IndustrielIEEE Spectrum Robotics2sem

Robot omnidirectionnel : une démonstration extrême en vidéo

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

La sélection hebdomadaire de l'IEEE Spectrum met en avant cette semaine un robot multi-pattes baptisé Argus, dont le nombre de membres indéfini lui confère une mobilité omnidirectionnelle poussée à l'extrême, aux antipodes des architectures bipèdes ou quadrupèdes standards. Parmi les autres démonstrations notables, Noble Machines présente Moby, un robot mobile manipulateur capable de déplacer des charges progressives jusqu'à 50,3 livres (environ 22,8 kg) tout en maintenant équilibre et mobilité dans des espaces non structurés. L'Université du Texas, en collaboration avec Sony Group Corporation, dévoile la main ARISTO (Anthropomorphic, Robotic, Integrated-Sensing, Tendon-Operated), un bras de recherche conçu spécifiquement pour manipuler des objets petits, minces et fragiles. Le Robotics and AI Institute publie une vidéo d'AthenaZero, qui jongle à mains nues grâce à un retour visuel embarqué, enchaînant plusieurs patterns incluant cascade, demi-douche, tennis et shower. Figure montre une démonstration de longévité sur tâche répétitive avec un humanoïde bipède, mais sans mécanisme de récupération d'erreur visible. Astribot propose un bras robotique sans base locomotrice au prix affiché de 13 000 dollars. L'initiative Eco-Score for Robots (Robotics EcoLabel) propose enfin un cadre d'évaluation environnementale des systèmes robotiques, inspiré des étiquettes éco-énergétiques grand public.

Ces démonstrations révèlent une fracture persistante entre ce que les robots réalisent en conditions contrôlées et ce qu'ils livrent dans des environnements industriels réels. Moby se distingue précisément parce qu'il traite des charges croissantes dans des espaces non structurés: c'est le type de preuve dont ont besoin les intégrateurs et les COO pour envisager un déploiement concret, là où la plupart des vidéos concurrentes restent cantonnées au laboratoire. La main ARISTO pointe vers un verrou majeur de l'automatisation: la manipulation fine d'objets fragiles reste non résolue pour l'assemblage électronique ou pharmaceutique, et le co-développement Sony-UT signale que des industriels de premier rang misent sur la recherche académique pour le débloquer. La remarque de l'auteur sur Figure est éditoriale mais significative: un humanoïde qui tient sur une tâche répétitive sans récupération d'erreur prouve l'endurance mécanique, pas la robustesse opérationnelle. AthenaZero illustre par ailleurs que les mains multi-doigts commencent à rivaliser avec des end-effectors dédiés pour des tâches dynamiques, ce qui ouvre la voie à des manipulateurs généraux moins spécialisés.

La rubrique Video Friday de l'IEEE Spectrum fonctionne comme un baromètre hebdomadaire, agrégant sans filtre commercial des travaux de laboratoires universitaires, startups et grandes entreprises. Le contexte événementiel est dense: ICRA 2026 se tient du 1er au 5 juin à Vienne, RSS 2026 du 13 au 17 juillet à Sydney, et Actuate 2026 les 18 et 19 août à San Francisco, conférences où plusieurs de ces travaux seront vraisemblablement soumis à peer review. En termes de positionnement concurrentiel, Noble Machines s'attaque au segment AMR avec manipulation lourde, face à Boston Dynamics (Stretch) et Agility Robotics (Digit), tandis qu'Astribot cible les cas d'usage desktop à bas coût en concurrence directe avec Franka Robotics et Universal Robots. L'initiative EcoLabel, orientée vers les appels d'offres robotiques européens, s'inscrit dans les contraintes ESG croissantes pesant sur les intégrateurs du Vieux Continent.

Impact France/UE

L'initiative Eco-Score for Robots (EcoLabel) cible explicitement les appels d'offres robotiques européens et les contraintes ESG croissantes des intégrateurs, ce qui pourrait influencer les critères d'achat public et privé en France et en UE à court terme.

