InfrastructureRobotics Business Review 22 septembre 2026

Intrinsic ouvre le code source de composants clés de sa plateforme pour simplifier le développement

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Intrinsic Innovation LLC, filiale d'Alphabet, a annoncé le 22 septembre 2026 lors de ROSCon 2026 à Toronto la publication en open source d'Intrinsic Core, un ensemble de briques logicielles compatibles Robot Operating System (ROS) pour construire des applications robotiques. Le code est disponible dès aujourd'hui sur GitHub sous licence permissive Apache 2.0. Au cœur du dispositif se trouve Intrinsic Control, un framework de contrôle temps réel agnostique au matériel, qui permet un contrôle basé sur les capteurs et une adaptation dynamique de la trajectoire du robot en cours d'exécution, ainsi que le remplacement de bras, pinces ou capteurs sans réécrire les pilotes. La suite inclut aussi l'estimation de pose : Intrinsic s'appuie sur FoundationPose de NVIDIA pour fournir une estimation de pose 3D à 6 degrés de liberté (6 DoF), utilisable directement sans pipeline personnalisé. S'y ajoutent un module de planification de mouvement qui génère automatiquement des trajectoires évitant les collisions, remplaçant la programmation manuelle articulation par articulation, et un module de planification de préhension qui adapte en temps réel l'orientation de la pince à la position de la pièce détectée. Intrinsic a également publié l'Open Machine Tending Solution, une architecture de référence ouverte pour l'alimentation de machines-outils CNC.

Cette annonce marque un tournant potentiel dans la commercialisation de la robotique industrielle : au lieu de vendre uniquement une plateforme propriétaire, Intrinsic ouvre le cœur de sa propre pile logicielle, celle qu'elle utilise pour ses déploiements manufacturiers réels, selon Brian Gerkey, CTO d'Intrinsic et cofondateur d'Open Robotics. Pour les intégrateurs et équipes robotique, l'argument est concret : Intrinsic affirme que les équipes passent aujourd'hui des centaines d'heures à recoder des capacités de base ou de l'infrastructure, et Intrinsic Core vise à combler des manques identifiés dans l'écosystème ROS plutôt qu'à le remplacer. C'est aussi un signal de confiance envers le standard ROS à un moment où plusieurs acteurs développent des piles propriétaires fermées ; Geoffrey Biggs, CTO de l'Open Source Robotics Foundation, y voit une étape vers une production de robots nettement simplifiée. Reste que l'ampleur réelle de l'adoption communautaire et la robustesse en dehors des cas d'usage internes d'Intrinsic restent à démontrer sur la durée, au-delà de l'effet d'annonce lors de ROSCon.

Intrinsic, née d'un projet incubé chez Alphabet's X puis constituée en société indépendante, s'est jusqu'ici concentrée sur des solutions logicielles pour l'automatisation industrielle, notamment via des partenariats de déploiement manufacturier. La publication d'Intrinsic Core s'inscrit dans une dynamique plus large de mise à disposition d'outils robotiques ouverts, aux côtés d'acteurs comme NVIDIA, dont le modèle FoundationPose est directement intégré à la solution. Le choix de ROSCon comme tribune positionne Intrinsic face à d'autres fournisseurs de piles logicielles robotiques et de modèles génériques d'action (VLA), dans un secteur où la standardisation des briques de perception, de planification et de contrôle devient un enjeu de compétitivité. Aucune feuille de route précise de pilotes clients ni de calendrier de nouvelles fonctionnalités n'a été communiquée au-delà de cette publication initiale.

Impact France/UE

Le standard ROS étant très utilise par les intégrateurs robotiques industriels européens, l'ouverture d'Intrinsic Core pourrait leur bénéficier directement, mais aucun acteur ou déploiement français ou européen n'est cite dans l'article.

