ME-Brain-1.0 : mémoire, cognition et action pour une intelligence incarnée évolutive

L'échographie ouvre une voie évolutive vers l'intelligence tactile pour l'IA physique

UltraSense publie un argumentaire technique lié à RoboBusiness 2026, conférence qui se tiendra les 20 et 21 octobre à Santa Clara, en Californie, pour sa 20e édition, avec le « physical AI » comme l'un des thèmes de session. L'entreprise défend une architecture de détection tactile à ultrasons positionnée sous la surface des doigts et pinces robotiques, plutôt que les « peaux électroniques » actuelles intégrées près du point de contact, à base de capteurs capacitifs, piézorésistifs, piézoélectriques, triboélectriques ou à impédance, montés dans des élastomères ou des films multicouches. Selon UltraSense, ce positionnement en surface expose ces capteurs à l'environnement mécanique le plus sévère du robot : compression, abrasion, contamination, humidité, variations de température et vieillissement des matériaux, ce qui provoque sur des millions de cycles de contact de l'usure, une dérive de calibration, de la délamination et du fluage. La publication ne cite aucun produit commercial chiffré, aucun client ni donnée de déploiement : il s'agit d'un positionnement conceptuel, pas d'une annonce de produit. Pour les fabricants de mains humanoïdes, de pinces dextres et de robots de logistique ou de service, l'argument touche un point sensible : la fiabilité du toucher dans la durée, plutôt que sa performance en démonstration, conditionne la viabilité commerciale à grande échelle. Un capteur qui fonctionne au premier jour en laboratoire n'a pas de valeur industrielle s'il dérive après quelques mois d'usage intensif. Le texte souligne aussi que le secteur ne peut plus se contenter d'un contact binaire ou d'une seule valeur de force, et doit capter force, cisaillement, glissement et nature du matériau, ce qui complique encore la question de la durabilité des capteurs existants. UltraSense ne fournit toutefois aucune donnée de test comparatif ni mesure de durée de vie chiffrée : l'argument reste une prise de position face aux fournisseurs établis de peaux électroniques, sans preuve vérifiable indépendante à l'appui. Cette publication s'inscrit dans une tendance où le physical AI quitte le raisonnement purement numérique pour affronter l'interaction physique réelle : la vision, la navigation et la planification des robots ont déjà beaucoup progressé, mais la manipulation fine reste freinée par la fiabilité du toucher, ce qui ouvre un espace à des spécialistes comme UltraSense face aux fournisseurs établis de capteurs capacitifs, piézorésistifs ou piézoélectriques intégrés en surface. Aucun partenaire, robot ou calendrier de déploiement n'est cité dans le texte, qui sert surtout à préparer le terrain avant RoboBusiness 2026, où UltraSense et d'autres acteurs du secteur devraient détailler leurs approches de la détection tactile dans le cadre du parcours consacré au physical AI. La prochaine étape attendue reste une démonstration concrète de cette architecture sous-surface sur des mains ou pinces réelles soumises à un usage prolongé, seul test capable de confirmer l'avantage de durée de vie annoncé.

IA incarnée en évolution : Embodied-R1.5 améliore l'intelligence physique grâce aux modèles fondation

