Aller au contenu principal

Cotées

, accueil
FREN

GuideGuides

Quatre cerveaux de robots à télécharger : licences, machine exigée et limites du mot « ouvert »

Quatre modèles qui commandent un robot à partir d’images et d’une consigne écrite sont téléchargeables : GR00T N1.7, π0, SmolVLA et OpenVLA. Leurs licences, la machine qu’ils exigent quand l’éditeur la précise, et ce que « ouvert » ne garantit pas, d’après les pages des éditeurs lues le 8 novembre 2026.

Publié le · 7 min de lecture · 10 sourcesRédigé avec l’IA · faits vérifiés contre les sources

Ce qu’un « cerveau » de robot fait, concrètement

Les quatre modèles de ce guide sont des modèles « vision-langage-action », ou Modèle qui prend en entrée des images et une consigne en langage naturel et produit directement les actions d’un robot.Lire l’entrée du lexique : ils reçoivent des images de caméras, parfois l’état du robot (la position de ses articulations) et une consigne écrite, et ils rendent des actions, c’est-à-dire des commandes pour les moteurs. NVIDIA décrit GR00T ainsi : images, texte et état du robot en entrée, vecteurs d’actions continues en sortie. Hugging Face décrit SmolVLA de la même façon.

Ce « cerveau » n’est qu’une couche du robot. Pour le Unitree G1, le dépôt de GR00T N1.7 décrit un montage où le modèle ne commande pas les articulations directement : il prédit des jetons d’action compacts qu’un contrôleur de tout le corps, lui aussi appris, traduit en commandes pour les jambes, les bras et les mains.

GR00T N1.7 de NVIDIA : le modèle que NVIDIA destine aux humanoïdes

NVIDIA présente GR00T N1.7 comme un modèle ouvert pour des compétences généralistes de robots humanoïdes, de 3 milliards de paramètres. Selon le dépôt, il a été entraîné sur un mélange de données de robots à deux bras, de semi-humanoïdes et d’humanoïdes, avec 20 000 heures de vidéos de personnes (jeu EgoScale). Pour l’adapter à un robot précis, on poursuit l’entraînement avec les données de ce robot.

Côté machine, NVIDIA indique qu’il faut pour l’inférence un processeur graphique (GPU) de 16 Go de mémoire ou plus, par exemple une RTX 4090 ou une carte embarquée Jetson AGX Thor ou Orin, et recommande 40 Go ou plus pour l’adapter à son robot. Les deux pages de NVIDIA ne donnent pas les mêmes vitesses. Le dépôt annonce environ 40 Hz sur une RTX PRO 6000 Blackwell Server Edition et environ 28 Hz sur une Jetson AGX Thor réglée au maximum, avec TensorRT, sur le banc d’essai LIBERO, en traitant une seule requête à la fois. La fiche du modèle, pour 4 étapes de débruitage et une caméra, donne 35,9 Hz sur une RTX Pro 6000 Blackwell et 10,7 Hz sur une Jetson AGX Thor, toujours avec TensorRT ; les deux pages ne décrivent pas leurs conditions de mesure de la même façon. Il faut en plus une demande d’accès : le dépôt précise que la partie vision-langage de GR00T, le modèle Cosmos-Reason2-2B de NVIDIA, est hébergée sur Hugging Face en accès sur demande, et que sans cet accès le chargement échoue.

Licence : le code est sous Apache 2.0. Pour les poids, la fiche du modèle et la section licence du dépôt citent la NVIDIA Open Model License, dont Vuntum n’a pas lu les conditions. Le début du même dépôt écrit pourtant que le modèle peut faire l’objet d’une licence commerciale complète sous Apache 2.0 (« fully commercially licensable ») : à clarifier auprès de NVIDIA avant tout usage commercial.

Sur les essais, la fiche du modèle cite des tâches en simulation (9 tâches DexMG, 24 de RoboCasa, 24 d’humanoïde GR-1 simulé) et des essais sur robot réel : rangement de courses, objets jamais vus à l’entraînement, coordination industrielle de plusieurs robots avec passage d’objets. La fiche définit ces essais en renvoyant à un livre blanc, celui de GR00T N1, que Vuntum n’a pas lu : ce guide ne donne donc aucun taux de réussite.

