Les agents à modèle du monde de Danijar Hafner face à leur test le plus difficile : l’imprévu

Danijar Hafner a fait passer ses agents à modèle du monde des jeux vidéo à une startup discrète remplie de robots humanoïdes, tout en gardant son produit largement confidentiel. L’entreprise, qui s’appellerait Embo, met directement à l’épreuve son idée centrale de recherche : un agent devrait répéter mentalement les futurs possibles avant d’agir dans le monde réel.

Cette approche a déjà produit des résultats marquants dans des environnements contrôlés. Les recherches de Hafner sur Dreamer ont entraîné des agents grâce à des expériences imaginées, y compris pour les longues séquences nécessaires à la collecte de diamants dans Minecraft. Les robots physiques posent un problème plus difficile, car des prédictions erronées peuvent provoquer des dégâts réels.

Le contexte accroît également les enjeux. Google DeepMind, l’ancien employeur de Hafner, étend Gemini Robotics aux humanoïdes et à d’autres machines. D’autres entreprises de robotique très financées développent des modèles de contrôle généralistes. Hafner parie que la prédiction, la planification et l’adaptation compteront davantage que la mémorisation de collections toujours plus vastes de démonstrations.

Les agents à modèle du monde de Danijar Hafner quittent l’écran

La nouvelle entreprise transforme un programme de recherche sur les futurs imaginés en une société de robotique physique.

Selon le profil original de la startup, le bureau dépouillé de Hafner se trouve dans le quartier de SoMa, à San Francisco. L’entreprise reste en mode furtif, sans même afficher de nom sur sa porte.

Des robots humanoïdes occuperaient cet espace inachevé. Ils présentent différentes formes et tailles, et plusieurs ont été importés de Chine. Ces machines fournissent des corps physiques aux systèmes de planification que Hafner développe depuis des années.

Hafner a quitté Google DeepMind à l’automne 2025, selon le rapport. Son départ a fait passer la lignée de recherche Dreamer d’un grand laboratoire à une initiative commerciale indépendante. Des informations publiques et des annuaires sectoriels identifient la startup comme Embo, bien que son site web, l’étendue de son produit et son modèle économique restent flous.

Le défi affiché par l’entreprise est plus facile à décrire qu’à résoudre. Un robot qui entre dans un domicile inconnu ne peut pas s’appuyer sur un enregistrement exact de chaque pièce. Il doit comprendre de nouveaux meubles, des objets déplacés, des variations de lumière, des personnes, des animaux domestiques et des instructions incomplètes.

Un robot entraîné uniquement à reproduire des mouvements familiers peut échouer lorsqu’une seule condition change. Il pourrait tendre la main vers l’emplacement attendu après qu’une personne a déplacé une tasse. Il pourrait poursuivre sa trajectoire de marche après qu’une chaise a bloqué le passage.

L’alternative de Hafner fournit à un agent un modèle prédictif interne. Un modèle du monde est une représentation apprise qui estime comment un environnement évolue après une action. L’agent peut utiliser ces estimations pour évaluer des comportements possibles avant de bouger.

Ce processus diffère de la génération d’un unique plan long suivi aveuglément. Un agent physique compétent doit prédire, agir, observer le résultat et mettre à jour son plan. Chaque nouvelle observation peut révéler que sa prévision interne précédente était incomplète.

La startup repose donc sur une proposition exigeante. Les modèles du monde doivent rester utiles lorsque la réalité diffère des données d’entraînement. Ils doivent aussi fonctionner assez vite pour qu’un robot puisse réagir au fil des événements.

Dreamer fournit la base de recherche de cette proposition. Hafner et ses collaborateurs ont commencé à développer cette famille avant la dernière vague d’agents fondés sur les modèles de langage. Leurs travaux portaient sur l’apprentissage de comportements par interaction, plutôt que sur la seule prédiction de texte.

