Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
ADAPT : un chariot élévateur autonome pour les chantiers de construction
IndustrielarXiv cs.RO3j

ADAPT : un chariot élévateur autonome pour les chantiers de construction

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

Des chercheurs ont publié sur arXiv (réf. 2503.14331, version 4) ADAPT, pour Autonomous Dynamic All-terrain Pallet Transporter, un chariot élévateur tout-terrain entièrement autonome conçu pour les chantiers de construction. Contrairement aux robots AMR d'entrepôt qui opèrent dans des espaces balisés et prévisibles, ADAPT doit composer avec des terrains non revêtus et accidentés, des obstacles dynamiques (ouvriers, engins en mouvement) et des conditions météorologiques variables. Le système associe des techniques de perception par intelligence artificielle à des méthodes classiques de planification de trajectoire et de contrôle. Les auteurs ont évalué le dispositif lors de tests en conditions réelles, en comparant ses performances en continu à celles d'un opérateur humain expérimenté sous plusieurs conditions climatiques, et revendiquent un niveau de performance proche du seuil humain.

La logistique matériaux sur chantier est l'un des derniers angles morts de l'automatisation industrielle. Là où les entrepôts disposent de solutions AMR matures portées par des acteurs comme Exotec, Locus Robotics ou Seegrid, les chantiers restent quasi exclusivement manuels, avec les retards, accidents et pénuries de main-d'oeuvre qui en découlent. L'enjeu central d'ADAPT est de prouver que les techniques de perception robuste, rodées en environnement indoor, peuvent tenir dans un contexte extérieur non structuré, ce qui constituerait une avancée significative sur le problème du sim-to-real en robotique mobile. La revendication "niveau humain" appelle néanmoins à la prudence : il s'agit d'un preprint non encore validé par les pairs, aucune métrique précise (temps de cycle, charge utile, taux d'incidents) n'est publiée dans l'abstract, et les conditions exactes de la comparaison restent à qualifier.

La robotique de chantier est un segment émergent mais encore peu peuplé. Built Robotics automatise des excavatrices aux États-Unis, Dusty Robotics déploie des robots de traçage au sol sur des projets de construction commerciale, et les grands constructeurs de chariots industriels comme Toyota Material Handling et Jungheinrich développent des solutions autonomes qui restent cantonnées à l'indoor. Sur le segment outdoor tout-terrain, le créneau est quasi vierge. Les prochaines étapes logiques pour l'équipe de recherche seront de publier les métriques complètes, de conduire des pilotes à plus grande échelle sur des chantiers réels, et de trouver un partenaire industriel ou équipementier pour franchir le fossé entre prototype académique et déploiement opérationnel.

Dans nos dossiers

ExotecarXiv cs.RO

À lire aussi

Raymond s'associe à Third Wave Automation pour déployer l'IA physique dans ses flottes de chariots élévateurs
1Robotics & Automation News 

Raymond s'associe à Third Wave Automation pour déployer l'IA physique dans ses flottes de chariots élévateurs