π0 et π0.5 de Physical Intelligence : ouverts, mais π0 a d’abord été conçu pour les robots de l’éditeur

Le dépôt openpi, publié par l’équipe de Physical Intelligence, contient trois modèles : π0, π0-FAST et π0.5. Chacun est fourni en version de base, entraînée sur plus de 10 000 heures de données de robots, avec des exemples pour l’utiliser tel quel ou l’affiner.

Mémoire exigée par le dépôt, sur un GPU NVIDIA : plus de 8 Go pour l’inférence (une RTX 4090 en exemple), plus de 22,5 Go pour un affinage léger (LoRA), plus de 70 Go pour un affinage complet (A100 80 Go ou H100). Le dépôt a été testé sous Ubuntu 22.04 seulement. Son code est sous licence Apache 2.0 ; le README lu ne précise pas la licence des poids.

L’éditeur prévient lui-même : le dépôt est « une expérience », π0 a été conçu pour ses propres robots, différents des plateformes courantes, et il ne s’attend pas à ce que chaque tentative d’adaptation réussisse. Sa formule : « π0 peut marcher ou non pour vous » (traduction Vuntum).

SmolVLA de Hugging Face : un petit modèle, pour une machine ordinaire selon l’éditeur

SmolVLA compte 450 millions de paramètres, soit près de sept fois moins que GR00T N1.7. Sa fiche indique la licence Apache 2.0 et le présente comme un modèle de base à adapter à son usage. Hugging Face dit l’avoir préentraîné uniquement sur des jeux de données partagés par la communauté sous licences compatibles, et le dit assez petit pour tourner sur processeur, s’entraîner sur un seul GPU grand public, voire sur un MacBook (formule de l’éditeur).

Hugging Face affirme aussi qu’il égale ou dépasse des modèles bien plus gros en simulation (LIBERO, Meta-World) et sur des tâches réelles : c’est l’affirmation de l’éditeur, que Vuntum n’a pas vérifiée. Les essais réels cités portent sur des bras SO100 et SO101, un matériel que Hugging Face juge très abordable, pas sur des humanoïdes.

OpenVLA : une licence à vérifier

OpenVLA 7B compte 7,54 milliards de paramètres d’après les métadonnées de sa page Hugging Face, qui affiche « 8B ». Il a été entraîné sur 970 000 trajectoires de manipulation tirées du jeu Open X-Embodiment, et sa première version date de juin 2024. Son code est sous licence MIT.

Pour les poids, les deux pages ne disent pas la même chose. La fiche Hugging Face écrit que tous les points de contrôle d’OpenVLA sont publiés sous licence MIT. Le dépôt GitHub avertit au contraire que ces modèles peuvent hériter des restrictions de leurs modèles de base et que, dérivés de Llama-2, ils sont soumis à la licence communautaire de Llama. Faute de pouvoir trancher, Vuntum ne donne pas de réponse : un usage commercial demande de lire les deux pages.

Les cerveaux que les pages lues ne proposent pas en téléchargement : Helix de Figure et Gemini Robotics de DeepMind

Figure a présenté Helix le 20 février 2025. D’après cette présentation, il commande tout le haut du corps d’un humanoïde (35 Nombre de paramètres indépendants nécessaires pour décrire complètement la position d’un robot.Lire l’entrée du lexique, à 200 Hz) et tourne entièrement à bord, sur deux GPU embarqués à basse consommation. Figure le décrit comme un ensemble d’un modèle de 7 milliards de paramètres qui comprend la scène et la consigne, et d’un modèle de 80 millions qui pilote les mouvements. Selon Figure, il a été entraîné sur environ 500 heures de comportements téléopérés. La page lue ne propose ni téléchargement ni licence ; elle précise que le premier de ces deux modèles repose sur un modèle de langage et d’images ouvert, aux poids publics.