Le premier système Dreamer a appris des comportements à long horizon à partir d’entrées visuelles en s’exerçant au sein d’une représentation interne compacte. DreamerV2 a étendu l’approche aux jeux Atari. DreamerV3 visait à faire fonctionner le même algorithme de base dans de nombreux domaines différents.

Cette progression importe, car Hafner n’entre pas dans la robotique avec un slogan conceptuel non éprouvé. Il applique un programme de recherche documenté à un cadre bien moins indulgent. La question ouverte concerne la mesure dans laquelle ses résultats passés se transfèrent.

Un jeu expose un agent à des actions définies et à des récompenses mesurables. Un robot humanoïde rencontre des capteurs bruités, des composants usés, une friction incertaine et des objets aux propriétés cachées. Les personnes se comportent également de manière moins prévisible que les personnages simulés.

L’importance initiale d’Embo découle de cette transition. L’entreprise ne construit pas simplement un autre corps humanoïde. Elle semble se concentrer sur la couche d’intelligence qui décide de ce qu’un corps doit faire lorsque son environnement change.

Pourquoi l’expérience imaginée compte désormais

Les entreprises de robotique ont besoin d’agents capables d’apprendre à partir d’une expérience physique limitée sans considérer chaque erreur comme une leçon obligatoire.

Les modèles modernes d’IA ont bénéficié d’immenses jeux de données numériques. La robotique ne dispose pas d’un équivalent en matière d’expériences propres, diversifiées et étiquetées par action. Enregistrer des mouvements physiques coûte du temps, exige du matériel et introduit des risques de sécurité.

Un modèle de langage peut traiter un autre document sans le faire tomber sur le pied de quelqu’un. Un robot qui collecte de nouvelles données d’entraînement peut entrer en collision, endommager un objet, surchauffer une articulation ou nécessiter une réinitialisation humaine. Ces contraintes rendent les essais et erreurs physiques particulièrement coûteux.

La simulation aide, mais les mondes simulés simplifient la réalité. Les textures, les forces de contact, le bruit des capteurs, les matériaux déformables et le comportement humain peuvent différer de leurs équivalents physiques. Une politique qui fonctionne dans un simulateur peut échouer après son déploiement.

Les agents à modèle du monde offrent une voie médiane possible. Le système apprend à partir d’observations réelles, puis génère des prédictions internes sur ce qui pourrait suivre. L’entraînement peut exploiter ces trajectoires imaginées sans exécuter chaque action candidate sur le matériel.

Le précédent projet DayDreamer de Hafner a testé ce principe sur des machines physiques. Son article sur l’apprentissage robotique décrivait des agents apprenant directement dans le monde réel sans s’appuyer sur des simulateurs.

Les chercheurs ont évalué DayDreamer sur quatre robots. Les tâches incluaient la locomotion, la manipulation d’objets et la navigation visuelle. Un quadrupède a appris à se rétablir, se mettre debout et marcher grâce à l’expérience recueillie par la machine physique.

Ces expériences n’ont pas établi l’existence d’un robot domestique généraliste. Elles ont toutefois montré que des modèles du monde appris pouvaient réduire la dépendance à une simulation étendue et à une ingénierie manuelle des tâches. Ces éléments soutiennent désormais le pari plus vaste d’Embo.

DreamerV3 a renforcé les arguments en faveur d’un algorithme réutilisable. Le système utilisait une configuration unique pour plus de 150 tâches, selon l’étude évaluée par les pairs sur DreamerV3. Ses domaines incluaient le contrôle continu, les jeux Atari et Minecraft.

Le résultat dans Minecraft est devenu une démonstration particulièrement visible. Collecter un diamant exige de l’exploration, de la collecte de ressources, la fabrication d’outils et de nombreuses actions interdépendantes. Les récompenses restent rares, car la plupart des mouvements intermédiaires ne produisent aucun signal immédiat de réussite.