Dans nos dossiers

Boston Dynamics Agility Robotics — Digit ICRA / IROS / CoRL

À lire aussi

1IEEE Spectrum Robotics

Vendredi vidéo : des engins de chantier lourds fonctionnent de façon autonome

Cette semaine dans le panorama robotique publié par IEEE Spectrum, la démonstration la plus concrète provient d'ETH Zurich, qui présente la première solution d'autonomisation complète déployée sur un engin de manutention de matériaux industriels de 40 tonnes en conditions réelles, un manipulateur hydraulique équipé d'une pince libre sous-actionnée traditionnellement opéré par un conducteur humain dans les secteurs des déchets, de la construction et de la démolition. La Norwegian University of Science and Technology (NTNU) a publié en open-source son Unified Autonomy Stack, une architecture de navigation combinant LiDAR, radar, vision et centrale inertielle pour robots aériens et terrestres à pattes, validée en environnements GNSS-dégradés ; le système intègre raisonnement visio-langagier, planification multi-comportements et couches de sécurité par fonctions de barrière de contrôle. En parallèle, Figure AI a diffusé une vidéo de rangement de chambre sans préciser le modèle de robot utilisé ni les conditions de tournage. Unitree a présenté un véhicule civil habité transformable pesant environ 500 kg avec conducteur à bord. La startup Lumos a annoncé NIX, un robot humanoïde orienté danse urbaine et IA incarnée, disponible gratuitement pour des partenaires sélectionnés parmi des universités, laboratoires de robotique et technologues créatifs. L'autonomisation d'engins lourds présente un ratio effort/impact plus favorable à court terme que le déploiement humanoïde grand public : les machines de 40 tonnes opèrent sur des cycles répétitifs en environnements semi-structurés, rendant la tâche plus tractable pour les systèmes actuels. L'intégration réalisée par ETH Zurich est notable parce qu'elle s'appuie sur un engin existant, sans reconstruire une nouvelle plateforme dédiée. L'open-sourcing du stack NTNU répond à un verrou réel : la navigation robuste sans GPS reste un frein majeur pour les déploiements en intérieur industriel ou en zones isolées. Sur les humanoïdes, l'éditorial d'IEEE Spectrum formule explicitement une mise en garde contre les revendications de "niveau humain" sur des tâches de manipulation : les humains sont structurellement très performants dans ce type de travail, et les évaluer correctement exige des benchmarks rigoureux, un rappel pertinent pour les décideurs B2B qui instruisent des pilotes. Rodney Brooks, cofondateur et CTO de Robust.AI, classé 44e au Forbes 250 America's Greatest Innovators, s'est exprimé sur les défis structurels de l'innovation robotique et la signification de la vague IA actuelle pour le secteur, soulignant que la difficulté fondamentale reste l'intégration fiable en monde ouvert. Agility Robotics, dont le bipède Cassie est évoqué comme référence historique de la recherche en locomotion, poursuit sa trajectoire vers son humanoïde Digit. Du côté de la recherche fondamentale, la méthode EFGCL (reinforcement learning guidé par forces assistives) démontre des mouvements dynamiques, sauts, backflips et vrilles latérales, sur robots à pattes, une direction qui alimente les futures plateformes de loco-manipulation. L'University of Southern California explore pour sa part l'utilisation de robots à pattes pour la récolte légumière en contexte agricole réel, un cas d'usage concret dont les performances à l'échelle restent à documenter.

UEETH Zurich (Suisse) démontre l'autonomisation complète d'un engin de manutention de 40 tonnes sur équipement existant sans nouvelle plateforme dédiée, et NTNU publie en open-source un stack de navigation robuste sans GPS, deux contributions de la recherche européenne directement applicables à l'automatisation industrielle et logistique sur le marché EU.

IndustrielActu

1 source

2Le Big Data

Vidéo : ce robot clown a donné un coup de pied à un enfant en pleine démonstration