Google DeepMind présente Gemini Robotics 2 comme son modèle vision-langage-action (VLA) le plus avancé, « capable de commander intelligemment tout type de robot, des bras doubles aux humanoïdes complets » (traduction Vuntum), associé à un modèle de raisonnement (ER 2) et à une version « optimisée pour tourner localement sur les appareils robotiques » (On-Device 2). Pour tester ses modèles, DeepMind propose une liste d’attente pour un accès anticipé (ER 2 affiche aussi un bouton d’essai) ; il dit travailler avec plus de 100 « testeurs de confiance » et cite trois partenaires de recherche : Agile Robots, Apptronik et Boston Dynamics.

Ce que « ouvert » ne veut pas dire

Notre lecture : un modèle téléchargeable n’est pas un robot qui travaille chez vous. Le flux de travail documenté par NVIDIA pour le G1 passe par la collecte de démonstrations par Commande d’un robot à distance par un opérateur humain, en direct, à l’aide d’une interface dédiée.Lire l’entrée du lexique en réalité virtuelle, puis l’affinage du modèle sur ces données, puis le déploiement. NVIDIA écrit aussi que l’intégration d’un tel modèle dans un système demande des tests propres à chaque usage avant déploiement, pour garantir la sécurité et l’efficacité.

Notre lecture, toujours : ces modèles sont des briques pour des équipes techniques. Un acheteur n’en active aucun d’un clic, et le fait qu’un constructeur utilise un modèle ouvert ne dit rien de ce que son robot fait seul.

Trois questions à poser devant l’annonce d’un nouveau modèle

Les poids sont-ils téléchargeables, et sous quelle licence ? Les quatre premiers le sont (GR00T après une demande d’accès), sous des licences différentes et parfois contradictoires d’une page à l’autre ; pour Helix et Gemini Robotics, les pages lues ne proposent aucun téléchargement.

Où le modèle tourne-t-il, sur le robot ou sur un serveur ? GR00T est mesuré sur une carte Jetson mais son dépôt décrit aussi un fonctionnement sur serveur, openpi propose l’inférence à distance, Helix tourne à bord selon Figure, et DeepMind décrit une version conçue pour tourner en local. Pour un robot chez soi, la réponse touche, selon nous, à la vie privée et au fonctionnement sans connexion.

Mesuré où, et sur quel robot ? Une simulation, un bras de laboratoire et un humanoïde en conditions réelles ne prouvent pas la même chose. Ces trois questions sont les nôtres, pas celles des éditeurs cités.

Ce que Vuntum a lu, et ce qu’il n’a pas fait

Toutes les pages citées ont été lues le 8 novembre 2026 : dépôts de code, fiches de modèles et pages de présentation des éditeurs. Vuntum n’a fait tourner aucun de ces modèles et n’a refait aucune mesure : les tailles, les mémoires et les vitesses sont celles des éditeurs ou de leurs pages, sans mesure indépendante. Les licences et les versions changent : avant tout usage, lire les textes de licence à jour et, en cas de contradiction, interroger l’éditeur.

Sources

  1. NVIDIA, dépôt Isaac-GR00T (README de GR00T N1.7), lu le 8 novembre 2026 · github.com
  2. NVIDIA, fiche du modèle GR00T-N1.7-3B sur Hugging Face, lu le 8 novembre 2026 · huggingface.co
  3. Physical Intelligence, dépôt openpi (README), lu le 8 novembre 2026 · github.com
  4. Physical Intelligence, licence du dépôt openpi, lu le 8 novembre 2026 · github.com
  5. Hugging Face, fiche du modèle SmolVLA (lerobot/smolvla_base), lu le 8 novembre 2026 · huggingface.co
  6. Hugging Face, article de blog de présentation de SmolVLA, lu le 8 novembre 2026 · huggingface.co
  7. Dépôt OpenVLA (README, section sur les licences), lu le 8 novembre 2026 · github.com
  8. Fiche du modèle openvla-7b sur Hugging Face, lu le 8 novembre 2026 · huggingface.co
  9. Figure, article du 20 février 2025 sur Helix, lu le 8 novembre 2026 · figure.ai
  10. Google DeepMind, page de présentation de Gemini Robotics, lu le 8 novembre 2026 · deepmind.google

À lire aussi

Et ensuite

Histoire suivanteDes robots humanoïdes testés dans une usine de chaussures : la start-up chinoise CASBOT lève des fondsBrève ·

Notre méthodePolitique de correctionSignaler une erreur