Third Wave Automation et The Raymond Corporation, filiale de Toyota Material Handling North America, ont annoncé en juin 2026 une collaboration technologique visant à déployer des capacités d'automatisation physique pilotées par IA sur une sélection de chariots élévateurs Raymond automatisés. L'accord s'appuie sur cinq ans de développement conjoint et d'apprentissage opérationnel entamés dès 2021, période durant laquelle Toyota Ventures avait pris une participation au capital de Third Wave Automation. Le communiqué parle de "physical AI", expression marketing désignant ici des systèmes de perception et de navigation autonome embarqués directement sur les engins de manutention, sans préciser de métriques de performance (vitesse, payload, taux d'erreur) ni de volumes de déploiement planifiés. L'accord signale une évolution notable dans la commercialisation de la robotique de manutention : plutôt que de proposer des flottes autonomes en remplacement complet, Third Wave Automation opte pour une approche de retrofit ou d'intégration progressive sur des chariots existants d'un équipementier établi. Pour les décideurs logistiques et les intégrateurs, cela réduit le risque de transition en s'appuyant sur l'infrastructure matérielle Raymond déjà certifiée et déployée dans des milliers d'entrepôts. La question reste ouverte sur le sim-to-real gap : aucun chiffre de fiabilité en conditions industrielles réelles n'a été communiqué, ce qui invite à traiter cette annonce comme un engagement partenarial plutôt qu'un produit en production à grande échelle. Third Wave Automation s'est construit depuis sa fondation sur une philosophie dite de "Collaborative Autonomy", combinant téléopération humaine et navigation autonome pour gérer les cas limites que les systèmes purement automatiques peinent encore à résoudre. Raymond, dont le réseau couvre l'Amérique du Nord avec des flottes utilisées dans la distribution, l'alimentation et la fabrication, représente un point d'entrée considérable en termes d'accès marché. Sur ce segment, les concurrents directs incluent Seegrid (chariots autonomes, acquis par Zebra Technologies), Hyster-Yale avec son partenariat Nuvera, ainsi que des acteurs comme Locus Robotics ou Fetch Robotics côté AMR. Aucune timeline de déploiement commercial ni annonce de pilotes clients n'accompagne l'annonce.

IndustrielOpinion
1 source
Vendredi vidéo : des engins de chantier lourds fonctionnent de façon autonome
2IEEE 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
Des ingénieurs américains franchissent une étape clé vers une conscience précise de l'environnement réel pour les robots autonomes
3Interesting Engineering 

Des ingénieurs américains franchissent une étape clé vers une conscience précise de l'environnement réel pour les robots autonomes

Brain Corp, spécialiste américain des systèmes d'autonomie pour robots commerciaux, annonce un partenariat de recherche avec l'Université de Californie San Diego (UC San Diego) pour développer des technologies de cartographie sémantique et d'intelligence contextuelle. L'accord implique notamment le professeur Nikolay Atanasov du département d'Electrical and Computer Engineering de la Jacobs School. L'objectif déclaré : doter les robots autonomes d'une couche de compréhension spatiale plus fine que ce que permettent les solutions de localisation et cartographie simultanées (SLAM) actuelles. Brain Corp s'appuie sur un parc opérationnel de plus de 50 000 robots autonomes déployés dans des environnements commerciaux à l'échelle mondiale, totalisant plus de 25 millions d'heures d'opérations autonomes, corpus de données réelles qui constitue le socle expérimental de la collaboration. L'enjeu dépasse la simple navigation : les approches basées sur la vision directe (end-to-end visual) peinent à maintenir une robustesse satisfaisante dans des environnements dynamiques à grande échelle. Le tandem Brain Corp/UC San Diego parie que des cartes 3D sémantiques enrichies, intégrant la nature fonctionnelle des objets et des espaces et pas seulement leur géométrie, permettront aux flottes de robots de s'adapter à des conditions changeantes sans intervention humaine. Pour les intégrateurs et les opérateurs industriels, cela se traduit par une résilience opérationnelle accrue et une coordination multi-agents fiable à l'échelle d'un site entier, qu'il s'agisse d'entrepôts, d'hôpitaux ou d'espaces commerciaux. John Black, CTO de Brain Corp, résume l'enjeu : "le défi n'est plus le mouvement ou la perception, mais la compréhension." Il convient de noter que l'annonce ne détaille aucune métrique de performance ni résultat expérimental publié à ce stade. Brain Corp, fondée en 2009 à San Diego, s'est imposée dans le segment des robots de nettoyage autonomes (AMR floor care) en grande distribution et facilities management, avec des clients comme Walmart, en déployant sa plateforme BrainOS comme système d'exploitation mutualisé pour l'ensemble de sa flotte. Face à l'émergence de modèles vision-langage-action (VLA) portés par des acteurs comme Physical Intelligence avec pi-0, Nvidia avec GR00T N2, ou Figure AI avec Figure 03, Brain Corp repositionne BrainOS comme infrastructure d'orchestration d'agents autonomes hétérogènes plutôt que comme simple pile de navigation. Le partenariat avec UC San Diego vise à intégrer directement ces avancées en cartographie sémantique dans BrainOS. Aucun calendrier de livraison n'est précisé : il s'agit pour l'heure d'un accord de collaboration recherche, non d'un produit commercialisé ni d'un déploiement en cours.