DreamerV3 a appris la tâche à partir de pixels, sans données de jeu humaines ni programme d’apprentissage progressif. Le résultat suggérait que des trajectoires imaginées pouvaient soutenir des objectifs éloignés, et pas seulement des réactions immédiates.

Cette capacité est directement liée aux agents physiques. Nettoyer une pièce implique de nombreuses étapes dont la valeur n’apparaît que plus tard. Un robot pourrait d’abord déplacer un obstacle, ouvrir un contenant, récupérer un objet, puis le placer correctement.

Un système réactif peut accomplir chaque mouvement familier tout en perdant de vue l’objectif plus large. La planification à long horizon exige de suivre la manière dont les choix initiaux modifient les possibilités ultérieures. Les travaux de Hafner considèrent les modèles prédictifs comme le mécanisme permettant de préserver ce lien.

Dreamer 4 a poussé l’idée plus loin. Il entraîne les comportements au sein d’un modèle du monde évolutif qui simule des interactions complexes. Le système aurait accompli la tâche du diamant dans Minecraft à partir d’expériences hors ligne, sans interagir avec le jeu pendant l’entraînement.

Le projet Dreamer 4 indique que la tâche implique des séquences dépassant 20 000 actions de souris et de clavier. Il rapporte également utiliser 100 fois moins de données que l’ancien agent Video PreTraining d’OpenAI.

Il s’agit de résultats de recherche dans un jeu, et non d’une preuve qu’un humanoïde peut manipuler en toute sécurité une cuisine inconnue. Ils répondent néanmoins à deux pressions auxquelles font face les développeurs de robotique. Ils visent les longues séquences d’actions et réduisent la dépendance à l’expérimentation en ligne.

L’urgence provient d’un écart croissant entre le matériel robotique et l’adaptabilité des robots. Les corps humanoïdes se sont améliorés, mais de nombreuses démonstrations se déroulent encore dans des environnements préparés. Un système peut sembler compétent alors que chaque objet pertinent reste soigneusement positionné.

Le déploiement commercial exige quelque chose de moins théâtral. Un robot utile doit se remettre d’une prise manquée, interpréter un environnement modifié et choisir des alternatives plus sûres. Ces exigences placent la prédiction sous incertitude au cœur du marché.

La prédiction met au défi le robot fondé d’abord sur l’imitation

Le principal affrontement oppose les agents qui modélisent les conséquences aux systèmes qui reproduisent principalement les schémas trouvés dans des démonstrations.

Une grande partie de l’apprentissage robotique récent s’appuie sur des modèles vision-langage-action. Un modèle VLA relie des images et des instructions à des actions physiques. L’entraînement s’appuie couramment sur des démonstrations montrant comment des humains ou d’autres systèmes ont accompli des tâches.

Cette approche présente des avantages clairs. Les démonstrations fournissent des comportements utiles sans obliger un robot à tout découvrir de manière indépendante. Les grands modèles préentraînés peuvent également apporter la reconnaissance visuelle, la compréhension du langage et une vaste connaissance conceptuelle.

Cependant, les démonstrations décrivent ce qui s’est produit dans des situations enregistrées. Elles n’expliquent pas automatiquement comment fonctionne l’environnement. Un robot peut associer une image à une action tout en apprenant peu de choses sur les conséquences d’un choix différent.

Les agents à modèle du monde placent ces conséquences au centre. Le modèle prédictif estime les états futurs sous des actions candidates. Un acteur propose un comportement, tandis qu’un critique estime quels résultats imaginés soutiennent le mieux l’objectif.

DreamerV3 utilise cette structure composée d’un acteur, d’un critique et d’un modèle du monde. Le modèle du monde prédit les résultats, le critique les évalue et l’acteur sélectionne les actions. Les composants apprennent ensemble à partir de l’expérience collectée.

