fr.wedoany.com Rapport : Le modèle mondial de manipulation robotique Riemann-1.0, publié par la société chinoise Riemann Dynamics, a atteint un taux de réussite de 62,6 % sur le benchmark de simulation domestique très exigeant RoboCasa-365, dépassant de 8,4 points de pourcentage le meilleur résultat précédent. L’entraînement de ce modèle a utilisé 232 000 heures de données, dont une part prépondérante de vidéos en première personne.
Riemann Dynamics est une filiale de Kunlun Tech, spécialement créée pour l’intelligence incarnée. Riemann-1.0 a été présenté pour la première fois à la WAIC 2026. Sa démarche technique consiste à apprendre les lois d’interaction du monde physique à partir d’une vaste quantité de vidéos humaines non annotées, puis à utiliser une petite quantité de données robotiques pour aligner les actions, réalisant ainsi un contrôle universel entre différents corps robotiques. Ce modèle démontre une capacité de transfert de la simulation au robot réel dans des opérations concrètes, par exemple en accomplissant des étapes cohérentes lors d’une tâche de débarrassage de table, comme ramasser une cuillère fine, vider le bouillon et essuyer la surface.
En termes de composition des données, l’ensemble d’entraînement de Riemann-1.0 comprend 200 000 heures de vidéos en première personne, 12 000 heures de données UMI et de gants exosquelettes, et 20 000 heures de trajectoires réelles et simulées de robots, couvrant 41 types de corps robotiques et des milliers de modes d’interaction. L’équipe a développé sa propre pipeline automatisée de traitement des données, qui convertit les vidéos humaines en signaux d’action lisibles par machine grâce à des étapes telles que la correction d’image, la segmentation des étiquettes d’action par VLM, le filtrage qualité et la reconstruction de la posture 3D des mains. Le modèle, basé sur une architecture de diffusion, adopte un cadre de modélisation conjointe action-vidéo entièrement causal, et grâce à un entraînement en trois phases — poids de perte d’action de 0,1 en première phase, 0,5 en deuxième, et 0,9 en troisième — il passe en douceur de la compréhension du monde à l’exécution des actions.
Les expériences d’ablation confirment la valeur des données vidéo humaines : sur RoboCasa-365 uniquement, le taux de réussite de l’entraînement de base est de 38,2 % ; l’ajout de données robotiques le porte à 43,4 % ; l’ajout supplémentaire de données UMI l’élève à 48,2 % ; enfin, l’introduction des données vidéo humaines fait bondir le taux de réussite à 62,6 %. Dans le benchmark EgoVLA, dédié aux robots humanoïdes à deux mains dextres, le taux de réussite des tâches longues et multi-étapes passe de 42,96 % à 71,11 %, et sur des arrière-plans visuels totalement inconnus, de 26,36 % à 43,33 %.
Dans les évaluations en simulation, Riemann-1.0 atteint un taux de réussite de 99,0 % sur LIBERO, de 94,3 % sur RoboTwin 2.0, et de 62,6 % sur RoboCasa-365, se classant en tête. Pour valider les performances sur robot réel, l’équipe a mis en place quatre scénarios domestiques typiques : empilage de blocs ordonnés, pliage de tissus souples, rangement d’objets sur une table et rangement de vaisselle de cuisine. Des données de démonstration ont été collectées par téléopération manuelle et un entraînement conjoint a été effectué. Comparé aux modèles de base open source sur un pied d’égalité, Riemann-1.0 affiche un taux de réussite moyen de 85,00 % et un degré d’achèvement des processus de 94,43 %, se classant premier dans les deux catégories, avec une avance de 15 points de pourcentage sur le meilleur modèle open source, et un degré d’achèvement supérieur à 91 % pour chaque tâche.
Kunlun Tech a également présenté à la WAIC 2026 le modèle mondial Matrix-3.5, le modèle musical AI Mureka v9.5, ainsi que Riemann-1.0. Étendre la capacité de génération du monde numérique aux interactions avec le monde physique est considéré comme une voie inévitable vers l’intelligence artificielle générale. Riemann Dynamics, en tant que filiale indépendante, vise à permettre à son équipe principale d’obtenir des ressources dédiées pour des investissements technologiques à long terme.
