Six robots construisent la Grande Muraille avec 81 920 briques de construction à la WAIC 2026

Introduction

Lors de la Conférence mondiale sur l'intelligence artificielle de Shanghai 2026, six robots ont relevé un défi public hors du commun : assembler une grande maquette de la Grande Muraille en 81 920 micro-briques en 15 heures.

La structure finale mesure environ 3,5 mètres de long, 1,5 mètre de large et 1,1 mètre au point le plus haut. Quatre robots de bureau et deux robots humanoïdes à roues ont participé à l'opération, prenant en charge l'ensemble du processus, du placement précis des briques au transport et à l'assemblage de modules plus grands.

Selon le rapport original, ces robots fonctionnent de manière autonome, sans contrôle à distance ni script d'actions préétablies. Ils doivent percevoir l'espace de travail, décider de la prochaine action, se coordonner entre eux, détecter les erreurs de placement et corriger les écarts en cours de construction.

Un robot travaille à côté de la grande maquette de la Grande Muraille en briques.

Ce défi a été organisé par Dexmal (nom chinois : 元力灵机). L'entreprise l'a présenté comme un test public visant à vérifier si l'intelligence incarnée peut dépasser les limites des démonstrations courtes et exécuter des tâches longues, de haute précision et nécessitant une coordination physique dans un environnement d'exposition réel.

Note sur l'exactitude : Des descriptions telles que "première mondiale", "totalement autonome" ou "leader du secteur" proviennent de Dexmal ou du rapport original. Les démonstrations publiques et les documents techniques soutiennent l'ensemble du scénario, mais les sources d'information n'ont pas fourni de vérification indépendante complète de chaque détail opérationnel.

80 000 briques et un test public sans script

La Grande Muraille en briques peut sembler être un simple gadget conçu pour l'exposition. Mais en décomposant ses exigences techniques, cette tâche aborde trois difficultés qui ont longtemps empêché les robots de passer des démonstrations en laboratoire aux applications pratiques.

Opérations de précision submillimétrique

Les briques doivent être assemblées de manière serrée et cohérente. Par conséquent, les robots doivent effectuer des mouvements contrôlés dans une plage d'environ 0,1 à 1 millimètre.

Cette précision nécessite la coordination de plusieurs capacités :

• Perception visuelle et spatiale précise
• Contrôle moteur fin
• Capacité d'entraînement stable
• Détection fiable des contacts
• Capacité à corriger les erreurs de positionnement mineures

Le défi ne consiste pas simplement à déplacer un objet d'un point à un autre. Chaque brique doit être alignée, enfoncée en place et intégrée à la structure environnante, sans endommager les briques déjà placées.

Le rapport original compare la stabilité requise aux tremblements naturels de la main humaine au repos (qui peuvent atteindre une échelle similaire). Le point essentiel est simple : le robot doit maintenir précision et cohérence sur des milliers de répétitions.

Six robots sans point unique de supervision

Le deuxième défi est la coordination.

Le système se compose de six robots de deux types de morphologies différents. Ils partagent le même espace de travail physique et doivent se répartir les tâches sans se heurter ni effectuer la même opération.

Le rapport indique qu'aucun opérateur humain ne supervise en continu l'ensemble de l'équipe depuis une console centrale. Au lieu de cela, chaque robot perçoit son environnement, prend des décisions locales et négocie la répartition des tâches par communication mutuelle.

Les opérations plus fines et plus précises peuvent être confiées aux robots de bureau, tandis que les robots humanoïdes à roues sont responsables du déplacement, du transport et des étapes d'assemblage plus importantes.

La coordination multi-agents est courante dans les simulations et les articles de recherche. Mais faire fonctionner des robots hétérogènes en collaboration pendant longtemps dans un environnement d'exposition bondé est beaucoup plus difficile, car les délais de communication, les erreurs de perception, les obstacles physiques et la dérive cumulative de la localisation affectent tout le processus.

15 heures de fonctionnement continu

Le dernier défi est la durée.

Un robot qui exécute des actions soigneusement sélectionnées en quelques minutes peut être impressionnant. Mais une tâche de 15 heures pose une question différente : le système peut-il maintenir sa précision et se remettre de petites erreurs à mesure que le nombre d'actions augmente ?