Ce mécanisme donne à l’agent un moyen de s’exercer au-delà de la trajectoire exacte qu’il a observée. Il peut générer des simulations internes alternatives à partir d’états connus. Une expérience imaginée utile façonne ensuite son comportement sans nécessiter une nouvelle tentative physique.

Cette distinction ne doit pas être exagérée au point de devenir une séparation technologique nette. Les systèmes VLA peuvent inclure la planification, le retour d’information et des composantes prédictives. Les systèmes à modèle du monde peuvent aussi apprendre à partir de démonstrations, du langage ou de vidéos.

Le véritable désaccord concerne l’accent mis sur chaque approche. Une stratégie fondée d’abord sur l’imitation commence par de vastes collections de comportements réussis. La voie de Hafner commence par l’apprentissage des dynamiques qui permettent à un agent d’évaluer ce qui se produit ensuite.

Les travaux concurrents de Google DeepMind montrent à quelle vitesse ces approches convergent. Son système Gemini Robotics 2 combine le langage, la compréhension visuelle, la planification et le contrôle moteur.

Google affirme que le modèle peut contrôler des humanoïdes des pieds jusqu’au bout des doigts, manipuler des objets et coordonner plusieurs robots. L’entreprise affirme également une adaptation à de nouveaux corps robotiques en quelques heures. Ces déclarations proviennent de Google et nécessitent une évaluation indépendante plus large.

Gemini Robotics bénéficie des connaissances des modèles fondamentaux et de l’infrastructure de recherche de Google. La startup de Hafner apporte une expertise pointue en apprentissage par renforcement via des modèles prédictifs. Les deux approches visent des machines capables de s’adapter lorsque les conditions ne correspondent plus à un script.

Skild AI propose une autre variante. L’entreprise décrit son objectif comme un cerveau robotique unique et polyvalent, fonctionnant sur différents corps et pour différentes tâches. Sa stratégie repose largement sur une collecte de données étendue et un préentraînement à grande échelle.

Physical Intelligence poursuit des politiques robotiques générales entraînées sur diverses tâches et incarnations. Ses systèmes relient des entrées visuelles et linguistiques à des actions continues. Les démonstrations de l’entreprise mettent l’accent sur le transfert entre différentes plateformes physiques.

Ces concurrents exercent une pression sur Embo dans deux directions. Ils peuvent collecter davantage de données et déployer plus de matériel. Ils peuvent aussi combiner la planification avec des modèles préentraînés, réduisant l’avantage conceptuel d’une identité exclusivement fondée sur les modèles du monde.

Embo doit donc démontrer plus qu’une architecture élégante. L’entreprise doit prouver que l’entraînement imaginé améliore l’adaptation, la sécurité ou l’efficacité des données sur de vrais robots. Ces avantages doivent rester visibles face à des références solides.

Une évaluation décisive introduirait des changements après l’entraînement. Les chercheurs pourraient déplacer des objets, modifier l’agencement des pièces, remplacer des outils ou interrompre une tâche. Le test mesurerait si le robot replannifie sans nécessiter un réentraînement important.

La réussite devrait également inclure la récupération. Un robot qui termine des essais préparés mais se bloque après une seule prise manquée n’a pas maîtrisé l’imprévu. La planification devient précieuse lorsque la première prévision s’avère erronée.

Cette exigence rend la stratégie de Hafner plus ambitieuse que l’idée d’apprendre à un robot à tout anticiper. Aucun modèle ne peut énumérer chaque événement physique. L’objectif pratique consiste à reconnaître les erreurs de prédiction et à ajuster le comportement avant qu’elles ne s’aggravent.

Le modèle du monde peut se tromper

Un agent qui planifie au sein d’un modèle inexact peut se tromper avec assurance avant que son corps ne transforme l’erreur en réalité.

Les modèles du monde compressent l’expérience. La compression rend la prédiction efficace, mais elle élimine aussi des informations. Un détail qui semblait sans importance pendant l’entraînement peut devenir déterminant dans un environnement inconnu.

