Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
La manipulation dextre des robots en discussion : épisode 152 du Robot Talk avec Rich Walker
AutreRobohub 

La manipulation dextre des robots en discussion : épisode 152 du Robot Talk avec Rich Walker

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Shadow Robot Company, entreprise britannique spécialisée dans la manipulation dextre, est à nouveau sous les projecteurs avec la participation de son directeur Rich Walker au podcast Robot Talk (épisode 152). Rich Walker, présent dans la société bien avant sa formalisation en entreprise, a débuté en ingénierie logicielle et systèmes avant de basculer vers la direction. Il y pilote aujourd'hui les engagements de recherche, les projets de démonstration industrielle et le programme de politique publique de Shadow Robot.

La dextérité robotique reste l'un des verrous techniques les plus durs du secteur : reproduire les 27 degrés de liberté de la main humaine avec la fiabilité et la force nécessaires à un usage industriel est un défi que peu d'acteurs ont résolu à l'échelle. Shadow Robot figure parmi les rares à proposer des mains robotiques commerciales pour la recherche et l'industrie, ce qui leur confère une position de référence dans les laboratoires internationaux et auprès d'intégrateurs cherchant à automatiser des tâches de manipulation fine. Walker siège également au conseil d'euRobotics, le lobby européen qui regroupe les PME du secteur, ce qui positionne Shadow Robot comme influenceur dans les politiques R&D européennes.

Fondée à Londres, Shadow Robot a construit sa réputation sur des décennies de travail en manipulation humanoïde, bien avant que les humanoides complets ne dominent le débat. Dans un marché aujourd'hui concurrencé par des acteurs comme Agility Robotics, Figure ou Apptronik sur le segment des bras et effecteurs, Shadow Robot maintient un positionnement de niche à haute valeur technique. Cet épisode de podcast reste davantage un format de visibilité sectorielle qu'une annonce produit concrète.

Impact France/UE

Rich Walker siège au conseil d'euRobotics, positionnant Shadow Robot comme influenceur dans les politiques R&D européennes en manipulation dextre, mais sans annonce concrète impactant directement le marché FR/EU.

Dans nos dossiers

Apptronik ApolloAgility Robotics — Digit

À lire aussi

Un système d'IA apprend à fluidifier la circulation des robots en entrepôt
1Robohub 

Un système d'IA apprend à fluidifier la circulation des robots en entrepôt

Des chercheurs du MIT et de la société américaine Symbotic ont publié le 20 avril 2026 dans le Journal of Artificial Intelligence Research un système hybride capable de coordonner en temps réel des flottes de centaines de robots autonomes (AMR) dans des entrepôts e-commerce à grande échelle. La méthode repose sur un réseau de neurones entraîné par apprentissage par renforcement profond (deep RL), qui décide en continu lesquels des robots doivent être priorisés à chaque instant en fonction de la formation de congestions. Une fois cette décision prise, un algorithme de planification déterministe transmet les instructions aux robots pour qu'ils se reroutent avant d'atteindre un point de blocage. Dans des simulations inspirées de layouts réels d'entrepôts e-commerce, le système a atteint un gain de débit (throughput) d'environ 25 % par rapport aux méthodes de référence actuelles. Han Zheng, doctorant au Laboratory for Information and Decision Systems (LIDS) du MIT et auteur principal, précise que même une amélioration de 2 à 3 % du throughput représente un impact économique significatif à cette échelle. L'enjeu opérationnel est concret : dans un entrepôt dense, une collision ou un embouteillage mineur peut forcer l'arrêt complet du site pendant plusieurs heures pour intervention manuelle, un coût inacceptable pour les opérateurs logistiques. Ce que prouve ce travail, c'est que le deep RL peut dépasser les performances des algorithmes conçus par des experts humains sur un problème combinatoire dynamique, là où les heuristiques classiques peinent à s'adapter aux variations de charge ou de topologie. Le système démontre aussi une capacité de généralisation : entraîné sur certains layouts, il s'adapte à des configurations différentes (nombre de robots, géométrie de l'entrepôt) sans réentraînement complet. Pour les intégrateurs et les COO industriels, cela signifie qu'un modèle unique pourrait être déployé sur plusieurs sites sans re-paramétrage lourd, réduisant le coût de mise en oeuvre. Il faut toutefois noter que les résultats présentés restent à ce stade issus de simulations, et qu'aucun déploiement réel en production n'est encore documenté dans la publication. Symbotic, partenaire industriel de ces travaux, est un acteur américain spécialisé dans l'automatisation d'entrepôts qui équipe notamment les centres de distribution de Walmart et de C&S Wholesale Grocers. La collaboration avec le groupe de Cathy Wu (professeure associée en génie civil et environnemental au MIT, membre du LIDS) s'inscrit dans une tendance plus large d'intégration de méthodes d'IA avancées dans la gestion de flottes robotiques, un domaine où l'on retrouve également des approches concurrentes chez Amazon Robotics, 6 River Systems (Shopify) et Locus Robotics. Du côté européen, des acteurs comme Exotec (France), dont le système Skypod opère dans des entrepôts Decathlon et Carrefour, s'appuient encore principalement sur des planificateurs déterministes ; ce type de travaux pourrait orienter leurs prochaines générations de software. La prochaine étape logique pour l'équipe MIT/Symbotic sera une validation en environnement réel, dont aucune timeline n'est encore annoncée publiquement.

