Le fait
Le 18 décembre 2025, RealMan Intelligent Technology (RealMan Robotics, Pékin) annonce la mise en open source de RealSource, un dataset robotique multimodal conçu pour combler le manque de données réelles, synchronisées et alignées pour l’intelligence incarnée. La collecte s’appuie entièrement sur le Beijing Humanoid Robot Data Training Center (~3 000 m², ouvert en août 2025) : une Training Zone pour les tâches fondamentales, et une Scenario Zone (« Robot University ») avec 10 environnements proches du terrain — smart home / aide aux seniors, vie quotidienne, agriculture, new retail, assemblage auto, restauration, etc.
Sur Hugging Face, le dépôt RealSourceData/RealSource-World (versions 1.1 / 1.2, décembre 2025) affiche des ordres de grandeur concrets : 35 tâches de manipulation, 11 428 épisodes, environ 14,1 millions de frames, ~525 Go, format LeRobot v2.1, robot principal RS-02 (humanoïde bi-bras). Trois caméras synchronisées (tête, main gauche, main droite) en 720×1280 @ 30 FPS, état proprioceptif étendu jusqu’à 71 dimensions (positions, vitesses, accélérations articulaires, forces/torques 6 axes, poses effecteurs), annotations de skills atomiques et scores qualité par épisode. Licence CC BY-NC-SA 4.0.
Contexte
Fondée en 2018, RealMan construit des bras ultralégers et des plateformes mobiles pour le retail, la restauration, l’inspection, la santé, l’éducation, l’aérospatial et l’industrie. Pour RealSource, trois plateformes de collecte sont mises en avant : RS-01 (mobile pliable, 20 ddl, vision multimodale), RS-02 (bi-bras, RGB-D, 7 ddl × 2, charge jusqu’à 9 kg par bras, force 6 axes, fisheye overhead), RS-03 (bi-bras / vision stéréo haute résolution). Caméras poignet et tête à grand FOV (H 90° / V 65°), synchronisation spatio-temporelle hardware, perte de frames annoncée < 0,5 %, calibration usine « out of the box ».
Le récit constructeur insiste sur la sortie du « laboratoire serre » : ouvrir un frigo, plier du linge, trier sur ligne, cuisiner, ranger un magasin de proximité — tâches longues, bruitées, avec objets et éclairages variables. La chaîne perception–décision–exécution est capturée de bout en bout : images RGB, angles/vitesses articulaires, force 6 axes, pose effecteur, commandes d’action, timestamps, paramètres caméra. La téléopération par exosquelette (mapping 1:1) vise des démonstrations haute fidélité pour l’imitation learning et le renforcement. Formats supportés côté stack RealMan : MCAP, HDF5, LeRobot.
Pourquoi ça compte
1. La rareté n’est plus le volume synthétique, c’est l’alignement multimodal réel. Beaucoup de labos disposent de vidéos ou de trajectoires isolées ; peu publient un stack RGB + proprioception + force + actions + calibres caméra, synchronisé au niveau hardware, sur des scènes hors labo. RealSource se positionne explicitement sur ce goulot.
2. Un « Robot University » de 10 scènes change la généralisation. Entraîner sur cuisine + retail + usine + domicile dans le même centre réduit le saut sim-to-real classique. Les métriques revendiquées (complétude modale, résistance au bruit, fluidité) restent à valider indépendamment, mais le protocole de collecte « conditions diversifiées » est le bon signal pour 2026.
3. Le format LeRobot + Hugging Face abaisse la friction. Pour équipes VLA / imitation learning / dual-arm, pouvoir cloner un dépôt, charger un task folder et brancher des pipelines existants accélère la reproduction — sous réserve de la licence non commerciale et du gate d’accès HF.
4. Limites à garder en tête. Licence non commerciale ; volume ~525 Go ; focus RS-02 / bras RealMan (pas un benchmark multi-OEM) ; claims « premier / plus large » à lire comme marketing. L’open source casse les silos data, il ne remplace pas les boucles closed-loop chez l’intégrateur.
Lecture Neurone21
Neurone21 classe RealSource en modeles-ia : l’enjeu n’est pas un nouveau bras, c’est une matière première d’entraînement pour politiques de manipulation bi-bras en conditions réelles. Pour labos EU, scale-ups embodied et équipes data robotique : (1) évaluer RealSource World comme baseline dual-arm hors simulation ; (2) vérifier compatibilité LeRobot v2.1 avec vos stacks ; (3) croiser licence CC BY-NC-SA avec vos contraintes produit ; (4) surveiller l’élargissement scénarios / modalités promis par RealMan. Le centre de 3 000 m² à Pékin rappelle que la course data embodied se joue aussi sur l’infrastructure physique de collecte, pas seulement sur les GPU.
Sources : The Robot Report — RealSource open-source (18/12/2025) · RoboticsTomorrow — RealMan RealSource · Hugging Face — RealSourceData/RealSource-World · RealMan — Data Training overview.