingBot-Vision : l’efficacité contre la puissance brute
Le modèle de vision de Meta, DINOv3, est devenu une référence dans le domaine. Il repose sur une architecture massive et des volumes de données d’entraînement considérables. Robbyant choisit une stratégie opposée.
LingBot-Vision mise sur l’efficacité structurelle. D’après un article de recherche publié par l’équipe Robbyant, le modèle dépasse DINOv3 sur plusieurs métriques du benchmark NYUv2. Ce benchmark évalue la capacité d’un modèle à estimer la profondeur d’une scène à partir d’images – une compétence essentielle pour naviguer dans l’espace physique.
Le résultat est frappant : de meilleures performances, avec une fraction des ressources nécessaires. Ce choix semble indiquer une stratégie délibérée face aux contraintes chinoises d’accès aux puces haut de gamme.
Détecter les bords : une innovation clé pour l’autonomie des robots
LingBot-Vision est décrit comme le premier modèle de son type entraîné spécifiquement pour reconnaître les contours d’objets. Cette capacité est directement liée à la détection du verre et des surfaces transparentes.
Un robot qui ne voit pas les bords d’un objet ne peut pas évaluer ses dimensions, ni anticiper un obstacle. Grâce à cette précision sub-pixel, le modèle donne aux machines une lecture plus fine de leur environnement en trois dimensions.
LingBot-Vision joue également le rôle de moteur central pour LingBot-Depth 2.0, le modèle de perception spatiale présenté simultanément par Robbyant. Les deux technologies fonctionnent en tandem pour améliorer la compréhension visuelle globale du robot.
La course aux « cerveaux » de robots s’accélère en Chine
Robbyant n’est pas seul sur ce terrain. Des dizaines de laboratoires, en Chine comme ailleurs, cherchent à doter les robots des capacités cognitives nécessaires pour agir dans des espaces réels et imprévisibles. L’IA incarnée est aujourd’hui l’un des fronts les plus actifs de la recherche en intelligence artificielle.
La participation d’Ant Group à cette course peut être lue comme un signal de diversification stratégique. Le groupe, historiquement centré sur la finance numérique, étend son empreinte technologique vers la robotique et l’IA physique.
Ce type d’annonce reste difficile à évaluer sans accès aux données brutes et à des tests indépendants. Les performances affichées reposent sur des benchmarks standardisés, mais les conditions réelles d’utilisation peuvent diverger significativement.
- Robbyant, filiale d’Ant Group, annonce un modèle IA capable de détecter le verre et les surfaces transparentes.
- LingBot-Vision surpasse DINOv3 de Meta avec 7 fois moins de paramètres et moins de données d’entraînement.
- C’est le premier modèle de ce type entraîné sur la reconnaissance de contours d’objets avec une précision sub-pixel.
- Les deux modèles fonctionnent ensemble pour améliorer la perception spatiale des robots en environnement réel.
- Ces annonces restent à valider par des tests indépendants hors benchmarks standardisés.
Ant Group s’impose comme acteur inattendu de la robotique mondiale
La fintech chinoise confirme avec cette annonce une ambition qui dépasse le paiement numérique. En s’attaquant à l’un des problèmes les plus persistants de la robotique – la perception des surfaces transparentes – Robbyant positionne Ant Group sur un marché à fort potentiel industriel.
La capacité à faire plus avec moins de ressources semble être le vrai pari de cette technologie. Si les performances annoncées se confirment en conditions réelles, ce modèle pourrait peser dans le développement mondial des robots autonomes.
Pensez-vous que la Chine peut s’imposer face aux géants américains dans la course à l’IA robotique ? Partagez votre avis en commentaire.
Sources : South China Morning Post
