Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel

Dossier IA physique & VLA

2476 articles

L'IA physique : modèles vision-langage-action qui contrôlent des corps robotisés. État de l'art académique (CoRL, RSS) et premières productions industrielles.

Figure1X TechnologiesTesla OptimusBoston DynamicsUnitreeAgiBotApptronik ApolloAgility Robotics — DigitUBTechFourier IntelligenceSanctuary AIWandercraftTous les dossiers →
EmbodiedEvo : un agent de code auto-évolutif pour l'IA physique
1arXiv cs.RO RecherchePaper

EmbodiedEvo : un agent de code auto-évolutif pour l'IA physique

Des chercheurs proposent EmbodiedEvo, un agent de code auto-évolutif pour le contrôle robotique, décrit dans une prépublication arXiv (v2). Le principe: un agent de code observe la scène via une interface programmatique du robot, exécute des programmes de contrôle et les corrige selon l'état physique obtenu, ce qui en fait une politique en boucle fermée sans fine-tuning sur la tâche cible. Les auteurs constatent que cette adaptation intra-épisode ne se conserve pas d'une scène à l'autre: les agents dépensent leurs budgets d'interaction et d'inférence à établir des opérations efficaces et leurs préconditions, et un nouvel agent ne peut pas réutiliser ces découvertes. EmbodiedEvo distille donc le retour physique en « Skills » (code réutilisable) et en « Lessons » (diagnostics). L'expérience est acquise sur une seule scène « Playground » par tâche, puis figée pour des agents indépendants dans des scènes inédites, sans mise à jour des poids. Sur RoboDojo-Sim, le système atteint un score moyen de 44,48 et un taux de succès de 37,82 %, au-dessus de tous les résultats officiellement vérifiés. Pour les intégrateurs et les équipes R&D, l'intérêt tient à la voie proposée: capitaliser l'expérience sous forme de code et de notes lisibles plutôt que de réentraîner un modèle. Ce savoir est inspectable, transférable et peu coûteux à stocker, ce qui contraste avec les politiques VLA (vision-langage-action) dont les acquis sont enfouis dans les poids. Des tests appariés montrent les gains les plus nets sur les tâches dépendant de la mémoire et une bonne réutilisation de procédures coordonnées. L'expérience d'un modèle plus fort profite aussi à des exécutants plus faibles: celle d'Astra relève les taux de succès de Sol et Luna de 8,86 et 5,50 points de pourcentage par rapport à l'absence d'expérience. Comparés à l'historique brut d'interaction, Skills et Lessons offrent des performances comparables pour un coût d'exécution inférieur de 53,0 %. Les auteurs reconnaissent toutefois que le contrôle fin des contacts reste difficile. Ces résultats sont obtenus en simulation, sur un seul benchmark: un taux de succès de 37,82 % reste modeste, et rien n'indique encore un transfert vers du matériel réel, où la fiabilité des contacts, la perception et la latence pèsent davantage. Le travail s'inscrit dans la tendance des agents de code comme couche de contrôle, en concurrence avec les VLA entraînés de bout en bout (Pi-0, GR00T, Helix), qui exigent données de téléopération et réentraînement. Le « score le plus élevé » vaut uniquement face aux résultats officiellement vérifiés de RoboDojo-Sim. Les suites logiques seraient une validation sur robots physiques, des tests sur d'autres benchmarks et la mesure de la robustesse des compétences figées face à des scènes plus éloignées de celle d'apprentissage.

UEPas d\'impact direct sur la France/UE

1 source
2arXiv cs.RO 

VLX-Go : un suivi robuste en IA incarnée grâce à l'apprentissage multi-étapes et au raffinement sur la politique

VLX-Go est une politique de navigation « vision-langage » présentée sur arXiv (2610.19361) pour le suivi visuel incarné, c'est-à-dire un robot qui identifie une cible désignée et pilote son propre mouvement pour la suivre. Le modèle combine plusieurs encodeurs visuels gelés complémentaires, un contexte temporel multi-échelle, un backbone transformer et une tête légère qui prédit des waypoints exprimés dans le repère du robot. L'entraînement se fait en trois étapes : alignement vision-langage, mi-entraînement de raisonnement multimodal, puis spécialisation au suivi sur 19 532 épisodes générés par un oracle. Sur le suivi en présence de distracteurs, le taux de succès passe de 41,54 % pour le précédent modèle des auteurs, OmTrackVLA, à 55,80 % avec la recette complète. Une étude préliminaire de raffinement « on-policy », qui réutilise des étiquettes d'oracle filtrées sur les états réellement visités par la politique, ajoute 2,42 points (58,22 %) et réduit le taux de collision de 1,99 point. Selon les auteurs, c'est le meilleur résultat parmi les méthodes comparées, en distracteurs comme en cas ambigus. L'intérêt tient au problème ciblé. Suivre une personne isolée est une démonstration relativement facile, mais les robots de service, de logistique ou d'accompagnement évoluent dans des espaces partagés où plusieurs silhouettes se croisent. Les méthodes existantes perdent beaucoup de performance entre cible unique et distracteurs, et c'est cet écart que le travail cherche à réduire. Le résultat soutient l'idée qu'aligner d'abord les représentations visuelles et linguistiques, avant d'apprendre le mouvement, vaut mieux qu'un apprentissage direct du suivi. Il faut toutefois relativiser : un taux de succès de 58 % reste très loin d'un niveau exploitable en production, et les chiffres proviennent de benchmarks, probablement en simulation, sans validation de déploiement réel mentionnée. Le gain du raffinement on-policy est modeste et explicitement présenté comme exploratoire. Ce travail prolonge la lignée des modèles VLA (vision-langage-action) appliqués à la navigation, dont OmTrackVLA est l'étape précédente chez les mêmes auteurs. Il s'inscrit dans une course académique au suivi de personne par modèles de fondation, où la difficulté se déplace de la simple détection vers la désambiguïsation de la cible. Aucun produit, pilote ni calendrier n'est annoncé : il s'agit d'une publication de recherche, sans acteur industriel européen identifié. La suite logique, selon les auteurs, est une étude plus poussée du raffinement on-policy, qui corrige le décalage entre les états vus à l'entraînement et ceux que la politique rencontre en exécution. Les prochaines étapes à surveiller sont des tests sur robot physique et des comparaisons sur des benchmarks partagés.

RecherchePaper
1 source
3arXiv cs.RO 

Ce qui compte pour la modélisation du monde dans les modèles vision-langage-action (VLA)

Une équipe de chercheurs publie sur arXiv (2610.19825) une étude systématique visant à déterminer ce qui compte réellement lorsqu'on intègre un modèle du monde dans un modèle Vision-Langage-Action (VLA), c'est-à-dire une politique robotique qui convertit images et instructions textuelles en actions. Les auteurs classent les approches existantes en quatre paradigmes: Implicit Future Alignment, Explicit Future Query, MoT Future Expert (un expert dédié au futur, découplé de la politique, dans une architecture de type Mixture-of-Transformers) et External World Predictor. Chacun est réimplémenté dans un cadre unifié, puis évalué avec plusieurs représentations du monde et plusieurs architectures de politique. Les tests couvrent des scénarios in-domain, hors distribution (OOD), à long horizon, dynamiques, few-shot et en conditions réelles. Les résultats chiffrés détaillés figurent sur la page projet, que les auteurs accompagnent de vidéos de démonstration. Quatre conclusions se dégagent. L'efficacité d'une représentation du monde dépend du paradigme, mais les représentations sémantiques 2D apportent des gains robustes dans tous les cas. Aucun paradigme ne domine partout, même si le MoT Future Expert offre de bonnes performances globales, surtout en robustesse OOD. Le modèle du monde profite systématiquement aux politiques bâties sur des VLM standards, tandis que les conceptions découplées s'accordent mieux avec des VLA déjà pré-entraînés. Enfin, par rapport à des références limitées à la prédiction d'actions, le modèle du monde améliore les résultats dans plusieurs configurations, avec des gains notables sur les tâches longues et dynamiques. L'intérêt pour l'industrie tient à la clarification d'un champ où les publications comparaient des méthodes qui différaient à la fois par la représentation, le mode d'intégration et le backbone, ce qui rendait les attributions de gains peu fiables. Pour les équipes qui développent des VLA, le message est pragmatique: prédire des features sémantiques 2D du futur est un choix peu risqué, et une architecture découplée permet de greffer un modèle du monde sur un VLA existant sans tout réentraîner. Les gains sur les tâches longues et dynamiques correspondent précisément aux limites des politiques purement réactives en environnement industriel. Il faut toutefois rester prudent: il s'agit d'un banc d'essai académique, sans chiffres de déploiement ni de cadence, et la validation en conditions réelles reste vraisemblablement limitée en échelle. Ce travail s'inscrit dans la montée des modèles du monde dans la robotique fondationnelle, où des acteurs comme NVIDIA (GR00T), Physical Intelligence (Pi-0) ou Figure (Helix) cherchent à dépasser le simple mappage observation-action. Les choix d'architecture restent encore peu consensuels. La suite logique consiste à tester ces paradigmes à plus grande échelle, avec des VLA pré-entraînés sur de très grands corpus et sur des plateformes variées. Aucun calendrier de pilote n'est annoncé, s'agissant d'une contribution de recherche.

RecherchePaper
1 source
4arXiv cs.RO 

Adaptation de modèles vision-langage-action (VLA) à partir d'une seule démonstration vidéo humaine

CapPro, un cadre de travail décrit dans un preprint arXiv (2610.19746), permet à une politique VLA (vision-language-action, modèle qui traduit images et instructions en actions robotiques) préentraînée de s'adapter à une tâche de manipulation jamais vue à partir d'une seule vidéo de démonstration humaine. Le système repose sur deux modules. Le premier construit une représentation compacte de la vidéo par sélection apprise de tokens visuels, et apprend des représentations de requête liées à la tâche grâce à une supervision par légendes de phases. Le second injecte cette vidéo compacte et ces représentations dans le contexte de conditionnement d'action de la politique VLA, en préservant pour l'essentiel son générateur d'actions d'origine. Aucune démonstration robot sur la tâche cible ni aucun réglage fin spécifique n'est requis. Selon les auteurs, CapPro améliore la performance moyenne sur des groupes de tâches cibles inédites, tout en maintenant des résultats comparables sur les tâches sources. Le résumé ne fournit ni taux de succès chiffrés, ni nom du VLA de base, ni plateforme robotique. L'enjeu est celui du coût d'adaptation, l'un des principaux freins au déploiement des VLA. Aujourd'hui, faire exécuter une nouvelle tâche à un modèle généraliste suppose en général de collecter des démonstrations téléopérées puis de relancer un entraînement, deux postes coûteux en main-d'œuvre et en calcul. Remplacer cela par une vidéo filmée d'un opérateur humain, sans équipement robotique, rendrait la mise en service de nouvelles tâches bien plus accessible pour un intégrateur ou un industriel. Un point mérite attention: la vidéo sert de guide d'exécution et non de trajectoire à imiter, ce qui évite le problème d'alignement entre morphologie humaine et robotique. Il faut toutefois rester prudent. L'évaluation décrite concerne des groupes de tâches « inédits » dont la proximité avec l'entraînement n'est pas précisée, et un gain moyen peut masquer de fortes disparités selon les tâches. Aucun résultat en environnement industriel réel n'est mentionné. Ces travaux s'inscrivent dans la recherche sur l'adaptation des VLA, après la montée en puissance de modèles entraînés sur de vastes jeux de données robotiques, comme Pi-0, GR00T ou Helix, dont la généralisation hors distribution reste limitée. Des approches concurrentes exploitent déjà les vidéos humaines, soit en préentraînement, soit via le retargeting de trajectoires, soit par du fine-tuning léger. CapPro se distingue en visant l'adaptation à l'inférence, sans mise à jour des poids. Reste à voir si la méthode tient face à des tâches longues, des objets inconnus ou des vidéos prises dans des conditions imparfaites, et si le code et les benchmarks seront publiés pour permettre une reproduction indépendante.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
ObjDream : guider les modèles vision-langage-action (VLA) par la compréhension au niveau des objets et la prédiction d'états futurs
5arXiv cs.RO 

ObjDream : guider les modèles vision-langage-action (VLA) par la compréhension au niveau des objets et la prédiction d'états futurs

Des chercheurs ont mis en ligne sur arXiv (référence 2610.20223, première version) ObjDream, un cadre de modèle vision-langage-action (VLA) centré sur les objets. Un VLA génère des actions de robot à partir d'observations visuelles et d'instructions en langage naturel. Ici, un encodeur spatio-temporel organise les images en « slots » d'objets temporels, avec un canal pour l'identité persistante de chaque objet et un autre pour son état dynamique. Ces représentations sont insérées dans la séquence de tokens du modèle vision-langage (VLM) sous-jacent, et un routage guidé par l'identité oriente l'attention vers les tokens de l'objet concerné. Un module de dynamique conditionné par les actions prédit en outre des états futurs compacts des objets pertinents pour la manipulation. Ce module ne sert qu'à l'entraînement, comme supervision, et n'est pas exécuté à l'inférence. Les évaluations portent sur les benchmarks de simulation LIBERO, LIBERO-Plus et RoboTwin 2.0, puis sur des essais sur robot réel avec de nouveaux agencements d'objets et des changements de fond. L'intérêt tient au point faible bien connu des VLA : leur robustesse se dégrade dès que la disposition des objets, l'encombrement ou l'arrière-plan s'écartent des données d'entraînement. Faire de l'objet l'unité de représentation, plutôt que l'image entière, est une réponse structurelle à ce problème. Comme la prédiction du futur est abandonnée à l'inférence, le gain ne s'accompagnerait pas d'un surcoût de calcul au déploiement, point central pour des intégrateurs sensibles aux temps de cycle. Les auteurs affirment une meilleure généralisation, mais le résumé ne donne aucun taux de succès, ni la plateforme robotique, ni le nombre d'essais réels. Il s'agit d'un preprint non relu, et la portée industrielle des résultats reste à établir. Le contexte est celui de VLA, de la famille de Pi-0 notamment, qui héritent de représentations visuelles globales issues de backbones vision-langage préentraînés. Deux pistes concurrentes tentent de corriger ce défaut : les modèles du monde et la prédiction vidéo, souvent coûteux en calcul, et les représentations par objets ou slots, que ObjDream combine avec une supervision dynamique. LIBERO-Plus a justement été conçu pour mesurer la fragilité face aux perturbations. La suite dépendra de la publication éventuelle du code et des poids, d'une reproduction indépendante, et de tests en conditions d'atelier réellement encombrées.

RecherchePaper
1 source
6arXiv cs.RO 

VLRLA : adaptation au déploiement des modèles vision-langage-action par apprentissage par renforcement en contexte

Des chercheurs proposent VLRLA, un cadre générique qui dote des modèles vision-langage-action (VLA) existants d'une capacité d'apprentissage par renforcement en contexte, afin qu'ils s'adaptent pendant le déploiement. Le principe est d'ajouter au VLA un module de renforcement qui exploite l'historique des observations, des actions, des récompenses et des signaux de fin d'épisode. La politique affine ainsi progressivement la génération de ses actions et améliore son taux de réussite, sans que les paramètres du modèle soient modifiés. Les auteurs affirment que la méthode s'accommode de différentes stratégies de construction de cet historique et de plusieurs pipelines d'entraînement. Ils l'étudient d'abord en simulation, puis la testent en conditions réelles sur des scénarios jamais vus à l'entraînement. Le résumé ne donne ni plateforme robotique, ni nombre d'essais, ni taux de réussite, ni gain chiffré. L'enjeu tient à une limite connue des VLA pré-entraînés, qui servent de base à la manipulation pilotée par instructions. Une fois déployés, ils restent figés: face à un objet, un éclairage ou une configuration inédits, ils ne tirent aucun enseignement de leurs échecs successifs, et corriger le tir suppose un nouveau cycle de collecte de données et de fine-tuning. Une adaptation uniquement par le contexte, sans mise à jour des poids, éviterait cette boucle coûteuse et pourrait réduire l'écart entre démonstration et exploitation réelle, ce qui intéresse directement les intégrateurs confrontés à la variabilité des sites clients. Il faut toutefois rester prudent. Il s'agit d'une prépublication sur arXiv, non évaluée par les pairs, et la démonstration réelle annoncée ne dit rien de sa difficulté, de sa diversité ni du nombre d'essais nécessaires avant amélioration. Or, en production, le nombre d'échecs tolérables avant que la politique ne s'ajuste est la métrique décisive. L'approche s'inscrit dans un mouvement plus large visant à rendre les modèles fondationnels robotiques capables d'apprendre après leur déploiement. Cela passe par le fine-tuning par renforcement, les boucles d'auto-amélioration ou l'apprentissage en contexte déjà éprouvé sur les grands modèles de langage. VLRLA se veut un complément greffable sur des VLA existants plutôt qu'une nouvelle architecture, ce qui facilitera sa comparaison avec les familles de modèles actuelles. Les prochaines étapes à surveiller sont la publication du code et des benchmarks, des évaluations sur des tâches longues et des plateformes variées, et la preuve que le gain persiste face à des récompenses bruitées ou difficiles à définir hors laboratoire.

RecherchePaper
1 source
Politiques vision-langage-action de bout en bout pour l'amarrage autonome d'un rover lunaire
7arXiv cs.RO 

Politiques vision-langage-action de bout en bout pour l'amarrage autonome d'un rover lunaire

Une équipe de chercheurs publie sur arXiv (2610.19224) une politique vision-langage-action (VLA) de bout en bout pour l'amarrage autonome d'un rover lunaire. Le système associe directement les observations caméra aux commandes de contrôle, sans les composants intermédiaires d'une chaîne de navigation classique (perception, cartographie, planification). Pour l'entraîner, les auteurs ont conçu un cadre de formation extensible qui génère des démonstrations d'experts tenant compte de la sécurité, dans un simulateur lunaire haute fidélité. La politique est ensuite comparée à une chaîne de navigation modulaire de référence, en boucle fermée, face à des perturbations perceptives absentes de l'entraînement. Les résultats la décrivent comme « compétitive » face à cette référence. Les auteurs ajoutent un mécanisme d'horizon d'exécution adaptatif : le modèle détermine sur quelle distance le rover peut avancer en boucle ouverte sans danger, ce qui réduit la fréquence d'inférence tout en limitant les contacts avec des obstacles par rapport à des horizons fixes. Le résumé ne donne aucun chiffre précis, ni taux de réussite, ni gain de calcul, ni taille du modèle. L'intérêt tient à un problème réel de la navigation planétaire. Sur la Lune, les contrastes d'éclairage sont extrêmes, avec des ombres très dures et des zones éblouies, et les erreurs de mesure se propagent d'un module conçu à la main au suivant, ce qui fragilise la chaîne modulaire. Tester une politique VLA dans ce cadre revient à vérifier si la généralisation issue du préentraînement sur données vision-langage d'échelle internet, déjà observée en robotique terrestre et en conduite autonome, résiste à un environnement très éloigné des données d'origine. Le compromis entre calcul et sécurité compte aussi, car les processeurs embarqués durcis aux radiations sont bien moins puissants que les GPU terrestres. Limiter la fréquence d'inférence est donc une contrainte d'ingénierie centrale. Il faut cependant relativiser : tout a été évalué en simulation, sans validation matérielle, et « compétitif » n'indique ni supériorité ni marge de sécurité suffisante pour une qualification spatiale. Ce travail s'inscrit dans l'élan des modèles VLA, qui ont gagné la manipulation et la conduite autonome ces dernières années, tandis que la navigation des rovers planétaires repose depuis longtemps sur des chaînes modulaires éprouvées, comme celles des rovers martiens de la NASA. Les travaux concurrents explorent l'apprentissage de bout en bout pour la navigation terrestre, mais la surface lunaire restait peu caractérisée. Les prochaines étapes logiques seraient des tests sur matériel embarqué, des essais en analogue lunaire réel et des évaluations de sécurité plus strictes, sans calendrier annoncé à ce stade.