UEExotec (France), dont le système Skypod s'appuie sur des planificateurs déterministes dans les entrepôts Decathlon et Carrefour, pourrait s'orienter vers ce type d'approches RL hybrides pour ses prochaines générations de software de gestion de flotte.

AutrePaper
1 source
Robot Talk, épisode 159 : captation sensorielle et manipulation robotique, avec Maria Koskinopoulou
2Robohub 

Robot Talk, épisode 159 : captation sensorielle et manipulation robotique, avec Maria Koskinopoulou

Maria Koskinopoulou, maître de conférences en robotique et vision par ordinateur à l'université Heriot-Watt (Édimbourg), était l'invitée du 159e épisode du podcast Robot Talk animé par Claire Asher. Co-directrice de l'ARM²Lab (Autonomous Robotic Manipulation and Multi-Agent Systems Lab) au sein du National Robotarium britannique, aux côtés d'Ignacio Carlucho, elle y présente ses travaux sur la manipulation robotique autonome appliquée à la chirurgie, à l'industrie manufacturière et à des domaines émergents comme la robotique sous-marine et le tri de déchets. Ses projets sont financés par le UKRI (UK Research and Innovation) et des programmes européens, sans que des montants ou des échéances précises ne soient communiqués dans cet épisode. L'intérêt de ces travaux réside dans la convergence de plusieurs verrous technologiques : perception visuelle embarquée, interaction homme-robot, et apprentissage automatique appliqué à des environnements non structurés. La robotique chirurgicale et le tri autonome de déchets représentent deux cas d'usage où le gap sim-to-real reste un obstacle majeur, et où les approches multi-agents peuvent offrir une redondance opérationnelle pertinente pour les intégrateurs industriels. Le National Robotarium, inauguré en 2022 à Édimbourg avec un financement de 22,4 millions de livres sterling du gouvernement écossais et de Heriot-Watt University, positionne le Royaume-Uni comme acteur de premier plan en robotique appliquée post-Brexit. L'ARM²Lab s'inscrit dans un écosystème concurrentiel où des laboratoires comme le Dynamic Robot Systems Group d'Oxford ou le LIRMM en France travaillent sur des problématiques similaires. Cet épisode reste une présentation de recherche académique en cours, sans annonce de produit ni de déploiement commercial.

UELes travaux de l'ARM²Lab bénéficient de financements de programmes européens et s'inscrivent dans un écosystème de recherche en manipulation autonome que partagent des laboratoires français comme le LIRMM, sans déploiement commercial ni impact direct sur le marché européen.

RecherchePaper
1 source
Robot Talk, épisode 153 : des robots inspirés de l'origami, avec Chenying Liu
3Robohub 

Robot Talk, épisode 153 : des robots inspirés de l'origami, avec Chenying Liu

Chenying Liu, Junior Research Fellow et Associate Member of Faculty au Department of Engineering Science de l'Université d'Oxford, était l'invitée du 153e épisode du podcast Robot Talk pour présenter ses travaux sur l'intelligence physique incarnée (embodied physical intelligence). Sa recherche explore comment la forme physique d'un robot peut activement contribuer à la perception, au traitement de l'information, à la prise de décision et au mouvement, en s'inspirant notamment des principes géométriques de l'origami. L'épisode ne communique pas de métriques techniques précises, pas de charges utiles, de degrés de liberté ni de résultats expérimentaux chiffrés, ce qui le situe davantage dans la vulgarisation académique que dans l'annonce produit. L'approche d'Oxford que défend Liu représente un contrepoids notable au paradigme dominant du tout-logiciel : plutôt que de déléguer l'intelligence uniquement aux modèles de fondation et aux VLA (Vision-Language-Action models), l'idée est d'intégrer la computation directement dans la géométrie et les matériaux du robot. Cette co-conception mécanique-contrôle promet des systèmes plus robustes et plus efficaces en énergie, particulièrement pertinents pour des environnements non structurés où les modèles sim-to-real peinent encore. Ce courant de recherche, parfois appelé morphological computation ou soft robotics computationnelle, est actif dans plusieurs laboratoires mondiaux, MIT CSAIL, ETH Zurich, EPFL, ainsi qu'en France au CNRS LIRMM et à l'INRIA. Oxford se positionne ici via une chercheuse indépendante dont le programme, encore jeune, n'a pas encore de partenaires industriels publiquement annoncés. La prochaine étape naturelle serait une publication de résultats expérimentaux ou un prototype démontrant le gain d'autonomie promis par cette philosophie de conception.

