Meta a finalisé le 1er mai l’acquisition d’Assured Robot Intelligence (ARI), jeune pousse fondée il y a un an autour de modèles d’« IA physique ». Le montant de la transaction n’a pas été communiqué. L’équipe rejoint Meta Superintelligence Labs avec un mandat clair : transposer les avancées de modèles et de contrôle robotique au pilotage de robots humanoïdes en environnement ouvert.
Un porte-parole de Meta décrit ARI comme « à l’avant-garde de l’intelligence robotique », avec une expertise en conception de modèles, contrôle et apprentissage autonome appliqués à des contextes complexes et dynamiques. L’objectif est explicite : des agents capables de comprendre, prédire et s’adapter aux comportements humains plutôt que de s’en tenir à des démonstrations téléguidées.
Le cofondateur Wang Xiaolong rappelle que la société s’est créée avec l’ambition d’une AGI physique réellement générale. Les déploiements sur le terrain les ont conduits à miser sur un agent à morphologie humaine, dont la montée en échelle reposerait sur l’apprentissage direct de l’expérience humaine. Selon lui, l’écosystème de Meta agrège les briques nécessaires pour franchir ce cap.
Cap sur l’agent humanoïde appris « sur l’humain »
Le positionnement technique évoqué par les deux parties cadre avec le basculement actuel de la robotique vers des modèles de contrôle généralistes, entraînés sur des corpus multimodaux et des traces d’interaction humaines, puis affinés par exploration autonome. ARI apporte manifestement des briques de policy learning et de planification hiérarchique orientées humanoïde, là où Meta pousse déjà des architectures fondation multimodales.
L’intégration chez Meta Superintelligence Labs laisse entendre une mutualisation des pipelines de données, de l’infrastructure d’entraînement et de la simulation à grande échelle, éléments critiques pour sortir des robots des scénarios scriptés et gérer la variabilité du monde réel sans téléopération intensive.
Lecture industrielle
Cette opération confirme l’entrée de Meta dans la course au robot humanoïde piloté par modèles fondation, aux côtés d’acteurs déjà visibles en démonstration produit. Si l’entreprise ne montre pas encore de matériel propriétaire, l’acquisition comble un trou côté contrôle bas niveau et apprentissage sur données humaines. La suite se jouera sur la qualité des jeux de données d’action, la robustesse sim-to-real et la capacité à itérer rapidement sur un châssis humanoïde, qu’il soit interne ou via des partenaires.
Source : ITHome