RecherchePaper
1 source
Dobot présente VEGA 7, un bras à sept axes à contrôle de force pour l'IA incarnée, avec un MTBF de 50 000 heures
8Pandaily 

Dobot présente VEGA 7, un bras à sept axes à contrôle de force pour l'IA incarnée, avec un MTBF de 50 000 heures

Dobot a lancé le DOBOT VEGA 7, un bras robotique à sept axes avec contrôle de force, conçu dès l'origine pour l'IA embarquée. Il a été présenté lors d'un événement produit à la China International Industry Fair de Shanghai, avec pour cibles les robots bimanuels sur base mobile, la manipulation mobile en milieu industriel et le développement d'IA incarnée. Le constructeur met en avant la durabilité, avec un MTBF (temps moyen entre pannes) annoncé de 50 000 heures. Chaque articulation embarque un frein électromagnétique de série : en cas de coupure de courant, le bras maintient sa posture et freine en 18 millisecondes. L'indice de protection est IP54. Chaque articulation intègre aussi un capteur de couple, qui permet la détection de contact, le contrôle en compliance, la détection de collision et l'apprentissage par guidage manuel. Dobot annonce une précision de contrôle de force de 0,15 N ou mieux, une précision de couple de 0,05 N·m ou mieux et une résolution de 0,01 N·m ou mieux. Les caractéristiques principales sont une charge utile nominale de 7 kg, un rayon de travail de 725 mm et une répétabilité de ±0,03 mm. Le câblage passe par un large creux central, et l'extrémité du bras offre deux interfaces d'extension compatibles EtherCAT, CAN et RS-485, avec 3 A nominaux et 5 A en pointe pour alimenter les outils. Aucun prix ni date de livraison n'a été communiqué. L'intérêt du produit tient moins à ses chiffres bruts qu'à son positionnement. Un bras 7 axes de 7 kg de charge utile n'a rien d'exceptionnel en soi, mais Dobot le vend comme une brique pour la manipulation bimanuelle et la collecte de données. La septième articulation apporte de la redondance cinématique : le bras atteint un même point avec des postures différentes, utile quand la cible est profonde dans une machine ou que deux bras se partagent un espace restreint. Surtout, les capteurs de couple enregistrent les efforts de contact en même temps que le mouvement lors des démonstrations en téléopération ou sur robot réel. Cela ajoute un signal d'entraînement et de débogage au-delà de la vidéo et des positions articulaires, ce qui compte pour les politiques VLA (vision-langage-action) qui peinent encore sur les tâches riches en contact, comme le branchement de connecteurs ou l'assemblage de petites pièces. Il faut toutefois rester prudent : le MTBF de 50 000 hours est une valeur déclarée, sans méthode de test ni conditions précisées, et rien n'indique encore de déploiement client ni de volumes. Dobot, acteur chinois des cobots, s'inscrit dans une tendance nette : les fabricants de bras collaboratifs cherchent à se repositionner comme fournisseurs de matériel pour la robotique incarnée, face à une demande de plateformes de recherche et de collecte de données. Sur la même scène, l'entreprise a aussi montré PULSA, présenté sur la vitesse, et le cobot haute performance CRH, destiné à simplifier le déploiement sur ligne de production. À Shanghai, JAKA Robotics a de son côté dévoilé l'humanoïde à roues Kargo50 et le cobot Zu50, signe d'une même orientation chez les concurrents locaux. Les prochains jalons à surveiller sont le prix, la date de disponibilité et d'éventuels partenariats avec des fabricants de robots bimanuels ou des laboratoires, qui diront si le VEGA 7 devient une plateforme de référence ou reste une annonce de salon.

IndustrielActu
1 source
Promise Robotics s'associe à D.R. Horton pour appliquer l'IA physique à la construction de maisons
9Robotics Business Review 

Promise Robotics s'associe à D.R. Horton pour appliquer l'IA physique à la construction de maisons

Promise Robotics, société torontoise fondée en 2021, a signé un accord pluriannuel avec le constructeur américain D.R. Horton, qui recourra à son offre Factory-as-a-Service (FaaS) pour produire plus de 1 250 maisons aux États-Unis. Le modèle repose sur des microusines où robotique, IA, logiciels et systèmes de fabrication sont reliés sur toute la chaîne : traduction des plans, planification de production, fabrication automatisée de composants, puis installation sur site. Le fabricant utilise aujourd'hui ses propres simulations dans le cloud et des bras industriels KUKA, tout en se disant agnostique côté robots. Sa pile logicielle combine vision par ordinateur, grands modèles de langage pour la préparation initiale des flux de données et un modèle de raisonnement propre au domaine de la construction. Chaque maison produite génère selon l'entreprise 300 nouvelles images et 5 000 nouvelles sources tactiles. Les planchers atteignent 45 pieds (environ 13,7 m), les murs 20 pieds (environ 6 m), fenêtres et portes comprises, et la société fabrique aussi des cages d'escalier prêtes à poser. Sa cible principale : les maisons en rangée de trois à quatre étages. Elle est partie de la mécanique et du CVC (chauffage, ventilation, climatisation). L'enjeu dépasse le seul contrat. Le bâtiment résidentiel n'a jamais connu la standardisation de l'automobile, où un même modèle se produit à des millions d'exemplaires avec de faibles variantes : ici, chaque mur et chaque plancher diffère par ses dégagements, ses composants et son agencement. Promise Robotics en déduit que la variabilité doit être absorbée par le logiciel, qui connaît les limites de mouvement, de matériaux et d'outils, plutôt que par des lignes rigides. Le modèle FaaS cherche aussi à épargner aux constructeurs le coût et le risque d'investir eux-mêmes dans une infrastructure de production, dans un secteur fragmenté, peu enclin à former sa main-d'œuvre comme le fait l'industrie manufacturière. Un client de la taille de D.R. Horton donne de la crédibilité à l'approche, mais l'annonce ne dit rien des cadences, des délais, des coûts par maison ni du calendrier de livraison des 1 250 unités. L'affirmation selon laquelle le système s'améliore avec le temps et réduit les dépenses reste, à ce stade, déclarative. Il s'agit d'un accord signé, non d'un déploiement à grande échelle déjà démontré. Côté contexte, la demande de logements reste forte, la main-d'œuvre manque et les coûts montent, ce qui pousse les constructeurs à chercher des méthodes plus répétables. Promise Robotics défend une approche distribuée, avec des microusines dans plusieurs marchés, et veut rendre cette capacité accessible aux constructeurs d'Amérique du Nord. L'article ne cite pas de concurrents précis ni de calendrier de montée en charge, mais le secteur de la préfabrication robotisée reste ouvert. Les prochains jalons à surveiller : le nombre de sites ouverts pour servir D.R. Horton, les volumes réellement livrés, et la capacité à reproduire le modèle chez d'autres constructeurs.

UEPas d\'impact direct sur la France/UE

IndustrielActu
1 source
Fonds de capital-risque robotique : qui finance vraiment les robots?
10Robot Magazine FR 

Fonds de capital-risque robotique : qui finance vraiment les robots?

Selon Dealroom, les startups classées dans sa catégorie « humanoïdes » ont levé 11 milliards de dollars de capital-risque entre le début de 2026 et le 6 octobre. C'est plus du double des 4,8 milliards recensés sur toute l'année 2025. Le chiffre ne couvre que ce segment, pas l'ensemble de la robotique. Un panorama des investisseurs distingue trois familles : les fonds centrés sur la robotique, les spécialistes deeptech au périmètre plus large et les branches corporate de groupes industriels. Trois fonds indépendants y sont décrits. Cybernetix Ventures, basé à Boston et fondé par Fady Saad et Mark Martin, investit en Amérique du Nord et en Europe, du pré-amorçage à la série A. Il couvre les robots, mais aussi capteurs, autonomie et logiciels, avec Cambrian (vision) et Rugged Robotics (construction) en portefeuille. Il organise aussi Robotics Tech Week, dont l'édition de Boston a eu lieu du 26 au 29 mai 2026. Pathbreaker Ventures (San Francisco) intervient dès le pré-seed et le seed sur la robotique, l'IA, la vision et les nouveaux matériels. Il compte Diligent Robotics et Reliable Robotics, qui a annoncé 160 millions de dollars en avril 2026, un montant de tour et non le chèque du fonds. The Robotics Hub (Pittsburgh) est issu de l'écosystème de Carnegie Mellon, sans être réservé à ses diplômés. Les tailles de ticket ne figurent pas sur les pages officielles de ces fonds, et la fourchette de 250 000 à 2 millions de dollars avancée pour Pathbreaker reste à confirmer auprès de l'équipe. Pour un fondateur, la nuance entre fonds spécialisé, généraliste et corporate change la stratégie de levée. Un fonds corporate peut apporter un accès à des sites industriels et à des clients, mais aussi des attentes stratégiques sur la propriété intellectuelle ou l'exclusivité. Le chiffre de 11 milliards mesure surtout l'appétit pour la « Physical AI ». Il ne dit pas combien de cet argent vient d'investisseurs réellement spécialisés, ni combien se traduit en déploiements. Les grands tours, souvent dominés par des fonds généralistes, risquent de masquer la rareté des investisseurs capables d'évaluer la fiabilité mécanique, les coûts de maintenance ou la sécurité. Pour les startups européennes, le mandat transatlantique de Cybernetix est un point d'entrée concret, alors que le financement des humanoïdes reste concentré aux États-Unis. Ce paysage vient de la convergence entre logiciels d'IA et machines, qui a attiré des fonds venus de l'IA et de la deeptech vers un secteur longtemps financé par des acteurs de niche. Les spécialistes cités investissent tôt, en pré-seed, seed ou série A. Les tours géants des humanoïdes dépendent donc d'un autre type de capital. Le texte indique ne pas viser l'exhaustivité et ne pas attribuer de label « 100 % robotique » à des fonds qui ne le revendiquent pas. Il annonce aussi un examen des branches corporate, que le passage disponible ne détaille pas. Cette analyse n'évoque aucun acteur français ou européen précis. Pour les fondateurs européens, la suite consiste à cartographier les investisseurs actifs en Europe et à vérifier directement les tailles de ticket et les critères de chaque fonds.

UELes startups européennes peuvent s'appuyer sur le mandat transatlantique de Cybernetix Ventures comme point d'entrée, alors que le financement des humanoïdes reste concentré aux États-Unis.

BusinessOpinion
1 source
LAPT-Scale : passage à l'échelle des politiques d'IA incarnée par préentraînement d'actions latentes sur des vidéos humaines
11arXiv cs.RO 

LAPT-Scale : passage à l'échelle des politiques d'IA incarnée par préentraînement d'actions latentes sur des vidéos humaines

Des chercheurs publient sur arXiv LAPT-Scale, un cadre de pré-entraînement par actions latentes conçu pour entraîner des politiques robotiques généralistes à partir de vidéos humaines égocentriques, sans étiquettes d'actions robot. Il repose sur deux briques. LAPT-Scale-LAM est un modèle d'actions latentes (LAM) qui apprend des actions continues en expliquant les transitions visuelles image par image, et ces actions servent ensuite de supervision dérivée de l'humain. LAPT-Scale-Policy est une politique VLA (vision-langage-action) entraînée en trois temps: pré-entraînement sur les actions latentes issues de vidéos humaines, alignement sur l'embodiment du robot cible, puis post-entraînement spécifique à la tâche. Le LAM a été entraîné sur 23,3 k heures de vidéo égocentrique. Le résultat chiffré principal concerne le robot réel: le taux de succès passe de 63,3 % à 85,0 % lorsque le volume de vidéo humaine annotée passe de 1 k à 5 k heures. La politique généraliserait aussi à des conditions visuelles inédites. L'intérêt pour l'industrie tient au coût de la collecte de données. La téléopération et les démonstrations sur robot restent le principal goulot d'étranglement des modèles généralistes, alors que les vidéos égocentriques humaines sont abondantes mais sans étiquettes d'actions exploitables. Les méthodes d'annotation existantes sont bruitées dès que les scènes sont visuellement complexes ou que les dynamiques de manipulation varient. Une courbe de montée en charge régulière avec les heures de vidéo suggère que ce canal de données peut remplacer en partie la collecte robotique, ce qui change l'économie du pré-entraînement pour les intégrateurs et les développeurs de modèles. Il faut toutefois rester prudent: il s'agit d'un préprint non évalué par les pairs. Le gain mesuré porte sur un volume de vidéo annotée encore modeste face aux 23,3 k heures du LAM. Le résumé ne précise ni le nombre de tâches, ni le robot, ni le nombre d'essais, ni les benchmarks de comparaison. Le passage du laboratoire à la fiabilité exigée en production reste donc à démontrer. Sur le plan technique, les auteurs se distinguent des LAM précédents, qui utilisent des espaces latents quantifiés vectoriellement (VQ). Leur espace latent continu cherche à préserver les mouvements fins et les dynamiques d'interaction. Ils combinent aussi des signaux d'alignement perceptuel, sémantique et de flux optique pour que la supervision porte sur la transition elle-même plutôt que sur la seule reconstruction des pixels. Cette approche s'inscrit dans la lignée des travaux d'apprentissage à partir de vidéos humaines et d'actions latentes, que poursuivent de nombreux laboratoires et acteurs de la robotique humanoïde, soucieux d'exploiter les vidéos à grande échelle. Aucun déploiement industriel ni calendrier de pilote n'est annoncé. La suite probable est une validation sur davantage de plateformes et de tâches, ainsi qu'une réplication indépendante, avant toute intégration dans un produit.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Spa-Bench : un banc d'essai sur robot réel pour l'ancrage spatial des modèles vision-langage-action (VLA)
12arXiv cs.RO 

Spa-Bench : un banc d'essai sur robot réel pour l'ancrage spatial des modèles vision-langage-action (VLA)

Spa-Bench, un benchmark sur robot réel publié sur arXiv (2610.12696), mesure la capacité des modèles vision-langage-action (VLA) à relier une description spatiale à un comportement physique adapté. Il couvre six tâches de table : état d'un objet, taille relative, description référentielle, placement relationnel, position ordinale et comptage. Les auteurs publient 4 092 épisodes collectés sur le bras SO-101, un bras open source à bas coût : 1 200 démonstrations téléopérées par des humains et 2 892 rollouts d'évaluation issus de cinq politiques VLA de pointe. Trois d'entre elles ont été évaluées intégralement. Leur taux de succès passe de 67,5-73,3 % sur les configurations spatiales vues à l'entraînement (ID) à 40,7-52,0 % sur les configurations hors distribution (OOD). Quatre conditions de diagnostic complètent le protocole. Elles testent l'exécution physique, la sensibilité à la formulation, les associations objet-tâche et la capacité à reconnaître qu'aucune action n'est requise. Le résultat clé tient à l'écart entre instruction spatiale et instruction directe. Lorsque la consigne nomme explicitement la cible, le succès remonte de 28,3 à 40,0 points de pourcentage. Les politiques savent donc souvent exécuter la manipulation demandée : le goulot d'étranglement est le raisonnement spatial, pas la dextérité. Pour les intégrateurs et les responsables d'ateliers, cela nuance les taux de succès agrégés habituellement cités. Ces chiffres mélangent changements d'objets, d'instructions et d'environnements, et masquent la fragilité sur des consignes comme « la deuxième boîte à gauche » ou « le plus petit objet ». Le protocole retire aussi deux explications faciles de l'échec, l'objet inconnu et le geste inconnu, puisque le support d'entraînement est conservé pour les objets, concepts et actions testés. Cela renforce la thèse d'un décalage entre la connaissance sémantique héritée du pré-entraînement vision-langage et son ancrage dans le monde physique. Ce travail s'inscrit dans la course aux VLA généralistes, où les modèles de type Pi-0, GR00T ou Helix sont surtout comparés sur des taux de réussite globaux. Spa-Bench propose une évaluation plus diagnostique, reproductible sur un matériel accessible, ce qui facilite son adoption par les laboratoires académiques et les équipes sans robots industriels. Les limites sont réelles : un seul bras, des tâches de table, un nombre restreint de politiques entièrement évaluées, et une publication en préprint sans relecture par les pairs. Le code, les vidéos et les données sont publiés sur le site du projet, ce qui devrait permettre à d'autres équipes de tester leurs propres modèles. La suite logique est l'intégration de ce type de tests spatiaux dans les évaluations standard des VLA, avant tout déploiement dans des environnements où l'ambiguïté des consignes est la norme.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
RoboAware : apprendre à coordonner des compétences d'IA incarnée à partir de résultats contrefactuels
13arXiv cs.RO 

RoboAware : apprendre à coordonner des compétences d'IA incarnée à partir de résultats contrefactuels

RoboAware, un framework décrit dans l'article arXiv 2610.11480, apprend à un agent de code embarqué à choisir quelle famille de politiques mobiliser selon l'état physique courant. Il ne réentraîne ni l'agent de code ni les politiques de bas niveau, qui restent figés. Seul un coordinateur de « responsabilité », conditionné par l'état, est appris. Les compétences du robot, qu'il s'agisse de modules classiques ou de politiques end-to-end gelées (type VLA), sont organisées dans un schéma baptisé P^5, qui les range en cinq étapes sémantiques communes pour les rendre comparables. Pour pallier l'absence de résultats contrefactuels dans les travaux existants, les auteurs introduisent le State-Locked Counterfactual Branching (SCB). Cette méthode restaure le même état d'entraînement, génère et exécute un bloc de code pour chaque famille admissible, et révèle ainsi ce qui se serait passé avec les branches non choisies. L'Execution-Aware Learning (EAL) combine ensuite recherche arborescente Monte Carlo et Q-learning pour distiller ces issues en valeurs conditionnées par la famille. Au déploiement, le coordinateur choisit la famille d'après le contexte observable, puis l'agent de code figé écrit le prochain bloc local. Sur 100 tâches, en évaluation à épisode unique, le système atteint 77,0 % de succès global, avec des moyennes annoncées comme state of the art de 90,0 % sur RoboSuite, 73,8 % sur les clusters LIBERO-Pro et 90,0 % sur les tâches bimanuelles RoboTwin. L'intérêt pour l'industrie tient à un problème que les intégrateurs connaissent bien : combiner des briques modulaires fiables et des politiques VLA plus généralistes, sans savoir à l'avance laquelle réussira dans une situation donnée. Le papier propose de traiter ce choix comme un problème d'apprentissage explicite plutôt que comme une heuristique codée à la main ou un jugement laissé au modèle de langage. L'approche est peu coûteuse, puisqu'elle laisse intacts les composants déjà validés, ce qui séduit dans un contexte où requalifier une politique est lourd. Elle suggère aussi que les gains de la composition viennent autant de l'aiguillage que des politiques elles-mêmes. Il faut toutefois rester prudent : tous les résultats sont obtenus en simulation (RoboSuite, LIBERO-Pro, RoboTwin), aucun test sur robot physique n'est mentionné, et le coût du branching contrefactuel, qui multiplie les exécutions par famille de politiques, n'est pas chiffré. Le score global de 77,0 % montre aussi qu'environ une tâche sur quatre échoue encore, et la comparaison porte sur des baselines choisies par les auteurs, sans validation indépendante. Ce travail s'inscrit dans la lignée des approches « code-as-policy », où un modèle de langage écrit du code appelant des primitives robotiques, et des harnais autour de VLA comme Pi-0. Les auteurs s'inspirent du succès des boucles REPL pour les agents de code, en les étendant à l'embodiment. Les concurrents directs sont ces deux familles, jugées trop dépendantes d'un choix de politique non informé par l'état physique. Il s'agit d'un préprint arXiv sans relecture par les pairs, sans annonce de code ni de pilote industriel à ce stade. La suite logique serait une validation sur matériel réel, avec des contraintes de temps de cycle et de sécurité que la simulation ne reproduit pas.

