Physical Intelligence π0.7

2026-04-16 · Éditeur : Physical Intelligence · Domaine : Robotique

Physical Intelligence publie ses travaux sur π0.7, un modèle qui, selon l'entreprise, fait réaliser à des robots des tâches jamais apprises, guidées pas à pas en langage naturel, avec des « premiers signes » de généralisation.

### Ce qui change Le 16 avril 2026, Physical Intelligence publie de nouveaux travaux de recherche sur π0.7. Selon l'entreprise, relayée par TechCrunch, ce modèle peut diriger des robots dans des tâches pour lesquelles ils n'ont jamais été explicitement entraînés, une capacité qui a surpris ses propres chercheurs. ### Caractéristiques - **Généralisation compositionnelle** : au lieu de mémoriser chaque tâche, le modèle recombine des compétences acquises pour résoudre des problèmes nouveaux. - **Guidage en langage naturel** : un opérateur peut accompagner le robot pas à pas dans une tâche inconnue ; Sergey Levine, cofondateur, explique que le système fonctionne alors plutôt bien. - **Comparaison** : faute de bancs d'essai standardisés en robotique, l'équipe compare π0.7 à ses propres modèles spécialisés ; le modèle généraliste égale leurs performances sur la préparation de café, le pliage de linge et le montage de cartons (résultats publiés par l'éditeur). - **Prudence** : l'article parle de « premiers signes » de généralisation et de « démonstrations initiales » ; il s'agit de résultats de recherche, pas d'un produit déployé. ### Pourquoi c'est important La robotique apprise fonctionnait jusqu'ici par « apprentissage par cœur » : collecter des données pour une tâche, entraîner un spécialiste, recommencer. π0.7 suggère un point d'inflexion comparable à celui des grands modèles de langage, où les capacités se combinent au-delà de ce que les données laissent prévoir. ### À retenir Après π0, π0.5 et π*0.6, Physical Intelligence vise la généralisation à des tâches inédites ; la validation externe reste à faire.

Tags : VLA, Généralisation, Physical Intelligence, Guidage par le langage