À Singapour, NVIDIA et ses partenaires testent des robots pilotés par des modèles VLA pour l’Asie du Sud-Est
← Retour aux actualitésInterpréter une consigne en thaï pour trier des colis dans un entrepôt. Adapter sa force de préhension en fonction de la fragilité d’un objet, même s’il n’a jamais rencontré ce type d’objet pendant son entraînement. Collaborer avec des humains en suivant des instructions orales ou textuelles dans leur langue maternelle.
📑 Sommaire
💡 En 3 points clés
- Interpréter une consigne en thaï pour trier des colis dans un entrepôt.
- Adapter sa force de préhension en fonction de la fragilité d’un objet, même s’il n’a jamais rencontré ce type d’objet pendant son entraînement.
- Collaborer avec des humains en suivant des instructions orales ou textuelles dans leur langue maternelle.
Des modèles VLA pour des robots polyglottes et adaptables
Les modèles Vision-Langage-Action (VLA) comme ceux de la famille NVIDIA Nemotron ne se contentent plus de comprendre des instructions en anglais. Lors de l’AI Day Singapore 2026, NVIDIA et ses partenaires ont montré comment ces modèles, fine-tunés sur des jeux de données régionaux, permettent à des robots de manipuler des objets ou d’exécuter des tâches en suivant des consignes dans des langues locales — comme le vietnamien, le thaï ou le malais.
Par exemple, le modèle Nemotron 3 Nano Omni combine vision, audio et langage pour des applications multimodales, tandis que Nemotron 3 Super supporte des raisonnements complexes et des workflows agentiques. Ces capacités sont déjà testées par des agences comme Singapore’s HTX, qui explore leur utilisation pour des scénarios de sécurité publique, ou par NCS, qui les intègre dans des prototypes de robots humanoïdes pour des tâches industrielles.
Des robots entraînés sur des données synthétiques locales
Pour éviter les biais culturels ou linguistiques, NVIDIA fournit des persona datasets synthétiques reflétant les populations, langues et environnements de travail asiatiques. Ces jeux de données, combinés à des outils comme NVIDIA NeMo, permettent d’adapter les modèles VLA à des contextes spécifiques sans nécessiter des volumes massifs de données réelles.
En Thaïlande, le modèle Thanoy — un assistant juridique basé sur Nemotron 3 Nano fine-tuné avec des données légales thaïlandaises — sert déjà 43 000 utilisateurs. En Malaisie, YTL AI Labs utilise ces mêmes modèles pour des services citoyens, tandis qu’au Vietnam, Viettel AI a atteint le meilleur score sur le benchmark VMLU avec un Nemotron 3 Super adapté au vietnamien.
Des robots humanoïdes en simulation avant le terrain
L’événement a aussi mis en lumière des avancées en robotique physique, avec des démonstrations de robots humanoïdes entraînés via des politiques VLA dans des environnements simulés. Lors d’un atelier pratique, les participants ont pu configurer un environnement avec NVIDIA Isaac Lab-Arena, post-entraîner une politique de préhension (pick-and-place) et évaluer ses performances en boucle fermée.
Ces simulations, basées sur des frameworks comme NVIDIA Isaac GR00T, permettent de valider des comportements robotiques avant leur déploiement en conditions réelles. Les cas d’usage incluent la manipulation d’objets dans des environnements industriels ou la collaboration homme-robot pour des tâches logistiques.
Vers un déploiement à l’échelle industrielle
Les projets présentés restent pour l’instant en phase pilote, mais les partenaires visent un passage à l’échelle d’ici 2027. Sea Limited, déjà utilisateur de l’infrastructure NVIDIA Vera Rubin, prévoit d’étendre ses capacités d’IA agentique pour optimiser ses plateformes (Shopee, Monee) et améliorer l’accès aux services financiers pour les PME asiatiques.
Côté robotique industrielle, ST Engineering utilise NVIDIA NeMo et cuOpt pour développer des solutions d’IA agentique dans ses activités de maintenance navale, tandis que AS-TECH en Thaïlande applique des modèles NVIDIA Cosmos pour optimiser la gestion des flux de passagers dans les aéroports.
Ce qui change vraiment : des robots qui comprennent le contexte local
Contrairement aux robots industriels classiques, limités à des tâches prédéfinies, ces prototypes intègrent une couche de compréhension contextuelle. Un robot formé avec un modèle VLA régional peut, par exemple :
Ces capacités, encore en phase de validation, pourraient réduire les coûts de déploiement de la robotique dans des secteurs comme la logistique, la santé ou les services publics — des domaines où les barrières linguistiques et culturelles freinent actuellement l’adoption.