Actualités robotique — page 45

4 737 articles au fil, du plus récent au plus ancien.

42

220136Kr 

Kunlun Xing, startup d'IA incarnée, lève plusieurs milliards de yuans et devient licorne en 90 jours

Moins de quatre-vingt-dix jours après son enregistrement officiel, la startup de robotique humanoïde chinoise Kunlun Xing (昆仑行) a bouclé trois tours de financement successifs pour un total de plusieurs milliards de yuans, franchissant le seuil du milliard de dollars de valorisation avant même d'avoir sorti un produit. C'est le 36Kr qui révèle ces informations en exclusivité. La société est fondée par Ren Geng, ancien vice-président du groupe Alibaba et ex-président d'Alibaba Cloud Chine, accompagné de Lang Xianpeng, premier ingénieur ADAS de Li Auto, l'équivalent chinois de Mobileye au sein du constructeur. Les investisseurs présents dès le premier tour, dont Hillhouse Capital, Gaorong Ventures, CASSTAR et Huaye Capital, ont participé aux trois rounds consécutifs, un signal fort de conviction. Le tour de table réunit également Zhongding Capital, Innovation Works (le fonds de Kai-Fu Lee), Xin Capital, et le bras industriel du conglomérat Jianfa Group. La stratégie affichée par Kunlun Xing est le développement en intégration totale (full-stack) d'un robot humanoïde généraliste, explicitement positionné comme concurrent de l'Optimus de Tesla, avec une architecture duale baptisée Kunlun World Model (KWM) censée améliorer la généralisation et réduire l'opacité décisionnelle des modèles de type VLA. Ce financement record illustre la tension qui structure le marché chinois de la robotique humanoïde en 2026 : les capitaux sont abondants, mais les cibles crédibles rares. Plusieurs fonds de premier rang interrogés par 36Kr reconnaissent se retrouver en position de "demandeurs" face aux meilleurs dossiers, non l'inverse. Ce qui différencie Kunlun Xing aux yeux des investisseurs, c'est la combinaison inhabituelle de compétences de go-to-market à grande échelle (Ren Geng a piloté Alibaba Cloud à 42,1 % de part de marché public cloud en 2020) et de capacités de livraison hardware à volume (Lang Xianpeng a délivré l'ADAS Li Auto sur 1,5 million de véhicules avec un budget annuel de recherche de 10 millions de yuans). Dans un secteur où la plupart des acteurs sont soit purement techniques, soit purement commerciaux, cette dualité est jugée décisive. La stratégie "corps + cerveau" en développement propriétaire vise à éviter le découplage logiciel-matériel qui pénalise nombre de concurrents. Le contexte sectoriel qui nourrit cette levée tient à plusieurs catalyseurs simultanés : l'annonce par Tesla d'une production en petite série de l'Optimus Gen3 à l'usine de Fremont entre juillet et août 2026, l'introduction en bourse accélérée de Unitree Robotics, et les prévisions de Morgan Stanley évaluant le marché mondial des robots humanoïdes à 5 000 milliards de dollars d'ici 2050. Kunlun Xing n'est toutefois pas seul sur ce segment : Figure AI, 1X, Agility Robotics et Fourier Intelligence occupent le terrain international, tandis que Unitree, Agibot (智元) et Zhiyuan Robot (智元) disputent le marché domestique. Les défis techniques restent concrets : la durée de vie des mains dextres dépasse rarement deux mois, et la supply chain composants n'est pas encore industrialisée. Kunlun Xing n'a pour l'heure annoncé ni prototype public, ni calendrier de livraison client, ni déploiement pilote, sa valorisation repose intégralement sur la crédibilité de l'équipe fondatrice, pas sur des métriques produit vérifiables.

Chine/Asie⚡Actu

1 source

46

2202Pandaily 

Star Dynasty lève plus de 4 milliards de yuans : les robots humanoïdes du professeur de Tsinghua déployés chez SF Express

