Des chercheurs de la Faculté de Génie Électrique du KAIST, dirigés par le professeur Yoo Chang-dong, ont développé VOTP (Video Optimal TransPort), une technologie d'apprentissage révolutionnaire pour l'IA physique qui extrait des critères d'évaluation basés sur l'intention humaine à partir d'un nombre limité d'exemples vidéo. La recherche a été sélectionnée comme présentation majeure pour ICML 2026.
VOTP résout un goulot d'étranglement fondamental de l'IA physique : la conception de fonctions de récompense précises qui déterminent le succès ou la sécurité des actions physiques. Traditionnellement, cela nécessite une ingénierie manuelle extensive ou un retour humain constant. VOTP automatise le processus en analysant les schémas comportementaux de haut niveau dans des vidéos d'exemple 'bonnes' et 'mauvaises', puis en dérivant des critères applicables à des actions nouvelles.
Le cadre fonctionne sur diverses interfaces matérielles, y compris les robots humanoïdes, les bras robotiques chirurgicaux et les systèmes de navigation autonome dans les usines intelligentes. En apprenant les intentions humaines à partir de données visuelles minimales, VOTP réduit considérablement la charge d'entraînement pour les tâches robotiques complexes.
