Des chercheurs présentent Industrial ReMEmbR, une extension du système de mémoire ReMEmbR de NVIDIA conçue pour les flottes de robots industriels. Le problème visé est concret : dans un entrepôt, comprendre pourquoi une allée est régulièrement bloquée peut nécessiter de parcourir des heures de vidéo issues de plusieurs robots sur plusieurs équipes, un exercice coûteux en calcul et en stockage s'il faut traiter chaque flux en continu.
L'architecture proposée repose sur un partage des tâches entre le robot et le serveur. Sur chaque unité, un module NVIDIA Jetson encode les séquences vidéo en plusieurs représentations : des embeddings de récupération via Cosmos-Embed1, des tokens visuels via Cosmos3-Edge, et des latents de reconstruction via le VAE de Wan2.2. Aucune image brute de caméra n'est transmise vers le serveur, ce qui réduit la bande passante nécessaire. Ces mêmes modèles d'encodage sont réutilisés pour détecter la présence de personnes dans les images et les masquer automatiquement, un mécanisme pensé pour répondre aux exigences du RGPD en matière de protection des données personnelles.
L'innovation technique centrale consiste à scinder Cosmos3-Edge à la frontière entre vision et langage : l'encodeur visuel reste embarqué sur le robot, tandis que le décodeur linguistique tourne sur un serveur local. Un agent basé sur Nemotron interroge ensuite cette mémoire par contenu, position et horodatage, en s'appuyant sur les tokens visuels mis en cache plutôt que de régénérer des descriptions de scène à chaque écriture. Les auteurs indiquent que ce découpage reproduit fidèlement les sorties du modèle non scindé sur l'ensemble des 450 décodages testés.
Ce travail illustre une tendance plus large dans la robotique industrielle : repousser une partie du traitement multimodal vers l'edge pour limiter les coûts d'infrastructure tout en conservant une mémoire exploitable à l'échelle d'une flotte. L'approche reste expérimentale et n'a pas encore fait l'objet d'un déploiement à grande échelle documenté, mais elle propose une réponse concrète à un problème opérationnel récurrent dans les entrepôts automatisés.