Star Dynasty, startup chinoise de robotique humanoïde fondée en août 2023 par Chen Jianyu, professeur assistant et directeur de doctorat à l'Université Tsinghua, annonce avoir dépassé les 4 milliards de RMB de financements cumulés et achevé un premier déploiement commercial de ses robots bipèdes dans les centres de tri de SF Express, le géant chinois de la livraison express. Le robot STAR1, associé à la main dextre maison XHAND1 et au module de traitement embarqué ERA-42 (baptisé "cerveau incarné"), est capable de trier jusqu'à 1 200 colis par heure selon la société, un chiffre présenté comme équivalent à celui d'un trieur humain expérimenté. Cette performance reste à vérifier en condition opérationnelle continue, mais les validations ont été menées dans plusieurs centres de China Post et SF Express dans le sud et l'est de la Chine. Trois tours de financement successifs, totalisant près de 3,5 milliards de RMB, ont été bouclés entre novembre 2025 et avril 2026. Depuis le début des livraisons en volume (milliers d'unités) au deuxième trimestre 2026, la société revendique une croissance de 300 % d'un trimestre sur l'autre. Ce déploiement est présenté comme le premier "closed loop" commercial de l'intelligence incarnée dans la logistique en Chine, c'est-à-dire une intégration opérationnelle complète, de la perception à l'action, dans un environnement réel non contrôlé. L'argument central de Star Dynasty tient à son positionnement sectoriel : là où la fabrication automobile exige des robots capables d'atteindre des niveaux de précision et de fiabilité proches de 100 % des capacités humaines, le tri logistique devient économiquement viable dès 50 à 60 % de performance, abaissant significativement la barre d'entrée pour une commercialisation rapide. La main XHAND1, vendue à l'unité pour "des dizaines de milliers de yuans", se présenterait comme le produit le plus vendu mondialement dans sa gamme de prix, ce qui, s'il est confirmé, signale une industrialisation de la dextérité robotique à un rythme jusqu'ici inédit. La société affirme également compter neuf des dix premières entreprises technologiques mondiales par capitalisation boursière parmi ses clients, une affirmation qui mériterait une vérification indépendante. Star Dynasty est la seule startup humanoïde directement affiliée à l'Université Tsinghua, ce qui lui confère un accès privilégié à la recherche académique et aux réseaux industriels chinois. Sa stratégie d'intégration verticale complète, couvrant la locomotion bipède, les actionneurs, la main dextre et le module de raisonnement embarqué, vise une maîtrise des coûts que les architectures reposant sur des fournisseurs tiers peinent à atteindre. Ses concurrents directs positionnés sur les applications logistiques incluent Agility Robotics (Digit, déployé chez Amazon), Figure AI (Figure 02 chez BMW) et les projets d'automatisation d'entrepôts de 1X Technologies, sans concurrent européen visible à ce stade sur le segment humanoïde logistique. Star Dynasty annonce une extension de ses déploiements vers la logistique de production et l'automatisation d'entrepôts au cours du second semestre 2026.

Chine/Asie⚡Actu

1 source

42

220336Kr 

Gong Hongjia, Lu Qi et des investisseurs internationaux misent sur le bracelet EMG d'une équipe de l'Université de Pékin

La startup chinoise SnowOrigin (雪梦未来) annonce un tour de financement impliquant trois investisseurs de premier plan : Gong Hongjia, co-fondateur du géant de la vidéosurveillance Hikvision, Lu Qi, ancien vice-président de Microsoft Chine et ex-directeur technique de Baidu, désormais à la tête du fonds Miracle Plus, et des institutions étrangères non nommées. L'entreprise, fondée par Qin Xu, diplômé du Laboratoire national d'ingénierie en encodage vidéo de l'Université de Pékin sous la direction des académiciens Gao Wen et Huang Tiejun, développe une nouvelle génération de terminaux d'acquisition de données pour l'IA incarnée (Physical AI). Sa solution combine un bracelet à sEMG (électromyographie de surface), un casque panoramique de capture en première personne et le modèle d'IA propriétaire NMH (Neural Math Hybrid), capable de décoder des signaux neuromusculaires en temps réel. Sur le plan technique, les bracelets SnowOrigin dépassent les appareils domestiques concurrents, généralement limités à 8 canaux, 200-250 Hz d'échantillonnage et un rapport signal/bruit de 20 à 25 dB, en atteignant un SNR supérieur à 43 dB, avec davantage de canaux et une fréquence d'échantillonnage plus élevée. Les données produites sont structurées en trois composantes : posture (Pose), effort musculaire (Force) et micro-ajustements fins (Micro-control). L'enjeu central que cible SnowOrigin est le fossé entre les méthodes d'acquisition de données existantes et les besoins réels de l'entraînement des robots humanoïdes. Les systèmes actuels, que ce soit la capture de mouvement, la téléopération ou la vidéo à la première personne, enregistrent ce qu'un humain fait, mais pas pourquoi ni comment : l'intention derrière un geste, la modulation de la force et les corrections imperceptibles en cours de manipulation restent invisibles. La startup s'appuie sur une analogie directe avec les LLM : de même qu'Internet a fourni la masse textuelle nécessaire à l'émergence de modèles de langage, l'ère du Physical AI requiert des données d'interaction humaine complètes en modalités multiples. Portable en conditions réelles, le bracelet sEMG ouvre la voie à une collecte à grande échelle impossible avec les gants de capture en laboratoire ou les exosquelettes, et c'est précisément ce que recherchent les équipes d'entraînement de robots dans leur pipeline de données de manipulation. Le contexte de la course aux interfaces neurales non invasives s'est considérablement accéléré depuis le rachat de CTRL-Labs par Meta en 2019 pour environ 500 millions de dollars, une opération qui a légitimé le sEMG comme vecteur d'interaction avec les systèmes AR/VR. SnowOrigin revendique avoir été, dès 2023, la première entreprise chinoise à décoder en temps réel les signaux sEMG en données complètes de posture de main, et la première à lancer en production de masse un bracelet multi-canaux au-delà des 8 canaux standards. Sur le plan concurrentiel, Meta avance avec son bracelet neural pour les lunettes Ray-Ban Meta et le casque Quest, tandis que plusieurs acteurs chinois commencent à entrer sur ce segment. SnowOrigin mise sur deux débouchés commerciaux : les fabricants de lunettes IA, dont plusieurs acteurs majeurs auraient déjà signalé leur intérêt pour une intégration comme interface d'interaction, et les équipes robotiques cherchant des données d'entraînement à l'échelle pour robots humanoïdes et modèles du monde.