RecherchePaper
1 source
WARP-VLA : adaptation de la caméra de poignet pour une exécution robuste aux changements de point de vue dans les modèles vision-langage-action
14arXiv cs.RO 

WARP-VLA : adaptation de la caméra de poignet pour une exécution robuste aux changements de point de vue dans les modèles vision-langage-action

WARP-VLA, un modèle décrit dans un preprint arXiv (2610.11508v1), s'attaque à une faiblesse connue des modèles Vision-Language-Action (VLA) pour la manipulation robotique : leur sensibilité à la configuration des caméras. Les auteurs ciblent en particulier la caméra montée au poignet, dont le point de vue se déplace avec le robot. Un léger écart de fixation suffit alors à modifier les indices géométriques fins dont dépend la politique. Leur solution repose sur une architecture Mixture-of-Experts (MoE) : chaque expert apprend une transformation de features propre à un type de vue, et un routeur les combine à partir d'informations de vue implicites. La politique peut ainsi être déployée sans fournir les paramètres extrinsèques de la caméra en entrée. Sur le benchmark LIBERO, le taux de succès moyen de pi-0.5 passe de 39,2 % à 78,3 % sous perturbations de la vue poignet, soit un doublement. Des essais sur robot réel indiquent que l'adaptation au niveau des features, apprise en simulation, se transfère à plusieurs configurations de déploiement. Le benchmark de robustesse aux points de vue poignet et une implémentation « plug-and-play » sont publiés. Ce résultat touche un point bloquant du passage des VLA du laboratoire à l'atelier. Reproduire exactement la pose de caméra utilisée à l'entraînement est quasi impossible d'un site à l'autre. Les supports se desserrent, les intégrateurs choisissent des fixations différentes et les générations de robots varient. Une politique qui perd la moitié de ses performances pour un déplacement modéré du capteur oblige à recalibrer ou à réentraîner à chaque déploiement, ce qui pèse directement sur les coûts d'intégration. Le gain mesuré sur pi-0.5 montre que cette fragilité vient en bonne part de la représentation visuelle, et qu'on peut la corriger sans exiger les extrinsèques en entrée. Il faut toutefois rester prudent : les chiffres viennent surtout de LIBERO, un benchmark simulé aux tâches relativement standardisées. Le résumé ne chiffre pas la performance sur robot réel, ni le nombre de plateformes, de tâches ou d'essais. Le taux de 78,3 % reste aussi nettement inférieur à ce qu'exigerait une exploitation industrielle, et le texte fourni ne dit pas quel est le niveau de référence sans perturbation. Le travail s'inscrit dans une série de recherches sur la robustesse des VLA aux changements de point de vue, après l'essor de modèles généralistes comme pi-0 et pi-0.5 de Physical Intelligence. Ces modèles sont entraînés sur des données massives, mais avec des configurations de caméras peu variées. Les approches concurrentes passent par l'augmentation de données multi-vues, la randomisation de domaine ou l'injection explicite de la géométrie de caméra. WARP-VLA évite l'entrée extrinsèque et mise sur un routage implicite, ce qui simplifie le déploiement. Le code et le benchmark publics permettront à d'autres équipes de comparer leurs méthodes, une étape utile avant toute validation en conditions de production. Aucune annonce de pilote industriel n'accompagne ce preprint, qui n'a pas encore été évalué par des pairs.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
AWS lance une boîte à outils open source d'IA physique pour la robotique
15Robotics Business Review 

AWS lance une boîte à outils open source d'IA physique pour la robotique

AWS a lancé aujourd'hui une Physical AI Toolchain en open source, qui doit permettre aux roboticiens de passer de la collecte de données à l'entraînement, la simulation, la validation et le déploiement de modèles d'IA sur leurs robots. Elle assemble des services AWS et la pile logicielle Physical AI de NVIDIA dans un flux de développement unique, articulé autour de cinq briques : génération de données synthétiques, entraînement de modèles, simulation et validation, déploiement en périphérie (edge) et amélioration continue. AWS fournit Amazon SageMaker pour l'entraînement et AWS IoT Greengrass pour distribuer les modèles vers les appareils embarqués. NVIDIA apporte Isaac Sim, Isaac Lab, Isaac GR00T et Cosmos. Les composants peuvent être utilisés séparément ou combinés de bout en bout. Un industriel peut ainsi collecter des démonstrations d'une tâche, générer des scénarios supplémentaires de façon synthétique, entraîner ou affiner un modèle, le tester en simulation, puis le charger sur le robot physique. Les données remontées du terrain alimentent ensuite le cloud pour améliorer le modèle. Sri Elaprolu, directeur Frontier AI Science and Engineering chez AWS, parle d'un « easy button » censé épargner aux équipes la gestion de l'infrastructure. Pour les intégrateurs et les décideurs industriels, l'enjeu est le maillon manquant entre un modèle entraîné et un système fiable en conditions réelles. Aujourd'hui, chaque équipe assemble sa propre chaîne d'outils, ce qui coûte du temps et fragmente les pratiques. AWS cible aussi la rareté des données : contrairement aux LLM, il n'existe pas de corpus massif de données robotiques sur Internet, d'où le pari sur la donnée synthétique et la simulation, dont la fidélité au monde réel reste la question ouverte du sim-to-real. La toolchain est volontairement neutre vis-à-vis du matériel, ce qui la rend utilisable avec des humanoïdes, des bras ou des mobiles. À ce stade, il s'agit d'une offre d'infrastructure annoncée, sans chiffres de performance ni client de production nommé pour la chaîne complète : l'argument repose sur la promesse d'intégration plutôt que sur des résultats mesurés. Le lancement s'inscrit dans la stratégie d'AWS, qui revendique plus d'un million de robots dans les opérations d'Amazon et dit y avoir puisé des enseignements pour la toolchain. Elle ne remplace pas directement RoboMaker, la plateforme de simulation robotique dans le cloud fermée en 2025, que Sri Elaprolu présente comme un composant parmi d'autres de la pile robotique d'AWS. Les entrepôts d'Amazon restant des environnements contrôlés, il cite Telexistence, société japonaise qui déploie des humanoïdes dans des supérettes, avec plus de 300 unités selon lui et d'autres à venir. Ces lieux imposent une tolérance aux pannes plus faible et des temps de réaction plus courts. Face à NVIDIA, qui pousse sa propre pile, et aux fournisseurs cloud concurrents, AWS se positionne en couche d'orchestration plutôt qu'en constructeur. Le calendrier de déploiement et les premiers clients de la chaîne complète n'ont pas été précisés.

UEPas d\'impact direct sur la France/UE

InfrastructureActu
1 source
Les robots de Sereact automatisent le traitement des retours Zalando dans des centres logistiques en Allemagne et en Pologne
16Robotics & Automation News 

Les robots de Sereact automatisent le traitement des retours Zalando dans des centres logistiques en Allemagne et en Pologne

Sereact, le détaillant en ligne Zalando et CEVA Logistics ont lancé le traitement automatisé des retours de mode sur deux sites logistiques : Greven en Allemagne et Świebodzin en Pologne. Les systèmes robotiques à deux bras, pilotés par Cortex, la plateforme de physical AI de Sereact, sont entrés en exploitation réelle. Ils prennent en charge de façon autonome des articles retournés par des clients. Les partenaires présentent ce déploiement comme la phase initiale d'un programme plus large. Le communiqué ne précise ni cadence, ni taux de réussite, ni nombre de cellules, ni périmètre exact des références traitées. L'enjeu est considérable. Les retours de vêtements sont un cas d'usage difficile pour la manipulation robotique : textiles déformables, emballages variables, états hétérogènes, tâches de tri et de contrôle. Un déploiement en production chez un grand e-commerçant européen, sur deux pays, suggère que les modèles de manipulation guidés par l'IA quittent le stade du pilote pour s'intégrer à des flux logistiques réels. Il faudra toutefois attendre des chiffres de débit, de disponibilité et de coût par pièce pour juger de la rentabilité face au travail manuel. À ce stade, il s'agit d'un lancement en conditions réelles, sans données de performance publiées. Sereact, start-up allemande de Stuttgart, mise sur un modèle fondation généraliste pour la manipulation, là où des concurrents comme Dexterity, Mujin ou Pickle misent sur des solutions plus spécialisées. CEVA Logistics, filiale de CMA CGM basée à Marseille, apporte une visibilité française dans ce projet et un accès à de nombreux sites. Zalando, de son côté, traite de gros volumes de retours. L'extension à d'autres sites des trois partenaires sera le vrai test de la généralisation.

UEDéploiement en production d'une start-up allemande avec Zalando et CEVA Logistics (filiale de CMA CGM, Marseille) sur deux sites européens, illustrant l'arrivée de la manipulation robotique par IA dans la logistique de l'UE.

FR/EU ecosystemeActu
1 source
RFPO : optimisation de politique par flux rectifié pour le contrôle de l'IA incarnée
17arXiv cs.RO 

RFPO : optimisation de politique par flux rectifié pour le contrôle de l'IA incarnée

Des chercheurs du groupe AIGeeksGroup publient sur arXiv (2610.10453) RFPO, pour Rectified Flow Policy Optimization, un cadre d'optimisation de politiques basées sur les flows, conçu pour que le contrôle reste fiable avec une seule étape d'intégration numérique. Le déploiement s'appuie sur un seul « étudiant » flow exécuté en un pas d'Euler. L'entraînement combine un Reflow en ligne sensible à la récompense, qui rectifie les trajectoires de transport induites par l'étudiant pendant l'apprentissage on-policy, et un contrôleur gaussien PPO gelé, qui fournit une supervision complémentaire dans l'espace des actions à budget d'intégration complet et intermédiaire. Les tests couvrent quatre plateformes : Unitree Go2, Boston Dynamics Spot, Unitree H1 et Unitree G1. En exécution à un pas, les retours restent à moins de 2,4 % de ceux obtenus à 64 pas, avec initialisation nulle comme aléatoire. Sur le Go2, un pas conserve 98,5 % de la récompense à 64 pas. La latence moyenne d'inférence embarquée passe de 4,39 ms à 0,08 ms, soit une accélération de 54,9 fois. Des expériences sur robot réel valident une locomotion stable à un pas. Le code et un site web sont publiés. L'enjeu est très concret pour l'embarqué. Les politiques de diffusion et de flow matching séduisent par leur expressivité sur les actions continues, mais leur intégration itérative d'ODE coûte du calcul et de la latence, ce qui pèse sur les boucles de contrôle rapides et sur les budgets énergétiques des robots mobiles. Réduire naïvement le nombre de pas dégrade le contrôle, car une politique optimisée en pas complets n'est pas contrainte à rester fiable sous intégration grossière. Les auteurs nomment cet écart « few-step discretization gap ». Passer de 4,39 ms à 0,08 ms libère de la marge pour des fréquences de contrôle élevées ou pour des calculateurs modestes. Il faut toutefois lire ces chiffres avec prudence : les scores principaux viennent de simulation, la validation réelle est présentée comme qualitative (stabilité de la marche) sans taux de réussite ni durée. Les tâches sont de la locomotion, pas de la manipulation, où la multimodalité des actions est plus exigeante. Le gain porte aussi sur la latence de la politique seule, pas sur la chaîne perception-contrôle complète. Le travail s'inscrit dans l'effort pour rendre les politiques génératives exploitables en temps réel, après la diffusion à nombreuses étapes, puis les approches de distillation, de consistency models et de flow matching à peu de pas. Il s'écarte de la distillation classique, car l'étudiant est rectifié pendant l'apprentissage par renforcement et non après coup. L'usage d'un PPO gaussien gelé comme guide rappelle que les baselines simples restent solides en locomotion. Les plateformes choisies, majoritairement Unitree, reflètent la domination du matériel chinois bon marché dans la recherche académique. Aucun acteur européen n'est cité. La suite logique serait une extension à la manipulation, à des politiques vision-langage-action de grande taille et à davantage de tests sur robot réel avec des métriques publiées.

RecherchePaper
1 source
Reformule avant d'agir : caractérisation et atténuation de la sensibilité au langage des modèles vision-langage-action (VLA)
18arXiv cs.RO 

Reformule avant d'agir : caractérisation et atténuation de la sensibilité au langage des modèles vision-langage-action (VLA)

Les modèles vision-langage-action (VLA) ne tiennent pas la promesse de robustesse linguistique de leurs modèles vision-langage d'origine, selon une étude (arXiv 2610.10526) qui chiffre cette fragilité sur LIBERO, un banc d'essai de manipulation en simulation. Sur ce benchmark, π0.5 allume la cuisinière dans 100 % des essais avec « switch on the stove », mais seulement 2 % avec « switch on the hot plate ». Un checkpoint π0 finetuné avec de l'augmentation par reformulation affiche encore des écarts allant jusqu'à 61 points pour une simple variation de phrasé. Les auteurs mesurent ces variations par des tests statistiques d'écarts à une seule édition, puis par une recherche « oracle » de la meilleure formulation. Celle-ci montre que le phrasé seul comble presque entièrement l'écart de 21 points entre tâches in-distribution et hors distribution. Leur correctif ne touche pas à la politique. Ils évaluent de nombreuses formulations sur quelques tâches d'entraînement, puis un grand modèle de langage distille ces résultats en dix à vingt règles de reformulation. Au déploiement, chaque consigne entrante est réécrite une seule fois selon ces règles, sans réentraînement ni vérification à chaque pas de temps. Sur un π0 gelé, le gain relatif est de 16 à 27 % sur douze tâches tenues à l'écart, avec des phrasés adversariaux, générés par VLM et rédigés par des humains. Les progrès se concentrent sur les tâches hors distribution. Sur π0.5 et LIBERO, le taux de succès « in-finetune » passe de 93,6 % à 97,8 %. Il s'agit de résultats de simulation et de benchmark. Rien n'est annoncé en déploiement physique ni sur un produit livré. Pour les intégrateurs et les équipes qui évaluent des VLA, le résultat remet en cause l'idée que la compréhension du langage hérite telle quelle du préentraînement du VLM. Un opérateur qui dit « plaque chauffante » plutôt que « cuisinière » peut faire échouer la tâche presque à coup sûr. Les scores moyens des benchmarks, mesurés avec les formulations canoniques, risquent donc de surestimer la fiabilité en atelier ou en entrepôt, où les consignes varient selon les personnes. Le travail propose aussi une réponse peu coûteuse, puisqu'une couche de réécriture en amont s'ajoute à une politique figée sans nouvelle collecte de données. Reste à voir si cela tient sur robot réel, avec des consignes plus longues et du bruit de reconnaissance vocale. Le coût d'un appel LLM supplémentaire par consigne est faible, mais il ajoute une dépendance et de la latence au démarrage de la tâche. Ce travail s'inscrit dans la série des politiques généralistes de Physical Intelligence (π0, puis π0.5), devenues des références open source. Celles-ci côtoient des approches concurrentes comme GR00T chez NVIDIA ou Helix chez Figure, dont la robustesse linguistique n'est pas documentée publiquement dans des termes comparables. LIBERO est un benchmark commode mais limité, et la plupart des publications sur les VLA le saturent déjà avec des consignes fixes. Les prochaines étapes naturelles sont des tests sur matériel physique et sur d'autres familles de VLA. Les auteurs publient une page de projet, sttawm.github.io/rephrase-before-you-act.

