Ce robot apprend un geste en 29 secondes après une seule vidéo
Un robot qui regarde une vidéo de 29 secondes et reproduit aussitôt le geste humain — sans réentraîner son réseau de neurones. C'est ce que promet la méthode HOST (Human-to-robot One-Shot Skill AcquisiTion), développée par une équipe affiliée à X Square Robot et publiée en préprint sur arXiv 2607.20033v3. Le taux de réussite actuel, 62 %, reste insuffisant pour une ligne de production, mais la vitesse d'apprentissage ouvre une piste concrète pour l'automatisation flexible.
Le principe
Plutôt que d'utiliser la démonstration comme nouvelles données d'entraînement, HOST la traite comme une « invite contextuelle ». Les poids du modèle restent figés — pas de GPU intensif, pas de campagne de fine-tuning coûteuse. Le système analyse la vidéo, évalue la progression de la tâche (déplacer un objet d'un contenant à un autre, par exemple), puis construit la séquence de mouvements correspondante du côté du robot. Une seule passe, aucune annotation manuelle.
La méthode HOST analyse une vidéo de démonstration humaine et génère la séquence de mouvements correspondante pour le robot, sans modifier les poids du modèle.
Les chiffres
Sur les benchmarks internes, HOST atteint 62 % de réussite contre 17 % en mode zéro-shot (sans aucun exemple). Il s'avère aussi 507 fois plus rapide que les méthodes classiques qui exigent une cinquantaine de démonstrations par tâche, selon arXiv 2607.20033v3. En pratique, l'acquisition d'une nouvelle compétence prend en moyenne 29 secondes.
Nuance importante : 62 % de réussite signifie qu'environ quatre tentatives sur dix échouent. Les tests ont été menés en laboratoire, avec des objets et des plateformes connus des développeurs. Le comportement de HOST face à un environnement inconnu reste à démontrer. Les seuils industriels fiables se situent entre 85 et 90 %, selon la littérature sur la fabrication flexible — rappelée notamment par Manufacturing Technology | Springer 2025.
Les tests en laboratoire montrent un taux de réussite de 62 % — un progrès significatif, mais encore en deçà des seuils requis pour une production industrielle fiable.
L'angle souveraineté
L'absence de réentraînement massif en cloud présente un avantage non négligeable dans le contexte français. Une méthode qui fonctionne à l'inférence, sans transférer de données vers des serveurs étrangers, simplifie la conformité RGPD et réduit la dépendance aux infrastructures américaines — un argument que la CNIL et les PME soucieuses de souveraineté numérique apprécieront. Des laboratoires académiques français comme l'INRIA ou les groupes d'imitation learning de l'ENS Lyon pourraient s'appuyer sur la publication open-source pour adapter HOST à des modèles locaux, selon le preprint arXiv 2607.20033v3.
Pour l'heure, aucune intégration n'est annoncée avec des distributeurs ou intégrateurs en France. Une adoption par des PME industrielles en Île-de-France ou en Occitanie est probable dans un délai de 18 à 24 mois, le temps que la fiabilité progresse. En attendant, les grands acteurs du secteur — dont LG avec son humanoïde bipède prévu pour 2027 — parient sur des pipelines complets, bien plus coûteux à déployer.