Lors d'une démonstration publique en Chine le 5 juin 2026, un robot humanoïde déguisé en clown, perruque colorée incluse, a donné un coup de pied circulaire dans le ventre d'un enfant positionné au premier rang du public. La scène, capturée en vidéo et relayée sur le réseau social X par le compte Culture Crave, a rapidement accumulé plusieurs millions de vues. Sur les images, on distingue nettement le robot effectuer une rotation, son pied venant heurter l'enfant qui recule sous l'impact. Les personnes présentes semblent immédiatement réagir. On ignore pour l'instant l'identité du fabricant du robot, le lieu exact de la démonstration, et si l'enfant a été blessé. Les circonstances précises, dysfonctionnement technique ou mouvement non anticipé de la chorégraphie programmée, restent également indéterminées. L'incident remet brutalement en lumière la question de la sécurité des robots humanoïdes déployés dans des espaces publics, au contact direct du grand public et d'enfants. Même conçus à des fins de divertissement, ces machines sont capables de produire des gestes rapides, puissants et difficiles à anticiper pour un spectateur non averti. Les fabricants investissent depuis des années dans des mécanismes de détection de proximité et de limitation de force pour réduire les risques de collision avec les humains, mais aucun dispositif n'est infaillible. Un mauvais calibrage, une erreur de programmation ou une mauvaise lecture de l'environnement suffisent à transformer une démonstration ludique en incident. La mise en scène, un robot grimé en clown censé amuser un public familial, rend l'image d'autant plus frappante et questionne le cadre réglementaire entourant ce type d'événements. La robotique humanoïde connaît depuis quelques années une accélération remarquable : les machines marchent, courent, sautent et dansent avec une fluidité croissante, réalisant des figures jugées hors de portée il y a encore peu. Des acteurs comme Boston Dynamics, Unitree ou Figure AI poussent les limites des capacités physiques de ces systèmes, tandis que la Chine a massivement investi dans ce secteur pour en faire un axe stratégique de son industrie technologique. Mais cette montée en puissance s'accompagne d'un déploiement accéléré dans des contextes grand public, salons, centres commerciaux, événements, avant que les standards de sécurité n'aient pleinement suivi. Cet épisode, aussi anecdotique qu'il puisse paraître, est susceptible d'alimenter les débats sur les normes de cohabitation entre robots et humains dans des espaces non contrôlés, un enjeu que régulateurs et industriels devront inévitablement trancher à mesure que ces machines se banalisent.

UEL'incident alimente indirectement le débat européen sur les normes de sécurité encadrant le déploiement de robots humanoïdes dans des espaces publics.

AutreActu

1 source

3arXiv cs.RO

Navigation omnidirectionnelle par vision : apprentissage par distillation enseignant-élève avec estimation de profondeur monoculaire

Des chercheurs ont publié sur arXiv (2603.01999) un système de navigation omnidirectionnelle pour robots mobiles industriels fonctionnant sans LiDAR, en s'appuyant sur quatre caméras RGB et un modèle de profondeur monoculaire. L'architecture dite "enseignant-étudiant" entraîne d'abord une politique "enseignant" par renforcement (PPO) dans NVIDIA Isaac Lab, avec des observations LiDAR 2D privilégiées couvrant l'empreinte complète du robot. Cette politique distille ensuite son comportement vers une politique "étudiant" qui ne perçoit l'environnement qu'à travers des cartes de profondeur générées par une version fine-tunée de Depth Anything V2. L'ensemble du pipeline (estimation de profondeur, exécution de la politique, contrôle moteur) tourne entièrement sur un NVIDIA Jetson Orin AGX embarqué sur un DJI RoboMaster, sans aucun calcul externe. En simulation, l'étudiant atteint 82 à 96,5 % de taux de succès, contre 50 à 89 % pour l'enseignant LiDAR. Sur terrain réel, il le surpasse également face à des obstacles à géométrie complexe : structures en surplomb et objets ras-du-sol qui échappent au plan de balayage unique d'un capteur 2D. Ce résultat remet en cause un postulat industriel courant : que la navigation robuste en entrepôt ou en atelier nécessite obligatoirement un LiDAR 3D ou une caméra de profondeur dédiée. Le LiDAR 2D, standard des AMR déployés aujourd'hui chez MiR, Fetch ou Locus Robotics, ne capture qu'une tranche horizontale de l'environnement et ignore les rebords en surplomb, les jambes de table et les obstacles ras du sol. En montrant qu'une politique visuelle apprise surpasse son propre enseignant LiDAR sur ces cas critiques, les auteurs valident un transfert sim-to-real fonctionnel et ouvrent la voie à des plateformes AMR significativement moins coûteuses. L'inférence entièrement embarquée supprime par ailleurs toute dépendance cloud, point critique pour les intégrateurs industriels soumis à des contraintes de latence ou de connectivité. L'approche s'appuie sur Depth Anything V2, modèle fondational d'estimation de profondeur monoculaire publié en 2024 par ByteDance Research, et sur NVIDIA Isaac Lab, lancé la même année comme successeur d'Isaac Gym. La plateforme DJI RoboMaster, initialement conçue pour la compétition étudiante, sert ici de banc de test de recherche pour sa robustesse mécanique. Les travaux s'inscrivent dans la tendance de policy distillation explorée notamment par ETH Zurich (projet ANYmal) pour la locomotion quadrupède. Le gap entre ces résultats expérimentaux et un déploiement industriel certifié reste à combler : les expériences réelles présentées restent limitées en durée et en diversité d'environnements, et aucun pilote en conditions de production n'est annoncé à ce stade.