Chine/Asie⚡Actu

1 source

42

2204The Robot Report 

FORT et NVIDIA lancent un plan de sécurité basé sur l'IA pour la surveillance externe

FORT Robotics a annoncé le 23 juin son intégration dans l'écosystème NVIDIA Halos for Robotics, en présentant conjointement une solution baptisée "Outside-In Safety" à la conférence Automate de Chicago. Démontrée cette semaine lors d'une session commune dans le Humanoid Robotics Pavilion, cette architecture combine le NVIDIA Outside-In Safety Blueprint avec le FORT Trust Layer pour étendre la perception des robots au-delà de leurs capteurs embarqués. Concrètement, le système connecte des capteurs d'infrastructure externes -- caméras montées en hauteur dans les entrepôts, par exemple -- via le NVIDIA Holoscan Sensor Bridge à un module de calcul IA NVIDIA IGX Thor, pour délivrer une sécurité fonctionnelle certifiable en temps réel. L'objectif déclaré est de moduler dynamiquement la vitesse et le comportement des robots autonomes selon la présence de travailleurs humains, sans imposer les ralentissements systématiques des architectures traditionnelles. L'approche "Outside-In" cible un point de friction bien réel dans les déploiements industriels actuels : les systèmes de sécurité classiques, dits "inside-out", s'appuient uniquement sur les capteurs embarqués du robot (lidar, caméras frontales), ce qui oblige les intégrateurs à programmer des zones de ralentissement conservatrices couvrant l'ensemble d'un espace de travail, même vide. En ajoutant une couche de perception infrastructurelle, FORT et NVIDIA promettent de récupérer ce débit sacrifié tout en maintenant la conformité aux normes de sécurité fonctionnelle. Pour un responsable d'intégration ou un COO logistique, l'argument commercial est direct : les caméras de surveillance déjà installées peuvent être réutilisées comme capteurs de sécurité, réduisant ainsi le coût d'entrée. Il faut toutefois noter que l'annonce reste au stade de la démonstration -- aucun chiffre de déploiement réel, ni donnée de temps de cycle validée en conditions industrielles, n'a été communiqué à ce stade. FORT Robotics, spécialisé dans les couches hardware/software de sécurité pour systèmes autonomes (agricole, logistique, industriel), est membre du NVIDIA Halos AI Systems Inspection Lab, un laboratoire accrédité ANAB (American National Accreditation Board) dédié à la vérification de la sécurité fonctionnelle, de la cybersécurité et de la conformité IA pour robots et véhicules autonomes. NVIDIA Halos constitue le cadre par lequel NVIDIA cherche à s'imposer comme infrastructure de sécurité de référence pour l'industrie robotique, en se positionnant face aux stacks propriétaires de Boston Dynamics, ABB Robotics ou Rockwell Automation sur la question de la certification fonctionnelle. En Europe, des acteurs comme Wandercraft ou Enchanted Tools travaillent sur des problématiques similaires de coexistence humain-robot, sans annonce comparable sur ce volet certification à ce stade. Les prochaines étapes pour FORT incluent des pilotes en entrepôts et sur des lignes de fabrication, sans calendrier précis communiqué.

