Simate présente le système d'IA physique Simate-beta et affirme dominer le benchmark RoboDojo

Simate, une startup d'IA embarquée fondée il y a environ trois mois, a publié Simate-beta, première version de ce qu'elle présente comme un « système rapide » physique généraliste. Selon un instantané du classement daté du 23 septembre, que l'entreprise a elle-même partagé, le modèle prend la première place du benchmark RoboDojo avec un score moyen de 33,95 et un taux de réussite de 27,96 %. RoboDojo évalue la manipulation robotique générale selon cinq axes : généralisation, mémoire, manipulation fine, exécution à long horizon et tâches ouvertes. Simate précise que le modèle de base soumis n'a pas été optimisé spécifiquement pour ce test, et que les résultats du classement sont distincts de ses démonstrations sur robot réel. Ce système rapide est conçu pour se placer sous un modèle de raisonnement plus lent. Quand ce dernier décompose une consigne comme « ranger la table », le système rapide perçoit une scène changeante et produit des actions en quelques millisecondes. L'entreprise revendique une perception physique 4D et une mémoire temporelle hiérarchique, censées permettre au robot de suivre ce qui vient de se passer sans être ralenti par de longs historiques. Les démonstrations couvrent l'adaptation à une tâche à partir d'exemples, la mémoire, des enchaînements comme la préparation du thé et la manipulation fine. L'architecture et la taille du modèle seront détaillées dans un rapport technique ultérieur.

Le score le plus marquant est sans doute relatif : un taux de réussite inférieur à 28 % en tête d'un classement rappelle que la manipulation généraliste reste loin d'être résolue, et qu'un rang n'est pas un niveau de fiabilité exploitable en production. Le résultat reste auto-rapporté à partir d'un instantané fourni par l'entreprise, sans détail sur l'architecture, les paramètres ou les données, et il est impossible de le comparer à des modèles établis à ce stade. L'intérêt est ailleurs, dans la méthode. Simate parle d'« IA pour l'IA physique » : son cadre Sipai définit des frontières de modules, des interfaces et des étapes de validation assez nettes pour que des agents logiciels puissent les modifier, et prend déjà en charge les modèles du monde, les modèles monde-action, les VLA (vision-langage-action) et les VLM. Son moteur AutoResearch fusionne articles, notes internes, code, mélanges de données, journaux d'expériences et nouveaux résultats d'évaluation en un contexte de recherche mis à jour en continu. Les chercheurs humains fixent hypothèses, objectifs et contraintes, tandis que les agents décomposent, lancent et rapportent les expériences. L'infrastructure fait tourner des dizaines de pistes en parallèle, filtrées par des modèles du monde et de la simulation pour que seules les approches prometteuses atteignent les robots réels. Si cela fonctionne, le goulot d'étranglement de l'itération en robotique se déplacerait de la collecte de données sur robot vers la capacité de calcul et l'automatisation de la recherche.

Côté contexte, Simate affirme que son équipe fondatrice a déjà mis en production de masse un modèle de conduite autonome de bout en bout, un parcours désormais courant chez les acteurs chinois de l'IA incarnée. Le site anglophone de la société cite Sinfra comme plateforme de développement, Sipai comme système de modèles et RoboScientist, un scientifique IA en préversion de recherche. Elle indique que des chercheurs du MIT, de Caltech, de l'université Tsinghua et de l'université de Pékin figurent parmi les testeurs internes de sa plateforme, sans que cela soit vérifiable. Le modèle arrive dans un champ déjà occupé par les architectures à double système, comme Helix de Figure ou GR00T de NVIDIA, et par des modèles généralistes comme Pi-0. La suite est annoncée : des résultats de généralisation zero-shot sur des tâches complexes d'ici la fin de l'année, puis des articles, des rapports techniques et une publication du code en open source par étapes. Aucun déploiement client, prix ni calendrier commercial n'a été communiqué. Il s'agit donc d'une annonce de modèle et de méthode, pas d'un produit livré.