Qu'est-ce que le sim-to-real ?
Le sim-to-real consiste à entraîner les compétences d'un robot dans un simulateur physique puis à les transférer au robot réel, en comblant l'« écart de réalité ».
Mis à jour:
Définition
Le sim-to-real (sim2real) consiste à apprendre un comportement — marcher, saisir, s'équilibrer — dans un simulateur physique, souvent par apprentissage par renforcement, puis à l'exécuter sur un robot réel.
Comment ça marche
On modélise le robot et son environnement, on randomise physique et apparence pour éviter le surapprentissage, on entraîne massivement sur GPU, puis on déploie sur le matériel avec un affinage sur données réelles. Le matériel est de plus en plus conçu pour cela : la main d'Atlas 2026 utilise des articulations à entraînement direct réversibles pour une simulation haute fidélité (lire l'article).
Pourquoi c'est important
Collecter des données réelles est lent et coûteux. Le sim-to-real a permis aux robots à pattes et humanoïdes de marcher de façon robuste ; il complète les données de téléopération.
Questions fréquentes
Pourquoi entraîner en simulation ?
C'est rapide, peu coûteux et sûr : des millions d'essais en parallèle, et une chute ne coûte rien.
Qu'est-ce que l'écart de réalité ?
Les différences entre simulateur et monde réel — frottements, latences moteur, bruit des capteurs, propriétés des objets — qui font échouer une politique simulée sur le matériel.
Comment le réduire ?
Randomisation de domaine, modèles d'actionneurs précis et matériel conçu pour être simulable, comme la main d'Atlas de Boston Dynamics en 2026.
Couverture
Kosmo de Hesai transforme des salles réelles en mondes d'entraînement en minutes
Le fabricant de lidar a lancé Kosmo One (caméra spatiale 8K) et Kosmo World, avec Galbot et Dexmal ; un scan Dairy Queen a fait passer le modelage de ~300 h à 15 min.
PASSAGE de Galbot apprend aux humanoïdes à se baisser, enjamber et se faufiler
Sur un Unitree G1, la pile planificateur–suiveur a fini 50 layouts physiques sans chute ; 45 sans contact. Succès destination en sim : 98,67 % ; sans contact : 70,3 %.
AWS ouvre une Physical AI Toolchain branchée sur NVIDIA
Le 8 oct. 2026, AWS a lancé une toolchain open source (données synthétiques, SageMaker, simu, edge) avec Isaac/Cosmos, après l'arrêt de RoboMaker en 2025.
Boston Dynamics dote Atlas d'une main à quatre doigts conçue pour la production de masse
La nouvelle main d'Atlas compte 13 degrés de liberté, pas d'auriculaire et des articulations à entraînement direct pensées pour le sim-to-real ; Hyundai forme Atlas en Géorgie et Rohit Prasad devient PDG.
Le S1 de Skild apprend le foot en s'entraînant contre lui-même pendant 140 ans simulés
Après S1 — modèle de fondation qui copie une seule vidéo sans fine-tuning — Skild montre Physical Self-Play : la même politique s'entraîne contre elle-même dans Isaac Sim puis passe sur un humanoïde.
Robot Park d'Apptronik : des flottes Apollo 2 collectent des données pour Gemini Robotics
La société d'Austin a agrandi son hub (~90 000 pi²) et Apollo 2 bipède/à roues avec DeepMind, Mercedes-Benz et GXO ; le tout nourrit l'Apollo 3 commercial.
Newsletter
Robrief Weekly
Un e-mail par semaine avec l'actualité robotique qui compte. Gratuit, désinscription à tout moment.