Prenons un robot qui transporte un verre vers une table. Son modèle peut prédire que la surface soutiendra l’objet. Une feuille transparente, une zone humide, un revêtement instable ou un bord inhabituel peut invalider cette prévision.

De longues simulations imaginées amplifient les petites erreurs. Une première prédiction légèrement incorrecte modifie l’état utilisé pour la prédiction suivante. Après de nombreuses étapes, la trajectoire interne peut s’éloigner fortement du monde physique.

Ce problème est souvent appelé biais de modèle. La politique apprend à exploiter des schémas au sein du modèle qui n’existent pas à l’extérieur. Une stratégie virtuelle peut obtenir des récompenses prédites élevées tout en échouant lors de l’exécution réelle.

L’acteur de Dreamer ne cherche pas dans un simulateur parfaitement exact. Il s’entraîne face à un modèle appris à partir d’observations antérieures. La qualité et la diversité de ces observations limitent donc ce que l’agent peut imaginer de manière fiable.

Les situations inattendues révèlent cette limite. Si l’agent n’a jamais observé une certaine interaction, sa prévision peut ne pas intégrer la physique pertinente. Il peut estimer l’incertitude, mais ces estimations peuvent elles aussi être mal calibrées.

Un système physique a besoin de plusieurs protections. Il doit comparer les prédictions aux nouvelles données des capteurs, raccourcir les plans lorsque la confiance diminue et confier le contrôle à des mécanismes plus sûrs. Il lui faut également des contraintes empêchant les actions à haut risque pendant l’exploration.

Les résultats antérieurs de Hafner établissent des performances sur des benchmarks de recherche. Ils n’établissent pas la sécurité domestique, la fiabilité industrielle ou une interaction fiable avec les personnes. Embo n’a pas publié les éléments nécessaires pour parvenir à ces conclusions.

La diversité des benchmarks diffère aussi de l’ouverture des environnements. DreamerV3 a utilisé une configuration unique pour de nombreuses tâches, réduisant les ajustements propres à chaque domaine. Chaque benchmark fournissait néanmoins des règles, des espaces d’action et des procédures d’évaluation.

Les domiciles et les lieux de travail ne proposent pas d’interfaces aussi propres. Une porte peut se coincer, une personne peut interrompre l’action ou un objet peut se casser. Les capteurs peuvent être obstrués tandis que le robot reste responsable de ses mouvements.

La forme humanoïde ajoute d’autres complications. Les corps bipèdes disposent de vastes espaces d’action et peuvent tomber. Les mains comportent de nombreuses articulations, tandis que la dynamique des contacts évolue rapidement pendant la manipulation.

Le coût d’une prédiction erronée varie également. Faire tomber un jouet souple n’est pas la même chose que faire tomber un couteau. Les systèmes de planification ont besoin d’objectifs sensibles au risque qui distinguent ces cas avant le déploiement.

Google DeepMind reconnaît ce défi plus large dans ses documents consacrés à la robotique. L’entreprise décrit une sécurité à plusieurs niveaux, incluant l’évitement des collisions, des limites de force et des contrôleurs de bas niveau. Le raisonnement de haut niveau ne peut à lui seul remplacer ces protections.

Embo devra faire preuve d’une clarté comparable. La startup n’a pas indiqué comment ses agents contraignent leurs actions, estiment l’incertitude ou se rétablissent après des défaillances du modèle. Elle n’a pas non plus identifié son premier environnement commercial.

Ces omissions sont normales pour une entreprise en mode furtif, mais elles limitent toute évaluation significative. Des plateformes humanoïdes importées peuvent accélérer l’expérimentation. Elles ne révèlent pas si l’entreprise a résolu les questions de généralisation, de fiabilité ou d’économie unitaire.

Les preuves les plus convaincantes proviendraient de tests répétés dans des environnements inconnus. Les évaluateurs devraient préciser les taux d’échec, les taux d’intervention, les comportements de récupération et la quantité d’entraînement supplémentaire nécessaire.

