NVIDIA investit dans le coréen RLWRLD, qui lance DexBench, un test de 15 tâches pour mains de robots humanoïdes bâti sur le simulateur de NVIDIA

NVIDIA a annoncé le 9 novembre qu'il investirait dans RLWRLD, une start-up de Séoul qui développe des modèles de fondation robotiques, lors d'un forum de start-up coorganisé avec le ministère sud-coréen des Sciences pendant l'AI Day Seoul. L'argent vient de NVIDIA lui-même et non de sa branche NVentures, selon le Seoul Economic Daily, et la même annonce citait deux développeurs coréens de modèles de langage, Upstage et Motif Technologies. Aucune des parties n'a donné de montant. The Elec rapporte que RLWRLD lève environ 200 milliards de wons sur une valorisation pré-money d'environ 1 000 milliards de wons.

Ce que RLWRLD a montré sur scène explique l'intérêt de NVIDIA mieux que le tour de table. DexBench, un banc d'essai qui mesure la façon dont les robots humanoïdes manipulent des objets avec des mains à cinq doigts, repose sur Isaac Lab-Arena et le moteur physique Newton de NVIDIA. Entrer au capital de celui qui rédige l'examen aide à faire du simulateur de NVIDIA l'endroit où l'on note les mains robotiques.

Quinze tâches dans quatre lieux de travail, notées sur ce que le modèle n'a jamais vu

La version présentée à Séoul compte 15 tâches dans le commerce, la logistique, l'assemblage et la restauration hôtelière, avec des mains et des produits modélisés d'après des spécifications réelles, selon l'annonce de l'entreprise. Outre le taux de réussite, elle mesure la généralisation sur trois axes : objets inconnus, physique différente et dispositions modifiées. Lorsque RLWRLD et NVIDIA ont décrit DexBench pour la première fois en juin, ils listaient 18 tâches « atomiques » réparties en cinq domaines de compétence.

RLWRLD dit qu'il publiera le code, les environnements, les ressources de simulation, les données d'entraînement, les modèles de référence et un classement, sans donner de date. Genesis AI et Mimic Robotics le testent en accès anticipé. « Les progrès de l'IA robotique ne peuvent être reliés à de vrais déploiements que si l'on mesure objectivement la manipulation fine dans de vrais environnements industriels », a déclaré le directeur général, Ryu Jung-hee.

Le point faible, c'est qui passe en premier. La référence initiale vient de RLDX 1.1, le prochain modèle de RLWRLD lui-même, et en juin l'entreprise affirmait que son RLDX-1 battait le GR00T N1.6 de NVIDIA et le π0.5 de Physical Intelligence sur huit bancs d'essai en simulation. Un classement dont la première entrée est le modèle de son auteur ressemble à du marketing tant que des laboratoires extérieurs n'y ont pas inscrit leurs propres scores.