Une équipe de chercheurs a publié sur arXiv Embodied-R1.5, un modèle de fondation incarné (EFM pour Embodied Foundation Model) de 8 milliards de paramètres intégrant cognition incarnée, planification, auto-correction et pointage d'affordances dans une architecture unifiée, entraîné sur un corpus dépassant 15 milliards de tokens construit via trois pipelines automatisés. Le cadre Planner-Grounder-Corrector (PGC) en boucle fermée permet l'exécution autonome et l'auto-correction sur des tâches longues, soutenu par une recette d'apprentissage par renforcement multi-tâches équilibré pour atténuer les conflits entre sous-domaines hétérogènes. Sur les benchmarks standardisés, Embodied-R1.5 atteint l'état de l'art sur 16 des 24 benchmarks de VLM incarnés, devançant Gemini-Robotics-ER-1.5 de Google DeepMind et GPT-5.4 d'OpenAI. Adapté en VLA (Vision-Language-Action) avec peu de données de fine-tuning, il surpasse pi-0.5 de Physical Intelligence sur quatre suites de benchmarks de manipulation. Des tests zero-shot sur robot réel valident les performances en suivi d'instructions, ancrage d'affordances, manipulation d'objets articulés et tâches longues, les poids, le code d'entraînement et EmbodiedEvalKit, un framework d'évaluation dédié, étant publiés en open source. Qu'un modèle de 8 milliards de paramètres surpasse des systèmes adossés aux ressources de Google et d'OpenAI est un signal notable pour les intégrateurs industriels, car la compacité ouvre la voie à un déploiement embarqué sur plateformes contraintes. L'auto-correction en boucle fermée du PGC répond directement au demo-to-reality gap qui freine la commercialisation des robots polyvalents, tandis que la capacité à fine-tuner en VLA avec peu de données cible le goulot d'étranglement central de la collecte de données de manipulation étiquetées. L'open source complet facilite la comparaison reproductible et devrait accélérer les itérations communautaires, à condition que les performances zero-shot annoncées soient confirmées dans des configurations adversariales que le papier ne documente pas. Embodied-R1.5 s'inscrit dans la vague des modèles de fondation robotiques généraux densifiée depuis RT-2 de Google et OpenVLA, avec pour concurrents directs Physical Intelligence (pi-0, pi-0.5) et Google DeepMind (Gemini Robotics). L'absence d'acteurs européens parmi les concurrents benchmarkés reflète le retard du continent, où des acteurs comme Wandercraft ou Enchanted Tools restent cantonnés à des niches spécialisées. L'approche open source total distingue ce travail des modèles propriétaires de Figure AI (Figure 03) ou de 1X Technologies, positionnant potentiellement Embodied-R1.5 comme base de référence pour les laboratoires et industriels souhaitant spécialiser un EFM sur leurs propres flux de manipulation.

💬 8 milliards de paramètres qui coiffent Gemini Robotics et GPT-5.4 sur leurs propres benchmarks, en open source total, c'est inattendu. L'auto-correction en boucle fermée s'attaque directement au fossé entre la démo en labo et le robot qui tient la route en prod, ce qui est le vrai mur depuis RT-2. Bon, le papier esquive les configurations difficiles, donc on verra ce que ça donne quand la communauté s'en empare.

Pelican-Unified 1.0 : un modèle d'IA incarnée unifié pour la compréhension, le raisonnement, l'imagination et l'action

Une équipe de recherche a publié Pelican-Unified 1.0 (arXiv 2605.15153), un modèle de fondation incarné qui intègre dans un seul checkpoint quatre capacités habituellement confiées à des modules distincts : compréhension visuelle, raisonnement, imagination et génération d'actions robotiques. L'architecture repose sur un unique VLM (Vision-Language Model) qui encode scènes, instructions et historiques d'actions dans un espace sémantique partagé. Ce même VLM génère en un seul forward pass des chaînes de pensée orientées tâche, projetées dans une variable latente dense. Un module baptisé Unified Future Generator (UFG) conditionne ensuite sur cette latente pour produire simultanément vidéos futures et séquences d'actions via deux têtes de sortie dans le même processus de débruitage (denoising). Les performances annoncées : 64,7 sur huit benchmarks VLM standards (meilleur parmi les modèles de taille comparable), 66,03 sur WorldArena (premier rang) et 93,5 sur RoboTwin (deuxième meilleure moyenne parmi les méthodes comparées). L'article est déposé en preprint, sans validation par les pairs à ce stade. L'enjeu architectural est direct : les systèmes robotiques avancés actuels reposent quasi universellement sur des experts spécialisés distincts pour percevoir, raisonner, planifier et exécuter. Ce papier cherche à démontrer qu'un modèle unique, optimisé conjointement sur des pertes de langage, vidéo et action, peut égaler ces spécialistes sans compromis de performance. Si ces résultats se confirment hors simulation, l'impact pour les intégrateurs est double : un seul checkpoint à maintenir et une meilleure généralisation inter-tâches. Le couplage imagination-action dans le même processus de débruitage rappelle l'approche de Physical Intelligence avec Pi-0.5, mais l'intégration du raisonnement textuel dans la même passe constitue un degré d'unification plus poussé. Le score sur RoboTwin reste néanmoins un indicateur sim-to-real à valider en conditions réelles. La course aux modèles VLA (Vision-Language-Action) s'est accélérée en 2024-2025 avec Pi-0 et Pi-0.5 de Physical Intelligence, GR00T N2 de NVIDIA, et les modèles RT-X de Google DeepMind, chacun maintenant des composants partiellement séparés pour la planification et la génération motrice. Pelican-Unified 1.0 se positionne comme une alternative radicalement unifiée, mais reste au stade académique : aucun déploiement, aucun partenariat industriel annoncé, et l'équipe auteure n'est pas identifiée dans le résumé public, ce qui limite l'évaluation de la crédibilité institutionnelle. La revendication de "premier modèle unifié" mérite d'être nuancée, plusieurs architectures combinant déjà compréhension et action. Les prochaines étapes naturelles passent par une validation sur des benchmarks en conditions réelles et une soumission à CoRL ou ICRA.

