Rhoda AI présente des robots industriels capables d’adapter leurs manipulations lorsqu’un objet change de position ou qu’une erreur survient. Une démonstration montre leur fonctionnement avec l’architecture Direct Video-Action, avant des déploiements payants visés fin 2026.
Lors d’une visite de l’émission Field Trips with Schrep, Mike Schroepfer a rencontré Jagdeep Singh, fondateur et PDG de Rhoda AI, pour observer plusieurs applications industrielles. Les robots ont manipulé des emballages de pièces automobiles, transféré des équipements de contrôle et réagi à des perturbations introduites pendant les démonstrations. L’entreprise mise sur une intelligence artificielle qui prédit visuellement les prochaines étapes d’une manipulation avant de commander les mouvements du robot.
Un robot qui récupère ses erreurs pendant le déballage de pièces
La démonstration la plus détaillée porte sur le déballage d’une caisse contenant 10 kg de billes métalliques. Le robot doit ouvrir l’emballage, retirer le papier présent dans une doublure plastique, verser les billes dans un bac métallique et trier les déchets.
Pendant cette opération, la pince saisit accidentellement une bille avec le papier. Le robot replace alors la bille et reprend sa prise sur le papier pour poursuivre le travail.
Jagdeep Singh et Mike Schroepfer ajoutent également du papier froissé dans le bac. Le robot repère ces déchets supplémentaires et les retire. Dans une autre séquence, du papier reste coincé dans un sac plastique retourné. Le système mobilise alors ses deux bras pour repositionner le sac, extraire le papier et l’évacuer.
Ces séquences montrent une capacité de récupération après des perturbations au cours d’une tâche. Le robot adapte ses gestes à la disposition des objets au lieu de poursuivre systématiquement une succession de mouvements prédéfinis.
Des pièces automobiles repositionnées pendant la manipulation
Rhoda AI présente une seconde application consacrée au contrôle de radars automobiles. Le robot prélève les unités sur un convoyeur, les place dans un dispositif d’inspection puis les transfère vers un emplacement de sortie.
Lorsque Jagdeep Singh modifie la position et l’orientation d’un radar sur le convoyeur, le robot ajuste sa prise pour poursuivre la manipulation.
3 100 marches irrégulières à gravir : au mont Tai, les robots doivent apprendre à garder l’équilibre
Une autre séquence, consacrée à la fabrication électronique, montre la collecte de données par téléopération pour manipuler des bobines de composants. Cette séquence relève de l’apprentissage supervisé à distance, et non d’une démonstration autonome.
Direct Video-Action prédit les images avant de commander les mouvements
Le fonctionnement des robots repose sur l’architecture Direct Video-Action (DVA) développée par Rhoda AI. L’entreprise explique que son approche commence par un préentraînement sur des centaines de millions de clips vidéo.
À partir des observations récentes de son environnement, le modèle prédit une courte séquence d’images représentant l’évolution attendue de la tâche. Un second modèle, appelé modèle de dynamique inverse, transforme ensuite cette prédiction visuelle en commandes destinées au robot.
Le système répète ce cycle à mesure que de nouvelles observations arrivent. La prédiction vidéo sert donc directement à définir le comportement recherché, plutôt qu’à produire uniquement des exemples d’entraînement pour un autre modèle.
Jagdeep Singh évoque 10 à 20 heures de données de téléopération pour apprendre une tâche spécifique. Cette durée concerne l’adaptation du système à une opération particulière, après son préentraînement vidéo. Elle ne représente pas la quantité totale de données utilisée pour développer l’intelligence artificielle.
Des calculs dans le cloud et des commandes locales
Lors de la visite, Jagdeep Singh indique que l’inférence des modèles d’intelligence artificielle fonctionne dans le cloud, tandis que les commandes de contrôle de bas niveau sont exécutées directement sur le robot.
Il précise également que les modèles utilisés pendant les démonstrations ne sont ni distillés ni quantifiés. Rhoda AI dispose ainsi de possibilités d’optimisation pour préparer ses systèmes à une utilisation industrielle.
Cette répartition entre calcul distant et contrôle embarqué fait de la disponibilité du réseau et de la reprise après une interruption des paramètres importants pour les futurs déploiements.
Deux bras à sept degrés de liberté et une base mobile à roues
Les systèmes présentés par Rhoda AI utilisent deux bras robotiques disposant chacun de sept degrés de liberté, équipés de pinces à deux doigts.
Pour les applications de production, Jagdeep Singh décrit une configuration reposant sur des bases mobiles à roues. Il explique ce choix par les préoccupations des clients industriels concernant la complexité des machines et leur capacité à s’arrêter en sécurité.
Cette orientation matérielle accompagne les applications montrées pendant la visite : déballage, tri de matériaux, manipulation de composants et alimentation de postes d’inspection.
Rhoda AI vise des déploiements industriels payants avant fin 2026
Rhoda AI prévoit de déployer ses robots dans des environnements de production dans le cadre de contrats payants avant la fin de 2026. Il s’agit d’un objectif commercial annoncé par l’entreprise, distinct des démonstrations présentées pendant la visite.
Pour accompagner ces installations, Rhoda AI prévoit un Robot Operations Center, un centre d’opérations à distance destiné à soutenir le fonctionnement des robots déployés chez ses clients industriels.