Aller au contenu principal
Robust.AI choisit le système de perception IA d'Aptiv pour son robot d'entrepôt Carter nouvelle génération
IndustrielRobotics & Automation News 

Robust.AI choisit le système de perception IA d'Aptiv pour son robot d'entrepôt Carter nouvelle génération

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

Aptiv, groupe technologique industriel connu pour ses systèmes de capteurs automobiles, a annoncé que Robust.AI, spécialiste des robots mobiles autonomes pour l'entrepôt, a choisi sa solution de perception intelligente pour équiper la troisième génération de son robot collaboratif Carter. Le système repose sur une fusion de capteurs pilotée par intelligence artificielle et apprentissage automatique, autour du capteur Aptiv Pulse. Cette annonce prolonge une collaboration déjà engagée entre les deux entreprises, qui associent l'expertise d'Aptiv en perception embarquée, historiquement développée pour l'automobile, aux robots mobiles collaboratifs de Robust.AI destinés aux entrepôts et centres de distribution.

Pour l'industrie de l'automatisation logistique, ce partenariat illustre une tendance de fond: les fournisseurs de capteurs automobiles, confrontés à un marché des véhicules autonomes plus lent que prévu, redéploient leur technologie de perception vers la robotique industrielle et les AMR (robots mobiles autonomes). Pour les intégrateurs et décideurs B2B en logistique, l'enjeu est la fiabilité de la navigation et de la détection d'obstacles en environnement partagé avec des opérateurs humains, un point critique pour la certification sécurité des robots collaboratifs. L'annonce reste toutefois formulée en termes généraux, sans données chiffrées sur les gains de performance, la portée des capteurs ou le calendrier de déploiement, ce qui invite à la prudence sur l'ampleur réelle du changement technique.

Robust.AI, fondée par Aaron Edsinger et soutenue notamment par des investisseurs de la robotique, développe sa gamme Carter depuis plusieurs années comme alternative aux AMR déjà déployés par des acteurs comme Locus Robotics ou 6 River Systems (Ocado). Aptiv, de son côté, cherche à valoriser son portefeuille de capteurs et de logiciels de perception au delà de l'automobile. La suite dépendra des premiers déploiements concrets du Carter Gen 3 chez des clients entrepôts, qui permettront de vérifier si ces gains de perception se traduisent par une adoption élargie.

À lire aussi

Robust.AI choisit le capteur Aptiv PULSE pour son robot mobile Carter Gen 3
1Robotics Business Review 

Robust.AI choisit le capteur Aptiv PULSE pour son robot mobile Carter Gen 3

Robust.AI a annoncé cette semaine, lors du salon Automate à Chicago, l'intégration du capteur PULSE d'Aptiv PLC dans son robot mobile collaboratif de troisième génération, le Carter Gen 3. Le PULSE est un système de perception fusionnant une caméra grand-angle et un radar ultra-courte portée pour une couverture à 360 degrés, avec fusion précoce des données brutes par apprentissage automatique. Cette architecture permet la création de cartes de profondeur et de grilles d'occupation en temps réel, deux éléments clés pour la navigation et la sécurité fonctionnelle en milieu industriel. Concrètement, le Carter est un AMR (autonomous mobile robot) logiciel-défini, conçu pour automatiser le picking de préparation de commandes, le transport point-à-point et le tri mobile, sans investissement en infrastructure fixe. Robust.AI, basée à San Carlos (Californie), commercialise son robot sur un modèle RaaS (Robotics-as-a-Service) à déploiement rapide et scalabilité flexible. En parallèle, les deux entreprises visent une certification Performance Level d (PL(d)), le niveau de sécurité fonctionnelle le plus exigeant pour les applications industrielles critiques, qu'Aptiv s'engage à obtenir pour les cas d'usage concernés. L'intérêt de ce partenariat dépasse le seul choix de composant : il illustre un virage sectoriel vers des systèmes de perception redondants et certifiables pour les AMR déployés en environnements partagés. Les entrepôts, ateliers de fabrication et zones de stockage froid posent des défis spécifiques que les capteurs monovoie gèrent mal : poussière, reflets, variations d'humidité, obstacles mobiles. La fusion radar-caméra à bas niveau (early fusion sur données brutes) est plus robuste que la fusion tardive sur sorties traitées, et c'est précisément ce que PULSE apporte au vSLAM (Visual Simultaneous Localization and Mapping) déjà embarqué sur Carter. Pour les décideurs industriels, la cible PL(d) est un signal fort : elle conditionne l'accès à des déploiements autonomes sans superviseur humain permanent, et ouvre la voie à des certifications CE Machinery Regulation en Europe. C'est un prérequis que beaucoup d'AMR actuels ne peuvent pas encore revendiquer. Robust.AI a été fondée par Gary Bradski et Anthony Jules, tous deux issus de l'écosystème robotique de Stanford et SRI International. La société positionne Carter comme un robot collaboratif capable de cohabiter avec les opérateurs humains, contrairement aux systèmes AGV traditionnels à zones d'exclusion. Aptiv, groupe irlandais historiquement centré sur l'électronique automobile (ex-Delphi), pousse depuis 2023 ses technologies de perception vers les marchés industriels et robotiques. Côté concurrence, Carter affronte des acteurs comme Locus Robotics, 6 River Systems (Shopify), Boston Dynamics Spot dans certains cas, et en Europe, Exotec avec son système Skypod. La différenciation de Robust.AI repose sur la flexibilité logicielle et le modèle RaaS, mais la certification PL(d) annoncée sera le véritable test de maturité industrielle. Aucune date de disponibilité commerciale du Gen 3 ni volume de déploiement n'ont été communiqués.