Chaque brique présente un nouveau risque de désalignement. Une petite erreur au début de la construction peut affecter les parties suivantes. Le système doit donc disposer d'une boucle fermée :

1. Observer l'état actuel.
2. Choisir la prochaine action.
3. Exécuter le placement.
4. Vérifier si le résultat correspond à l'état attendu.
5. Corriger l'action si nécessaire.
6. Continuer à partir de l'état mis à jour.

Le test combinant précision, coordination et durée vise à vérifier si l'IA incarnée peut produire un travail utile sur le long terme, et pas seulement une démonstration courte et isolée.

Le défi multi-robots a attiré de nombreux spectateurs à l'exposition WAIC 2026.

Le matériel utilisé dans ce défi comprend le Dexmal Apex, que l'entreprise décrit comme un robot universel natif incarné. Dexmal indique que l'Apex combine sa conception matérielle avec un modèle de base incarné pour prendre en charge un fonctionnement prolongé, des opérations fines, une généralisation plus large des tâches et une interaction sécurisée avec la foule.

Les robots sont la partie visible de la démonstration. L'intelligence sous-jacente provient du dernier modèle de base incarné de Dexmal, le DM0.5.

DM0.5 et l'émergence de la généralisation

Dexmal a dévoilé le DM0.5 lors de l'événement développeur Action 2026 début juillet. Ce modèle est le successeur du DM0, conçu pour le contrôle de robots dans un monde ouvert, et non pour une série de tâches scriptées fixes.

!

Modules tels que Tasks, traitant des séquences d'images, des instructions de structure d'information, etc. À droite se trouve l'Action Expert 680M, avec des parties comme Action Velocity field et KV cache, traitant de l'état du robot, des instructions de tâches, etc. Au milieu se trouve Action Alignment, montrant la comparaison entre Ground Truth et Prediction. Cette image est étroitement liée au contexte, présentant visuellement la structure du modèle DM0.5 et les fonctions de chaque partie, aidant à comprendre sa conception pour le contrôle de robots dans un monde ouvert.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/3bce1b29-5cb2-4ab7-a1a4-8ce51f5f7a6c-db3ff864-93b0-4747-b706-604d17ab5684.png)

Diagramme d'architecture officiel du DM0.5, montrant le réseau principal VLM, les couches de contexte, les tâches d'inférence et l'Action Expert.

Trois nouvelles structures pour aider les robots à comprendre le monde

L'article original met en avant trois nouveaux composants architecturaux. Chacun cible une faiblesse différente dans les tâches incarnées à longue portée.

Couche d'abstraction de contexte : une mémoire allant jusqu'à 60 secondes

Les modèles VLA traditionnels prennent généralement des décisions uniquement en fonction de l'image actuelle de la caméra et de l'état actuel du robot. Cela fonctionne pour des actions courtes, mais devient fragile lorsque l'information nécessaire à la suite de la tâche n'est pas visible.

DM0.5 ajoute une couche d'abstraction de contexte, qui combine l'observation actuelle avec des informations visuelles sélectionnées de l'historique récent. Selon Dexmal, le modèle peut intégrer jusqu'à 60 secondes de contexte de tâche.

Pendant l'entraînement, la longueur et la disponibilité des informations historiques varient. Si les informations passées sont manquantes ou inutiles, le modèle est entraîné à se rabattre sur l'observation actuelle plutôt qu'à échouer complètement.

Dexmal explique cela par une expérience simple : prendre une tasse, essuyer la zone en dessous, puis remettre la tasse à sa place.

Une fois la tasse prise, sa position de départ disparaît de l'image actuelle. Un modèle qui ne se concentre que sur le présent pourrait la remettre à un endroit arbitraire. Un modèle avec un contexte historique peut se souvenir de l'endroit où se trouvait la tasse avant d'être déplacée.

Pour la tâche de la « Grande Muraille », le même principe est crucial à plus grande échelle. Le robot doit comprendre quelles parties ont déjà été assemblées, comment la structure locale a changé, et quelle devrait être la prochaine étape du processus.