RecherchePaper
1 source
Les modèles vision-langage-action (VLA) comprennent-ils les instructions ? Une étude d'interprétabilité mécaniste sur l'ancrage du langage
19arXiv cs.RO 

Les modèles vision-langage-action (VLA) comprennent-ils les instructions ? Une étude d'interprétabilité mécaniste sur l'ancrage du langage

Une étude d'interprétabilité mécaniste, publiée sur arXiv (2610.10178), s'est demandé si les modèles Vision-Language-Action (VLA) utilisent réellement l'instruction textuelle pour générer leurs actions. Elle porte sur deux modèles de référence, π0.5 et GR00T N1.7. Les auteurs appliquent de l'activation patching et de l'attribution patching au flux résiduel des modules de génération d'actions. Ils corrompent les consignes de la base LIBERO selon cinq stratégies: remplacement par des synonymes, variation d'échelle sémantique, inversion directionnelle, substitution par un objet aléatoire et chaîne vide. Les deux modèles réagissent peu à une reformulation abstraite ou à la mention d'un objet inexistant. Ils réagissent fortement à une consigne vide et surtout au langage directionnel. Le siège de cette sensibilité diffère selon le modèle. Chez GR00T N1.7, elle se concentre dans les premières couches de cross-attention périodiques. Chez π0.5, elle est répartie entre les toutes premières couches et quelques couches plus tardives. Ce résultat nuance l'idée que les VLA « comprennent » le langage. Une faible sensibilité aux synonymes pourrait être de la robustesse. Mais l'indifférence aux objets inexistants suggère que les modèles s'appuient largement sur des indices visuels et des corrélations de surface, plutôt que sur une vraie ancrage sémantique. Ces modèles n'ont pas de module de grounding explicite et dépendent des capacités de leur backbone vision-langage. Pour un intégrateur ou un responsable de déploiement, cela pose un risque concret: une consigne ambiguë, erronée ou sans rapport avec la scène peut ne pas être détectée, et le robot exécutera tout de même une tâche plausible. À l'inverse, la forte dépendance aux termes directionnels (gauche, droite, haut, bas) indique que ce sont les mots qui portent réellement l'information d'action. Les auteurs relèvent aussi que, pour GR00T N1.7, les perturbations directionnelles produisent certains des plus grands effets causaux alors que la géométrie interne des représentations change peu. Ce découplage n'apparaît pas nettement chez π0.5. Enfin, l'attribution patching, méthode d'approximation peu coûteuse, suit fidèlement l'activation patching pour GR00T N1.7 mais pas pour π0.5. Sa fiabilité dépend donc du modèle et ne peut pas être supposée. Le contexte est celui d'une course aux modèles généralistes, où π0.5 (Physical Intelligence) et la série GR00T (NVIDIA) servent de références. Leur évaluation repose souvent sur des benchmarks comme LIBERO, dont les scènes, qui répètent des configurations proches, peuvent masquer une dépendance limitée au langage. Cette étude s'inscrit dans un courant de travaux d'audit qui testent la robustesse linguistique et visuelle avant tout déploiement réel. Il s'agit d'un travail de recherche en simulation, sans produit ni pilote associé. Les suites probables sont des protocoles d'évaluation plus exigeants, avec des consignes contradictoires, et des méthodes d'entraînement ou des architectures qui renforcent l'ancrage du langage.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
EmbodiedSmith : passer à l'échelle les données d'IA incarnée grâce à un cycle d'auto-amélioration récursive en simulation
20arXiv cs.RO 

EmbodiedSmith : passer à l'échelle les données d'IA incarnée grâce à un cycle d'auto-amélioration récursive en simulation

Des chercheurs publient sur arXiv (2610.07969) EmbodiedSmith, un cadre de génération de données d'entraînement robotiques en simulation, fondé sur une boucle de « récursive self-improvement » (RSI). Le système unifie trois étapes habituellement séparées : la création d'assets 3D, la génération de scènes et la génération de tâches. Il fonctionne de façon autonome ou sur instructions en langage naturel. Au centre du dispositif, une boucle de raffinement pilotée par des agents : la génération de scène anticipe les besoins des tâches à venir, et la génération de tâche déclenche en retour des modifications ciblées de la scène. Le cadre prend en charge des manipulateurs mobiles, des humanoïdes et des mains dextres, ainsi que des interactions avec des objets déformables et des fluides. Les auteurs affirment que ce raffinement conjoint améliore le taux de réussite de la génération de tâches, y compris pour les tâches longues, et que des politiques entraînées sur des données plus diversifiées généralisent mieux. Le résumé ne donne ni chiffres, ni noms de robots, ni noms de modèles de politique testés. L'intérêt tient à deux verrous connus des modèles de fondation robotiques : le manque de données variées et le manque d'environnements d'évaluation fiables. Les pipelines de simulation actuels dépendent de bibliothèques d'assets et de compétences prédéfinies, et traitent la scène et la tâche comme deux problèmes disjoints, ce qui produit des tâches irréalisables ou répétitives. Si la boucle scène-tâche tient ses promesses, elle réduirait le travail manuel de conception d'environnements, poste coûteux pour les équipes qui entraînent des VLA (vision-language-action). L'extension aux mains dextres, aux fluides et aux objets déformables vise des cas où la simulation reste la plus fragile. Il faut toutefois rester prudent : il s'agit d'un préprint non évalué par des pairs, et le résumé ne dit rien de l'écart sim-to-real. Un gain de généralisation mesuré en simulation ne prouve pas un transfert sur robot physique, qui est le test décisif pour les décideurs industriels. Le travail s'inscrit dans la course à la donnée synthétique pour la robotique, où coexistent les générateurs de scènes pilotés par LLM, les environnements procéduraux et les plateformes de simulation des grands acteurs, comme Isaac Sim chez NVIDIA, qui alimente la famille GR00T. Face à la téléopération, coûteuse et lente à passer à l'échelle, la simulation générative promet de produire des volumes bien supérieurs à moindre coût. Les prochaines étapes à surveiller sont la publication du code et des benchmarks, des validations sur robots réels et une comparaison directe avec les pipelines existants. Aucun acteur européen ni calendrier de déploiement n'est mentionné dans l'annonce.

IA physiquePaper
1 source
SimpleTouch : les modèles vision-langage-action (VLA) maîtrisent-ils la manipulation riche en contacts sans préentraînement tactile de la politique ?
21arXiv cs.RO 

SimpleTouch : les modèles vision-langage-action (VLA) maîtrisent-ils la manipulation riche en contacts sans préentraînement tactile de la politique ?

Des chercheurs publient SimpleTouch, une extension du modèle vision-langage-action (VLA) π0.5 qui lui ajoute un « expert tactile ». Cet expert exploite tous les tokens d'un encodeur tactile préentraîné et gelé. Il apprend à partir de la supervision des actions et de la prédiction à plusieurs horizons de représentations latentes tactiles futures. L'entraînement tient en une seule étape et n'utilise que les démonstrations de la tâche, sans préentraînement tactile de la politique ni alignement visuotactile séparé. Avec 50 démonstrations par tâche, SimpleTouch obtient le meilleur taux de succès parmi les méthodes évaluées sur les six tâches du benchmark UniVTAC, avec une moyenne de 77,5 %. FTP-π0.5 atteint 45,2 % et FTP-1 66,7 %, soit des écarts de 32,3 et 10,8 points de pourcentage. Sur quatre tâches réelles, la moyenne est de 71,3 %, soit 8,8 points au-dessus de FTP-1. Le papier, disponible sur arXiv avec une page projet, ne précise pas dans cet extrait le capteur tactile utilisé, le robot ni le nombre d'essais par tâche. L'enjeu est la chaîne d'entraînement de la manipulation riche en contacts. Beaucoup d'équipes partent du principe que greffer le toucher sur un VLA préentraîné uniquement sur la vision et le langage, au moment du réglage fin, creuse un écart intermodal et donne peu de gains, voire dégrade les résultats. Elles ajoutent donc des corpus tactiles à grande échelle ou une étape d'alignement dédiée, ce qui alourdit la collecte de données et le pipeline. SimpleTouch suggère que, si l'on dispose déjà d'un VLA et d'un encodeur tactile solides, ces étapes ne sont pas indispensables pour ces tâches. Pour un intégrateur, cela abaisse le coût d'entrée : une cinquantaine de démonstrations par tâche suffiraient pour doter une politique existante de sensibilité tactile. Il faut toutefois rester prudent. Il s'agit d'un préprint non évalué par les pairs, d'un nombre limité de tâches (six en simulation, quatre en réel), et la comparaison porte sur des références choisies par les auteurs. Rien n'indique une généralisation à d'autres capteurs, morphologies ou tâches. Ce travail s'inscrit dans la montée des VLA fondés sur la famille π de Physical Intelligence, qui servent de base à de nombreuses extensions de recherche. La question de la modalité tactile y reste ouverte : les approches concurrentes, comme FTP-1, misent sur un préentraînement tactile de la politique, tandis que SimpleTouch teste l'hypothèse inverse, celle de la simplicité. Le benchmark UniVTAC fournit un terrain commun de comparaison, mais les résultats en conditions industrielles, avec cadences, variabilité des pièces et usure des capteurs, restent à démontrer. Les prochaines étapes probables sont des réplications par d'autres laboratoires, des tests sur davantage de tâches et de capteurs, et une confrontation directe avec des modèles préentraînés sur de grands volumes de données tactiles.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
La course à l'IA physique se gagnera à l'office des brevets
22Robotics Business Review 

La course à l'IA physique se gagnera à l'office des brevets

Un conseil en brevets, qui compte vingt ans de métier et plus de 300 dépôts en automatisation industrielle, publie une tribune associée à Lightbringer. Il y soutient que la course à l'IA physique sera tranchée par la propriété intellectuelle plus que par la qualité des robots. Selon lui, la valeur se loge moins dans la machine que dans la technologie qui détermine son comportement, et cette technologie peut couvrir le matériel, le logiciel, les modèles d'IA et les méthodes de calibration. Son exemple central est la plainte déposée en 2022 par Boston Dynamics contre Ghost Robotics. Elle visait une "technologie centrale" qui régissait la façon dont le robot se relève après une chute, entre le quadrupède Spot et le Vision 60. Le litige a été réglé en 2025. L'auteur cite aussi la robotique en essaim, où l'innovation naît de l'interaction entre des dizaines de machines. Il rappelle que l'Office européen des brevets indique que, selon la nature de ces interactions, les revendications doivent parfois définir les entités individuelles, le système global et leur interaction, voire se limiter à leur combinaison. Pour les fondateurs et les décideurs, l'enjeu est concret. Un brevet qui ne protège que le robot peut laisser le comportement, donc la vraie valeur, sans défense. Dans les cas ambigus, les startups n'ont rarement le dessus, faute du budget contentieux nécessaire. Les risques décrits sont l'exclusion de leurs propres mécanismes, le blocage d'accès au marché, ou un rachat "pour les pièces" plutôt que pour la valeur. L'auteur en déduit que la stratégie de propriété intellectuelle doit exister dès le départ, pas après une Série A. Il ne recommande pas pour autant de multiplier les dépôts : une équipe qui brevette chaque composant épuise son temps d'ingénierie, et un concurrent peut déposer en premier sur l'invention décisive. Il faut aussi garder à l'esprit la nature du texte : c'est un plaidoyer de praticien, sans données chiffrées sur la fréquence des litiges ni sur leur coût. Le contexte est celui d'un secteur qui se prépare à une phase contentieuse. La responsable de la propriété intellectuelle de RoboSense avait averti l'an dernier que les litiges de brevets en robotique pourraient se multiplier comme dans les smartphones des années 2010, quand les batailles judiciaires mondiales ont structuré licences, rachats et contrôle des marchés. L'auteur ajoute qu'un brevet est une publication, ce qui peut desservir certaines inventions. Pour un procédé de fabrication ou une technique de calibration difficiles à rétroconcevoir, le secret peut coûter moins cher et protéger mieux. En défense, publier un brevet révélerait aux concurrents, et aux adversaires, quel problème a été résolu et où se situe l'avantage. Pour les acteurs européens, la position de l'OEB sur les revendications de systèmes multi-entités sera à suivre de près. Le texte ne cite aucun nouveau procès, mais l'issue amiable du dossier Boston Dynamics contre Ghost Robotics n'a pas levé l'incertitude juridique sur la brevetabilité du comportement d'un essaim.

UELes startups européennes de robotique doivent suivre la position de l'OEB sur les revendications de systèmes multi-entités (essaims) et intégrer la stratégie de propriété intellectuelle dès la création.

RegulationOpinion
1 source
FineART : jeu de données de trajectoires robotiques annotées finement et modèle vision-langage-action (VLA) pour la manipulation bimanuelle
23arXiv cs.RO 

FineART : jeu de données de trajectoires robotiques annotées finement et modèle vision-langage-action (VLA) pour la manipulation bimanuelle

FineART est un jeu de données de manipulation bimanuelle annotée finement, présenté sur arXiv (2609.36416v1) avec un modèle associé, FineART-VLA. Le corpus compte 40 543 épisodes, soit 1 718 heures de démonstrations, couvrant 151 tâches et 533 913 sous-tâches annotées individuellement. FineART-VLA est une politique vision-langage-action (VLA) qui prédit elle-même sa prochaine sous-tâche avant d'agir. Selon les auteurs, ce pré-entraînement intermédiaire (mid-training) fait passer le taux de réussite d'une tâche de désambiguïsation spatiale de 32,0 % à 100,0 %. Avec un guidage humain sous-tâche par sous-tâche, une tâche longue jamais vue passe de 16,0 % à 76,0 %. Après un fine-tuning minimal sur un nouveau robot, la politique demande dix fois moins de données que des références sans mid-training et généralise en zéro-shot à des tâches inédites sur ce matériel. Le jeu de données, les poids du modèle et le code d'entraînement sont publiés en open source. L'enjeu tient à la granularité des annotations plus qu'au volume. Les grands corpus mono-bras atteignent des centaines de milliers de trajectoires, mais n'associent en général qu'une instruction de haut niveau à chaque épisode. Les rares efforts bimanuels qui annotent des sous-tâches n'en couvrent qu'une fraction des heures. Or les tâches d'assemblage, de logistique ou de préparation, qui intéressent intégrateurs et industriels, sont longues, à plusieurs étapes et exigent la coordination de deux bras. Si les résultats se confirment, l'apprentissage d'un raisonnement explicite sur les sous-tâches améliore la robustesse sur les longs horizons, point faible connu des VLA. Le gain d'un facteur dix en efficacité de données lors du transfert vers un nouveau robot compte aussi pour un intégrateur : il réduit le coût de collecte de démonstrations par site ou par plateforme. Il faut toutefois rester prudent. Les chiffres viennent d'un préprint non évalué par des pairs, les 100 % portent sur une seule tâche, et les tests d'inédit reposent sur des protocoles propres aux auteurs. La part du succès due au guidage humain, sur la tâche à 76 %, est significative. Ce travail s'inscrit dans la lignée des grands jeux de données de démonstrations et des politiques généralistes de type Pi-0 ou GR00T, qui ont surtout misé sur l'échelle et les instructions globales. La tendance actuelle va vers des architectures hiérarchiques, comme Helix chez Figure, où un niveau planifie et un autre exécute. FineART propose ici un équivalent ouvert, entraînable et reproductible, ce qui le distingue des systèmes propriétaires. La suite dépendra de la reprise du jeu de données par d'autres laboratoires, de validations sur davantage de plateformes et de tâches industrielles réelles, et d'une évaluation indépendante des résultats en zéro-shot.

RechercheActu
1 source
État des lieux des robots dans l'industrie manufacturière
24Robotics Business Review 

État des lieux des robots dans l'industrie manufacturière

Un rapport publié par The Robot Report dresse l'état de la robotique en fabrication. Il part d'un constat : les bras robotisés programmés de façon rigide sur les lignes automobiles ne résument plus le secteur. Selon l'International Federation of Robotics (IFR), les installations de robots industriels ont doublé au cours de la décennie close en 2024, et la densité robotique (nombre de robots pour 10 000 employés) continue de progresser. La Corée du Sud, Singapour, l'Allemagne et le Japon en tête, des pays où la main-d'œuvre vieillit. Côté marché, l'Association for Advancing Automation (A3) relève au premier semestre 2026 une hausse de 6,6 % en glissement annuel de la valeur des commandes de robots. La hausse des commandes hors automobile compense le ralentissement des constructeurs automobiles. Le rapport, téléchargeable gratuitement, s'appuie sur des entretiens avec des experts d'entreprises du secteur. Il couvre la manutention, l'assemblage, le soudage, le service de machines et la finition, ainsi que les progrès récents en perception et en manipulation, les liens entre automatisation, relocalisation et sécurité nationale, et des exemples de collaborations et de déploiements. Pour les intégrateurs et les directions d'usine, le message est que la demande se diversifie. Elle s'étend de l'électronique et de la métallurgie à l'agroalimentaire et à la pharmacie, portée par la pénurie de main-d'œuvre qualifiée plus que par la seule volonté de réduire les coûts. Le rapport insiste sur une automatisation qui assiste des opérateurs rares plutôt qu'elle ne les remplace, un cadrage plus recevable pour les sites qui peinent à recruter. Les cobots (robots collaboratifs à force et puissance limitées), les robots mobiles autonomes (AMR), les manipulateurs mobiles et la « physical AI » permettent d'automatiser davantage de tâches dans des espaces conçus pour des humains. Le rapport tempère l'enthousiasme pour les humanoïdes : ils n'en sont qu'aux premiers essais commerciaux, alors que d'autres formats sont déjà disponibles. Les vraies difficultés restent d'identifier les bonnes applications et les bons outils, de les intégrer complètement et de démontrer un retour sur investissement. C'est là que se jouent les projets, plus que dans la démonstration technologique. Il s'agit d'un document de synthèse éditorial, non d'une annonce produit : il ne chiffre ni charge utile, ni degrés de liberté, ni temps de cycle, ni prix, et ne désigne aucun déploiement précis, de sorte que ses affirmations sur les gains d'efficacité et de sécurité restent celles des fournisseurs interrogés. Le contexte est celui d'un marché où le bras industriel classique a été rejoint par les cobots, puis par les AMR et les manipulateurs mobiles, tandis que les humanoïdes et les modèles d'IA embarquée (VLA) attirent les investissements sans avoir encore prouvé leur rentabilité en production. Le ralentissement de l'automobile, historiquement premier client des robots, pousse les fabricants à chercher des relais de croissance dans d'autres industries, ce que confirment les chiffres de l'A3. Le rapport ne cite pas d'acteurs européens, mais la question de la relocalisation et de la souveraineté industrielle concerne directement les intégrateurs et fabricants du continent. La suite dépendra de la capacité des fournisseurs à transformer les essais en déploiements mesurables, avec des indicateurs de retour sur investissement vérifiables.

UELe rapport ne cite aucun acteur européen, mais ses constats sur la relocalisation et la souveraineté industrielle concernent les intégrateurs et fabricants du continent.

IndustrielOpinion
1 source
Une approche open source de l'IA physique par Intrinsic
25Robohub 

Une approche open source de l'IA physique par Intrinsic

Intrinsic, la division robotique d'Alphabet issue du laboratoire X, a ouvert en open source une partie de sa plateforme sous le nom d'Intrinsic Core, un ensemble de briques compatibles ROS pour construire des applications robotiques. L'ensemble comprend Intrinsic Control, un framework de contrôle temps réel agnostique au matériel qui adapte la trajectoire du robot selon les retours capteurs et génère des chemins sans collision, sans réécriture des pilotes lors d'un changement de bras, de pince ou de capteur. S'y ajoutent une estimation de pose en six degrés de liberté (6 DOF), un moteur de planification de mouvement et de prise adaptant automatiquement la préhension à l'orientation de la pièce, des services de simulation continue, un outil de calibration automatique de caméra et des pilotes Intrinsic-ROS préconfigurés. Intrinsic publie également l'Open Machine Tending Solution (OMTS), un design de référence clé en main pour l'alimentation de machines-outils, téléchargeable dès à présent sur GitHub. Cette ouverture marque un changement de posture : Intrinsic vendait jusque-là sa pile logicielle comme une offre intégrée et se rapproche désormais du modèle d'infrastructure partagée de ROS. Pour les intégrateurs, cela abaisse la barrière d'entrée en rendant gratuites des briques de perception, de planification et de prise auparavant développées en interne ou achetées auprès de fournisseurs propriétaires comme ABB, Fanuc ou Universal Robots. L'annonce ne concerne ni robot humanoïde ni modèle fondation VLA, contrairement à Figure 03, GR00T N2 ou Helix : il s'agit d'une pile pour bras industriels classiques, et l'OMTS reste un gabarit de référence, Intrinsic ne communiquant aucun chiffre d'adoption ni déploiement client validé. Intrinsic est née en 2021 comme spin-off du laboratoire de paris technologiques X d'Alphabet, avec pour mission de simplifier la programmation robotique industrielle par le logiciel et l'IA, une trajectoire renforcée par le rachat de Vicarious en 2022. Cette publication s'inscrit dans une vague plus large d'ouverture en IA physique, aux côtés des modèles fondation publiés par Physical Intelligence (Pi-0) ou NVIDIA (GR00T), bien qu'Intrinsic Core reste une couche logicielle classique de robotique industrielle plutôt qu'un modèle généraliste vision-langage-action. Aucun calendrier de pilotes n'a été communiqué au-delà de la disponibilité immédiate du code sur GitHub.

