Guides
Physical AI, Embodied AI et robotique : quelles différences ?
Robotique, Physical AI, Embodied AI et modèles vision-langage-action décrivent des couches différentes d'un système capable d'agir.
La robotique est le domaine le plus large
La robotique réunit la mécanique, l'électronique, les capteurs, les logiciels de commande et les règles de sécurité nécessaires à une machine physique. Un robot peut fonctionner avec des automatismes classiques sans utiliser les modèles d'intelligence artificielle les plus récents.
Une ligne industrielle répétant une trajectoire programmée reste donc de la robotique. Le mouvement peut être très précis et très utile sans que la machine interprète librement une consigne ou adapte sa stratégie à une situation nouvelle.
Physical AI met l'accent sur l'action dans le réel
Physical AI désigne plus particulièrement les systèmes qui utilisent des modèles pour percevoir, comprendre ou décider avant d'agir dans le monde physique. NVIDIA décrit une chaîne allant des données de capteurs à des actions exécutables par une machine autonome.
Cette expression couvre potentiellement plusieurs formes de robots et même des véhicules. Elle ne signifie pas que la machine est humanoïde. Elle ne précise pas non plus quelle part du travail est réellement autonome ou combien d'interventions humaines restent nécessaires.
Embodied AI insiste sur le corps et l'environnement
Embodied AI, ou intelligence incarnée, souligne que l'intelligence se manifeste à travers un corps situé dans un environnement. Les possibilités du système dépendent de ses caméras, de ses articulations, de sa forme et des contacts qu'il peut établir.
Google DeepMind emploie « embodied reasoning » pour un modèle qui comprend des relations spatiales et prépare des actions robotiques. Son annonce distingue Gemini Robotics-ER, consacré au raisonnement, de contrôleurs de plus bas niveau chargés de l'exécution.
Cette distinction évite de parler d'une intelligence unique qui ferait tout. Reconnaître une tasse, décider de la saisir, calculer une trajectoire et commander les moteurs sont des problèmes liés mais différents.
Les modèles vision-langage-action ajoutent une autre couche
Un modèle vision-langage-action reçoit des images et des consignes, puis produit des informations destinées à l'action. Google DeepMind présente Gemini Robotics sous cette forme. Skild AI décrit S1 comme un modèle de fondation robotique capable d'utiliser une vidéo de démonstration comme contexte.
Ces noms décrivent des approches logicielles. Ils ne remplacent pas la description du robot, de la tâche et des conditions d'essai. Un modèle compatible avec plusieurs corps doit encore être intégré et vérifié sur chaque matériel.
Comment lire une annonce sans confondre les termes
Il faut d'abord identifier ce qui est présenté : un robot complet, un modèle logiciel, un contrôleur, une simulation ou une démonstration. Il faut ensuite chercher le lien entre la consigne et les moteurs, puis repérer le rôle d'une éventuelle supervision humaine.
Enfin, une capacité annoncée doit être séparée de son niveau de preuve. Une vidéo publiée par le concepteur montre un exemple ; un essai reproductible, un rapport indépendant ou un retour prolongé apportent d'autres informations.
Robotique, Physical AI et Embodied AI se recouvrent donc sans être interchangeables. La robotique décrit le système physique complet ; Physical AI met l'accent sur une intelligence capable d'agir ; Embodied AI rappelle que cette intelligence dépend du corps et du monde dans lequel il évolue.