Chaîne de pensée incarnée :

Raisonnement et action en parallèle
DM0.5 ajoute également 11 tâches d'inférence autorégressives à l'entraînement sur les données robotiques.
Le modèle est entraîné à utiliser l'image actuelle, l'état du robot, les instructions et le contexte historique pour répondre à des questions contraintes. Ces questions couvrent les aspects suivants :

• L'étape actuelle de la tâche
• Ce qui a été accompli
• Ce qu'il faut faire ensuite
• Les changements possibles dans l'environnement
• L'intention derrière l'action suivante
• Une description sémantique de l'action à venir

Cela transforme le signal d'entraînement d'une simple prédiction d'action à une combinaison de :

• Compréhension des instructions
• Raisonnement temporel
• Prédiction de l'environnement
• Génération d'actions

En pratique, le robot doit non seulement comprendre quelle instruction motrice exécuter pour une image donnée, mais aussi exprimer pourquoi cette action est appropriée.

C'est particulièrement crucial pour les tâches impliquant 81 920 blocs. Le système ne peut pas traiter chaque placement comme un événement indépendant, mais doit relier chaque action à la progression de l'ensemble du processus de construction.

Couche d'alignement de trajectoire : apprendre la tâche plutôt que le rythme de l'opérateur

La plupart des données de démonstration robotique sont collectées par téléopération humaine. Différentes personnes exécutent la même tâche à des vitesses, avec des pauses et des styles de mouvement différents.

Si le modèle est forcé de faire correspondre chaque action prédite avec un pas de temps fixe dans l'enregistrement de la démonstration, il peut apprendre le rythme de l'opérateur plutôt que la tâche sous-jacente.

La couche d'alignement de trajectoire de DM0.5 aligne les actions en fonction de la progression de la tâche plutôt que du temps exact.
Chaque action prédite est mise en correspondance avec un point approprié dans la trajectoire réelle. La correspondance doit progresser de manière monotone, de sorte que les actions prédites ultérieures ne peuvent pas être appariées avec des parties précoces de la démonstration. Ensuite, une programmation dynamique est utilisée pour trouver des correspondances à faible perte dans toute la séquence.

Cette méthode vise à mettre en évidence les événements physiques importants, tels que :

• La saisie
• L'alignement
• Le contact
• La pression
• Le relâchement

La vitesse personnelle de l'opérateur devient moins importante, tandis que la structure significative de la tâche est plus claire.

Selon Dexmal, cela améliore la généralisation entre différents démonstrateurs et vitesses d'exécution.

Résultats de DM0.5 sur RoboChallenge Table30 V2

La démonstration de la Grande Muraille est un test public ouvert. Dexmal a également évalué DM0.5 sur un benchmark robotique standardisé.

Sur RoboChallenge Table30 V2, la société rapporte :

• Un taux de réussite global de 43 %
• Un score composite de 54,42
• Une performance globale de pointe parmi les comparaisons publiées

Table30 V2 comprend 30 tâches de manipulation robotique réelles, couvrant quatre morphologies de robots. Ce benchmark inclut la mémoire à long terme, l'exécution en plusieurs étapes, la localisation d'objets, la saisie et le placement précis, l'utilisation d'outils et la coordination à deux mains.

Les ensembles de données et le cadre d'évaluation sont documentés publiquement via RoboChallenge et Hugging Face, tandis que la méthode Table30 V2 a également été publiée via un article de l'atelier CVPR 2026.

Ces résultats sont pertinents pour le défi de la Grande Muraille, car les deux scénarios testent la capacité du modèle à coordonner la perception, la progression de la tâche, les actions fines et l'exécution physique, et non seulement à reconnaître des objets ou à générer des instructions textuelles.

Pratiquer dans un modèle du monde avant l'utilisation réelle du robot

Un modèle de base puissant à lui seul ne suffit pas pour une démonstration publique de 15 heures.

Le rapport original indique que Dexmal a également utilisé le cadre DFOL 2.0 en post-entraînement. Ce cadre intègre le modèle du monde DW0.5, permettant une pratique et un perfectionnement des tâches partielles dans un environnement virtuel ou généré par modèle avant un déploiement complet sur du matériel physique.

L'idée de base est de permettre au système de répéter en interne les actions coûteuses.