UELes intégrateurs AMR européens s'appuyant sur des plateformes LiDAR 2D, dont MiR (danois), peuvent anticiper une réduction potentielle des coûts capteurs grâce à cette approche vision-only embarquée, mais aucun déploiement en conditions industrielles réelles n'est encore annoncé.

IndustrielPaper

1 source

4Interesting Engineering

Le robot d'entrepôt Proteus d'Amazon planifie désormais ses tâches directement depuis des instructions textuelles

Amazon a présenté une version mise à jour de son robot autonome Proteus lors de l'événement "Delivering the Future" à Londres, accompagnée d'un investissement annoncé de plus de 10 milliards d'euros dans la modernisation de son réseau logistique européen. La principale nouveauté de ce Proteus de nouvelle génération est son interface en langage naturel : un opérateur saisit une requête textuelle ordinaire, et le robot détermine lui-même la priorité de la tâche, calcule un itinéraire et planifie l'exécution. Contrairement aux versions précédentes cantonnées aux zones de quai (dock operations), il peut désormais circuler dans l'ensemble d'un centre de distribution pour tracter des chariots lourds. Amazon mène actuellement des pilotes dans ses installations de recherche et prévoit un déploiement européen au premier semestre 2027. L'événement a aussi annoncé l'extension de STARK, un système de manutention de bacs de stockage (tote-handling) déjà piloté à Barcelone, vers 15 sites européens d'ici 2027, et la poursuite du déploiement de Vulcan, son robot à préhension tactile. L'intégration d'une interface en langage naturel dans un robot de manutention industrielle représente un changement opérationnel potentiellement significatif. Diriger un AGV ou un robot autonome nécessitait jusqu'ici une programmation spécialisée ou une configuration via interfaces dédiées, une barrière réelle en contexte d'entrepôt à fort turnover. Si cette approche tient à l'échelle, elle réduit le coût d'intégration humain-robot et accélère l'onboarding des opérateurs. Pour les décideurs B2B, le signal est notable : Amazon teste une couche d'abstraction LLM au-dessus de sa flotte robotique, une direction qu'explorent également Figure AI côté humanoïde avec son interface vocale sur Figure 02. L'annonce confirme que le principal verrou n'est plus le sim-to-real mais l'interfaçage homme-machine et la flexibilité de déploiement. Il faut cependant souligner qu'il s'agit ici de pilotes en cours avec un horizon 2027, pas d'un déploiement en production généralisé. Proteus existe depuis 2022, présenté alors comme le premier robot autonome d'Amazon certifié pour opérer aux côtés des humains sans cage de protection, mais limité aux opérations de quai. Amazon compte aujourd'hui plus de 750 000 robots dans ses entrepôts mondiaux, dans un écosystème incluant Sparrow, Cardinal, Vulcan et STARK. En Europe, les concurrents directs sur le segment AMR logistique incluent Exotec (France, système Skypod déployé chez Carrefour et Decathlon) et AutoStore, bien qu'aucun n'ait encore annoncé d'interface LLM pour la direction des robots en langage naturel. L'annonce des 25 000 créations d'emplois en Europe et du milliard de dollars engagé dans le programme Career Choice d'ici 2030 s'inscrit dans la communication habituelle d'Amazon pour contrebalancer les narratifs d'automatisation-suppression d'emplois. Les prochaines étapes à surveiller : la performance réelle des pilotes Proteus en conditions de production, le calendrier précis de l'extension de STARK, et d'éventuelles publications techniques sur l'architecture LLM embarquée.

UEAmazon engage plus de 10 milliards d'euros dans son réseau logistique européen avec déploiement prévu dans 15 sites EU d'ici 2027, ce qui met directement sous pression les acteurs AMR européens, notamment Exotec (France), sur leur différenciation technologique face à une interface LLM qu'aucun concurrent n'a encore annoncée.

IndustrielOpinion

1 source