NTT a présenté le 11 novembre 2026 un nouveau « world model » basé sur la physique, capable d’évaluer plusieurs actions potentielles d’un robot avant qu’il ne les exécute. L’objectif est de réduire les incidents fréquents dans la manipulation d’objets – chute d’articles, effondrement de charges – qui limitent encore la fiabilité des systèmes autonomes.
Le test réalisé avec un petit robot chargé de placer des boîtes sur une étagère montre une progression de 73,1 % à 92,3 % du taux de réussite. Cette hausse, obtenue sans modifier le matériel ni le contrôleur de base, provient uniquement de la couche d’évaluation ajoutée au logiciel de commande.
Comment le modèle fonctionne
Le dispositif s’insère entre le planificateur de trajectoire et le robot. Le planificateur – qu’il s’agisse d’un algorithme de motion planning classique ou d’un modèle vision‑langage‑action qui convertit une vidéo et une consigne textuelle en mouvements – propose plusieurs séquences possibles. Pour chaque séquence, le « physics control adapter » de NTT estime la position, l’orientation, la vitesse et même la masse des objets visibles à partir de la vidéo d’entrée. Il applique ensuite les lois de la mécanique newtonienne pour projeter la scène plusieurs images dans le futur.
Le résultat est une petite vidéo synthétique qui montre ce qui se passerait si le robot exécutait l’action proposée. Un module d’évaluation détecte les collisions, les chutes d’objets ou le risque d’effondrement de la charge et attribue un score de probabilité de succès. Le contrôle choisit alors l’alternative la mieux notée.
Cette approche contraste avec les modèles de monde classiques, qui apprennent uniquement à partir de grandes quantités de données et ne représentent pas explicitement les propriétés physiques. Ces modèles peuvent générer des objets qui « disparaissent » ou se déforment de façon irréaliste, ce qui rend les prédictions de collision peu fiables, surtout dans des contextes où les données d’TrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances. sont rares.
Premiers cas d’usage et perspectives
Le scénario pilote visé par NTT est le chargement et le déchargement automatisé des bagages dans les aéroports. La variété des formes, des poids et des empilements rend difficile la prédiction a priori de la stabilité d’une pile. Collecter des milliers d’exemples pour chaque type de bagage serait prohibitif. En s’appuyant sur l’évaluation physique avant exécution, le système pourrait éviter les incidents sans recourir à un apprentissage exhaustif.
NTT prévoit des essais sur le terrain avec Mujin, Inc., un fournisseur de solutions de robotique industrielle, afin de vérifier si le gain observé sur le banc d’essai se répercute dans un environnement aéroportuaire réel. Au‑delà des bagages, l’entreprise envisage des applications dans la logistique, l’entreposage, la fabrication, la construction et le commerce de détail, où la réduction du besoin de main‑d’œuvre et l’augmentation de la productivité sont des objectifs stratégiques.
Performances sur des jeux de données publics
Pour valider la capacité de son modèle à anticiper les mouvements physiques, NTT l’a testé sur le benchmark public OBJ3D, qui regroupe des vidéos synthétiques d’objets en collision. Le critère LPIPS (Learned Perceptual Image Patch Similarity) mesure la distance perceptuelle entre la vidéo prédite et la vidéo réelle ; plus la valeur est basse, plus la prédiction est proche de la réalité. NTT rapporte des scores inférieurs à ceux des méthodes conventionnelles, indiquant une meilleure correspondance avec la perception humaine.
Limites et prochains défis
Si les premiers résultats sont encourageants, le passage du laboratoire à la production implique plusieurs défis. La précision des estimations de masse à partir d’une simple vidéo reste un point sensible ; une mauvaise évaluation peut entraîner un score trompeur. De plus, le calcul en temps réel de plusieurs scénarios vidéo nécessite une puissance de calcul non négligeable, ce qui peut contraindre l’intégration sur des robots aux ressources limitées.
Les essais à l’aéroport permettront de vérifier la robustesse du système face à des conditions d’éclairage variables, à des objets partiellement occultés et à des flux de bagages très rapides. Le succès de ces expérimentations déterminera si la technologie pourra être commercialisée à grande échelle ou restera un prototype de démonstration.
En résumé, le modèle physique de NTT propose une méthode originale pour « penser avant d’agir » dans la robotique, en combinant prévision visuelle et raisonnement physique. Si les essais futurs confirment sa capacité à réduire les incidents dans des contextes industriels réels, il pourrait devenir un composant clé des solutions d’automatisation de demain.