Le développement robotique traditionnel repose souvent sur des essais physiques répétés :

1. Faire fonctionner le robot.
2. Observer l'échec.
3. Collecter plus de données.
4. Ajuster le modèle.
5. Répéter sur le robot réel.

Ce processus est lent et coûteux. Les robots réels s'usent, l'espace de travail physique doit être réinitialisé, et chaque tentative échouée consomme du temps d'ingénierie.

Le modèle du monde peut transférer une partie de l'expérimentation vers une simulation ou une prédiction apprise. La politique du robot peut tester des actions possibles, estimer les résultats probables et améliorer l'exécution des tâches avant d'occuper un temps précieux sur le robot réel.

Pour une tâche de construction à grande échelle, cela réduit le nombre d'essais et d'erreurs qui doivent être effectués devant le public. Cela offre également à l'équipe un moyen de répéter le processus, d'étudier les points de défaillance potentiels et de réserver le matériel réel pour la validation finale.

La source n'a pas fourni d'implémentation publique de DFOL 2.0, ni détaillé la part de la tâche de la Grande Muraille réalisée en simulation. Par conséquent, cette description doit être comprise comme l'explication par Dexmal de son processus de post-entraînement, et non comme un résultat indépendamment reproductible.

Des blocs à la partie la plus difficile de la fabrication

Pourquoi utiliser plus de 80 000 blocs ?

Ces blocs créent un test compact pour mesurer plusieurs capacités cruciales pour la fabrication flexible :

• Placement submillimétrique
• Précision de répétition à long terme
• Manipulation de petites pièces visuellement similaires
• Détection et correction d'erreurs
• Répartition dynamique des tâches
• Coordination entre différents types de robots
• Fonctionnement stable dans un environnement physique changeant

Les robots industriels traditionnels sont très efficaces lorsque les tâches sont répétitives, standardisées et strictement contrôlées. Mais ils sont moins flexibles lorsque les positions des objets varient, les propriétés des matériaux diffèrent, ou l'action correcte dépend d'un jugement visuel.

Le rapport original estime qu'il reste encore des travaux de fabrication qui dépendent du travail manuel parce que ces opérations sont fines, non standard, flexibles ou fortement dépendantes de la perception. Par exemple :

• L'assemblage de précision
• L'ajustement de matériaux souples ou fragiles
• La réparation de défauts
• L'inspection des premiers produits
• Le travail dans des espaces restreints
• Les tâches qui varient d'une pièce à l'autre

L'affirmation exacte selon laquelle ces tâches représentent les « 20 % restants » de la fabrication doit être considérée comme une expression dans la source d'information, et non comme une statistique industrielle universelle.

Néanmoins, le lien est clair. La Grande Muraille est un objet de démonstration, mais les capacités testées — manipulation fine, fonctionnement continu et coordination multi-robots — sont directement liées aux lignes de production flexibles.

Comment une startup de 16 mois y est parvenue

Stand WAIC

Dexmal a été fondée en mars 2025. Le rapport original indique que son équipe principale comprend d'anciens chercheurs et ingénieurs de Megvii, et qu'elle a obtenu plusieurs cycles d'investissement.

Sa mission déclarée est de construire des robots intelligents, utiles et dignes de confiance.

Dexmal décrit son orientation technologique comme un développement natif incarné. L'entreprise n'adapte pas des modèles principalement conçus pour le texte ou les images sur Internet, mais entraîne ses modèles autour des besoins de fonctionnement des robots dans le monde physique.

DM0 est son premier modèle de base natif incarné. DM0.5 étend cette base avec une mémoire plus longue, une capacité de raisonnement renforcée, davantage de données d'entraînement, un support multi-formes et une capacité de généralisation en monde ouvert améliorée.

L'entreprise a également développé une infrastructure autour de ce modèle.

Dexbotic

Dexbotic est une boîte à outils open source vision-langage-action basée sur PyTorch. Elle fournit un environnement de développement unifié pour l'entraînement et l'évaluation de diverses stratégies VLA.

Ce cadre comprend :

• Un format de données universel
• L'implémentation de modèles
• Des pipelines d'entraînement
• Des services d'inférence
• Le support de multiples plateformes robotiques
• Des outils d'évaluation en simulation et dans le monde réel

Dexbotic est accessible publiquement via sa documentation officielle et son dépôt GitHub.

