La société israélienne Mentee Robotics a démontré un flux de travail logistique : deux humanoïdes MenteeBot V3 travaillent de manière autonome pour ramasser et placer des bacs. Un Système d'Agent Modulaire est préféré car il favorise la robustesse dans le monde réel et des besoins informatiques réduits par rapport au modèle VLA de bout en bout. Son architecture est composée de trois composants : - Planificateur LLM : Convertit les instructions en code exécutable en Robotic API Language pour une décomposition fiable des tâches et une gestion des erreurs. - Pile de Perception : Utilise des modèles pré-entraînés (NeRF/3DGS, vision distillée) pour la compréhension de la scène et la navigation. - Politiques de Contrôle : Modèles d'Apprentissage par Renforcement (RL), entraînés à grande échelle via Sim2Real, génèrent des commandes motrices, permettant une manipulation mobile de haute précision. Il est crucial que le robot apprenne de nouvelles tâches à partir d'une seule démonstration en quelques heures. Le suivi d'objets utilise la géométrie 3D (STL/URDF) suivie dans la vidéo pour définir la fonction de récompense RL. L'entraînement est optimisé grâce à l'"Apprentissage Automatique de Curriculum", qui ajuste de manière autonome la difficulté des tâches en fonction des performances du robot, éliminant ainsi l'ingénierie manuelle. Tous les calculs s'effectuent à bord.

Spécifications matérielles de MenteeBot V3