À lire aussi

1Robotics Business Review

Isaac ROS 5.0 intègre des agents IA au développement robotique, selon NVIDIA

NVIDIA a dévoilé Isaac ROS 5.0 lors de la conférence ROSCon à Toronto, une nouvelle version de sa suite de logiciels accélérés par GPU construite sur ROS (Robot Operating System), le framework open source utilisé par environ 1,3 million de développeurs en robotique. Cette version introduit des flux de travail agentiques, un support pour ROS 2 "Lyrical" et Ubuntu 24.04, ainsi que de nouveaux "NVIDIA Isaac Skills" dédiés à la configuration des environnements et à la manipulation robotique. NVIDIA a par ailleurs contribué une interface standard de traitement des données à ROS 2 Lyrical, héritée des fonctionnalités d'accélération CUDA publiées en mai dernier, permettant une exécution plus efficace sur différents types de matériel, y compris les GPU. Selon Katie Washabaugh, responsable marketing produit pour la simulation robotique chez NVIDIA, Isaac ROS 5.0 est déjà déployé chez Intrinsic, Mentee Robotics, EKUMEN et Flexiv. L'équipementier automobile Magna associe de son côté Isaac ROS à Isaac Sim pour des tests hardware-in-the-loop, dans le but d'accélérer ses cycles de déploiement. Pour les intégrateurs et les équipes d'ingénierie robotique, l'enjeu n'est pas une nouvelle démonstration de robot mais un changement dans l'outillage logiciel qui sous-tend leur développement. NVIDIA cible directement la friction technique, la mise en place de l'environnement, l'écriture de scripts répétitifs, le fine-tuning, en confiant ces tâches à des agents IA capables d'automatiser la "plomberie" habituellement chronophage. Le fait que les accélérations CUDA aient été versées dans le tronc commun de ROS 2, et non gardées propriétaires, élargit leur bénéfice à l'ensemble de la communauté ROS, pas seulement aux clients NVIDIA. Cette annonce renforce surtout la stratégie de plateforme de NVIDIA: en s'imposant comme la couche logicielle de référence entre le développement et le déploiement sur robot physique, l'entreprise consolide son emprise sur l'écosystème robotique, au-delà de la seule vente de puces Jetson. Isaac ROS s'appuie sur ROS, framework open source dont l'évolution est pilotée par l'Open Source Robotics Alliance (OSRA), avec laquelle NVIDIA dit avoir travaillé pour identifier les points de friction des développeurs. Cette version 5.0 prolonge les contributions apportées à ROS 2 Lyrical en mai, où NVIDIA avait déjà livré des fonctionnalités d'accélération CUDA. L'objectif affiché est une continuité totale entre le développement initial et l'exécution finale sur le robot, sans reconfiguration intermédiaire pour les équipes déjà sous ROS. Aucun calendrier de nouvelles fonctionnalités n'a été précisé au-delà de cette publication, mais l'accent mis sur la documentation "agent-ready" et les Isaac Skills laisse attendre un élargissement progressif du catalogue de compétences réutilisables pour les agents IA appliqués à la robotique.

InfrastructureActu

1 source

2Pandaily

Lightwheel AI lève un nouveau tour de table pour développer son infrastructure de données et de simulation pour l'IA physique