UELes intégrateurs européens de robotique industrielle utilisant ROS pourraient accéder gratuitement a des briques de perception, planification et prise auparavant propriétaires, sans qu'aucun déploiement ou partenariat européen ne soit annonce.

IndustrielActu
1 source
HarnessPAI : un harnais évolutif pour l'IA physique
26arXiv cs.RO 

HarnessPAI : un harnais évolutif pour l'IA physique

Une équipe liée au projet Darwin Agent a publié le 25 septembre 2026 sur arXiv (2609.29166) HarnessPAI, un framework agnostique au modèle et à la morphologie qui pilote les modèles d'action physique via du code exécutable. Le système sépare deux échelles : pendant un rollout, un programme fixe vérifie l'exécution en boucle ouverte ; entre les rollouts, il évolue en boucle fermée et transforme les échecs en compétences réutilisables grâce au retour d'exécution. Testé sur des bras de bureau, des robots domestiques, un aspirateur robot et un agent marcheur à pattes, HarnessPAI améliore les modèles d'action purs et les baselines "code-as-policy" sans réentraînement : +61,6 points sur Pi-0.5 sur LIBERO-PRO, +27,2 points sur WorldDreamer sur les tâches atomiques de RoboCasa. Une fois le programme convergé, aucune délibération LLM en ligne n'est nécessaire ; il sert aussi de collecteur de données expertes bon marché, et réentraîner Pi-0.5 sur ces données relève son taux de réussite de 38,8 points sur LIBERO-PRO. Ces résultats contredisent l'hypothèse dominante selon laquelle la performance en robotique physique dépend avant tout de modèles d'action plus puissants : l'entraînement standard de ces modèles peut au contraire éroder les capacités de perception et de raisonnement nécessaires à un comportement robuste, rendant même des modèles forts vulnérables aux perturbations de scène et aux tâches longues. Pour les intégrateurs et chercheurs, cela suggère qu'un harnais exécutable et piloté par le retour d'expérience peut être aussi déterminant que le modèle lui-même, et qu'il offre une voie moins coûteuse pour collecter des données d'entraînement sans téléopération massive. HarnessPAI s'inscrit dans les efforts visant à combler l'écart entre démonstrations et déploiement réel des modèles vision-langage-action, dans un paysage dominé par Pi-0 et Pi-0.5 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI ; l'étude compare directement son approche à Pi-0.5 et à WorldDreamer, la positionnant comme complémentaire plutôt que concurrente. Il s'agit pour l'instant d'une publication de recherche, sans annonce de déploiement industriel ni de partenaire commercial identifié : les auteurs présentent ces résultats comme une preuve de concept sur plusieurs plateformes robotiques, ouvrant la voie à des systèmes intégrant perception, raisonnement et action de manière vérifiable.

IA physiquePaper
1 source
Les modèles du monde rendent-ils les robots meilleurs ? Un panorama des benchmarks d'évaluation pour l'IA incarnée prédictive
27arXiv cs.RO 

Les modèles du monde rendent-ils les robots meilleurs ? Un panorama des benchmarks d'évaluation pour l'IA incarnée prédictive

Une synthèse déposée sur arXiv fin septembre 2026 recense et vérifie une par une 160 benchmarks d'évaluation robotique publiés entre 2017 et 2026, dans le but de déterminer si les modèles du monde (world models), qui prédisent les observations futures, offrent un avantage mesurable en boucle fermée face aux politiques vision-langage-action (VLA), qui associent directement l'observation à l'action. Les 160 bancs d'essai sont répartis en quatre familles : suites d'évaluation de politiques, agents incarnés, évaluation pure des world models, et ponts prédiction-vers-action. Le bilan chiffré est net : 138 benchmarks sur 160, soit 86%, restent agnostiques au type de modèle, 11 seulement (7%) construisent une comparaison explicite VLA contre world model, et 4 seulement transforment une prédiction en action réellement exécutée sur un robot. La capacité contrefactuelle, c'est-à-dire anticiper ce qui se passerait sous une action alternative, n'est quasiment jamais mesurée dans l'ensemble du corpus étudié. Ce travail met en lumière un angle mort structurel du secteur : il est aujourd'hui impossible de trancher, preuves à l'appui, si entraîner un robot à prédire l'avenir améliore réellement ses performances en boucle fermée par rapport à une politique VLA directe. Les benchmarks de world models jugent la qualité de la prédiction sans jamais l'exécuter, tandis que les suites de succès de tâche n'hébergent qu'une seule politique à la fois et ne construisent jamais ce contraste. Pour les intégrateurs et décideurs qui arbitrent entre paradigmes de recherche et priorités d'investissement, la leçon est de rester prudent face aux annonces autour des world models : générer des vidéos futures convaincantes ne prouve aucun gain réel de succès de tâche en conditions réelles, faute de protocole capable d'isoler cet avantage. Ce fossé méthodologique vient du fait que les deux courants de recherche se sont développés en parallèle sans jamais vraiment se confronter, les politiques VLA étant jugées en boucle fermée sur le taux de réussite de tâches concrètes, les modèles du monde en boucle ouverte sur la seule qualité de leurs prédictions ou générations. Face à ce vide, les auteurs comparent leur couverture à celle des huit enquêtes les plus proches déjà publiées et revendiquent être les seuls à croiser capacité robotique et famille de modèle. Ils proposent une taxonomie opérationnelle des 160 bancs d'essai, une boucle d'évaluation conçue pour isoler spécifiquement l'avantage de la prédiction, et un protocole de quatre métriques ancrées sur des bancs d'essai nommés. Leur conclusion n'est pas que les world models aident ou non les robots, mais que répondre à cette question exige de construire des benchmarks conçus spécifiquement pour la poser.

RecherchePaper
1 source
La Chine ouvre plus de 70 sites d'entraînement pour l'IA incarnée, une norme de jeux de données attendue le 1er novembre
28Pandaily 

La Chine ouvre plus de 70 sites d'entraînement pour l'IA incarnée, une norme de jeux de données attendue le 1er novembre

La Chine a ouvert plus de 70 sites d'entrainement pour l'IA incarnée (embodied AI) a fin juin 2026, avec plus de 40 sites supplémentaires en construction ou en planification, selon un rapport de l'Academie chinoise des technologies de l'information et des communications (CAICT) cite par Economic Information Daily et relaye en anglais par Xinhua le 22 septembre. Ces installations, parfois surnommées "écoles de robots", se concentrent dans le delta du Yangtze, la région Pekin-Tianjin-Hebei et le delta de la rivière des Perles: le Zhejiang arrive en tête avec 14 sites, suivi du Jiangsu, de Pekin, du Guangdong et du Shandong avec huit chacun. La Chine compte plus de 140 fabricants de robots humanoïdes et a livre environ 14 400 unités en 2025, soit environ huit livraisons mondiales sur dix selon Xinhua. Sur ces sites, des opérateurs en capture de mouvement génèrent des trajectoires annotées a partir de taches répétitives comme saisir des bouteilles, charger des plateaux ou scanner des colis. Dans le Guangdong, le site provincial sert aussi de plateforme de mise en relation entre fabricants de robots et utilisateurs des secteurs santé et énergie, tandis que la base pilote nationale de Hangzhou se positionne comme connecteur mutualise entre entreprises publiques, groupes technologiques et partenaires applicatifs, avec des porteurs de projet qui évoquent des économies importantes par rapport a la constitution de jeux de données propriétaires. Cette annonce révèle un gouffre persistant entre le volume de déploiement de robots humanoïdes et leur fiabilité réelle en usage quotidien: malgré une production de masse, les fabricants chinois restent freines par la raretee de données d'interaction en conditions réelles, ce qui confirme que le "sim-to-real gap" n'est pas résolu par le seul volume de simulation. Pour les intégrateurs et décideurs B2B du secteur robotique, le signal est celui d'une infrastructure nationale de collecte de données plutôt que d'un produit ou d'un modèle fini a l'américaine (a comparer aux approches Pi-0 de Physical Intelligence ou GR00T N2 de Nvidia, davantage centrées sur les modèles VLA). Cette approche par volume de terrains d'entrainement, combinée a une normalisation imminente de la qualité des jeux de données, pourrait accélérer la maturité opérationnelle des flottes chinoises et redistribuer la compétition mondiale, jusqu'ici dominée par le narratif américain autour des VLA (vision-language-action). Cette dynamique s'inscrit dans la continuité d'une politique industrielle déjà engagée: en juin 2026, le ministère de l'Industrie et des Technologies de l'information (MIIT) et la Commission de supervision et d'administration des actifs publics (SASAC) ont lance une action spéciale demandant a chaque région provinciale d'identifier au moins 20 scenarios prioritaires et de créer des espaces d'entrainement et de test nécessitant un aménagement minimal. Parallelement, une norme industrielle sur la qualité des jeux de données d'IA incarnée, rédigée par le CAICT avec plus de 40 organisations, doit entrer en vigueur le 1er novembre 2026, avec l'objectif de faire passer le secteur d'une logique de collecte massive a une logique de qualité et d'évaluation. Des opérateurs testent aussi des modèles économiques allant au-delà de la simple vente de données brutes, comme le "training-as-a-service" combinant collecte, entrainement de modèles et validation applicative. Aucun acteur français ou européen (Wandercraft, Exotec, Pollen Robotics, Enchanted Tools) n'est mentionne dans cette annonce, qui reste centrée sur l'écosystème chinois et ses partenaires industriels domestiques.

UEAucun acteur français ou européen n'est impliqué, mais l'avance chinoise en volume de données d'entraînement terrain pourrait creuser l'écart de maturité opérationnelle face aux fabricants de robots humanoïdes européens.

Chine/AsieActu
1 source
Arm Total Design pour l'IA physique réunit plus de 80 développeurs
29Robotics Business Review 

Arm Total Design pour l'IA physique réunit plus de 80 développeurs

Arm Holdings, entreprise britannique basée à Cambridge, a lancé le programme Arm Total Design for Physical AI, qui réunit plus de 80 entreprises couvrant l'ensemble de la chaîne technologique de l'IA physique, de la robotique aux véhicules autonomes. Parmi les membres déjà annoncés figurent AWS, ECARX, Hugging Face, Liquid AI, NXP, PlusAI, Psyonic, QNX, Qwen, Siemens et Unitree Robotics. Arm a également présenté un Robotics Capability Framework, une grille destinée à établir un langage commun pour décrire et comparer les capacités des robots. Ce cadre distingue six niveaux, numérotés de 0 à 5 : au niveau le plus bas, des robots réactifs qui exécutent des commandes selon des règles fixes ; au niveau le plus élevé, des systèmes dotés de comportements évolutifs capables d'apprendre et de s'auto-optimiser. Dermot O'Driscoll, vice-président en charge du go-to-market et des solutions client pour l'IA physique chez Arm, a expliqué au Robot Report que ce programme était né d'un constat fait à son arrivée sur ce segment en mars : l'absence d'un lieu où les entreprises pouvaient partager technologies et idées ou collaborer directement. Pour l'industrie robotique, cette initiative répond à un problème concret de fragmentation : un système robotique complet assemble généralement du matériel et des logiciels provenant de multiples fournisseurs, ce qui complique l'interopérabilité et ralentit les intégrations. En réunissant sous une même structure les acteurs des semi-conducteurs, du cloud, de l'actionnement et des capteurs, des frameworks logiciels, de la sécurité et de la robotique elle-même, Arm cherche à devenir un point de convergence pour valider plus tôt des systèmes interopérables. Pour les intégrateurs et décideurs B2B, le Robotics Capability Framework offre surtout un vocabulaire partagé pour situer un robot sur une échelle de maturité, un exercice jusqu'ici largement livré à la communication marketing de chaque fournisseur. Il s'agit toutefois d'une démarche de standardisation et de mise en réseau, pas d'un produit ou d'une technologie livrée : ni les six niveaux ni la liste des membres ne constituent un engagement technique vérifiable, et Arm dit explicitement vouloir les faire évoluer avec les retours du secteur. Cette initiative prolonge une méthode qu'Arm avait déjà testée dans l'écosystème cloud avec un programme Arm Total Design similaire, avant que O'Driscoll ne transpose l'approche à l'IA physique en constatant le même vide organisationnel. L'entreprise, dont l'architecture de processeurs équipe déjà une large part des puces embarquées dans les objets connectés et les systèmes robotiques, cherche ainsi à consolider sa position d'infrastructure neutre plutôt que de concurrent frontal des fabricants de robots. Aucun acteur français ou européen de la robotique humanoïde ou logistique n'est cité parmi les membres annoncés à ce stade. Arm indique vouloir associer davantage d'entreprises au programme et affiner les six niveaux du Robotics Capability Framework au fil des contributions du secteur, sans calendrier précis ni étape de déploiement communiquée pour l'instant.

UELes européens NXP et Siemens figurent parmi les membres du consortium, mais aucun acteur français ou européen de la robotique humanoïde ou logistique n'est cite.

InfrastructureActu
1 source
Revue complète de l'intelligence artificielle physique générative
30arXiv cs.RO 

Revue complète de l'intelligence artificielle physique générative

Une revue de littérature mise en ligne sur arXiv (référence 2609.18111v1) dresse un panorama de ce que ses auteurs appellent l'intelligence artificielle physique générative, des systèmes qui associent modèles de fondation et corps physiques pour percevoir, raisonner et agir de façon autonome. Ils distinguent cinq familles : les Robot Foundation Models, pour transférer des compétences entre plateformes robotiques différentes ; les modèles Vision Language Action, pour la perception multimodale et la commande de bout en bout ; les Large Behavior Models, pour générer des mouvements proches du geste humain ; les Diffusion Policy Models, fondés sur la diffusion, pour produire des séquences d'actions cohérentes dans le temps ; et les World Foundation Models, qui simulent la physique pour générer des données d'entraînement. Les exemples cités couvrent les véhicules autonomes, l'automatisation industrielle, la robotique médicale et les systèmes humanoïdes. Pour les intégrateurs et décideurs du secteur, l'apport tient à la mise en ordre d'un paysage saturé de revendications concurrentes, en montrant que ces cinq approches se complètent plutôt qu'elles ne s'opposent : un World Foundation Model peut fournir les données synthétiques qui entraînent un VLA ou un modèle de diffusion, un Robot Foundation Model porte une politique apprise d'une plateforme vers une autre, un Large Behavior Model apporte les a priori de mouvement qui rendent un geste crédible. Cette lecture tempère le discours souvent binaire sur la résolution du sim-to-real ou la capacité des VLA à généraliser seuls, en rappelant que les gains de performance observés restent portés par la combinaison de plusieurs briques technologiques plutôt que par une architecture unique. Il s'agit d'un travail de synthèse académique et non de l'annonce d'un produit ou d'un déploiement : aucune entreprise, aucun robot ni aucun chiffre de série n'est associé à cette publication, à la différence des communiqués habituels du secteur. Les auteurs inscrivent leur cadre dans la continuité des recherches sur l'IA incarnée et l'apprentissage de politiques robotiques, en le prolongeant vers des environnements connectés à l'internet des objets où des agents doivent coopérer avec des capteurs et des actionneurs en périphérie de réseau. Ils pointent plusieurs axes de recherche encore ouverts : apprentissage économe en données, transfert simulateur-réel, architectures compatibles avec le calcul embarqué, et cadres de sécurité, sans annoncer de calendrier ni de prototype précis pour ces prochaines étapes.

RecherchePaper
1 source
PhysBrain 1.5 : des modèles vision-langage aux modèles fondation pour l'IA physique
31arXiv cs.RO 

PhysBrain 1.5 : des modèles vision-langage aux modèles fondation pour l'IA physique

PhysBrain 1.5, décrit dans une publication arXiv (2609.14973v1, soumission croisée), est un modèle unifié qui fusionne compréhension de scène, génération d'actions et prédiction d'états futurs dans un seul cadre d'apprentissage. Bâti sur un modèle vision-langage généraliste, il encode réponses textuelles, mouvements de l'effecteur terminal et cibles visuelles denses en séquences discrètes, optimisées conjointement par prédiction autorégressive du token suivant. Le pré-entraînement s'appuie entièrement sur des vidéos d'interaction humaine, sans donnée robot, via des épisodes centrés sur des tâches associant contexte sémantique et spatial au mouvement reconstruit et aux observations suivantes. L'ajustement supervisé combine ensuite démonstrations humaines, trajectoires robotiques et expérience simulée. Sur 28 benchmarks de compréhension incarnée, le modèle de 8 milliards de paramètres obtient un score moyen de 72,5, nouveau record open source, à la hauteur de modèles propriétaires comme GPT-6-Astra et Gemini 3.6 Flash, et meilleur résultat open source sur 14 des 28 benchmarks. L'enjeu pour l'industrie robotique tient à la source de supervision : pré-entraîner un modèle d'action à partir de vidéos humaines ordinaires, plutôt que de coûteuses données de téléopération robotique, attaquerait le principal goulot d'étranglement des modèles vision-langage-action (VLA) pour bras et humanoïdes. Qu'un modèle ouvert de 8B rivalise avec des systèmes propriétaires sur la compréhension intéresse les intégrateurs cherchant un déploiement local sans dépendre d'une API fermée. Réserve importante toutefois : la génération de trajectoires et la prédiction de scènes futures (RGB, profondeur, masques robot) ne reposent que sur des exemples qualitatifs, sans taux de réussite ni temps de cycle chiffrés, un écart classique entre démonstration et fiabilité de terrain. Ce travail s'inscrit dans la vague des modèles vision-langage-action qui unifient perception, langage et contrôle moteur dans un même transformeur autorégressif, aux côtés d'approches comme Pi-0, GR00T N2 ou Helix, et se positionne explicitement face aux modèles multimodaux propriétaires des grands laboratoires. Il s'agit d'une publication de recherche arXiv, pas d'un produit livré ni d'un déploiement commercial : aucune entreprise, plateforme robotique ni calendrier de disponibilité n'est précisé. La suite logique serait une évaluation quantitative des capacités d'action sur robot réel, afin de vérifier si les démonstrations qualitatives se traduisent en performances reproductibles hors laboratoire.

