Simate-beta en tête du classement RoboDojo en simulation

Simate-beta est le premier « système rapide » d’IA physique de Simate : un modèle de commande robotique conçu pour agir rapidement dans le monde réel. Le classement RoboDojo répertorie une entrée Simate-beta en simulation, avec un score de 33,95 et un taux de réussite de 27,96 %. Simate présente aussi des démonstrations distinctes sur de vrais robots. Ni le résultat du classement ni quelques démonstrations choisies ne permettent toutefois d’établir à quel point le système serait fiable dans des tâches et des environnements variés.

Ce que montre — et ne montre pas — le score RoboDojo

RoboDojo est présenté comme un benchmark qui évalue des politiques de manipulation robotique généralistes en simulation et dans le monde réel. Le résultat de Simate-beta inscrit au classement concerne la simulation et a été soumis par Simate ; il ne s’agit pas d’un score rapporté pour des essais sur des robots réels.

La distinction est importante : le score correspond à une évaluation sur le benchmark, tandis que les démonstrations de l’entreprise montrent séparément le système en action sur des robots physiques. Les comptes rendus de ces démonstrations évoquent la mémoire, l’adaptation aux tâches, les séquences d’actions longues et la manipulation fine. Ces exemples illustrent les capacités que Simate cherche à développer, sans démontrer à eux seuls qu’elles se généralisent au-delà des tâches présentées. 5

Un système rapide conçu pour réagir

Simate décrit une architecture qui associe perception physique en 4D et mémoire. L’entreprise dit vouloir permettre une commande réactive, potentiellement exécutée directement sur l’appareil, puis combiner ce système rapide avec un raisonnement plus lent pour les tâches complexes. 15

L’idée est de suivre l’évolution d’une scène physique et de conserver les informations utiles sur l’avancement d’une tâche, tout en réagissant aux changements. Cette ambition relie le score RoboDojo aux démonstrations sur robots : Simate présente les deux comme des premiers éléments en faveur d’un système capable de percevoir, de mémoriser et d’agir. Ils ne prouvent pas, à eux seuls, que ces capacités fonctionneront dans des situations inédites. 10

AutoResearch : des agents pour aider à concevoir des modèles robotiques

La démarche plus large de Simate, baptisée « Physical RSI », vise à relier le développement des modèles, le travail sur les données, les expériences, l’évaluation et le déploiement sur des robots dans une boucle de recherche récurrente. AutoResearch doit permettre à des agents d’IA de proposer et de tester des pistes de recherche, tandis que les humains définissent les objectifs et les limites, puis évaluent les résultats. Simate présente beta comme un premier produit de ce processus guidé par des humains. 1112

L’entreprise affirme également que son infrastructure interne relie entraînement, inférence et évaluation, et permet de mener plusieurs pistes de recherche en parallèle. Son offre Sinfra couvre aussi la simulation. L’idée avancée est qu’un environnement de recherche intégré pourrait aider l’équipe à tester des idées et à exploiter plus vite les résultats ; les informations disponibles ne permettent pas de mesurer de façon indépendante son effet sur les performances des modèles. 1115

Une équipe expérimentée et des publications annoncées

Selon les informations publiées, l’équipe de Simate réunit une expérience du déploiement de systèmes de conduite autonome et des travaux de recherche sur les modèles du monde et la commande de robots réels. Ce mélange correspond à l’objectif affiché de développer des modèles capables à la fois d’apprendre sur le monde physique et d’agir sur du matériel. Les parcours de l’équipe ne remplacent cependant pas des évaluations indépendantes des performances. 512

Simate prévoit de publier d’ici fin 2026 des résultats par étapes sur la généralisation zéro-shot à des tâches complexes. L’entreprise annonce ensuite des articles ou rapports techniques sur son modèle et ses travaux de recherche automatisée, ainsi que des mises en open source échelonnées. Il s’agit de projets annoncés, pas de résultats ni de publications déjà disponibles. 11

Pour l’instant, le bilan le plus prudent est celui d’un premier rapport prometteur, mais principalement porté par l’entreprise : un score en simulation, des démonstrations distinctes sur de vrais robots et une chaîne de recherche conçue pour accélérer les essais. Les prochaines informations importantes seront des détails techniques et des résultats permettant de voir comment les performances se maintiennent au-delà de l’entrée au classement et des tâches montrées.