RoboChallenge

RoboChallenge est une plateforme d'évaluation robotique à grande échelle dans le monde réel, développée conjointement avec Hugging Face.

Cette plateforme vise à rendre les tests de stratégies robotiques plus reproductibles en permettant d'évaluer les modèles sur des tâches physiques et des configurations matérielles partagées.

Ses benchmarks Table30 et Table30 V2 couvrent une variété de morphologies robotiques et de tâches opérationnelles réelles. Des ensembles de données publics, des articles et des ressources d'évaluation sont disponibles via RoboChallenge et Hugging Face.

Atomix

Le portefeuille d'applications commerciales de Dexmal comprend également Atomix, une activité d'automatisation d'entrepôt flexible.

Selon le rapport original, Atomix intègre les processus de stockage, de transport et de préparation de commandes, et a collaboré avec de grands clients dans le secteur de la vente au détail, des boissons et de la restauration. Ces allégations concernant les clients et le classement sur le marché proviennent de ce rapport et n'ont pas été vérifiées indépendamment par cette rédaction.

DM0.5, Dexbotic, RoboChallenge et Atomix constituent ensemble une stratégie full-stack :

1. Construire un modèle de base incarné.
2. Fournir des outils d'entraînement et de déploiement.
3. Créer une plateforme d'évaluation robotique réelle.
4. Appliquer la technologie à des scénarios commerciaux réels.

L'installation du Mur de la Grande Muraille était la démonstration publique la plus remarquable de la technologie full-stack au WAIC 2026.

Contenu réel de la démonstration

Le défi robotique public ne prouve pas que l'IA incarnée générale est résolue.

Mais il offre un test utile pour de multiples capacités habituellement évaluées séparément :

• Contrôle fin
• Mémoire à long terme
• Récupération d'erreurs
• Collaboration multi-robots
• Coordination matérielle hétérogène
• Fonctionnement continu
• Perception du monde réel
• Raisonnement au niveau des tâches

La partie la plus cruciale de la démonstration n'est pas le mur lui-même. C'est la tentative de faire fonctionner six machines physiques en coopération suffisamment longtemps pour exposer des défauts subtils et des problèmes de coordination.

Inévitable.

Les documents officiels de Dexmal sur DM0.5 concluent finalement que le monde réel devrait être le meilleur professeur des robots. Dans cette vision, chaque tentative, succès, échec et correction deviennent de nouvelles informations qui aident le système à s'améliorer.

À la Conférence mondiale sur l'intelligence artificielle 2026, les robots assemblaient des micro-briques. L'objectif à long terme est d'introduire ce même processus d'apprentissage et d'exécution en boucle fermée dans les domaines de la fabrication, de la logistique, des services et autres environnements de travail où les tâches ne peuvent pas être entièrement préprogrammées.

Foire Aux Questions

Combien de robots ont participé au défi du Mur de la Grande Muraille ?

Six robots ont participé : quatre robots de table et deux robots humanoïdes à roues. Ils coopéraient dans la même zone physique, gérant différentes étapes du processus de construction.

Combien de briques ont été utilisées ?

Le modèle a utilisé 81 920 micro-briques. La structure mesurait environ 3,5 mètres de long, 1,5 mètre de large et jusqu'à 1,1 mètre de haut à son point culminant.

Combien de temps a duré le défi robotique ?

La durée de fonctionnement continu prévue était de 15 heures. Ce défi visait à tester la capacité des robots à maintenir précision et coordination lors d'actions physiques prolongées.

Les robots étaient-ils téléopérés ?

Le rapport original indique que les robots n'étaient pas constamment téléopérés et ne dépendaient pas de scripts d'actions entièrement fixes. Ils utilisaient la perception, la prise de décision locale, la communication et la correction d'erreurs, mais la source ne contenait pas d'audit technique indépendant et complet de la configuration opérationnelle.

Qu'est-ce que DM0.5 ?

DM0.5 est un modèle de base vision-langage-action en monde ouvert pour le contrôle robotique développé par Dexmal. Il utilise un réseau dorsal vision-langage Gemma 3 4B, un module d'action expert de 680M, une modélisation du contexte historique, des tâches de raisonnement incarné et des techniques d'alignement de trajectoire.