Lightwheel AI, startup pékinoise spécialisée dans l'infrastructure de données et de simulation pour l'IA physique, vient de boucler un nouveau tour de financement dont le montant n'a pas été divulgué. Les fonds seront affectés à trois axes : élargir les capacités de livraison, accélérer l'expansion internationale, et renforcer les partenariats avec des fabricants de robots, des développeurs de véhicules autonomes et des industriels. La société propose un triptyque de services : génération de données d'entraînement synthétiques haute qualité, environnements de simulation pour l'entraînement de modèles, et frameworks d'évaluation et de vérification. Son positionnement repose sur une boucle fermée couvrant la collecte terrain, le développement de simulateurs, l'évaluation et le déploiement en production. La technologie centrale est une approche propriétaire baptisée "calibration sur données réelles + amplification par simulation" : des données capteurs réelles servent de base de calibration, puis la simulation génère des jeux de données synthétiques à grande échelle qui reproduisent les propriétés statistiques du réel tout en étendant la couverture des cas limites et scénarios rares. Ce tour illustre une conviction croissante dans le secteur : avant d'entraîner des robots ou des VLA (Vision-Language-Action models) performants, il faut disposer d'une infrastructure de données robuste et reproductible. La plupart des acteurs de l'IA physique butent aujourd'hui sur le "sim-to-real gap" et sur le coût prohibitif de la collecte de données en environnement réel. Une approche de type "real data calibration + sim amplification" vise précisément à réduire ce coût tout en préservant la validité statistique des données, un défi technique non trivial. Si la méthode s'avère scalable, elle pourrait raccourcir significativement les cycles de développement pour les intégrateurs robotiques et réduire la dépendance aux flottes de collecte physique, aujourd'hui l'un des postes de coût les plus lourds du secteur. Matrix Partners China avait déjà mené le tour Pre-A de Lightwheel en décembre 2023, puis sursouscrit le Pre-A+ suivant, s'établissant comme principal investisseur institutionnel de la société. Ce suivi répété est un signal fort, dans un contexte où l'écosystème de l'IA physique chinois s'organise rapidement autour de couches d'infrastructure distinctes : données, simulation, fondation model, application. Les concurrents directs sur ce segment incluent des acteurs comme Scale AI ou Rendered.ai côté occidental, et plusieurs startups chinoises moins visibles à l'international. Le managing partner Tong Ti a déclaré que 2025-2026 marque "l'année du déploiement à l'échelle" pour l'IA physique, ce qui reste un cadrage marketing à surveiller : le passage de la démonstration au déploiement industriel réel, surtout dans la robotique humanoïde, prend systématiquement plus de temps qu'annoncé. Aucun client nommé, aucun volume de données chiffré, aucun site de déploiement mentionné dans le communiqué, ce qui limite pour l'instant l'évaluation indépendante des affirmations techniques.

InfrastructureActu

1 source

3NVIDIA Blog Robotics

Jaiveer Singh aide les robots et les développeurs à progresser plus rapidement

Jaiveer Singh, ingénieur logiciel chez NVIDIA, dirige l'équipe responsable d'Isaac ROS (Robot Operating System), une pile logicielle open source construite sur le framework ROS 2 et accélérée par les bibliothèques CUDA de NVIDIA. Isaac ROS fournit aux développeurs un ensemble de modules pour la perception, la détection d'objets, la cartographie (SLAM), la détection de collision et la planification de mouvements. La plateforme est compatible avec les robots mobiles autonomes (AMR), les systèmes de manipulation et les humanoïdes, et peut s'exécuter sur des postes de travail, sur le DGX Spark (le supercalculateur IA personnel de NVIDIA) ainsi que sur les systèmes embarqués Jetson. Le projet a débuté comme un projet de stage de Singh, alors étudiant en génie électrique, informatique et gestion à l'Université de Californie Berkeley, avec une question simple : publier des bibliothèques GPU open source pour la robotique aurait-il de la valeur ? La réponse s'est avérée positive, et Isaac ROS est depuis devenu un composant central de l'écosystème robotique NVIDIA. L'importance d'Isaac ROS pour l'industrie tient à sa modularité et à son positionnement comme couche d'intégration entre l'IA générative et le déploiement physique. Contrairement à l'ancien Isaac SDK, la version ROS se présente, selon Singh lui-même, comme "un ensemble de briques LEGO" : les développeurs assemblent les modules selon leurs besoins et les combinent avec du code ROS communautaire existant. Pour un intégrateur ou un OEM qui cherche à passer de la démonstration au déploiement série, cette approche réduit la friction d'adoption. Elle répond aussi à une préoccupation structurelle du secteur : la pérennité de la pile logicielle. Un startup qui construit sur un système fermé doit faire confiance au fait que ce système correspondra toujours à ses besoins dans deux ou trois ans, une promesse difficile à tenir dans un marché qui se recompose chaque trimestre. L'open source apporte ici une garantie d'auditabilité et de continuité que les systèmes propriétaires peinent à offrir. NVIDIA s'est positionné sur la robotique bien avant que le secteur devienne un sujet grand public, et Isaac ROS s'inscrit dans cette continuité stratégique. La plateforme évolue aujourd'hui pour répondre aux exigences des humanoïdes, qui requièrent une stack logicielle de bout en bout capable de gérer des agents IA, de la simulation (Isaac Sim) au déploiement edge sur Jetson. Les concurrents directs sur la couche middleware incluent ROS 2 non-accéléré utilisé seul, mais aussi les environnements propriétaires de Boston Dynamics, Agility Robotics ou Figure AI, qui développent leurs propres stacks internes. NVIDIA joue ici un rôle transversal d'infrastructure partagée, moins visible qu'un robot humanoïde en vidéo, mais potentiellement plus déterminant pour la cadence industrielle du secteur. Les prochaines étapes annoncées portent sur le renforcement du support aux agents IA et aux systèmes humanoïdes, deux segments en forte croissance depuis 2024.