Une démonstration soignée offre des preuves plus faibles. Les équipes peuvent sélectionner les tentatives réussies et préparer des conditions favorables. Le fonctionnement continu révèle des erreurs rares que les courtes vidéos ont tendance à masquer.

L’efficacité des données exige également une comptabilité rigoureuse. L’entraînement imaginé réduit certaines interactions physiques, mais le modèle du monde exige toujours une expérience réelle. Le calcul, l’étalonnage des capteurs, les remises à zéro et la maintenance du matériel restent inclus dans le coût total.

Le résultat hors ligne de Dreamer 4 dans Minecraft renforce l’argument de recherche en faveur de l’apprentissage de comportements au sein d’un modèle prédictif. Il ne permet pas de déterminer si les données robotiques hors ligne couvrent les variations physiques nécessaires à un déploiement sûr.

Le risque central est donc indissociable de l’avantage central. L’agent peut répéter de nombreux futurs sans agir physiquement. Pourtant, chaque répétition hérite des angles morts du modèle qui la produit.

Planifier à l’avance exige plus qu’un plan plus long

Gérer les surprises dépend d’une replannification continue, et non de la prédiction d’une séquence parfaite avant que le robot ne commence.

L’expression « planifier à l’avance » peut évoquer une liste de contrôle fixe. Les travaux de Hafner pointent vers une boucle plus dynamique. Un agent prédit les résultats, agit brièvement, observe la réalité et révise son état interne.

Cette distinction importe, car tous les événements inattendus ne peuvent pas être prédits à l’avance. Un robot a rarement besoin d’une prévision complète de chaque interruption possible. Il a besoin d’une réponse utile lorsqu’une interruption invalide son plan actuel.

Imaginons un robot débarrassant une table à manger. Il voit une assiette, une tasse, des couverts et un récipient. Son plan initial attribue une destination à chaque objet et choisit un ordre.

Une personne pose alors un téléphone à côté de la tasse. Le robot doit reconnaître que la scène a changé. Il devrait protéger le téléphone, reconsidérer sa trajectoire de saisie et préserver l’objectif général de nettoyage.

Un contrôleur purement réactif peut éviter une collision immédiate. Un modèle linguistique peut décrire ce qui s’est probablement passé. Un agent de modèle du monde compétent doit relier ce changement à ses conséquences physiques futures.

Il peut prédire que soulever la tasse en premier risque de faire tomber le téléphone. Il pourrait déplacer le téléphone, s’approcher depuis une autre direction ou demander de l’aide. Chaque choix modifie la tâche restante.

L’abstraction temporelle devient ici importante. Cette technique divise une longue tâche en sous-objectifs de haut niveau et en actions de niveau inférieur. L’agent peut réviser un sous-objectif sans reconstruire chaque commande motrice.

Hafner a étudié ce problème en parallèle des modèles du monde. Sa présentation publique de ses recherches décrit l’abstraction temporelle comme la décomposition de longues tâches en sous-objectifs qui soutiennent une planification abstraite.

Pour un robot d’entrepôt, l’objectif de haut niveau peut consister à déplacer un colis vers une zone de chargement. Des politiques de niveau inférieur gèrent la marche, l’équilibre, la saisie et l’évitement d’obstacles. Un itinéraire modifié ne devrait pas effacer l’objectif entier.

Le langage peut contribuer en exprimant des objectifs et des contraintes. Il peut indiquer au robot qu’un récipient rouge contient un matériau fragile. Les modèles prédictifs estiment ensuite comment les actions candidates affectent cet objet physique.

Cette combinaison explique pourquoi les modèles du monde et les VLA fusionneront probablement plutôt que de rester des catégories isolées. Le langage apporte des connaissances générales et le suivi des instructions. Les modèles du monde fournissent des prévisions conditionnées par l’action, liées à l’environnement observé.