DM0.5 est-il open source ?

Dexmal a publié la bibliothèque de code OpenDM sous licence Apache 2.0 et a publié les ressources du modèle DM0.5 via Hugging Face. La bibliothèque contient les poids du modèle, les scripts d'entraînement et d'inférence, des exemples d'ensembles de données et des workflows d'évaluation.

Qu'est-ce que RoboChallenge Table30 V2 ?

Table30 V2 est un benchmark robotique réel comprenant 30 tâches opérationnelles sur quatre morphologies robotiques. Les capacités évaluées incluent la mémoire à long terme, l'exécution séquentielle, les opérations fines, l'interaction avec des outils et la coordination à deux bras.

La démonstration à la Conférence mondiale sur l'IA prouve-t-elle que les robots peuvent remplacer le travail manuel restant dans les usines ?

Non. Cette démonstration montre des progrès en matière de précision, de fonctionnement prolongé et de coordination, mais ne prouve pas que toutes les tâches de fabrication flexible sont prêtes à être automatisées. Les environnements de production réels nécessiteront des validations supplémentaires en matière de sécurité, fiabilité, intégration, coût et maintenance.

Outils connexes

• OpenDM : Dépôt de code open source de Dexmal pour les poids, l'entraînement, l'inférence et le déploiement du modèle DM0.5.
• DM0.5 sur Hugging Face : Collection officielle des ressources du modèle de base et des variantes affinées de DM0.5.
• Dexbotic : Boîte à outils PyTorch open source pour le développement et l'évaluation de modèles vision-langage-action.

Documentation Dexbotic : Fournit des guides officiels d'installation, d'architecture, d'entraînement, de données, d'inférence et de développement de modèles.

• RoboChallenge : Plateforme de benchmark robotique réel pour l'évaluation de stratégies incarnées.
• Ensemble de données Table30 V2 : Page publique de l'ensemble de données du benchmark robotique réel mis à jour avec 30 tâches.

Liens connexes

• Blog technique officiel DM0.5 : Analyse détaillée par Dexmal du modèle, des données, de l'architecture et des résultats de benchmark.
• Dépôt GitHub OpenDM : Implémentation open source officielle et documentation de déploiement.
• Collection Hugging Face DM0.5 : Points de contrôle officiels du modèle et variantes affinées.
• Site officiel de RoboChallenge : Site web du projet d'évaluation robotique réel à grande échelle.
• Article de l'atelier CVPR 2026 sur Table30 V2 : Article décrivant le benchmark robotique réel mis à jour.
• Documentation Dexbotic : Documentation officielle du framework de développement VLA open source.
• [Incontournables du WAIC 2026](https://english.shanghai.gov.

cn/en-ParticipateExplore/20260717/36193160d9d94efb9c0aa5fa4fbed5fd.html) : Shanghai a officiellement confirmé que six robots ont travaillé 15 heures sur le stand de la Grande Muraille.

Résumé

Lors de la Conférence mondiale sur l'intelligence artificielle 2026, six robots Dexmal ont travaillé en continu pendant 15 heures pour construire un modèle de la Grande Muraille avec 81 920 micro-briques. Cette tâche a combiné un placement au niveau submillimétrique, la collaboration multi-robots, une opération de longue durée et une capacité de correction d'erreurs en boucle fermée.

Cette démonstration a été pilotée par le modèle fondamental incarné open source DM0.5 de Dexmal. Ses nouvelles fonctionnalités clés incluent : une mémoire contextuelle historique pouvant atteindre 60 secondes, des tâches de raisonnement incarné, et une technique d'alignement de trajectoire capable de réduire l'impact des écarts de vitesse de téléopération humaine.

Dexmal a également adopté une technique de post-entraînement basée sur un modèle du monde, et a relié cette démonstration à sa gamme plus large de produits OpenDM, Dexbotic, RoboChallenge et d'automatisation d'entrepôt. Il est à noter que certaines déclarations sur les performances et le positionnement sur le marché restent des affirmations de l'entreprise et n'ont pas encore été vérifiées indépendamment.

La Grande Muraille n'est qu'un support de démonstration : le véritable défi est de savoir si l'IA incarnée peut maintenir précision, synergie et praticité pendant un quart de travail complet.