IA physiqueOpinion
1 source
Communications orientées objectif pour l'IA physique : conception et banc d'essai
32arXiv cs.RO 

Communications orientées objectif pour l'IA physique : conception et banc d'essai

La 5G peine à absorber les flux vidéo haute fréquence qu'exigent les applications d'IA physique pour percevoir et agir en temps réel, un goulot d'étranglement que documente un preprint arXiv publié le 15 septembre 2026 (arXiv:2609.15895v1). Des chercheurs y présentent un banc d'essai de "communication orientée objectif" (goal-oriented communication, GoC), qui relie un bras robotique PiPER équipé d'une caméra RGB-D et d'un modem 5G à un serveur de périphérie NVIDIA Jetson AGX Orin, via un réseau 5G bâti sur la pile open source OpenAirInterface. Trois architectures GoC ont été mises en œuvre, transmettant respectivement des boîtes englobantes 3D, des graphes de scène 2D et des graphes de scène 3D, c'est-à-dire des représentations sémantiques compactes plutôt que l'image brute complète. Comparées à une transmission classique en continu du flux vidéo brut, ces méthodes réduisent le temps d'exécution des tâches jusqu'à 52,6% et augmentent le taux de réussite des tâches jusqu'à 45%, sur un pipeline complet incluant extraction sémantique, transmission 5G, inférence par modèle de langage, validation par jumeau numérique et commande robotique. L'intérêt de ces travaux tient moins à la performance brute qu'à leur méthode: la plupart des cadres GoC publiés jusqu'ici n'avaient été validés qu'en simulation, sans déploiement matériel réel connectant robot, réseau 5G et inférence embarquée de bout en bout. Pour les intégrateurs qui envisagent de déporter le calcul lourd d'un bras ou d'un robot mobile vers une périphérie de réseau, cela apporte une première preuve concrète que compresser la perception en représentations sémantiques, plutôt que d'en streamer l'intégralité, peut réduire la latence sans sacrifier la fiabilité de la tâche. Les chiffres avancés restent toutefois issus d'un environnement de laboratoire contrôlé, sur un seul type de bras robotique et un jeu de tâches limité, ce qui invite à la prudence avant toute extrapolation à des déploiements industriels à grande échelle. Ce travail s'inscrit dans la montée en puissance du concept d'"IA physique", popularisé notamment par les architectures vision-langage-action, qui exigent un couplage étroit entre perception continue et décision. Le choix d'OpenAirInterface, projet open source piloté depuis Sophia-Antipolis par Eurecom, ancre une partie de cette recherche télécom dans l'écosystème européen des réseaux 5G/6G. Les auteurs présentent leur banc d'essai comme une étape préparatoire aux futurs réseaux 6G, sans annoncer de partenariat industriel ni de calendrier de déploiement commercial; un site de projet dédié met à disposition davantage de détails techniques.

UELe banc d'essai s'appuie sur OpenAirInterface, pile 5G open source pilotée par Eurecom a Sophia-Antipolis, ancrant cette recherche telecom-robotique dans l'écosystème européen des réseaux 5G/6G.

RecherchePaper
1 source
DropVLA : une attaque par porte dérobée au niveau des actions sur les modèles vision-langage-action
33arXiv cs.RO 

DropVLA : une attaque par porte dérobée au niveau des actions sur les modèles vision-langage-action

Des chercheurs présentent DropVLA, une attaque de type backdoor visant les modèles Vision-Language-Action (VLA), ces systèmes qui traduisent perception multimodale et instructions en langage naturel en commandes robotiques exécutables. Contrairement aux attaques précédentes qui perturbaient la tâche entière, DropVLA cible une action précise : forcer un primitive réutilisable (par exemple open_gripper) à s'exécuter à un instant choisi par l'attaquant, en n'empoisonnant qu'une fraction infime des données d'entraînement. Testée sur OpenVLA-7B avec la suite d'évaluation LIBERO, une contamination purement visuelle atteint un taux de réussite de l'attaque (ASR) de 98,67 à 99,83% avec seulement 0,31% d'épisodes empoisonnés, tout en conservant 98,50 à 99,17% de performance sur les tâches normales. L'action ciblée se déclenche en moins de 25 pas de contrôle à 500 Hz, soit 0,05 seconde. Les déclencheurs textuels seuls s'avèrent instables à faible budget d'empoisonnement (0,72% d'ASR) et leur combinaison avec le visuel n'apporte aucun gain constant. Les auteurs valident aussi la faisabilité en environnement physique sur un bras Franka à 7 degrés de liberté (DoF) piloté par pi0-fast, malgré la dérive du déclencheur dans le plan image due au mouvement relatif de la caméra. Ce résultat est significatif pour l'industrie robotique car il expose une vulnérabilité de sécurité critique dans une classe de modèles de plus en plus déployée comme couche de contrôle générique pour des bras manipulateurs et humanoïdes. Que le backdoor reste indétectable sur les métriques de performance nominale tout en atteignant une fiabilité proche de 100% avec une contamination minime remet en question la confiance accordée aux pipelines d'entraînement VLA, notamment quand les données proviennent de sources tierces ou de démonstrations crowdsourcées. Pour les intégrateurs et décideurs B2B qui envisagent de déployer des VLA sur des tâches physiques sensibles (préhension, assemblage, environnements partagés avec des humains), cela souligne l'urgence d'audits de la chaîne de données et de mécanismes de détection de déclencheurs avant mise en production, un sujet jusqu'ici largement éclipsé par les annonces de performance de modèles comme Pi-0, GR00T N2 ou Helix. Ce travail s'inscrit dans une littérature émergente sur les attaques adverses ciblant les modèles fondation robotiques, qui jusqu'ici se concentrait sur des attaques non ciblées ou un détournement au niveau de la tâche globale plutôt que sur le contrôle fin d'actions individuelles. La méthode s'appuie sur un schéma de réétiquetage cohérent par fenêtre temporelle, adapté au fine-tuning par blocs d'actions (chunked fine-tuning), dans un cadre réaliste où l'attaquant n'a qu'un accès limité à l'empoisonnement des données et traite le pipeline comme une boîte noire. Le backdoor résiste à des variations modérées du déclencheur et se transfère entre suites d'évaluation (96,27% et 99,09% d'ASR), renforçant l'idée qu'il exploite une faiblesse structurelle plutôt qu'un artefact spécifique au benchmark. Les auteurs ne mentionnent pas de contre-mesure déployée à ce stade, laissant la détection et la défense contre ce type d'attaque comme prochaine étape ouverte pour la communauté.

UECette vulnérabilité concerne directement les intégrateurs européens qui envisagent de déployer des VLA en environnement industriel ou partage avec des humains, dans un contexte ou l'AI Act impose des exigences de robustesse pour les systèmes a haut risque.

RechercheActu
1 source
IMLE-VLA : génération d'actions en une seule étape pour les modèles vision-langage-action
34arXiv cs.RO 

IMLE-VLA : génération d'actions en une seule étape pour les modèles vision-langage-action

Publié sur arXiv (2609.10915), IMLE-VLA remplace la tête d'action itérative des politiques vision-langage-action (VLA) par un générateur en une seule étape, entraîné via l'estimation conditionnelle du maximum de vraisemblance implicite (cIMLE). Appliqué au modèle π0.5, il fait passer la fréquence d'inférence de 15 Hz à 55 Hz, soit un facteur 3,67, et jusqu'à 11 fois le débit d'action. Sur le benchmark LIBERO, qui couvre 40 tâches, IMLE-VLA atteint 98,0% de réussite moyenne, le meilleur score et la plus haute fréquence d'inférence parmi les méthodes comparées. Sous les perturbations du test LIBERO-plus, il conserve la robustesse de π0.5 alors que les autres approches se dégradent nettement. Sur un bras Franka Emika Panda, quatre tâches en conditions réelles montrent un jerk réduit de 2,2 à 3,0 fois et un temps d'inférence par épisode divisé par 3,9 à 6,6 par rapport à π0.5 seul. Le problème visé est bien identifié dans le secteur: les têtes d'action entraînées par diffusion ou flow matching, comme celle de π0.5, exigent un échantillonnage multi-étapes (jusqu'à 10 pas d'Euler), ce qui produit un mouvement saccadé du robot et ralentit l'exécution des tâches. Pour les intégrateurs et équipes robotique qui déploient des bras ou des humanoïdes pilotés par des modèles de fondation, la latence d'inférence conditionne directement la fluidité et la sécurité du contrôle en temps réel. En montrant qu'un générateur à étape unique peut couvrir la multimodalité de l'action sans tomber dans l'effondrement de mode des têtes de régression classiques, IMLE-VLA remet en cause l'idée reçue selon laquelle l'échantillonnage itératif serait indispensable pour préserver la généralisation des politiques VLA à grande échelle. Ce travail s'inscrit dans la lignée des VLA construits sur des backbones vision-langage préentraînés, avec π0.5 comme base de comparaison. Il s'agit d'une contribution académique et non d'un produit commercial: code et vidéos de démonstration sont publiés sur le site du projet à des fins de reproductibilité, sans annonce de déploiement industriel ni de pilote client. Présentée comme générique, la méthode cIMLE pourrait en principe s'appliquer à d'autres têtes d'action par diffusion ou flow matching utilisées ailleurs dans le secteur, ce qui ouvre la voie à des tests sur d'autres politiques VLA et d'autres plateformes robotiques, au-delà du seul bras Franka Emika Panda utilisé pour cette validation.

RechercheActu
1 source
Skild AI utilise l'IA physique de NVIDIA pour apprendre de nouvelles tâches aux robots à partir d'une seule vidéo
35NVIDIA Blog Robotics 

Skild AI utilise l'IA physique de NVIDIA pour apprendre de nouvelles tâches aux robots à partir d'une seule vidéo

Skild AI a lancé la semaine dernière S1, un modèle de fondation robotique capable d'apprendre une tâche inédite à partir d'une seule vidéo de démonstration, sans réentraînement ni mise à jour de ses poids, une méthode dite d'apprentissage "en contexte". Entraîné sur l'infrastructure NVIDIA (simulation Isaac Lab, modèles de monde Cosmos), S1 interprète l'intention, les objets et la séquence montrés, puis les transpose en actions pour le robot présent, même hors de ses données d'entraînement. Il exécute des tâches de jusqu'à dix minutes, rempotage de plantes, préparation de pancakes, café filtre, assemblage de kits, en enchaînant des dizaines d'étapes de manipulation. Lors d'un test de rempotage, onze minutes ont suffi entre l'enregistrement de la démonstration et l'exécution autonome sur le robot. Skild annonce 66% de réussite par étape sur des tâches multi-étapes nouvelles, contre 9% pour un système comparable non identifié, soit un facteur sept, et estime qu'une seule vidéo équivaut à environ 380 exemples d'entraînement manuels, soit 50 à 100 heures de collecte. Cofondée par Deepak Pathak, la startup revendique un taux de revenu annualisé de 100 millions de dollars dix mois après son premier déploiement commercial, avec plus de 60 partenariats en logistique, inspection, sécurité, restauration et industrie manufacturière. L'enjeu pour l'industrie est de sortir de la reprogrammation systématique: chaque changement de produit, de process ou de disposition de ligne impose d'ordinaire une nouvelle collecte de données et un nouvel entraînement, un frein connu à l'adoption des robots sur des sites qui évoluent en permanence. Si ces résultats se confirment hors des tests internes de Skild, cela rapprocherait les modèles vision-langage-action d'un usage industriel réel plutôt que d'une démonstration de laboratoire, avec un argument concret face à des modèles concurrents comme Pi-0 de Physical Intelligence, GR00T N2 ou Helix. Les chiffres avancés (66% contre 9%, équivalence à 380 exemples) restent toutefois des mesures internes, sans protocole indépendant ni identification du système comparé, à lire comme une tendance plutôt qu'une preuve définitive. Le déploiement le plus tangible reste celui mené avec Foxconn: Skild et NVIDIA font tourner le "Skild Brain" sur des bras manipulateurs bimanuels pour l'assemblage de précision de systèmes NVIDIA Blackwell, un robot posant une busbar et un bloc de fin de course puis vissant 16 vis tout en s'adaptant aux aléas. S1 s'inscrit dans une collaboration plus large entre Skild et NVIDIA, couvrant génération de données synthétiques, entraînement, simulation et déploiement en conditions réelles, illustrant la stratégie de NVIDIA consistant à fournir l'infrastructure de toute la chaîne robotique plutôt qu'à concurrencer directement les fabricants de robots. Skild revendique plus de 60 partenariats noués en dix mois, signe d'une commercialisation rapide dans un secteur où beaucoup d'acteurs en sont encore au stade du pilote. Ni le calendrier d'extension du déploiement chez Foxconn ni l'ouverture de S1 à d'autres intégrateurs ne sont précisés, et les vidéos diffusées sur le blog de NVIDIA relèvent de la démonstration commerciale plutôt que d'un rapport technique indépendant, dans une tendance de fond où les modèles de fondation robotiques, entraînés sur des données vidéo et simulées à grande échelle, cherchent à remplacer la programmation tâche par tâche qui limite depuis des décennies la flexibilité des robots industriels.

IA physiqueActu
1 source
Les humanoïdes IRON de XPeng sortent de la chaîne de production, tandis que l'Optimus de Tesla accuse du retard
36Interesting Engineering 

Les humanoïdes IRON de XPeng sortent de la chaîne de production, tandis que l'Optimus de Tesla accuse du retard

Le constructeur automobile chinois XPeng a lancé la production de son robot humanoïde IRON dans une usine dédiée à Guangzhou, où un exemplaire a quitté la chaîne de manière autonome après assemblage, selon un communiqué de l'entreprise début septembre 2026. XPeng dit automatiser plus de 80% des processus clés de cette ligne. IRON combine une structure en treillis flexible entièrement carénée, 76 degrés de liberté (DOF) pour le corps et 21 DOF par main. Trois puces Turing AI maison lui donnent une puissance de calcul annoncée de 2 250 TOPS, suffisante pour exécuter son modèle de fondation "Physical AI" directement à bord, sans téléopération ni calcul déporté. He Xiaopeng, PDG de XPeng, veut faire d'IRON "un compagnon dans la vie quotidienne des gens". L'annonce survient alors que Tesla retarde de nouveau Optimus: la production, initialement prévue cet été avec des ventes dès fin 2026, est désormais attendue "dans les prochains mois", pour une commercialisation visée au second semestre 2027. Le robot "sortant seul" de la chaîne reste une démonstration mise en scène illustrant l'intégration de la robotique et de l'IA en usine, pas une preuve de volumes réels ni de fiabilité en conditions de production. XPeng dispose toutefois d'un atout rare parmi les acteurs de l'humanoïde: une expertise industrielle automobile directement transposée à la fabrication de robots, comparable à celle de Tesla mais absente chez la plupart des start-up pures. Pour les intégrateurs et décideurs B2B, l'enjeu se déplace du prototype vers la fabrication en série, terrain désormais plus décisif que les démonstrations de marche ou de préhension. Faire tourner l'inférence en local plutôt qu'en téléopération conforte l'hypothèse d'architectures vision-langage-action (VLA) embarquées à faible latence comme condition d'une autonomie réelle, à l'inverse des glissements répétés du calendrier d'Optimus, qui rappellent l'écart persistant entre annonces et industrialisation effective dans ce secteur. IRON s'inscrit dans la stratégie "Physical AI" de XPeng, qui transpose son savoir-faire de constructeur de véhicules électriques et l'automatisation de ses usines à la robotique humanoïde généraliste, un segment où la Chine aligne aussi Unitree, Fourier ou UBTech face aux acteurs américains. Le robot est présenté comme une plateforme généraliste censée s'améliorer par auto-renforcement à partir d'expériences réelles, au-delà d'une tâche industrielle unique. Tesla reste la référence occidentale la plus scrutée avec Optimus, dont le dévoilement officiel est attendu près du lancement de production et dont la génération suivante dépendra des retours de terrain, tandis que XPeng n'a communiqué ni cadence de montée en volume ni client ou site pilote identifié pour IRON au-delà de cette première sortie de chaîne.

HumanoïdesOpinion
1 source
La robotique doit répondre aux grands défis écologiques et sociétaux
37Robot Magazine FR 

La robotique doit répondre aux grands défis écologiques et sociétaux

La France et l'Europe doivent-elles suivre la course technologique américano-chinoise en robotique, ou tracer une voie différente ? C'est la question que traite un entretien accordé à Robot Magazine par Catherine Simon, Conseillère Numérique Industriel pour la 5G, l'électronique et la robotique au Secrétariat général pour l'investissement (SGPI). Elle y retrace l'évolution de la robotique depuis les premières éditions du salon Innorobo, où les robots déployés restaient des outils industriels spécialisés pour des tâches répétitives en environnement contrôlé, malgré une diversité déjà réelle d'applications allant du médical à la logistique, en passant par l'agriculture et l'exploration en milieu extrême. Elle situe la rupture actuelle dans la convergence de l'IA générative et de la Physical AI, qui fait basculer la robotique vers le statut de « General Purpose Technology ». Elle identifie quatre moteurs de cette transformation : l'agentification autonome, qui permet une prise de décision en temps réel sans intervention humaine ; la perception multimodale combinant vision, toucher et audition ; l'apprentissage actif et par renforcement ; et l'intégration de modèles de langage (LLM) pour une interaction vocale et gestuelle plus naturelle, y compris pour des utilisateurs non experts. Ce cadrage est significatif pour les industriels et décideurs européens, car il formalise une ligne de démarcation stratégique avec les États-Unis et la Chine. Catherine Simon pointe la logique technocentrée de ces deux puissances, illustrée par des démonstrations de robots humanoïdes effectuant des saltos ou courant des marathons, des vitrines qu'elle distingue implicitement d'une réponse à un besoin réel. Elle plaide pour une approche inverse en France et en Europe, tirée par la demande des secteurs économiques stratégiques et par les urgences environnementales et sociétales, plutôt que par la course à la performance technique pour elle-même. Pour un intégrateur ou un COO industriel, ce positionnement suggère que les financements publics français chercheront à prioriser des marchés à besoins massifs et avérés plutôt qu'à soutenir des démonstrations robotiques spectaculaires sans débouché immédiat. Cette prise de position s'inscrit dans la mission du SGPI, qui pilote une partie des investissements technologiques de l'État français, dans un contexte de compétition mondiale sur l'IA physique et les humanoïdes largement dominée jusqu'ici par les annonces américaines et chinoises. Catherine Simon défend l'idée que la France et l'Europe disposent d'un écosystème complet, grands groupes industriels, PME innovantes, laboratoires de recherche et compétences techniques en matériel comme en logiciel, pour construire une offre compétitive. L'entretien ne comporte toutefois aucune annonce de produit, de pilote industriel ni de calendrier de déploiement précis : il s'agit d'une déclaration d'orientation stratégique destinée à peser sur les priorités d'investissement public, pas d'un bilan de réalisations. La suite qu'elle esquisse consiste à identifier les marchés porteurs où cet écosystème franco-européen pourrait se positionner face aux acteurs nord-américains et chinois.

UECette prise de position du SGPI vise a orienter les futurs financements publics français vers des marches robotiques a besoins avares plutôt que vers une course technologique face aux Etats-Unis et a la Chine.