UELe CNRS LIRMM et l'INRIA sont cités comme acteurs du courant de computation morphologique, mais l'épisode de podcast n'a pas d'impact opérationnel direct sur l'écosystème français.

RecherchePaper
1 source
Tchernobyl : les robots au cœur d'un hackathon infernal
4Hackaday Robots Hacks 

Tchernobyl : les robots au cœur d'un hackathon infernal

Après l'explosion du réacteur n°4 de la centrale nucléaire de Tchernobyl en avril 1986, l'absence de bâtiment de confinement a dispersé des débris hautement radioactifs sur l'ensemble du site. Une vidéo mise à jour de la chaîne YouTube Chornobyl Family, version enrichie d'un reportage publié en 2023, retrace la course effrénée pour concevoir des robots capables de mesurer la radioactivité et d'évacuer ces débris. Des équipes venues de toute l'URSS et de pays alliés ont conçu une succession de machines, avec des résultats très inégaux : le robot de mesure RR-1 surestimait les niveaux de radiation d'un facteur supérieur à dix, tandis que les RR-2 et RR-3, trop hauts sur pattes, se renversaient dès leur dépose par hélicoptère. Le premier robot d'évacuation, le TR-1A, restait rudimentaire ; les générations suivantes l'ont amélioré au fil des semaines et des mois. Le BAER Beloyarets, construit sur la base d'un chariot d'aéroport, équipé d'électronique à tubes à vide et de relais, propulsé par un moteur à combustion interne, s'est révélé l'un des designs les plus fiables ; il est aujourd'hui préservé dans la zone d'exclusion. Le bulldozer téléopéré STR-1 a ensuite permis de repousser les débris radioactifs des toits vers des conteneurs, réduisant fortement la contamination du site. Le choix du moteur à combustion plutôt que de batteries s'est avéré déterminant, les moteurs thermiques résistant bien mieux aux radiations que l'électronique embarquée. Autre enseignement frappant : face à l'échec ou à la lenteur de plusieurs robots, les mesures manuelles effectuées par des opérateurs humains se sont révélées, dans certaines situations, plus rapides et plus sûres que le déploiement robotique, un rappel utile que l'automatisation n'est pas toujours la solution la plus efficace en environnement extrême, contrairement à l'image souvent véhiculée par les démonstrations commerciales actuelles de robots industriels ou humanoïdes. Pour les intégrateurs et décideurs qui suivent aujourd'hui les efforts de robotisation en zones dangereuses (nucléaire, désamiantage, sites post-catastrophe), l'épisode rappelle que la fiabilité mécanique et la résistance environnementale priment souvent sur la sophistication logicielle, et que le déploiement sans tests préalables, pratique courante à l'époque faute de temps, reste un facteur d'échec majeur en robotique de terrain. Ce chantier tenait du hackathon géant : conceptions ad hoc, adaptations de matériel existant, machines retapées dans l'urgence pour tenir dans des zones à très haute radioactivité. Malgré ces échecs initiaux, les trois autres réacteurs RBMK de la centrale ont pu continuer à fonctionner en toute sécurité après la catastrophe, et la zone est aujourd'hui ouverte au tourisme, un résultat que la vidéo présente comme la réussite finale de ce qu'elle qualifie de "pire hackathon imaginable". Plusieurs de ces robots, dont le BAER Beloyarets, sont aujourd'hui exposés autour de la centrale et dans la ville de Tchernobyl. Les auteurs soulignent que les leçons tirées de cette improvisation technique restent pertinentes aujourd'hui, notamment pour le démantèlement des cœurs fondus de la centrale de Fukushima Daiichi au Japon, où la robotique reste confrontée aux mêmes contraintes : radiation extrême, accès limité et nécessité d'une fiabilité mécanique avant toute sophistication logicielle.

AutrePaper
1 source