Industriel❧Opinion

1 source

54

2205Interesting Engineering 

NVIDIA Halos : une sécurité complète pour les robots travaillant côte à côte avec des humains

NVIDIA a lancé Halos for Robotics, une plateforme de sécurité à pile complète destinée aux robots autonomes opérant en milieu industriel aux côtés de travailleurs humains. Le système articule trois composants principaux : le module de calcul industriel IGX Thor, le Holoscan Sensor Bridge pour la connectivité capteurs, et le logiciel Halos Core gérant les fonctions de sécurité opérationnelle. L'entreprise annonce également le NVIDIA Halos AI Systems Inspection Lab, qu'elle présente comme le premier programme accrédité par l'ANSI National Accreditation Board couvrant à la fois la sécurité fonctionnelle et les systèmes robotiques intelligents. Ce laboratoire d'inspection doit permettre aux fabricants de préparer leurs produits à la certification auprès d'organismes reconnus : TÜV Rheinland, TÜV SÜD, UL Solutions, exida, SGS et CertX, selon des normes incluant IEC 61508, ISO 13849 et ISO/IEC TR 5469. Agility Robotics est annoncée comme premier adoptant, avec l'intention d'intégrer IGX Thor et Halos Core dans les systèmes de détection humaine de son robot Digit, déjà déployé chez Amazon, GXO, Schaeffler et Toyota Motor Manufacturing Canada. Plus de 40 entreprises participeraient à l'écosystème Halos au sens large. L'initiative de NVIDIA répond à un verrou réel du marché : la certification de sécurité fonctionnelle constitue aujourd'hui l'un des principaux obstacles à la commercialisation à grande échelle des robots humanoïdes en environnement industriel. En fournissant un socle matériel-logiciel prévalidé et un parcours de certification balisé, NVIDIA cherche à réduire le temps et le coût d'obtention des accréditations réglementaires pour ses clients roboticiens. La revendication des "18 600 années-ingénieur" héritées du véhicule autonome est une formule marketing, mais elle indique une réutilisation substantielle des stacks de sécurité développés pour Drive, ce qui évite aux fabricants de robots de repartir de zéro. Pour des intégrateurs comme ceux travaillant avec Digit, disposer d'un chemin de certification structuré réduit le risque projet, point que Peggy Johnson, PDG d'Agility, a explicitement mis en avant. L'accréditation ANSI confère une légitimité internationale au programme d'inspection, ce qui est notable pour les déploiements en Europe ou en Asie. NVIDIA transpose ici une stratégie éprouvée dans l'automobile avec DRIVE : devenir la couche de sécurité de référence sur laquelle les OEM construisent leur robot, plutôt que de fabriquer le robot lui-même. Le marché de la sécurité fonctionnelle pour la robotique industrielle n'en est qu'à ses débuts, et plusieurs acteurs cherchent à s'y positionner, notamment via des frameworks ROS 2 certifiés ou des solutions embarquées propriétaires. Côté concurrentiel, Universal Robots (et sa filiale de certification) ou encore KUKA travaillent depuis des années sur des architectures de sécurité certifiées pour les cobots, mais l'angle "physical AI" et humanoïde que NVIDIA vise est plus récent. Aucun acteur français ou européen n'est mentionné dans l'annonce, bien que des entreprises comme Enchanted Tools ou Wandercraft soient susceptibles d'être concernées par ce type de framework à terme. Les prochaines étapes annoncées restent vagues : NVIDIA n'a communiqué ni calendrier de certification pour Agility, ni date de disponibilité commerciale des composants Halos au-delà du programme de participation actuel.

