Modèles d’action, simulation et applications de l’intelligence artificielle dans le monde physique.
8 articles
Le 20 octobre 2026, NVIDIA a rendu publics cinq modèles de la famille Cosmos3-Nano. Ces points de contrôle de 16 milliards de paramètres couvrent la simulation de conduite multivue jusqu'à la robotique chirurgicale, disponibles en téléchargement direct sur Hugging Face et GitHub.
Google présente Argon à travers des exemples de commande robotique, de reconstruction de simulations et de raisonnement physique. Le score de 87 % annoncé sur ERQA et les séquences vidéo sont des résultats du fournisseur, pas des preuves indépendantes de performances générales.
Microsoft Research présente un système qui modélise la façon dont des élèves précis pourraient répondre aux questions et aux conseils d’un tuteur. Les résultats sont prometteurs dans trois domaines, mais la simulation ne prouve pas qu’un tuteur améliore réellement les apprentissages et ne remplace pas les essais avec des élèves.
Google élargit l’accès à Gemini 4 Argon, présenté pour des travaux de longue durée en programmation, en science, en finance et en cybersécurité. Ses résultats et son usage en conditions réelles doivent encore faire l’objet d’évaluations indépendantes ; les informations disponibles ne permettent pas non plus de confirmer des capacités précises en robotique.
Odyssey présente Odyssey-3 comme un modèle du monde capable de générer des environnements interactifs à partir de texte. L’aperçu permet de découvrir le produit, mais les informations disponibles ne suffisent pas à confirmer ses résultats aux benchmarks ni son utilisation sur des robots réels.
Code to Control sépare la génération de la structure d’un contrôleur du réglage de ses paramètres. Le préprint affirme qu’une fois appris, le contrôleur peut agir sans inférence du LLM ni planification à chaque étape ; les éléments disponibles ne suffisent pas à évaluer les chiffres, la reproductibilité ou l’aptitude à contrôler des robots réels.
Cette approche vise à donner accès à des modèles plus exigeants sans faire supporter au robot toute la charge de calcul. Les sources évoquent des avantages possibles, mais ne fournissent ici ni métriques ni détails suffisants pour quantifier les résultats.
La version 5.0 d’Isaac ROS prend en charge ROS 2 Lyrical et apporte des changements à NITROS et à rosidl::Buffer. NVIDIA la présente comme une base pour des flux de travail robotiques avec des agents, mais les informations disponibles ne précisent pas les tâches concernées et ne fournissent aucune validation indépendante des résultats.