FR/EU ecosystemeOpinion
1 source
Inbolt aborde le problème du déploiement de l'IA physique à RoboBusiness
38Robotics Business Review 

Inbolt aborde le problème du déploiement de l'IA physique à RoboBusiness

Le fondateur et directeur général d'Inbolt, Rudy Cohen, interviendra le 20 octobre 2026 à 14h15 lors de la conférence RoboBusiness, qui se tient les 20 et 21 octobre à Santa Clara, en Californie. Sa présentation, intitulée "Physical AI Doesn't Have a Data Problem; It Has a Deployment Problem", s'appuiera sur des données de production issues de lignes chez Stellantis, Toyota et Ford. Inbolt, startup française fondée en 2019 par Cohen, passé par la recherche en mathématiques appliquées à l'École Normale Supérieure Paris-Saclay puis par un master entrepreneuriat à Polytechnique et HEC Paris, a levé 20 millions d'euros (23,2 millions de dollars) depuis sa création. L'entreprise revendique un déploiement dans plus de 100 usines en Europe, aux États-Unis et au Japon, pour plus de 40 millions de cycles robotiques exécutés, des chiffres avancés par la société elle-même et non vérifiés de manière indépendante. Sa technologie combine guidage visuel et préhension flexible: les robots saisissent des pièces selon les opportunités disponibles, puis une localisation en main permet d'ajuster la trajectoire en cours de mouvement. La couche de contrôle développée par Inbolt convertit des jumeaux numériques en exécution robotique en temps réel. Le discours de Cohen s'oppose frontalement au consensus dominant du secteur de l'IA physique, selon lequel les progrès dépendraient avant tout du volume et de la qualité des données d'entraînement, un raisonnement valable en laboratoire mais, selon lui, inadapté à l'usine. Le vrai goulot d'étranglement se situerait dans la boucle entre perception et mouvement, et dans ce qu'il appelle la "taxe d'intégration": les mois de conception de montages, de câblage et d'ajustements qui transforment chaque déploiement en projet à six chiffres. Cette thèse, qui sert aussi à positionner commercialement le produit d'Inbolt comme réponse à ce problème précis, apporte néanmoins un éclairage utile pour les intégrateurs et décideurs industriels engagés dans la course à l'IA physique et aux modèles vision-langage-action: elle suggère que la fermeture de la boucle à fréquence servo, plutôt que la taille des modèles fondation, conditionne la rentabilité réelle des déploiements. Elle rappelle aussi que l'IA physique est déjà rentable dans des applications industrielles précises et documentées, dans l'automobile notamment, loin des vitrines médiatiques des démonstrations humanoïdes. Inbolt illustre la présence, encore rare mais réelle, d'acteurs français dans la robotique industrielle pilotée par IA, aux côtés d'autres entreprises tricolores comme Wandercraft ou Exotec sur d'autres segments du marché. Contrairement aux protagonistes de la course humanoïde tels que Figure (Figure 03), Tesla (Optimus), Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2), Inbolt se concentre sur le contrôle vision-guidé de bras robotiques industriels existants plutôt que sur des plateformes humanoïdes complètes. Cette intervention à RoboBusiness reste une présentation de conférence, et non une annonce produit ni un nouveau déploiement: elle vise à faire connaître la position d'Inbolt sur le marché en amont de l'événement, dont l'inscription est ouverte via l'organisateur Arrowfly, avec des tarifs réduits pour le monde académique, les associations et les groupes d'entreprises. Aucune nouvelle étape de déploiement ni nouveau client n'est annoncé au-delà de cette prise de parole.

UEInbolt, startup française fondée par Rudy Cohen, illustre une présence tricolore active dans la robotique industrielle pilotée par IA, avec des déploiements revendiqués dans des usines en Europe.

FR/EU ecosystemeActu
1 source
BRIDGE : une plateforme humanoïde open source par co-conception morphologie-contrôle pour l'IA physique
39arXiv cs.RO 

BRIDGE : une plateforme humanoïde open source par co-conception morphologie-contrôle pour l'IA physique

Bridge rejoint une catégorie de plateformes humanoïdes compactes et open source aux cotes de Toddlerbot, K1 et Bumi, conçues comme des bancs d'essai de recherche a bas cout plutôt que des produits commerciaux, a l'oppose des humanoïdes adultes fermes vises pour l'usine ou l'entrepôt par les grands acteurs prives du secteur. Publiee sur arXiv sous la référence 2609.03497, l'étude présente Bridge, un humanoïde open source de 88 centimètres conçu via un cadre de co-design reliant morphologie et contrôle moteur complet du corps. Plutot que de dessiner d'abord le squelette puis d'y greffer une politique de contrôle, comme le fait l'approche classique, les chercheurs optimisent conjointement la structure physique et la capacité du robot a reproduire des mouvements humains. Ils introduisent aussi une métrique inédite combinant fidélité de retargeting cinématique et performance de suivi dynamique. Face a trois références, Bumi, K1 et Toddlerbot, Bridge obtient les meilleurs scores sur toutes les métriques, avec une locomotion stable, un équilibre robuste et des mouvements dynamiques avances. Le robot, sa politique de contrôle et les vidéos de démonstration sont publies en accès libre. Cette publication pointe un problème structurel de la robotique humanoïde actuelle : la séparation entre conception mécanique et développement du contrôle produit des machines dont les mouvements restent rigides face a ceux d'un humain. En dimensionnant le corps du robot a partir des données de mouvement humain a reproduire, Bridge vise a améliorer la qualité des données capturées par téléopération, un enjeu direct pour l'entrainement des modèles vision-langage-action (VLA) dont les performances dépendent de la fidélité geste-machine. Pour les laboratoires et intégrateurs travaillant sur l'apprentissage par imitation, ce travail suggère que le goulot d'étranglement se situe autant dans la conception matérielle que dans les algorithmes, un facteur souvent éclipse par la course aux annonces de modèles de fondation. En publiant intégralement design, politique de contrôle et outils associes, les auteurs misent sur une adoption académique plutôt que sur une mise sur le marche. Le papier ne mentionne aucun partenariat industriel ni calendrier de déploiement au-delà de cette mise a disposition en open source, laissant présager une diffusion progressive du cadre de co-design vers d'autres équipes de recherche cherchant a améliorer la fidélité de mouvement de leurs propres plateformes.

RecherchePaper
1 source
Robotique : quand une erreur d’IA devient un risque physique
40Robot Magazine FR 

Robotique : quand une erreur d’IA devient un risque physique

La revue scientifique Safety Science a publié en 2025 une étude portant sur 303 rapports d'accidents liés aux interactions entre humains et robots, dont ressortent sept grandes catégories d'incidents. Deux causes dominent particulièrement l'analyse : les activations inattendues des machines et les erreurs de capteurs, deux défaillances qui touchent directement au cœur de ce que l'industrie appelle désormais la Physical AI, c'est à dire l'intelligence artificielle appliquée au pilotage de bras robotiques, de robots mobiles et, à terme, d'humanoïdes. En parallèle, l'agence américaine OSHA a recensé 550 incidents impliquant des robots dans le secteur manufacturier : 33 % des victimes ont nécessité une prise en charge aux urgences et 2 % ont donné lieu à une hospitalisation, avec des blessures allant des coupures et contusions aux fractures. La maintenance et le nettoyage des robots ressortent comme des phases particulièrement exposées. Ces chiffres ne peuvent pas tous être attribués à l'intelligence artificielle, mais ils documentent ce qui se produit déjà lorsque humains et machines capables de mouvements puissants partagent un même espace de travail. Ce changement de nature du risque a des conséquences directes pour les intégrateurs et les décideurs industriels. Un logiciel classique suit une logique déterministe et prévisible ; un système de Physical AI interprète son environnement en temps réel et adapte ses actions, ce qui constitue précisément sa valeur ajoutée mais aussi sa faille de sécurité. Une erreur de perception, par exemple une caméra qui identifie mal un objet ou une scène, ne produit plus une donnée erronée mais un mouvement physique incorrect, potentiellement dangereux pour un opérateur présent sur la trajectoire. Cela contredit l'hypothèse implicite selon laquelle les progrès des modèles vision-langage-action (VLA) suffiraient à rendre les robots plus sûrs à mesure qu'ils deviennent plus autonomes : l'autonomie de décision ajoute une variable difficile à certifier et à auditer, un enjeu central pour toute entreprise qui envisage de déployer des humanoïdes ou des robots collaboratifs en usine ou en entrepôt. Cette question s'inscrit dans la montée en puissance rapide des humanoïdes et robots mobiles pilotés par IA générative, portée par des acteurs comme Figure, Tesla avec Optimus, ou les développeurs de modèles VLA de type Pi-0 ou GR00T. Face à cette course au déploiement, la sécurité fonctionnelle reste largement en retrait des annonces commerciales. La prochaine étape attendue par le secteur concerne l'émergence de standards de certification spécifiques à l'IA embarquée dans des systèmes physiques, un chantier que régulateurs et industriels commencent tout juste à ouvrir.

Societe/EthiqueOpinion
1 source
Quand les robots nous comprennent mal : les risques de sécurité de l'IA incarnée à commande vocale
41arXiv cs.RO 

Quand les robots nous comprennent mal : les risques de sécurité de l'IA incarnée à commande vocale

Une étude publiée sur arXiv (arXiv:2608.28518v1, catégorie cross-listing) le 31 août 2026, intitulée "When Robots Mishear Us: Mapping the Safety Risks of Voice-Controlled Embodied AI", examine si les erreurs de reconnaissance vocale automatique (ASR) dans les commandes utilisateur peuvent conduire des modèles d'IA incarnée (Embodied AI) à exécuter des instructions dangereuses. Les auteurs simulent des erreurs ASR typiques et les combinent avec deux benchmarks de sécurité existants, SafeAgentBench et POEX, pour mesurer l'effet de différents types d'erreurs sur le comportement des modèles. Résultat central : certaines erreurs de transcription préservent la structure grammaticale de la phrase mais introduisent une ambiguïté qui devient dangereuse une fois exécutée par le robot, tandis que d'autres affaiblissent directement le mécanisme de refus du modèle, permettant la génération et l'exécution de plans d'action nuisibles qui auraient normalement été bloqués. La correction automatique des erreurs ASR réduit le risque dans certains cas, mais l'étude montre que cet effet n'est pas systématique. Globalement, les chercheurs concluent que les erreurs ASR constituent un facteur de risque significatif pour la sécurité des systèmes d'IA incarnée. Ce travail met en évidence une surface d'attaque souvent négligée dans la sécurisation des robots à commande vocale : le maillon de transcription lui-même, en amont du modèle de langage ou de planification. Pour les intégrateurs qui déploient des interfaces vocales sur des robots humanoïdes ou des bras manipulateurs, cela signifie qu'un audit de sécurité centré uniquement sur le comportement de refus du modèle de langage reste incomplet si le pipeline vocal en amont n'est pas testé pour sa robustesse aux erreurs de transcription. Le résultat contredit l'hypothèse implicite selon laquelle un alignement de sécurité validé sur des commandes textuelles propres garantit la sécurité en usage réel, où le bruit ambiant, les accents ou les homophones dégradent la fidélité de l'ASR, notamment dans des environnements industriels bruyants. L'article s'inscrit dans la lignée des benchmarks de sécurité pour agents incarnés comme SafeAgentBench et POEX, qui évaluaient jusqu'ici la robustesse face à des prompts textuels malveillants ou ambigus sans modéliser la couche de reconnaissance vocale. Il s'agit d'une contribution de recherche académique, sans lien avec un déploiement commercial ou un robot spécifique. Les auteurs appellent implicitement à intégrer des vérifications de sécurité cross-modales, capables de détecter les incohérences entre l'intention probable de l'utilisateur et le texte transcrit, avant toute exécution d'action physique par le robot.

RechercheActu
1 source
Riemann-1.0 : un modèle d'action du monde incarné pour l'IA physique
42arXiv cs.RO 

Riemann-1.0 : un modèle d'action du monde incarné pour l'IA physique

Un preprint publie sur arXiv (2608.27033) présente Riemann-1.0, un "World Action Model" causal et autoregressif qui unifie, dans une seule séquence, observations visuelles multi-vues, états du robot et actions spécifiques a chaque embodiment. Le modèle est pré-entraine sur plus de 200 000 heures de données hétérogènes: vidéos humaines a la première personne, démonstrations avec pinces portables et trajectoires de robots varies. Il atteint 94,3% de réussite sur RoboTwin2.0, 99,0% sur LIBERO et 62,6% sur le benchmark compositionnel long-horizon RoboCasa-365, soit 8,4 points de plus que la meilleure méthode antérieure. Sur des taches réelles de manipulation longue durée, il obtient 85,0% de réussite (SR) et 94,4% de progression (PSR), soit 15 points de plus que le meilleur système open source de référence. Le résultat notable n'est pas seulement le score, mais l'architecture: un seul modèle fait a la fois office de politique de contrôle exécutable et de simulateur du monde conditionne par l'action, la ou la plupart des approches séparent prédiction vidéo et génération d'actions. Cela alimente le débat sur le passage a l'échelle des modèles vision-langage-action, en suggérant que des sources bon marche comme la vidéo humaine peuvent compléter des données robotiques rares pour améliorer la généralisation. Pour les intégrateurs, la prudence reste de mise: ces résultats proviennent d'un preprint non relu par les pairs, obtenus sur des benchmarks contrôles et des taches réelles décrites de façon générique, sans précision sur le site de test ni sur un déploiement en production. Riemann-1.0 se positionne contre trois familles de "world models" robotiques existantes, génération conjointe d'actions et d'images, prédiction vidéo suivie d'une politique séparée, ou architectures découplées, jugées limitantes par ses auteurs face a la fragmentation entre simulation du monde et contrôle du robot. L'article ne mentionne ni organisation commerciale a l'origine du projet, ni plateforme robotique associée, ni date de pilote ou de déploiement: il se presente comme un jalon de recherche plutôt que comme un produit livre. Les suites logiques, non confirmées dans le texte, porteraient sur l'extension a davantage d'embodiments et sur des essais en conditions réelles hors laboratoire, dans la lignée des travaux parallèles menés par d'autres laboratoires sur les modèles fondation pour la manipulation robotique.

IA physiqueActu
1 source
Pékin remporte les Humanoid Games : son PDG évoque un « moment ChatGPT » imminent pour l'IA incarnée
43Pandaily 

Pékin remporte les Humanoid Games : son PDG évoque un « moment ChatGPT » imminent pour l'IA incarnée

Le Beijing Humanoid Robotics Innovation Center a dominé la deuxième édition des World Humanoid Robot Games, remportant 15 médailles d'or, 12 d'argent et 18 de bronze au soir du 26 août, quelques heures avant la clôture de la World Robot Conference à Pékin. Sa gamme de robots Tiangong a établi 34 records humains durant la compétition et décroché l'or dans les épreuves phares, tant sportives que scénarisées. La même semaine, le centre a dévoilé Pelican-Unify, un modèle unifié d'intelligence embarquée, ainsi que Tiangong Omni, un humanoïde léger de 1,35 mètre pour 39 kilogrammes conçu pour une production de masse à coût réduit. Il a également annoncé un partenariat stratégique avec Mercedes-Benz, dans lequel le robot Tiangong 3.0 a servi de "conseiller sur base silicium", accueillant les visiteurs, présentant les modèles et répondant aux questions dans un environnement de salon très fréquenté. Le PDG Xiong Youjun a affirmé que le secteur approche la "veille du moment ChatGPT" de l'IA incarnée, une formule qui relève davantage du discours de positionnement que d'un fait vérifiable et mérite d'être lue comme telle. Au-delà de la vitrine compétitive, le discours de Xiong marque un déplacement notable du débat sectoriel : de la course aux spécifications brutes (couple moteur, degrés de liberté) vers des critères plus systémiques, chaîne d'approvisionnement, ingénierie, expérience client, et surtout la question du retour sur investissement, signe classique d'un marché qui cherche à sortir du stade de la démonstration. Xiong reconnaît lui-même que les humanoïdes restent en retrait des robots industriels et de la main-d'œuvre humaine sur ce critère de rentabilité, ce qui tranche avec la tonalité triomphaliste habituelle de ces événements. Pour les intégrateurs et décideurs industriels, l'élément le plus concret est ailleurs : la plateforme open source Huisi Kaiwu revendique plus de 16 millions de téléchargements, une dizaine de modèles ouverts et plus de 200 partenaires de développement, dont des institutions aux États-Unis et en Europe, ce qui en fait une tentative sérieuse de mutualisation d'infrastructure plutôt qu'une simple démonstration technologique isolée. Cette stratégie s'inscrit dans une approche délibérément terre-à-terre : plutôt que de viser des usages spectaculaires, Beijing Humanoid cible ce que Xiong appelle les scénarios "3D" (sales, dangereux, répétitifs), comme les opérations sous tension électrique, les tests en laboratoire, l'inspection énergétique ou le tri logistique. Un cas cité, l'automatisation de la vérification de thermomètres infrarouges pour l'Institut de métrologie du Jiangsu avec un gain de vitesse revendiqué de six fois, reste toutefois un exemple isolé communiqué par l'entreprise, sans données indépendantes pour l'étayer. Xiong pousse également la standardisation du secteur, en présidant un groupe de travail sur les normes de sécurité et en faisant avancer 49 standards, estimant que l'industrialisation des humanoïdes nécessite d'abord une infrastructure commune avant toute adoption à grande échelle. Aucun acteur français ou européen de la robotique humanoïde n'apparaît directement dans cette annonce, en dehors du partenariat commercial avec le constructeur automobile allemand Mercedes-Benz.

UELe partenariat commercial de Tiangong 3.0 avec Mercedes-Benz est le seul point de contact avec un acteur européen, sans participation d'entreprises ou d'institutions françaises ou européennes de la robotique humanoïde.

