Une « Matrix » pour les robots : Sanja Fidler fonde Veeda AI

Veeda AI veut entraîner les robots dans des mondes simulés générés par des world models, afin de multiplier les essais sans mobiliser de matériel réel.

Faire apprendre un geste à un robot dans le monde réel revient à donner un coût matériel à chacune de ses erreurs. Une mauvaise trajectoire peut endommager une pièce, interrompre une ligne de production ou mettre une personne en danger. L’expérience reste également difficile à accélérer : un bras robotisé ne peut tester qu’un nombre limité d’actions pendant une heure réelle.

Veeda AI veut déplacer cette phase d’apprentissage dans des environnements simulés générés par des world models. La société est cofondée par Sanja Fidler avec Zan Gojcic et Huan Ling, trois chercheurs ayant travaillé ensemble chez NVIDIA sur la vision 3D, la reconstruction de scènes, la simulation et les modèles génératifs appliqués à l’IA physique.

Leur point de départ est que l’intelligence incarnée ne progressera pas uniquement par imitation. Les démonstrations humaines apprennent à une machine à reproduire les gestes présents dans les données, mais couvrent difficilement toutes les erreurs, variations et situations inhabituelles auxquelles elle sera confrontée. Veeda veut permettre aux robots d’agir, d’observer les conséquences, d’échouer puis de recommencer.

Cette boucle existe déjà dans plusieurs formes d’apprentissage robotique. La différence revendiquée tient à son passage à l’échelle. Dans une simulation, plusieurs versions d’un même robot peuvent tester simultanément des stratégies différentes, accélérer le temps et rencontrer des scénarios rares sans user de matériel. Une tâche réalisée une seule fois dans un atelier peut ainsi être rejouée avec d’autres objets, positions, éclairages, obstacles ou comportements.

Les plateformes de simulation traditionnelles permettent déjà d’entraîner et d’évaluer des robots dans des environnements virtuels. Elles reposent cependant souvent sur des scènes 3D, des propriétés physiques et des scénarios construits à l’avance. Leur diversité dépend alors du temps consacré à fabriquer chaque environnement et à programmer les variations.

Veeda se positionne sur cette couche de fabrication. Ses futurs world models multimodaux doivent apprendre à partir de grandes quantités de données issues de capteurs et du monde physique, puis générer des environnements suffisamment variés et cohérents pour accueillir un agent incarné. La société parle de mondes virtuellement illimités dans lesquels une intelligence robotique pourrait explorer plusieurs façons d’accomplir une tâche.

Un world model destiné à la robotique ne peut toutefois pas se limiter à produire une scène visuellement crédible. Il doit conserver l’état des objets, représenter les distances, les contacts et les mouvements, puis anticiper les conséquences d’une action. Si un robot pousse une caisse, saisit un outil ou heurte un obstacle, l’environnement doit évoluer de manière cohérente et fournir des observations compatibles avec ses capteurs.

L’ambition couvre l’entraînement, mais aussi l’évaluation. Une même simulation pourrait confronter plusieurs modèles robotiques à des situations comparables, mesurer leur capacité à récupérer après une erreur et rechercher les cas limites avant un déploiement réel. Les applications visées concernent notamment la logistique, la fabrication, la construction et le transport de personnes ou de marchandises.

Le parcours des fondateurs place Veeda dans la continuité directe des travaux de NVIDIA sur les world models. Sanja Fidler a dirigé la recherche en IA et le Spatial Intelligence Lab du groupe à Toronto. Elle est également professeure associée à l’Université de Toronto et compte parmi les membres fondateurs du Vector Institute.

Zan Gojcic a dirigé des recherches consacrées à la reconstruction d’environnements complets à partir de données de capteurs, avec un parcours en vision 3D et traitement des nuages de points. Huan Ling a piloté des équipes travaillant sur les world models génératifs et les modèles fondamentaux haute fidélité. Il a notamment contribué à NVIDIA Cosmos, une plateforme conçue pour la simulation, les véhicules autonomes et la robotique.

Cette proximité scientifique constitue la principale information concrète disponible à ce stade. Veeda ne publie encore ni modèle, ni démonstration, ni benchmark, ni documentation technique. La nature des données d’entraînement, la représentation utilisée pour les environnements et les modalités d’accès restent également inconnues.

Le passage de la simulation au monde réel demeure par ailleurs un obstacle central. Une scène virtuelle peut paraître cohérente tout en reproduisant imparfaitement les contacts, les frottements, la résistance des matériaux ou le comportement des capteurs. Plus le robot exploite une approximation propre à la simulation, plus son comportement risque de se dégrader lorsqu’il rencontre une machine, un sol ou un objet réel.

Veeda est soutenue par Khosla Ventures et Radical Ventures, sans montant de financement communiqué. La jeune société recrute dans quatre implantations, à Toronto, Zurich, Mountain View et Singapour. Son projet reste pour l’instant une infrastructure de recherche en construction : fabriquer un terrain d’apprentissage assez vaste pour que les robots puissent y commettre des millions d’erreurs avant que la première ne se produise dans le monde physique.