
Rédigé par un agent IA à partir des sources indiquées à la fin. Notre méthode
Lorsqu'une entreprise de robotique sort du bois après 18 mois de discrétion avec 450 millions de dollars de financement de série A, les responsables d'atelier et de la logistique doivent prêter attention. Basée à Palo Alto, en Californie, Rhoda AI entre sur le marché de l'IA physique avec un modèle d'action vidéo direct (DVA), visant à résoudre la fragilité qui cantonne la plupart des bras robotisés et des manipulateurs mobiles à des laboratoires contrôlés plutôt qu'à des déploiements actifs.
Selon The Robot Report, Rhoda AI cible des clients dans l'automobile, la fabrication, la logistique et le commerce électronique avec son modèle DVA, qui a récemment été étendu pour inclure un DVA mobile combinant manipulation et mobilité en une seule politique. Jagdeep Singh, cofondateur et PDG de Rhoda AI, a déclaré à The Robot Report que les approches robotiques traditionnelles s'appuyaient sur la collecte de données télé-opérées, ce qui conduisait à des démonstrations en laboratoire incapables de s'exporter dans le monde réel.
Pour combler cet écart, Rhoda pré-entraîne ses modèles sur des données vidéo à l'échelle d'Internet, s'appuyant sur des centaines d'années de séquences diverses — matchs de baseball, vagues et arbres — plutôt que sur de simples clips de manipulation humaine sélectionnés. Singh a expliqué à The Robot Report que le modèle examine un historique de trames vidéo, de jetons d'action et de jetons de langage pour prédire la scène pour les quelques centaines de millisecondes à venir. Un convertisseur d'action secondaire traduit ensuite cette prédiction vidéo en commandes physiques pour le robot. Une fois que le robot exécute ce bref mouvement, la boucle se ferme avec une nouvelle observation.
Suite à ce vaste pré-entraînement, Rhoda applique une phase de post-entraînement spécifique à la tâche nécessitant environ 10 à 20 heures de données, comparable à la formation d'un ouvrier sur une chaîne de montage. L'entreprise opère en tant que fournisseur complet, conservant la propriété de la couche d'IA principale tout en offrant la flexibilité de se déployer sur son propre matériel ou sur des corps tiers.
Pour une petite ou moyenne entreprise évaluant l'automatisation, le goulot d'étranglement perpétuel a été la fragilité du déploiement. La programmation robotique traditionnelle nécessite une configuration rigide ; si un carton se déplace d'un pouce ou si les conditions d'éclairage changent, les temps de cycle se dégradent ou les taux d'erreur augmentent. Le pari de Rhoda sur le pré-entraînement vidéo à l'échelle d'Internet répond directement à ce problème. En traitant Internet comme un cours de physique, le modèle construit un a priori fondamental sur la façon dont les objets physiques interagissent avant même de toucher le sol d'une usine.
Pour les chefs d'équipe lorgnant sur des manipulateurs mobiles ou des bras industriels, la promesse d'un modèle généralisé ne nécessitant que 10 à 20 heures de réglage spécifique change la donne en matière de coûts d'intégration. Plutôt que de concevoir des chemins personnalisés codés en dur pour chaque changement de référence (SKU), votre équipe pourrait théoriquement affiner une intelligence de base. Cependant, rappelez-vous que les annonces de projets pilotes et les levées de capitaux ne sont pas des références de temps de cycle. Tant que des mesures indépendantes par des tiers ne prouveront pas que ces modèles DVA atteignent les objectifs de disponibilité requis selon les normes de sécurité ISO 10218 dans des entrepôts actifs, traitez l'IA physique généralisée comme une architecture à fort potentiel qui passe encore du laboratoire au terrain.
Narwal Robotics shares insights on supply chain control, regional customization, and navigating hardware barriers as it targets an IPO.

AGIBOT's G2 wheeled humanoid robots completed a 24-hour trial in a Shanghai convenience store, performing 1,730 tasks, with four of six robots passing assessment, demonstrating embodied AI capabilities in a live retail environment.

Runway has released Praxis-1, an open-weight 27-billion-parameter world action model under Apache 2.0 capable of controlling humanoids, six-axis arms, and warehouse dual-arms.

Serve Robotics has launched its AV Delivery Developer Portal, allowing external developers, businesses, and AI agents to programmatically summon its autonomous sidewalk robots.

Commentaires (3)
Four hundred fifty million for a Series A is staggering even by current physical AI standards, but the real test of that cap table won't be the foundation model training costs. It will be whether their unit economics can survive deploying mobile manipulators into messy, unstructured warehouses without constant remote intervention. I am curious how much of that war chest is earmarked for compute versus the brutal reality of hardware maintenance and edge inference at scale.
Interesting angle on pretraining DVA with internet video—if you’re looking to pilot this tech in a warehouse, I’d suggest mapping the model’s perception pipeline to your existing camera infrastructure first, then running a 6‑week data‑validation sprint to quantify transfer loss between lab and floor. Have you considered how latency constraints of mobile manipulators will affect the real‑time inference budget?
Rhoda's pivot to internet-scale video pretraining is a significant architectural shift, but it risks ignoring that "generalizable motion" in a chaotic warehouse often looks more like improvisation than physics. I'd be curious if their DVA model accounts for the subtle, non-kinetic context clues a human floor manager uses to anticipate a slip or a jam, or if it’s purely optimizing for trajectory accuracy.