Présentation du financement

Genesis AI SAS a annoncé une levée de fonds de 500 millions de dollars lors d’une série A menée par Premji Invest, Khosla Ventures et Eclipse. Parmi les participants figurent les branches venture capital de Nvidia, AMD, Zoom, Samsung et Ericsson, ainsi qu’Eric Schmidt, ancien PDG de Google. Cette injection porte la valorisation de l’entreprise à 3,5 milliards de dollars, ce qui lui permet de financer l’embauche de chercheurs en IA et de robotique ainsi que l’expansion de la collecte de données d’entraînement.

Architecture matérielle d'Eno

Eno repose sur une base mobile à roues plutôt que sur des jambes, ce qui simplifie la locomotion et réduit la consommation d’énergie. La hauteur du robot s’ajuste grâce à deux panneaux larges reliés par une charnière, offrant une modularité mécanique permettant d’adapter la configuration à chaque tâche. Les mains d’Eno possèdent 20 degrés de liberté, contre 27 pour la main humaine, et sont recouvertes d’un matériau souple imitant la peau, ce qui améliore la prise d’objets délicats et la sécurité en environnement partagé.

Modèle d'intelligence artificielle GENE

Le cerveau d’Eno est le modèle de fondation GENE, un réseau neuronal propriétaire décrit comme plus simple à entraîner que les modèles classiques optimisés pour la robotique. Genesis contourne la contrainte de données spécifiques aux robots à pattes en concevant des mains similaires à la main humaine, ce qui permet d’utiliser des démonstrations humaines comme jeu d’entraînement. Cette approche réduit le coût de collecte de données, car les vidéos de gestes humains sont largement disponibles et plus faciles à annoter. GENE a démontré des capacités multitâches, incluant la lecture de piano, la cuisine et la résolution d’un Rubik’s Cube, ce qui indique une généralisation à des séquences de plusieurs dizaines d’étapes.

Enjeux et limites

Le financement massif accélère le déploiement d’Eno, mais plusieurs défis subsistent. La modularité mécanique, bien que flexible, introduit des points de friction supplémentaires au niveau de la charnière, potentiellement sources d’usure. Les 20 DOF des mains, inférieurs aux 27 DOF humaines, limitent la finesse de certaines manipulations complexes. Sur le plan de l’IA, la simplification de l’entraînement peut entraîner des biais si les démonstrations humaines ne couvrent pas la totalité des scénarios industriels. Enfin, la dépendance à des investisseurs majeurs du secteur matériel (Nvidia, AMD, Samsung) suggère que les futures itérations d’Eno seront fortement alignées sur les architectures GPU et les capteurs de ces partenaires, ce qui pourrait restreindre la portabilité du système vers d’autres écosystèmes.