fr.wedoany.com Rapport : Guangxiang Technology a annoncé avoir bouclé un tour d’amorçage totalisant plusieurs centaines de millions de yuans. Le dernier tour de financement a réuni plusieurs investisseurs, dont Zhuhai Technology Industry Group, Xingzheng Capital, Songhe Capital, Shunxi Fund, Muhua Kechuang, See Fund, Yichen Capital, et la société cotée Xingyun Technology. Les anciens actionnaires, Zero One Ventures et le L2F Light Source Entrepreneur Fund, ont également participé à ce tour. Les fonds seront principalement consacrés à la recherche et au développement itératif du modèle de base physique natif, ainsi qu’à l’accélération de la commercialisation des robots intelligents incarnés.
Les principales approches technologiques actuelles pour parvenir à une interaction physique universelle se heurtent encore à des limitations fondamentales. La voie VLA (Vision-Langage-Action) greffe des experts en action sur des modèles de langage visuel pour réaliser le raisonnement des tâches et la génération d’actions. Cependant, la généralité sémantique n’équivaut pas à la capacité d’interaction physique ; le modèle est essentiellement un mappeur entre perception et action. Bien qu’il puisse effectuer des actions fixes après un réglage fin pour une tâche spécifique, il lui est difficile de développer des capacités opérationnelles universelles dans l’interaction physique. Les modèles de monde prédictifs basés sur la vidéo se concentrent sur la prédiction au niveau des pixels des séquences d’observation environnementale, mais prédire l’apparence ne signifie pas comprendre la causalité physique. Les images ne suffisent pas à décrire les propriétés physiques telles que la masse, l’inertie, le frottement, la déformation et le contact, ce qui rend difficile le soutien à la génération d’actions généralisables.
Zhang Tao, fondateur et PDG de Guangxiang Technology, a déclaré que la véritable intelligence physique native est une capacité qui émerge de manière autonome à travers la perception, l’interaction, le retour d’information, l’exploration et les contraintes du monde physique. Le modèle de base physique natif doit prendre l’interaction physique comme principe premier, être capable d’apprendre en continu les lois du monde, les conséquences des actions et les contraintes des tâches à partir de l’environnement physique, et posséder une intelligence universelle pour la boucle fermée des tâches complexes. Le modèle de base physique natif développé indépendamment par Guangxiang Technology s’appuie sur des actifs de données physiques haute fidélité, à grande échelle et interactifs, ainsi que sur une matrice d’algorithmes d’apprentissage par renforcement développée en interne. Grâce à une interaction suffisante du modèle avec l’environnement physique, il apprend la déduction des lois physiques explicites telles que la dynamique, le contact, les contraintes et la conservation, ainsi que le raisonnement sur les états environnementaux implicites comme l’aléatoire, l’incertitude et les conséquences à long terme, et l’attribution des comportements physiques. Cela permet au modèle de développer une compréhension générale des lois physiques à travers une interaction physique continue, réalisant ainsi des capacités comportementales généralisables.
L’équipe principale de Guangxiang Technology possède une boucle de compétences complète dans le domaine de l’intelligence incarnée, allant de la recherche fondamentale à la livraison à grande échelle. Le fondateur et PDG Zhang Tao a précédemment dirigé la mise en œuvre à grande échelle de la technologie de localisation par perception spatiale dans des millions de terminaux embarqués. L’équipe d’industrialisation est issue d’entreprises technologiques et de robotique telles qu’Alibaba, Tencent, Huawei, Kuka et Geek+, et possède une expérience en ingénierie système et en commercialisation. Le cofondateur, le professeur Li Shengbo, est un expert internationalement reconnu dans les domaines de l’apprentissage par renforcement et de la conduite autonome. Il a publié plus de 250 articles, cités plus de 30 000 fois, et a été sélectionné pendant cinq années consécutives comme chercheur chinois hautement cité par Elsevier. L’équipe technique principale est composée à 100 % de docteurs issus d’universités telles que Tsinghua et Zhejiang, couvrant l’ensemble des domaines de l’intelligence incarnée, y compris la conception de robots, l’apprentissage par renforcement et les modèles de bout en bout.