UELes intégrateurs et startups robotiques français et européens peuvent bénéficier d'Isaac ROS comme couche middleware open source pour accélérer leurs déploiements, mais l'impact reste indirect et dépendant de l'adoption de l'écosystème NVIDIA.

InfrastructureOpinion

1 source

4TechNode

China Mobile publie en open source sa base d'ingénierie Open-RAIL pour les modèles de robots VLA et WAM

China Mobile a mis en open source Open-RAIL, une base d'ingénierie reliant les modèles vision-langage-action (VLA) et monde-action (WAM) aux robots physiques. La plateforme réunit en un seul flux l'inférence des modèles, l'exécution sur robot réel, la remontée de données et l'itération des modèles. Elle prend en charge quatre robots hétérogènes et dix modèles VLA ou WAM des le lancement. Selon l'opérateur telecom chinois, l'intégration d'un nouveau modèle ne nécessite que 50 a 100 lignes de code, grâce a une couche d'abstraction matérielle qui standardise le contrôle, la lecture d'état et l'exécution des actions quelle que soit la plateforme. Aucune date de disponibilité, aucun tarif ni site de déploiement industriel n'a été précise a ce stade. Pour l'industrie robotique, cette ouverture s'attaque a un goulot d'étranglement connu: chaque robot possède ses propres API et sa propre cinématique, ce qui oblige les intégrateurs a réécrire l'interface logicielle pour chaque nouveau modèle ou chaque nouvelle plateforme matérielle. En promettant une intégration en quelques dizaines de lignes, Open-RAIL cherche a jouer un rôle d'abstraction commune, un peu comme ROS l'a fait pour la robotique classique, mais applique cette fois aux modèles fondation VLA et WAM. Si ces chiffres se confirment en usage réel et pas seulement en environnement contrôle, le cout d'adoption pour les intégrateurs baisserait sensiblement et les cycles entre simulation et robot physique s'accélèreraient. Cette initiative s'inscrit dans la stratégie chinoise de construction d'un écosystème logiciel ouvert pour l'IA incarnée, alors que des laboratoires comme NVIDIA (GR00T N2), Physical Intelligence (Pi-0) ou Figure AI (Helix) développent chacun des piles VLA propriétaires ou semi-ouvertes. En tant qu'opérateur telecom, China Mobile s'appuie sur son infrastructure cloud et réseau pour se positionner comme fournisseur d'outils d'orchestration robotique plutôt que comme fabricant de robots. Aucun calendrier de déploiement pilote ni partenariat industriel n'a été communique pour la suite du projet.

InfrastructureActu

1 source