UELa cible de certification PL(d) annoncée ouvre la voie à des homologations CE Machinery Regulation pour les AMR en Europe, ce qui pourrait accélérer l'adoption de robots mobiles autonomes sans superviseur permanent dans les entrepôts et usines européens.

IndustrielOpinion
1 source
Gecko Robotics teste le lidar couleur nouvelle génération d'Ouster pour améliorer l'inspection d'infrastructures par IA
2Robotics & Automation News 

Gecko Robotics teste le lidar couleur nouvelle génération d'Ouster pour améliorer l'inspection d'infrastructures par IA

Gecko Robotics, spécialiste américain de l'inspection robotisée d'infrastructures industrielles, a annoncé intégrer les capteurs lidar Rev8 d'Ouster dans sa plateforme logicielle Cantilever. Le Rev8 est la nouvelle génération de lidar digital d'Ouster, conçue pour les systèmes d'IA physique, et introduit des couches de données supplémentaires par rapport aux générations précédentes, notamment des capacités de perception couleur qui permettent d'enrichir les nuages de points 3D d'informations chromatiques. Gecko utilise déjà les lidars Ouster pour naviguer dans des environnements industriels complexes tels que centrales électriques, raffineries ou réservoirs. Il s'agit à ce stade d'une phase de test et d'intégration, pas d'un déploiement commercial confirmé à grande échelle. L'ajout de données couleur au lidar change la donne pour l'inspection d'actifs industriels : il permet de corréler la géométrie 3D avec des indicateurs visuels de dégradation (corrosion, fissures, dépôts) sans multiplier les capteurs hétérogènes. Pour un intégrateur ou un opérateur industriel, cela se traduit par des modèles d'IA plus précis pour la détection d'anomalies, avec potentiellement moins de passages robot nécessaires par site. C'est aussi un signal fort que les lidar digitaux convergent vers des capteurs multimodaux capables de remplacer des combinaisons caméra+lidar. Ouster, issu de la fusion avec Velodyne en 2023, positionne sa gamme OS/Rev autour des applications d'IA physique industrielle face à des concurrents comme Hesai, RoboSense ou Luminar. Gecko Robotics, dont la plateforme Cantilever cible les secteurs de l'énergie et de la défense, avait levé 100 millions de dollars en 2022. Cette collaboration illustre la tendance à construire des stacks d'inspection complètes en combinant perception avancée et logiciel d'analyse propriétaire, plutôt que de vendre des robots isolés.

IndustrielOpinion
1 source
GreyOrange lance un simulateur d'entrepôt par IA pour modéliser les performances et les coûts de l'automatisation
3Robotics & Automation News 

GreyOrange lance un simulateur d'entrepôt par IA pour modéliser les performances et les coûts de l'automatisation

