Un canard bipède à 399 dollars apprend ses mouvements en simulation

Microduck est un robot bipède ouvert de 25 cm dont les mouvements peuvent être réentraînés en simulation puis déployés sur sa puce embarquée.

Vingt-cinq centimètres, 800 grammes et une démarche de canard : le nouveau robot de Pollen Robotics privilégie une silhouette ludique pour rendre l’apprentissage par renforcement plus concret. Microduck arrive déjà capable de marcher, se relever, s’asseoir, saisir de petits objets avec son bec ou se déplacer sur des roulettes. Sa principale fonction ne consiste toutefois pas à exécuter ces tours, mais à permettre de les modifier et d’en créer de nouveaux.

Les précommandes ouvrent le 27 août 2026 au prix de 399 dollars, hors taxes et frais de livraison. Pollen Robotics annonce les premières expéditions avant Noël 2026, sans encore publier de calendrier détaillé par pays.

La boîte comprend le robot, une batterie, un câble USB-C et une manette. Microduck peut donc être utilisé sans lancer un entraînement ni écrire de code. La manette permet de le diriger, d’orienter sa tête, d’abaisser son corps et de déclencher ses différents mouvements.

Sept comportements entraînés sont annoncés au lancement. Le robot peut marcher en suivant une vitesse demandée, alterner entre les positions assise et debout, frapper une petite balle, descendre son bec jusqu’au sol pour ramasser un objet, effectuer une roulade, se relever après une chute et se déplacer lorsque des roulettes sont fixées sous ses pieds.

Ces actions ne forment pas un programme unique. Chacune repose sur une politique de contrôle pouvant être remplacée par une nouvelle version. Dans ce contexte, une politique est un petit réseau neuronal qui reçoit l’état du robot et détermine les mouvements à envoyer aux moteurs.

Le système embarqué fonctionne sur un Rockchip RK3566, une puce habituellement utilisée dans de petits ordinateurs et appareils connectés. Elle exécute localement les politiques exportées au format ONNX, sans avoir besoin d’interroger un modèle distant à chaque mouvement.

La boucle de contrôle fonctionne à 50 Hz. Cinquante fois par seconde, le robot récupère notamment la position de ses articulations et son orientation, transmet ces informations à la politique active, puis applique les commandes autorisées aux moteurs.

Microduck possède quinze servomoteurs reliés au même bus. Quatorze articulations sont directement décrites dans l’environnement d’entraînement : cinq pour chaque jambe et quatre pour le cou et la tête. Le mouvement du bec complète cet ensemble et peut être commandé indépendamment de la politique de locomotion.

Cette répartition permet au robot de bouger la tête sans interrompre sa marche, mais également de changer de comportement sans réinitialiser toute sa commande. Une politique peut gérer le déplacement, une autre le retour en position debout et une troisième un mouvement ponctuel comme une roulade.

Les politiques partagent une structure d’observation commune comprenant 61 valeurs. Quarante-huit décrivent l’état interne du robot. Les autres correspondent aux commandes de déplacement, à la pose demandée pour la tête et à celle du corps. Cette compatibilité permet au système embarqué de remplacer une politique par une autre pendant son fonctionnement.

Le robot dispose également d’une caméra, de capteurs de mouvement et d’un système de mesure de profondeur placé dans la tête. La documentation décrit une matrice ToF de 8 sur 8 zones, capable d’estimer la distance des objets situés devant le bec. Pollen présente cet équipement comme un LiDAR miniature.

La présence de ces capteurs ne transforme pas automatiquement Microduck en agent autonome capable de comprendre une pièce ou de choisir seul une tâche. Les mouvements livrés sont principalement déclenchés depuis la manette ou une commande logicielle. La caméra et la mesure de profondeur fournissent surtout une base permettant aux développeurs de créer leurs propres expériences de perception.

Certaines démonstrations restent volontairement simples. La politique chargée de frapper une balle, par exemple, ne détecte pas sa position : elle exécute le mouvement attendu lorsque l’utilisateur place la balle correctement et déclenche l’action. Les vidéos montrent donc les capacités mécaniques et le contrôle du corps, pas encore une compréhension générale de l’environnement.

Le principe central consiste à entraîner les mouvements dans une copie simulée du robot. L’environnement publié par Pollen repose sur MuJoCo Warp et PPO, une méthode d’apprentissage par renforcement dans laquelle le système essaie de nombreuses actions, reçoit des récompenses lorsqu’il se rapproche de l’objectif et ajuste progressivement son comportement.

Pour apprendre à marcher, des milliers de Microduck virtuels peuvent évoluer en parallèle. La commande proposée dans le dépôt lance 4 096 environnements simultanés. Pollen estime qu’une à deux heures sur une carte graphique compatible CUDA suffisent pour obtenir une première démarche utilisable, sans promettre qu’elle sera immédiatement aussi stable que les politiques livrées.

Une personne ne possédant pas de carte adaptée peut envoyer l’entraînement vers Hugging Face Jobs. Cette option déplace le calcul dans le cloud, mais peut entraîner des frais selon la machine et la durée choisies. Le robot lui-même n’effectue donc pas le lourd travail d’apprentissage : il exécute la politique obtenue une fois celle-ci exportée.

Cette distinction limite le caractère immédiat de la formule « apprenez-lui de nouveaux tours ». Il ne suffit pas de montrer un mouvement au robot ou de lui donner une instruction en langage naturel. La création d’un comportement demande de définir une tâche, des observations, des objectifs, des récompenses et différentes conditions d’entraînement.

Le simulateur doit également approcher suffisamment la mécanique réelle. Une démarche stable dans un monde virtuel peut échouer sur le robot en raison du poids, des frottements, du jeu dans les engrenages, d’un délai de commande ou de la baisse de tension de la batterie.

Pour réduire cet écart, l’environnement fait varier les propriétés physiques pendant l’entraînement. La tension, l’affaissement de l’alimentation sous