Le fait
Le 20 août 2025, Boston Dynamics et le Toyota Research Institute (TRI) publient conjointement une avancée majeure : un Large Behavior Model (LBM) qui pilote l’humanoïde Atlas de bout en bout. Dans la vidéo, Atlas enchaîne sans coupure des tâches longues (packing, tri, organisation) en combinant marche, accroupissement, préhension et repositionnement du corps. Un seul réseau conditionné au langage commande mains et pieds — sans séparer contrôle bas niveau locomotion et bras. Co-direction : Scott Kuindersma (BD) et Russ Tedrake (TRI), fruit du partenariat de recherche lancé en octobre 2024.
Contexte
Les LBM s’appuient sur l’architecture TRI (Diffusion Policy scalée) : un Diffusion Transformer à ~450 M paramètres avec objectif flow-matching. Entrées : images tête à 30 Hz, proprioception, prompt langage ; sortie : chunks d’actions de longueur 48 (~1,6 s), dont ~24 exécutées à chaque inférence. Données multi-embodiments : Atlas complet (50 DoF), Atlas Manipulation Test Stand (29 DoF, haut du corps) et données TRI Ramen. La téléopération VR + MPC Boston Dynamics sert de flywheel de démonstrations ; la simulation co-entraîne. Exemple phare « Spot Workshop » : plier des jambes Spot, ranger des face plates, vider un bin — avec récupération face aux perturbations (pièce tombée, couvercle refermé) via re-démos, sans nouveau code.
Pourquoi ça compte
C’est la bascule de la programmation humanoïde : d’années d’ingénierie spécialisée à « si on peut le démontrer, le robot peut l’apprendre ». Tedrake le formule clairement : les approches classiques ne scalent pas à la variété de tâches que justifie l’humanoïde ; les LBM ajoutent des compétences par démos, avec de moins en moins d’exemples à mesure que le modèle grossit. Accélération à l’inférence (souvent 1,5×–2×) sans re-training, politiques multi-tâches partagées, et contrôle whole-body unifié : la voie « généraliste scalable » n’est plus un slogan R&D. Limite : encore de la recherche (pas un produit usine), dépendance à la qualité des démos et au coût du data flywheel.
Lecture Neurone21
Atlas + LBM illustre la thèse Neurone21 « généraliste data-driven > spécialistes hand-coded » pour l’humanoïde industriel. Pour décideurs FR/EU : (1) le couple BD (Hyundai) + TRI (Toyota) concentre une stack US/JP difficile à répliquer — surveiller les retombées usine Hyundai/Toyota ; (2) opportunité pour intégrateurs d’exiger des interfaces démo/téléop plutôt que des scripts figés ; (3) croiser avec Figure, Tesla Optimus et les VLA open-source sur le critère whole-body (pieds = mains). À suivre : scaling du data flywheel, RL sur VLA, données ego-centriques humaines, et bascule éventuelle Spot/Stretch vers des politiques LBM partagées.
Sources : Boston Dynamics — Large Behavior Models & Atlas · TRI — annonce LBM Atlas (20/08/2025) · Toyota USA Newsroom — general-purpose humanoids · The Robot Report — BD + TRI LBM Atlas.