Chine/AsieOpinion
1 source
WRC 2026 : 90 usines de données, mais pas assez pour nourrir un seul cerveau d'IA incarnée
44Pandaily 

WRC 2026 : 90 usines de données, mais pas assez pour nourrir un seul cerveau d'IA incarnée

Au World Robot Conference (WRC) 2026, organisé à Pékin dans le district de Yizhuang, l'attention s'est déplacée des performances physiques des robots vers la capacité à collecter des données d'entraînement. Selon une étude d'Interact Analysis, au moins 90 centres de collecte et d'entraînement de données pour robots humanoïdes sont déjà opérationnels ou en construction en Chine. Lightwheel AI a dévoilé EgoSuite-Open100k, présenté comme le plus grand jeu de données incarnées en accès ouvert à ce jour, avec 100 000 heures réparties sur plus de 15 000 scénarios. ORBBEC a montré une gamme de capteurs sans corps robotique, dont des dispositifs de capture à la première personne et portables à la main, tandis que BrainCo a exposé des gants de capture couplés à des mains dextres tactiles sur toute la paume. GigaDevice a présenté des microcontrôleurs, mémoires et composants analogiques dédiés à l'intelligence incarnée. Tian Feng, chercheur à l'Intelligent Industries Research Institute de SenseTime, a détaillé six paradigmes de collecte en parallèle, de la téléopération et la capture de mouvement aux données synthétiques et à la collecte réelle sur ligne de production, la méthode sans corps robotique progressant le plus vite avec un coût annoncé environ cinq fois inférieur à la collecte via robot physique. Ce basculement traduit un doute croissant sur la transposition à la robotique des lois d'échelle qui ont fonctionné pour les grands modèles de langage. Une expérience de Generalist AI menée en novembre 2025 montre que les modèles de petite taille peinent à absorber des données sensorimotrices complexes, avec un seuil situé autour de sept milliards de paramètres, phénomène que les auteurs qualifient d'« ossification du modèle ». Tian Feng tempère lui-même l'engouement pour la capture sans corps robotique : elle sacrifie des informations dynamiques comme le couple articulaire et la force de contact, risquant de nuire aux tâches d'assemblage fin, et des échantillons collectés par des opérateurs plutôt que de vrais ouvriers introduisent un biais systématique. La fragmentation du matériel robotique aggrave le problème, rendant les données d'un corps difficilement réutilisables sur un autre. Pour les intégrateurs et décideurs B2B, le signal est clair : multiplier les usines à données ne garantit pas un gain de performance réel, et le goulot d'étranglement du secteur tient peut-être moins à la rareté des données qu'à leur standardisation et à leur valorisation commerciale. Les analystes mettent en garde contre une boucle comptable qui combine financements publics, achats groupés de robots et rachats de données par les mêmes acteurs, gonflant les statistiques sans valider de demande réelle. Les chiffres d'IDC pour 2025 le confirment : les scénarios de démonstration, de recherche et de collecte de données représentent encore 78,4 % des livraisons de robots humanoïdes, contre une part marginale en ligne de production. Le WRC 2026 illustre un secteur toujours concentré sur l'entraînement des modèles d'intelligence incarnée (VLA) plutôt que sur le déploiement industriel, la convergence entre volume de données, standardisation matérielle et revenus commerciaux devant déterminer si cette vague d'investissement produit des robots réellement opérationnels.

Chine/AsieOpinion
1 source
ROS2SmolVLA : intégrer de petits modèles vision-langage-action dans des robots légers industriels
45arXiv cs.RO 

ROS2SmolVLA : intégrer de petits modèles vision-langage-action dans des robots légers industriels

Une équipe de recherche publie ROS2SmolVLA, un dépôt open source reliant le middleware ROS 2 au modèle SmolVLA développé par Hugging Face, adapté aux bras collaboratifs légers de Universal Robots. Le système, décrit dans un article mis en ligne sur arXiv (référence 2608.23320), est validé sur un cobot UR10e, bras à six axes affichant une charge utile de 12,5 kg, à travers une tâche de prise et dépose (pick-and-place). L'objectif est de permettre à un modèle vision-langage-action (VLA) de taille réduite de générer des actions robotiques directement à partir de l'état observé du système, sans dépendre d'une infrastructure cloud. Le code et les consignes d'implémentation sont publiés en accès libre, pour faciliter l'adoption aussi bien en laboratoire qu'en environnement industriel. L'intérêt du travail tient moins à la performance brute qu'au vide qu'il comble. La recherche sur les VLA oscille généralement entre deux extrêmes : des modèles massifs nécessitant un calcul externalisé, ce qui pose des problèmes de conformité et de sécurité des données pour les usines, et des démonstrations réalisées sur du matériel de laboratoire éloigné des contraintes du terrain industriel. En faisant tourner SmolVLA localement sur un bras Universal Robots réellement déployé en production, les auteurs apportent une preuve de concept pour l'automatisation adaptative que réclament les fabricants confrontés à des lots plus petits et des références produits plus nombreuses. Les auteurs restent toutefois prudents : leurs propres conclusions limitent l'usage de SmolVLA à des tâches de petite échelle calculables en local, pas à une automatisation industrielle généralisée, une seule tâche ayant été testée. SmolVLA, le modèle de base développé par Hugging Face, se positionne comme une alternative compacte face à des modèles VLA plus lourds tels que Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI, généralement pensés pour un calcul déporté sur le cloud ou des clusters dédiés. Universal Robots, fabricant danois de cobots leader sur le segment industriel léger, et ROS 2, middleware robotique standard du secteur, fournissent la base matérielle et logicielle de l'intégration. Publié comme un travail académique open source plutôt que comme un produit commercial, le projet ne s'accompagne d'aucun pilote industriel annoncé ni de calendrier de déploiement, mais ouvre une piste que d'autres laboratoires et intégrateurs pourront reprendre pour tester des tâches similaires sur d'autres cobots.

UELe système est valide sur un cobot Universal Robots, fabricant danois leader du segment industriel léger en Europe, offrant aux industriels européens une piste d'automatisation adaptative sans dépendance au cloud.

IA physiqueOpinion
1 source
Xpeng défie Tesla dans l'IA incarnée après une levée de 900 millions de dollars pour sa division robotique
46SCMP Tech 

Xpeng défie Tesla dans l'IA incarnée après une levée de 900 millions de dollars pour sa division robotique

Le constructeur chinois de véhicules électriques Xpeng a annoncé lundi avoir levé 900 millions de dollars pour sa filiale robotique Dogotix, lors d'un tour de financement mené notamment par Alibaba Group Holding et IDG Capital. L'opération valorise Dogotix à 6,3 milliards de dollars, ce que Xpeng présente comme la plus grosse transaction de capital-investissement jamais réalisée dans la robotique chinoise. Elle survient alors que le groupe vient de publier une perte nette élargie au deuxième trimestre sur son activité automobile. Cette levée traduit le basculement des constructeurs automobiles chinois vers l'IA incarnée, où Xpeng se pose désormais en concurrent direct de Tesla et de son robot Optimus. Le montant, inédit pour le secteur, valide auprès d'investisseurs de premier plan comme Alibaba l'hypothèse d'une mutualisation entre conduite autonome, batteries et modèles d'IA multimodale d'un côté, et robotique humanoïde de l'autre. Pour les intégrateurs et décideurs industriels, elle confirme surtout une consolidation rapide du capital chinois autour de quelques acteurs, alors que la démonstration technologique reste, pour l'instant, plus documentée que le déploiement commercial réel. Fondé en 2014, Xpeng s'est d'abord fait connaître par ses véhicules électriques et ses systèmes de conduite assistée développés en interne, avant d'étendre ses recherches en IA à la robotique humanoïde via Dogotix. Le groupe évolue dans un paysage chinois déjà dense, aux côtés d'Unitree, UBTech, Fourier Intelligence ou AgiBot, et face à d'autres constructeurs comme BYD ou Xiaomi, également engagés dans la robotique. Xpeng n'a précisé ni calendrier de commercialisation ni sites pilotes pour ses futurs robots.

UECette consolidation massive du capital autour de la robotique chinoise accentue indirectement la pression concurrentielle sur les acteurs europeens, sans impact direct sur une entreprise ou reglementation francaise ou europeenne.

Chine/AsieActu
1 source
La Chine dispose de plus de 70 terrains d'entraînement à l'IA incarnée opérationnels, selon un rapport
47TechNode 

La Chine dispose de plus de 70 terrains d'entraînement à l'IA incarnée opérationnels, selon un rapport

Plus de 70 sites d'entraînement pour l'IA incarnée (embodied AI) étaient opérationnels en Chine à fin juin 2026, selon un rapport de la China Academy of Information and Communications Technology (CAICT), centre de recherche rattaché au ministère chinois de l'Industrie et des Technologies de l'information. 46 installations supplémentaires sont en construction ou en planification, portant le total à plus de 100 sites répartis dans plus de la moitié des provinces et régions administratives chinoises. Ces installations servent à collecter des données en conditions réelles, entraîner des modèles et tester des systèmes robotiques avant déploiement. L'industrie manufacturière domine largement les usages recensés, présente dans 86% des sites, concentrés dans trois zones: le delta du Yangtze, la région Pékin-Tianjin-Hebei et le delta de la rivière des Perles. Ce volume traduit l'ampleur de l'investissement public chinois dans les infrastructures physiques d'entraînement robotique, à un moment où des acteurs occidentaux comme Figure AI, Tesla avec Optimus, Physical Intelligence avec Pi-0 ou NVIDIA avec GR00T s'appuient surtout sur la simulation et des flottes pilotes restreintes pour générer leurs données. Pour les intégrateurs et décideurs industriels, cette mutualisation étatique vise à lever le principal goulot d'étranglement cité pour faire progresser les modèles vision-langage-action (VLA): le manque de données réelles à grande échelle. Le rapport ne précise toutefois ni le taux d'utilisation effectif de ces sites ni les volumes de données réellement produits, ce qui en fait avant tout un indicateur de capacité installée plutôt qu'un résultat vérifié. Cette annonce s'inscrit dans la politique industrielle chinoise de soutien à la robotique humanoïde, engagée depuis 2023 face à la concurrence américaine et, plus marginalement, européenne, où des acteurs comme Wandercraft, Pollen Robotics ou Enchanted Tools occupent un créneau différent, plus axé produit que sur les infrastructures d'entraînement. La CAICT publie régulièrement des rapports de référence sur les technologies numériques pour le compte de Pékin. Le document, relayé par le site chinois IT Home, ne fournit ni calendrier de pilotes ni objectifs chiffrés pour les 46 sites en projet, laissant ouverte la question du rythme auquel cette capacité se traduira en déploiements commerciaux effectifs.

UEAucun impact direct, mais l'ecart d'investissement en infrastructures de donnees chinoises souligne le positionnement different des acteurs europeens comme Wandercraft ou Pollen Robotics, centres sur le produit plutot que sur les sites d'entrainement.

Chine/AsieOpinion
1 source
L'année la plus effervescente pour l'IA incarnée, mais l'évolution des robots reste imperceptible à l'œil nu
48Pandaily 

L'année la plus effervescente pour l'IA incarnée, mais l'évolution des robots reste imperceptible à l'œil nu

En août 2026, la World Robot Conference (WRC) a de nouveau réuni des dizaines d'humanoïdes dansant, combattant, saisissant des objets et triant des pièces, aux côtés de bras robotiques manipulant des lignes simulées. Selon Counterpoint Research, les livraisons mondiales d'humanoïdes ont dépassé 22 000 unités au premier semestre 2026, en hausse de près de 300%, avec une projection annuelle supérieure à 50 000 unités. AgiBot a livré environ 9 700 robots, Unitree plus de 7 000 (soit 31% du marché), et Galaxy General plus de 1 100, les cinq premiers acteurs captant 86% du marché. Par usage, le divertissement représente 33,6% des déploiements et la production de données/recherche 27%, soit plus de 60% à eux deux, contre seulement 12,8% pour la fabrication industrielle et 4,9% pour la logistique d'entrepôt. Unitree a présenté un robot atteignant 12,65 mètres par seconde, tandis que Galaxy General a entraîné son humanoïde bipède ET1 à partir d'environ 100 000 heures de données de mouvement humain, avec un système nommé WAM-TTT permettant à un robot d'apprendre une nouvelle tâche en observant des opérateurs sur site ; l'entreprise revendique un déploiement dans plusieurs dizaines d'usines du fabricant de batteries CATL, au-delà du simple test à une machine. Ces chiffres masquent un constat plus inconfortable pour le secteur : les tâches démontrées (saisir une tasse, plier du linge) restent quasiment identiques d'une édition à l'autre du salon, malgré l'explosion du nombre de robots présentés. Le fondateur d'Unitree, Wang Xingxing, résume le vrai obstacle : dans un environnement fixe et avec assez de données, un robot peut approcher 100% de réussite, mais un simple changement d'objet fait chuter la performance, preuve que la généralisation, et non la motricité, reste le goulot d'étranglement. Il fixe le seuil décisif à 80% de réussite sur des tâches inédites, données par instruction en langage naturel dans un environnement jamais vu, comme condition d'une véritable explosion commerciale. Wang He, fondateur de Galaxy General, compare l'état actuel des modèles incarnés à GPT-2 et anticipe un niveau proche de GPT-3.5 à GPT-4 d'ici 2028, ce qui questionne directement la promesse d'un modèle générique déployable sans réentraînement massif par site. Sur le plan concurrentiel, Unitree mise sur le contrôle moteur, l'ingénierie mécanique, les coûts et les volumes, mais ses robots restent surtout vendus à la recherche et à l'éducation, poussant l'entreprise à réorienter ses investissements vers les modèles d'IA. Galaxy General, positionné sur les modèles fondation incarnés, cherche à prouver que l'apprentissage d'une tâche peut se répliquer sur des centaines de sites, comme l'illustre son déploiement multi-usines chez CATL, un test de passage à l'échelle que le secteur observe de près avant tout pari sur une adoption industrielle massive d'ici 2028.

Chine/AsieOpinion
1 source
INNOROBO by SIDO : l’innovation au cœur de la robotique
49Robot Magazine FR 

INNOROBO by SIDO : l’innovation au cœur de la robotique

Le salon SIDO Lyon accueille les 16 et 17 septembre 2026, au Centre de Congres de Lyon, sa zone d'exposition INNOROBO consacrée a la robotique augmentée et aux systèmes autonomes. Integree au salon depuis 2023, cette zone a été rachetée en 2018 par le groupe Infopro Digital, éditeur de SIDO, et développée avec sa fondatrice Catherine Simon. L'édition 2026 structure l'offre autour de quatre piliers : systèmes robotiques et physical AI (robots, cobots, AMR, AGV, UGV, humanoïdes, drones), composants et perception (mécatronique, intelligence embarquée, vision industrielle, énergie), intelligence et logiciels (pilotage, IA Edge, MLOps, gestion de flottes, cybersécurité OT/IT connectee aux MES, ERP et GMAO) et intégration/services (ingénierie de cellules robotisées, conseil, maintien en conditions opérationnelles). L'organisateur annonce un public compose a 44 % de décideurs (CTO, directeurs R&D et innovation), 38 % de responsables métiers (production, logistique, maintenance, qualité) et 18 % de dirigeants (PDG, DG, vice-présidents), issu a 60 % de l'industrie B2B (manufacturing, énergie, aérospatial, agroalimentaire, BTP), 37 % du tertiaire (distribution, transport, santé, luxe) et 3 % du secteur public. Le cycle de conférences associe aborde l'IA générative appliquée a la robotique, la cobotique, la souveraineté technologique et la cybersécurité des infrastructures robotisées, avec un accès réserve aux professionnels sur inscription. Ce repositionnement traduit une bascule que le secteur observe depuis l'irruption de l'IA générative et des modèles de fondation dans la robotique : la valeur d'un système ne tient plus seulement a sa mécanique, mais a l'empilement logiciel qui l'entoure, perception, IA embarquée, orchestration de flottes, interconnexion avec les systèmes d'information de l'usine. Pour les intégrateurs et les décideurs industriels, ce glissement complexifie les achats, ou choisir un robot engage aussi une pile logicielle et une stratégie de cybersécurité OT/IT. La répartition du public, dominée par des décideurs techniques issus a 60 % de l'industrie B2B classique, signale un événement oriente vers l'adoption opérationnelle plutôt que la démonstration grand public, un positionnement qui tranche avec l'écart souvent constate entre démonstrations spectaculaires d'humanoïdes et déploiements industriels réels. INNOROBO existe depuis plus d'une décennie sous l'impulsion de Catherine Simon, avant d'être racheté par Infopro Digital en 2018 puis intègre au salon SIDO Lyon a partir de 2023. Son élargissement en 2026 vers la robotique augmentée et les agents intelligents accompagne la montée en puissance mondiale des acteurs de la robotique humanoïde et des modèles vision-langage-action, qui redessinent les attentes d'automatisation des industriels français et européens. Le programme met explicitement en avant la souveraineté technologique, thème récurrent pour les acteurs français face a la concurrence américaine et chinoise sur les composants, capteurs et modèles d'IA embarquée. Rendez-vous les 16 et 17 septembre 2026 au Centre de Congres de Lyon, accès réserve aux professionnels sur inscription préalable via le site officiel de l'événement.

UELe salon SIDO Lyon et sa zone INNOROBO reunissent a Lyon les decideurs industriels francais et europeens autour de l'adoption operationnelle de la robotique augmentee et de la souverainete technologique.

FR/EU ecosystemeActu
1 source
Robots humanoïdes : AgiBot pousse les entreprises vers l'IA et redéfinit la compétition en IA incarnée
50TechNode 

Robots humanoïdes : AgiBot pousse les entreprises vers l'IA et redéfinit la compétition en IA incarnée

En 2026, la société chinoise AgiBot a poursuivi le développement de sa gamme de robots humanoïdes, dont le modèle Expedition A3, tout en construisant une pile logicielle complète pour l'IA incarnée. En avril, elle a lancé GO-2, son modèle fondation robotique, censé renforcer la compréhension, la planification et l'exécution de tâches par les robots. Sa plateforme de simulation Genie Sim 3.0 a ouvert plus de 10 000 heures de données synthétiques et un système d'évaluation couvrant plus de 100 000 scénarios, selon l'entreprise. Ces outils complètent AGIBOT WORLD, sa base de données rassemblant des millions d'échantillons collectés en conditions réelles, et le modèle GE-2 Action World Model. AgiBot a aussi lancé la Hive Data Co-Creation Initiative, visant une production de données à l'échelle de dizaines de millions d'heures d'ici fin 2026. Aucun prix ni volume de déploiement commercial n'est précisé. Cette bascule traduit un changement de fond dans la compétition humanoïde mondiale: la maîtrise mécanique, agilité, fiabilité, coût, cesse d'être le seul facteur différenciant à mesure que plusieurs acteurs règlent les bases du mouvement robotique. Le nouveau verrou se déplace vers l'apprentissage: un robot peut-il comprendre un environnement inconnu, exécuter une tâche non programmée, ou transférer l'expérience d'une unité à toute une flotte? Pour les intégrateurs et décideurs industriels, l'évaluation d'un fournisseur doit désormais porter autant sur le volume et la qualité des données d'entraînement, la robustesse des modèles fondation et la vitesse d'itération, que sur les spécifications du châssis. Le pari d'AgiBot, boucler un cycle continu entre données réelles, simulation, entraînement et exécution, reste à valider à grande échelle: les chiffres de simulation avancés par l'entreprise ne sont pas vérifiés de façon indépendante. Ce virage s'inscrit dans une trajectoire sectorielle plus large où les frontières entre fabricants de robots et laboratoires d'IA s'estompent, à l'image de Physical Intelligence (modèles Pi-0), NVIDIA (GR00T N2) ou Figure AI (modèle Helix), qui combinent tous hardware et modèles génériques entraînés sur de vastes corpus robotiques. Le matériel reste néanmoins loin d'être secondaire: fiabilité mécanique, maîtrise des coûts et capacité de fabrication à grande échelle continueront de déterminer si ces robots passent réellement de l'usine pilote à l'entrepôt en production. AgiBot ne communique, dans cette annonce, ni calendrier précis de déploiements pilotes ni partenaires industriels nommés pour l'Expedition A3 ou les prochaines itérations de GO-2 et Genie Sim, laissant ouverte la question du passage de cette architecture intégrée à des cas d'usage commerciaux vérifiables.

IA physiqueOpinion
1 source