GreyOrange a lancé GreyMatter Foundry, une plateforme de simulation d'entrepôts destinée aux opérateurs logistiques souhaitant modéliser des déploiements d'automatisation avant tout engagement sur site. L'outil regroupe dans un environnement unique la conception des flux d'entrepôt, la planification des layouts et le dimensionnement des systèmes d'automatisation. Il supporte la modélisation de flottes hétérogènes de robots, permettant ainsi d'estimer les coûts opérationnels et de prédire les performances système en amont de l'implémentation physique. Aucun chiffre précis sur les temps de cycle, les volumes traités ou les tarifs de la plateforme n'a été communiqué lors de cette annonce. Pour les intégrateurs et les directeurs logistiques, ce type d'outil répond à un problème récurrent : les déploiements d'AMR (autonomous mobile robots) en environnement réel génèrent des coûts d'ajustement post-installation significatifs lorsque le dimensionnement initial est mal calibré. Un simulateur intégré au même écosystème logiciel que l'orchestration des robots réduit théoriquement le gap entre conception et exploitation, à condition que les modèles physiques sous-jacents soient suffisamment fidèles, ce que GreyOrange n'a pas encore documenté publiquement. GreyOrange, fondée en 2011 et dont le siège est à Atlanta, s'est imposée dans la logistique automatisée via sa suite GreyMatter d'orchestration multi-robots et ses robots Ranger. La société concurrence des acteurs comme Symbotic, Locus Robotics, et, dans l'espace simulation, des plateformes spécialisées comme Anylogic ou les outils intégrés de Dematic. GreyMatter Foundry s'inscrit dans une tendance plus large du secteur à proposer des jumeaux numériques pré-déploiement, une approche que Honeywell Intelligrated et KION Group ont également développée ces deux dernières années.

IndustrielOpinion
1 source
Portez son autonomie à l'échelle : la perception est la clé
4Robotics Business Review 

Portez son autonomie à l'échelle : la perception est la clé

Mel Torrie, cofondateur et PDG d'Autonomous Solutions Inc. (ASI), signe une tribune publiée à l'occasion de sa prochaine intervention à RoboBusiness, prévu les 20 et 21 octobre à Santa Clara, en Californie. Il y revient sur l'expérience de son entreprise, spécialisée dans l'autonomie industrielle pour les mines et les sites hors route, et sur les leçons tirées du déploiement de son système de vision Mobius. Premier enseignement cité : lors des premiers déploiements, ASI avait retenu des capteurs de qualité automobile, les meilleurs disponibles à l'époque. En moins d'un an, la poussière, les vibrations et les écarts de température extrêmes d'un site minier actif ont provoqué un taux de panne de 100%, forçant l'entreprise à repenser entièrement ses spécifications de capteurs pour les conditions de terrain plutôt que pour un environnement contrôlé. Torrie illustre le niveau d'exigence requis avec l'exemple d'un camion de transport à un carrefour, sous 45°C, dans un nuage de poussière, chargé d'une charge utile de 200 tonnes, avec un véhicule léger traversant sa trajectoire 80 mètres devant lui. Cette tribune défend une idée simple pour les opérateurs industriels et intégrateurs : le GPS indique une position, pas ce qui se trouve devant la machine ni si un obstacle va croiser sa route, et la véritable autonomie repose désormais sur la perception plutôt que sur le contrôle moteur ou la planification de trajectoire, selon l'auteur. L'argument central est économique autant que technique : plutôt que d'imposer un remplacement complet de flottes à forte intensité capitalistique, une mise à niveau de la vision indépendante du matériel permettrait de transformer des équipements existants en plateformes autonomes performantes sans enfermer l'opérateur dans un écosystème propriétaire unique. Pour les décideurs B2B de secteurs comme les mines ou la logistique, où chaque décision opérationnelle a des implications financières et sécuritaires, cela replace le calcul de retour sur investissement autour d'un facteur clé : le temps d'arrêt, plus coûteux dans des environnements réels imprévisibles que dans les sites structurés visés par l'automatisation classique. L'auteur insiste aussi sur la nécessité d'un traitement en périphérie, embarqué et en temps réel, pour détecter un humain et réagir en quelques millisecondes sans dépendre d'un serveur distant. Le texte s'inscrit dans un format tribune d'expert associé à la promotion de la conférence RoboBusiness, où figure d'ailleurs un encart publicitaire pour l'inscription, et ne constitue donc pas un compte-rendu indépendant ni l'annonce d'un nouveau produit : la plateforme Mobius d'ASI est déjà commercialisée, l'article relevant d'un positionnement éditorial plutôt que d'un lancement. Aucun acteur français ou européen n'est cité. ASI, fondée par Torrie, s'est bâtie sur l'autonomie de véhicules hors route pour les mines et le transport de charges lourdes, un segment où d'autres acteurs proposent également des couches d'autonomie rétrofit pour flottes existantes ; l'article ne détaille toutefois ni chiffre de déploiement pour Mobius, ni client nommé, ni calendrier de prochaines étapes au-delà de l'intervention de Torrie à RoboBusiness en octobre.

IndustrielOpinion
1 source