IndustrielActu
1 source
Google s'associe à un géant japonais de la robotique pour développer les robots d'usine autonomes de prochaine génération
4Interesting Engineering 

Google s'associe à un géant japonais de la robotique pour développer les robots d'usine autonomes de prochaine génération

Google et FANUC America Corporation ont annoncé un partenariat stratégique visant à intégrer les technologies d'intelligence artificielle de Google dans les systèmes de robotique industrielle du géant japonais, dont les robots équipent déjà des milliers de sites de production dans le monde. L'accord, dont les termes financiers n'ont pas été divulgués, vise à accélérer le déploiement de robots dits à "Physical AI" capables de percevoir leur environnement via des capteurs, de prendre des décisions autonomes et d'exécuter des tâches variables sans reprogrammation manuelle. FANUC a également annoncé une intégration élargie entre sa plateforme de simulation ROBOGUIDE et le framework Isaac Sim de NVIDIA, consolidant ainsi un écosystème de développement robotique centré sur la simulation avant déploiement. La gamme concernée couvre des robots de 3 kg de charge utile jusqu'à 2,3 tonnes, ce qui positionne ce Physical AI sur l'ensemble du spectre industriel. FANUC indique avoir déjà expédié plus de 1 000 robots pour des applications Physical AI depuis la présentation de sa plateforme lors de l'International Robot Exhibition (IREX) de Tokyo en décembre 2025. Ce partenariat est structurellement significatif pour plusieurs raisons. Le groupe Intrinsic de Google est l'un des contributeurs majeurs au Robot Operating System (ROS), plateforme open-source de contrôle robotique que FANUC supporte déjà nativement, aux côtés d'interfaces Python et de communications haute vitesse pour le contrôle externe. L'alignement technique entre les deux acteurs est donc réel, pas seulement commercial. Pour les intégrateurs et décideurs industriels, cela signifie concrètement que des capacités d'adaptation à la variabilité de production, jusqu'ici réservées aux environnements de R&D ou aux démos contrôlées, commencent à migrer vers des lignes de production en conditions réelles. Les 1 000 unités expédiées constituent un premier signal de passage à l'échelle, même si ce chiffre reste modeste au regard du parc robotique mondial, estimé à plusieurs millions d'unités en service. La distinction entre "expédié" et "déployé en production continue" mérite d'être gardée en tête. FANUC, fondée en 1956 et filiale de FANUC Corporation (Japon), est l'un des quatre grands fabricants mondiaux de robots industriels avec ABB, KUKA et Yaskawa Motoman. L'entreprise a historiquement misé sur la fiabilité et la précision répétable plutôt que sur l'adaptabilité, ce virage vers le Physical AI représente donc une évolution de positionnement notable. Sur le terrain concurrentiel, Boston Dynamics (via Hyundai), Figure AI avec son robot 03, et Tesla avec Optimus poursuivent des trajectoires humanoïdes, tandis que des acteurs comme Machina Labs ou Covariant ciblent l'adaptation cognitive en environnement industriel conventionnel. En Europe, Wandercraft et Enchanted Tools restent positionnés sur des niches spécifiques. Les prochaines étapes pour FANUC et Google ne sont pas encore précisées publiquement, mais la montée en cadence des déploiements en Amérique du Nord semble être l'axe prioritaire annoncé par Mike Cicco, président et CEO de FANUC America.

UELes concurrents européens de FANUC (ABB, KUKA) subissent une pression accrue pour intégrer des capacités Physical AI comparables sur leurs plateformes industrielles, sous peine de perdre des parts de marché EU face à cet écosystème Google-FANUC-NVIDIA.

IndustrielOpinion
1 source