La mémoire constitue une autre exigence pratique. Un agent doit conserver les observations pertinentes au cours d’une longue tâche sans traiter chaque détail comme étant d’importance égale. Il doit aussi retrouver les échecs antérieurs lorsque des conditions similaires apparaissent.

Ce défi ressemble au problème de contexte auquel font face les agents numériques. Les développeurs utilisent des historiques structurés et des bases de connaissances IA pour préserver les preuves au-delà d’une seule réponse de modèle. Un agent physique a besoin d’un lien encore plus étroit entre mémoire et perception actuelle.

Toutefois, l’expérience stockée ne peut pas devenir un substitut à la vérification. Un robot ne devrait pas supposer que l’agencement de la pièce d’hier s’applique toujours. Les données actuelles des capteurs doivent corriger une mémoire obsolète.

La même règle s’applique à ses futurs imaginés. Une prédiction est une hypothèse sur ce qui suit, et non un fait. Les agents efficaces devraient continuer de confronter cette hypothèse au monde.

Cela crée un critère utile pour juger Embo. L’entreprise n’a pas besoin de montrer un robot qui ne rencontre jamais de surprise. Elle doit en montrer un qui détecte tôt la surprise et se rétablit sans improvisation dangereuse.

Le comportement de récupération peut inclure l’arrêt. Refuser une action incertaine est parfois plus intelligent que d’achever la tâche. Les systèmes commerciaux ont besoin de seuils calibrés pour demander l’assistance d’un humain.

Les cas les plus difficiles combineront des objectifs à long terme avec une sécurité immédiate. Un robot peut connaître l’action utile suivante tout en faisant face à un contact incertain ou à une mauvaise visibilité. Il doit retarder sa progression sans abandonner l’objectif.

Cet équilibre déterminera si la planification devient une capacité opérationnelle ou une simple prédiction impressionnante. Un robot réussit lorsque sa répétition interne améliore les décisions réelles dans des conditions changeantes.

Trois signaux montreront si le pari d’Embo fonctionne

Les prochaines preuves doivent relier la recherche sur les modèles du monde à des performances robotiques répétables en dehors de démonstrations préparées.

Le premier signal est une évaluation technique publique sur des tâches physiques inconnues. Embo devrait définir ce qui a changé entre l’entraînement et les tests. De nouveaux agencements, objets, interruptions et corps robotiques fourniraient des tests de résistance significatifs.

Les résultats devraient inclure les essais infructueux. Les taux d’intervention, les temps de récupération et les arrêts de sécurité comptent autant que les tâches terminées. Si Embo publie ces mesures, son affirmation concernant les événements inattendus deviendra vérifiable.

De bons résultats renforceraient l’argument central de Hafner. Ils montreraient que l’entraînement imaginé se transfère au-delà des jeux et des expériences robotiques limitées. Des résultats faibles ou rapportés de manière sélective laisseraient la question centrale sans réponse.

Le deuxième signal est la preuve d’un transfert entre différents corps. Le bureau d’Embo contiendrait plusieurs modèles humanoïdes, ce qui suggère que l’entreprise ne souhaite pas d’une intelligence liée à une seule machine.

Un contrôleur général devrait préserver les compétences utiles lorsque les caméras, les membres, les limites articulaires ou les proportions changent. Une certaine adaptation restera nécessaire. La mesure importante est la quantité de nouvelles données et d’ingénierie requise par chaque corps.

Un transfert rapide mettrait au défi les entreprises dont les modèles dépendent d’une pile matérielle unique ou de démonstrations étroitement sélectionnées. Un réentraînement intensif affaiblirait l’affirmation selon laquelle Embo a appris une structure physique générale.

Google DeepMind présente déjà le contrôle inter-incarnations comme un objectif majeur. Skild AI avance une affirmation similaire de polyvalence générale. Embo devra fournir des comparaisons directes distinguant les bénéfices architecturaux du discours marketing.