Li Auto dévoile sa trilogie incarnée : ME-Brain-1.0, ME-U0 (WAM unifié) et ME-VLM embarqué

Le 22 septembre, l'équipe Foundation Model de Li Auto (marque MachEmbodied) a dévoilé trois modèles d'IA incarnée : ME-Brain-1.0, un système cognitif complet ; ME-U0, un modèle monde-action unifiant compréhension et génération ; et ME-VLM, une famille de modèles cognitifs déployables en périphérie. ME-Brain-1.0 combine une mémoire évolutive, un "Cognitive Core" et un modèle d'action événementiel dans une boucle exécution, capture d'expérience et mise à jour des compétences. Ce Cognitive Core existe en version MoE 35B-A3B (35 milliards de paramètres, 3 milliards actifs) et en version embarquée de 4 milliards de paramètres, avec respectivement 70,9 et 72,5 points en moyenne sur les suites d'évaluation incarnées et agent de l'entreprise, la version 4B se classant juste derrière dans ces comparaisons internes. Sur le SoC embarqué M100 de Li Auto, la latence de prefill de ME-VLM passerait de 400 ms à 188 ms grâce à la compression de tokens et à une quantification W4A8. ME-U0, pré-entraîné sur environ 4200 heures de données filtrées à partir de corpus robotiques et de vidéos à la première personne, obtient 99,1% de réussite sur le benchmark standard LIBERO, 81,8% sur LIBERO-Plus sans adaptation dédiée, et un score de process de 17,66 sur RoboDojo-Sim parmi les modèles monde-action participants. Cette annonce illustre, dans la robotique humanoïde, le passage d'une simple démonstration matérielle à un empilement logiciel complet mémoire-cognition-action, avec un chemin de déploiement embarqué documenté plutôt qu'un simple prototype de laboratoire. Pour les intégrateurs, le signal clé est la promesse d'un modèle monde-action généraliste, transférable entre tâches de manipulation sans réentraînement lourd, et les gains de latence obtenus par quantification W4A8 intéressent directement les industriels qui cherchent à faire tourner des modèles vision-langage-action sur puce, sans dépendre du cloud. Ces chiffres restent toutefois auto-rapportés par Li Auto et n'ont pas été reproduits par des tiers. Des observateurs indépendants, dont Robot Forward repris par Phoenix Tech, relèvent dans les vidéos de démonstration des pauses de pince visibles, des erreurs de préhension occasionnelles et des tâches ouvertes inachevées, même quand les scènes scriptées réussissent, rappelant l'écart habituel entre démonstration et réalité du secteur. Li Auto reste avant tout un constructeur automobile chinois coté à Hong Kong et au Nasdaq, connu pour ses véhicules électriques à autonomie étendue ; cette trilogie marque une diversification de son équipe Foundation Model vers l'IA incarnée, dans la lignée d'autres constructeurs automobiles qui réinvestissent leurs compétences en conduite autonome et en edge computing dans la robotique. Elle se positionne face à un paysage déjà dense de modèles monde-action, dont Pi-0 de Physical Intelligence, GR00T N2 de Nvidia, Helix de Figure AI, ou les piles logicielles associées à des plateformes comme Figure 03 et Optimus Gen 3 de Tesla. Aucun acteur français ou européen (Wandercraft, Exotec, Pollen Robotics, Enchanted Tools) n'apparaît dans cette annonce, circonscrite aux écosystèmes chinois et américain. Il s'agit pour l'instant d'une publication technique accompagnée de benchmarks internes, sans déploiement commercial ni calendrier de pilotes annoncé ; la validation par des évaluations indépendantes déterminera la portée réelle de cette architecture mémoire-cognition-action.