Guangxiang Technology a construit un système de génération d’intelligence physique native, composé de la matrice d’algorithmes d’apprentissage par renforcement Phi-RL Matrix, des actifs de données physiques Phi-Space et de la plateforme de développement d’intelligence physique universelle Phi-Arch. Au niveau algorithmique, l’apprentissage par renforcement est positionné comme un moteur de croissance des capacités d’intelligence physique. La matrice d’algorithmes d’apprentissage par renforcement incarné développée en interne, Phi-RL Matrix, a réalisé des progrès dans les performances de base des tâches, la génération de stratégies d’action multimodales, la prise de décision dans des scénarios complexes et la sécurité, permettant aux robots de développer une intelligence physique native à partir de l’interaction physique par essais et erreurs itératifs. Au niveau des données, les actifs de données physiques haute fidélité Phi-Space sont construits sur la base d’algorithmes de modélisation 3D et de techniques de modélisation physique, permettant une reproduction haute fidélité des scénarios industriels réels, de la structure géométrique aux propriétés physiques, et utilisant des modèles génératifs pour une expansion exponentielle de l’échelle des scénarios. Au niveau de la plateforme, la plateforme de développement d’intelligence physique Phi-Arch est créée, transformant chaque construction de modèle et déploiement terminal en une accumulation systémique réutilisable et transférable.
Guangxiang Technology a récemment dévoilé le robot intelligent incarné auto-évolutif de niveau industriel Phi-Bot X1, et a achevé la validation sur un poste réel de soudage et d’alimentation de ligne de production automobile. Le X1 adopte un châssis omnidirectionnel à quatre roues directrices, capable de s’adapter aux passages étroits et aux postes de la chaîne de production, permettant des opérations dynamiques avec déplacement et manipulation simultanés, et offrant une stabilité à l’arrêt et une capacité de verrouillage autonome. La conception à taille levante confère au X1 une capacité anti-basculement et de coordination corporelle complète, avec une plage de travail verticale couvrant de 0 à 2,5 mètres et une portée distale de 1,2 mètre. Le X1 est équipé de deux bras entièrement articulés avec contrôle de force, construisant un système de perception et de retour de force en temps réel, des articulations aux extrémités. Grâce au modèle de compétences généralisées construit sur l’intelligence physique native, le X1 peut, en s’appuyant uniquement sur ses capacités de perception proprioceptive, effectuer un positionnement continu de haute précision dans des environnements industriels dynamiques et complexes. Sa puissante capacité de généralisation réduit le cycle de déploiement à quelques semaines, voire quelques jours. Lors du salon ATC 2026, le X1 a fonctionné en continu pendant 21,5 heures sur trois jours, réalisant l’ensemble du processus de chargement et déchargement de soudage sans erreur ni interruption, et en coopération en temps réel avec les équipements automatisés de la ligne de production. Lors de l’opération d’alignement simultané de deux trous dans la phase de chargement, le X1 a maintenu une précision de positionnement dynamique au niveau millimétrique et un contrôle angulaire à moins de 0,3°, avec un taux de réussite de 100 % pour un travail continu en environnement dynamique.
Guangxiang Technology est une entreprise d’intelligence incarnée co-incubée par la Faculté des véhicules et des transports et la Faculté d’intelligence artificielle de l’Université Tsinghua. Elle possède une matrice de capacités algorithmiques en intelligence incarnée, un système de données et une plateforme de développement d’intelligence physique. Actuellement, Guangxiang Technology a achevé la validation en conditions réelles autour de postes à haute valeur ajoutée typiques dans la fabrication automobile, tels que le chargement/déchargement et le contrôle qualité, et a établi des partenariats commerciaux avec plusieurs grands constructeurs automobiles nationaux et internationaux. À l’avenir, l’entreprise prévoit de partir de la fabrication automobile pour s’étendre progressivement aux secteurs de la 3C, de l’électronique et à des scénarios industriels plus larges.