Le troisième signal est une limite de déploiement crédible. Embo devra à terme nommer l’environnement dans lequel son système peut fonctionner de manière répétée. Une maison, un entrepôt, un laboratoire ou une usine présentent des objets, des risques et des exigences économiques différents.

Un déploiement ciblé ne diminuerait pas la vision de recherche plus large. Il créerait les données opérationnelles nécessaires pour l’améliorer. Les clients réels révèlent aussi des schémas d’échec que les benchmarks internes ne détectent pas.

Le choix du marché révélera la stratégie de sécurité d’Embo. Les sites industriels peuvent limiter l’accès et standardiser les procédures. Les foyers offrent davantage de variété, mais créent des risques sociaux et physiques plus difficiles.

Les lecteurs devraient également surveiller si la startup publie des articles techniques, de la documentation sur ses modèles ou des benchmarks reproductibles. Les travaux précédents de Hafner ont été inhabituellement ouverts, notamment avec du code pour les principaux systèmes Dreamer. Une entreprise commerciale peut changer cette pratique.

La transparence aiderait les chercheurs indépendants à tester l’approche fondée sur les modèles du monde. Des démonstrations fermées obligeraient le marché à juger les performances à partir d’éléments sélectionnés par l’entreprise. Aucun de ces résultats ne prouve le succès, mais ils créent des niveaux de confiance très différents.

L’importance plus large d’Embo ne dépend pas d’une victoire immédiate sur le marché des humanoïdes. L’entreprise met sous pression une thèse technique précise. Les agents ont besoin de modèles internes des conséquences s’ils doivent agir au-delà de scripts familiers.

Cette thèse dépasse également la robotique. Les agents numériques rencontrent des interfaces modifiées, des fichiers manquants, des instructions contradictoires et des informations incomplètes. Eux aussi bénéficient de la prédiction des résultats et de la révision des plans après des retours inattendus.

Les machines physiques imposent une norme plus stricte, car les erreurs ont des conséquences dans le monde réel. Une erreur de planification peut endommager le matériel ou mettre une personne en danger. La fiabilité doit donc progresser parallèlement à l’autonomie.

Le parcours de Hafner offre à Embo une base solide. Dreamer a démontré l’apprentissage par l’expérience imaginée dans des jeux et des tâches de contrôle. DayDreamer a appliqué la méthode à des robots physiques. Dreamer 4 a étendu l’entraînement par imagination hors ligne à de très longues séquences d’actions.

La startup fait maintenant face à la traduction décisive. Les benchmarks de recherche définissent clairement le succès et permettent de répéter les expériences à faible coût. Les robots humanoïdes évoluent dans des environnements qui résistent à la fois à la simplification et à une énumération exhaustive.

C’est pourquoi Embo est plus qu’une nouvelle entreprise de robotique en mode furtif. Elle teste la capacité d’un agent à construire une représentation interne utile du monde, à remarquer lorsque cette représentation échoue et à s’ajuster avant que des dommages ne surviennent.

Les prochains mois devraient apporter des éléments sur des tâches inconnues, le transfert entre différents corps et un premier environnement de déploiement. Ces signaux montreront si les agents à modèle du monde de Danijar Hafner peuvent transformer des futurs imaginés en comportements physiques fiables.

D’ici là, la conclusion la plus honnête reste conditionnelle. Embo dispose d’un mécanisme cohérent et d’un historique de recherche particulièrement pertinent. L’entreprise n’a pas encore démontré que ses humanoïdes peuvent gérer l’imprévu à l’échelle commerciale.

La question pour les développeurs et les acheteurs d’IA est donc concrète : Embo publiera-t-elle des données reproductibles sur les échecs et la récupération, ou seulement des succès soigneusement préparés ? Ces éléments détermineront si la planification par modèles du monde devient une architecture d’agent fiable ou demeure un résultat de laboratoire convaincant.