Les démonstrations de robots impressionnent mais apprennent peu : la vidéo d'un robot qui plie du linge dit rarement ce qu'il a appris ou pourquoi il échoue. Ai2, l'Allen Institute for AI, a publié ToyBlocks, un monde simulé volontairement réduit, conçu pour servir de boîte de Petri à l'apprentissage robotique, où les chercheurs peuvent changer un seul paramètre, relancer un test et remonter à l'origine d'un échec.
Ce monde se compose d'un bras robotique et de cubes portant des lettres ou des images sur une table. Les tâches consistent à pousser, retourner, empiler et chercher, car le robot peut devoir tourner un cube pour voir une face cachée. Les compétences sont apprises par apprentissage par renforcement et planification de mouvement dans Isaac Lab de Nvidia, puis un planificateur les enchaîne en longues tâches, ce qui produit des démonstrations automatiquement plutôt qu'au prix d'heures de téléopération humaine. Exécuter des centaines de plans en parallèle sur un seul GPU permet d'aller jusqu'à 24 fois le temps réel. La première version comprend 85 336 longues démonstrations, près de 1 600 heures d'exécution robotique et 144 millions d'images, ainsi que deux modèles entraînés, du code d'entraînement et des jeux d'évaluation.
Les premiers résultats sont instructifs. Des modèles d'action répandus, dont pi0.5, ManiFlow et MolmoAct 2, ont d'abord mal généralisé quand les cubes apparaissaient dans des zones ou à des hauteurs de pile absentes de l'entraînement ; Ai2 estime que le problème est loin d'être résolu. Le passage au matériel s'est mieux passé : le taux de réussite de ManiFlow sur des compétences isolées atteint 80,0 % en simulation et 81,1 % sur un vrai bras Franka, et un système combiné utilisant Molmo 2 pour planifier réussit 55,5 % des tâches d'épellation simulées et 50,0 % des réelles, 15 sur 30. Ai2 a aussi fait travailler Claude Opus 5.5 comme agent via des outils MCP. Il a résolu les 30 problèmes classiques d'empilement et, sur une tâche plus difficile, trouver des lettres pour former un mot ou déclarer la tâche impossible, il a réussi dans 63% des cas, trébuchant surtout sur des lettres qui se ressemblent et des cubes posés de travers. Quand l'agent a mené ses propres expériences et rédigé ses propres descriptions des compétences, la réussite est passée de 24% à 63%, mieux que les 36% obtenus avec les descriptions d'un expert.
Pour les lecteurs de notre couverture des modèles robotiques et de Claude Opus 5.5, l'intérêt tient à la comparaison contrôlée. Un monde commun et ouvert dont on sait que les résultats se transposent à un vrai bras permet aux laboratoires de vérifier des affirmations à armes égales plutôt qu'à travers des vidéos choisies.
Les limites sont inscrites dans la conception. Des cubes sur une table ne représentent qu'une petite part du travail physique, et un bon transfert ici ne garantit rien pour le tissu, les liquides ou les cuisines encombrées. Les essais sur robot réel sont peu nombreux, et Ai2 reconnaît qu'il faut davantage de passages pour une confiance statistique. C'est un texte de lancement du développeur, pas une étude relue par des pairs.