Contexte et financement
Enact Intelligence, société suisse connue sous le nom d’Eta Robotics AG, a annoncé une levée de fonds de 30 millions de dollars en pré‑seed. Le consortium d’investisseurs comprend le chercheur en IA Yann LeCun, le PDG d’Arthur Mensch de Mistral AI, le co‑fondateur Thomas Wolf de Hugging Face, ainsi que plusieurs fonds de capital‑risque. Le capital servira à recruter des ingénieurs supplémentaires et à accélérer le développement des algorithmes et des composants matériels.
Approche logicielle de l’IA robotique
Le modèle économique d’Enact repose sur des modèles d’IA entraînés de zéro pour piloter des robots de formes variées. Contrairement aux modèles traditionnels, souvent spécialisés pour un type de robot (humanoïde ou bras articulé), les algorithmes d’Enact visent une compatibilité inter‑plateforme. Cette généralité implique un pré‑entraînement sur de larges corpus de données de mouvements, ce qui augmente la complexité computationnelle et la nécessité de jeux de données diversifiés. Le recrutement d’un chercheur spécialisé en pré‑training reflète la volonté de maîtriser la phase d’apprentissage initiale, évitant la dépendance aux modèles open‑source déjà adaptés à des cas d’usage restreints.
Architecture des actionneurs et capteurs Back EMF
Enact développe également des actionneurs intégrés, combinant moteur électrique et circuit de commande. Ces actionneurs sont présentés comme capables de mesurer la force et le toucher grâce à la technique du Back EMF (force électromotrice inverse). Lorsqu’un courant alimente le moteur, la rotation génère un courant secondaire proportionnel à la charge mécanique. En mesurant cette composante, le système peut déduire si l’actionneur pousse contre une charge lourde (faible Back EMF) ou tourne librement (Back EMF élevé). Cette double fonction – action et perception – réduit le nombre de capteurs dédiés, mais impose des exigences de calibration précise et de filtrage du bruit électrique pour garantir la fiabilité des mesures de force.
Utilisation des FPGA pour le contrôle temps réel
Un autre pilier technologique d’Enact est l’emploi de field‑programmable gate arrays (FPGA) dans la chaîne de contrôle. Les FPGA offrent une logique reconfigurable qui dépasse les capacités d’un CPU ou d’un GPU en termes de latence et d’efficacité énergétique pour les tâches de boucle de contrôle robotique. En programmant directement les pipelines de traitement du signal Back EMF et les algorithmes de décision de l’IA, Enact peut réduire le temps de réaction du robot, un facteur critique pour la manipulation d’objets fragiles ou la coopération homme‑machine. Cependant, la mise en œuvre d’algorithmes d’apprentissage profond sur FPGA nécessite une conversion des modèles en représentations compatibles (par exemple, quantisation), ce qui peut affecter la précision des prédictions si les compromis ne sont pas gérés correctement.