Infrastructure❧Opinion

1 source

47

2206Robotics Business Review 

Comment Intrinsic élimine la programmation manuelle des robots

Intrinsic, filiale d'Alphabet spécialisée en robotique industrielle, a présenté à l'Automate 2026 une cellule robotique modulaire baptisée "Intrinsic Intelligence Cell", reposant sur son système d'exploitation maison IntrinsicOS. La démonstration met en scène un bras FANUC réalisant de l'assemblage électronique sans aucune programmation robot traditionnelle : l'opérateur configure les tâches par glisser-déposer, tandis que la plateforme gère automatiquement la perception, la planification de mouvement et les opérations de préhension et d'insertion de pièces. Intrinsic collabore avec deux intégrateurs CNC, Trinity Automation et MartinSystems, pour embarquer ces capacités dans leurs offres de prochaine génération. La présentation intervient quelques mois avant le lancement d'un pilote industriel d'envergure avec Foxconn, dont la date exacte n'a pas été précisée au-delà de "fin 2025". Par ailleurs, dans le cadre de son "AI for Industry Challenge" co-organisé avec Open Robotics, la société a réuni plus de 5 000 inscrits répartis en 1 600 équipes issues de 115 pays, avec une enveloppe de prix de 180 000 dollars. Le défi cible l'un des problèmes les plus résistants de l'assemblage électronique : la manipulation dextre de câbles et de connecteurs. Huit équipes ont jusqu'ici atteint des scores quasi-parfaits lors de la phase de simulation (Gazebo, MuJoCo de Google DeepMind, NVIDIA Isaac Sim). L'approche d'Intrinsic s'attaque à un verrou structurel du marché : la programmation robot reste aujourd'hui un frein majeur à l'adoption dans les ateliers à production variable ("high mix, low volume"), où reprogrammer un bras pour chaque référence représente un coût prohibitif. En proposant une reconfiguration instantanée des outils et des process via des "skills" basés sur l'IA, la plateforme ouvre potentiellement l'automatisation aux sous-traitants de taille moyenne et aux ateliers d'usinage qui ne disposent pas d'équipes de roboticiens. La composition du challenge est également révélatrice : seulement 14 % des participants viennent du secteur robotique, tandis que 93 % sont développeurs Python et 47 % travaillent en IA/ML. Cela signale un afflux de compétences logicielles vers la robotique industrielle, et valide l'hypothèse selon laquelle les prochaines avancées en manipulation viendront davantage du software que du hardware. Intrinsic a été fondée en 2021 à partir de ressources internes d'Alphabet, absorbant notamment des équipes issues de X Development. La société a mis plusieurs années à structurer sa pile logicielle autour de ROS 2 avant de la commercialiser. Sur ce segment des cellules robotiques modulaires pilotées par IA, elle se positionne face à des acteurs comme Covariant (rachetée par Amazon), Machina Labs ou Viam, ainsi que face aux offres propriétaires des grands intégrateurs (KUKA, ABB, FANUC lui-même). Le pilote Foxconn constituera le premier test à l'échelle réelle d'IntrinsicOS dans un environnement de production de masse, et ses résultats conditionneront probablement la crédibilité commerciale de la plateforme au-delà des démonstrations salon.

Industriel❧Opinion

1 source

44

2207Robotics Business Review 

Bear Robotics acquiert Kinisi Robotics pour renforcer ses capacités d'IA physique

Bear Robotics a annoncé la signature d'un accord définitif pour acquérir Kinisi Robotics, une startup basée à Bristol, au Royaume-Uni. La clôture est attendue dans les prochains jours. L'opération transfère à Bear l'équipe d'ingénierie britannique de Kinisi, son robot humanoïde à roues KR1, ainsi que ses modèles d'IA propriétaires : un modèle vision-langage-action (VLA) et un modèle fondation pour la robotique (RFM). Ces systèmes combinent apprentissage par imitation, renforcement, contrôle agentique de tâches et vision par ordinateur pour la détection, la localisation et la segmentation d'objets. Le KR1 est un humanoïde sur base roulante, conçu pour la préhension, le tri et le déplacement d'objets dans des environnements industriels, logistiques et hôteliers. Fondée en 2017 par John Ha, Bear a déployé plus de 16 000 robots de service dans le monde, opérant déjà comme une flotte coordonnée via une orchestration multi-robots agentique sur une plateforme cloud unifiée. L'acquisition répond à un verrou technique persistant dans la robotique de service : les robots mobiles autonomes (AMR) naviguent efficacement, mais peinent dès qu'il s'agit de saisir, trier ou manipuler des objets physiques. En intégrant Kinisi, Bear franchit cette frontière entre navigation pure et manipulation physique, que la majorité des acteurs du secteur tentent encore de résoudre séparément. Ce qui donne du crédit à l'opération plutôt que d'en faire une annonce spéculative, c'est que Kinisi utilisait déjà le stack de navigation de production de Bear depuis ses débuts : les équipes se connaissent, le code tourne en conditions réelles, et Bear dispose d'une visibilité concrète sur la maturité de l'ingénierie de Kinisi. La synergie sur les données d'entraînement est également tangible : la flotte de 16 000 robots génère en continu des données issues de milliers de sites, tandis que les outils de capture de Kinisi permettent d'ajouter des exemples de manipulation à faible coût. C'est un avantage que des pure-players de l'humanoïde comme Figure AI (Figure 03), Physical Intelligence (pi-0), Agility Robotics (Digit) ou encore Boston Dynamics (Atlas) n'ont pas encore à cette échelle de déploiement commercial réel. Bear Robotics s'est fait connaître à partir de 2017 avec ses robots de livraison pour la restauration (Servi, Laboni), avant de s'étendre au nettoyage industriel, en construisant une chaîne de fabrication et une base de clients enterprise. Kinisi a été co-fondée par Brennand Pierce, lui-même co-fondateur originel de Bear, ce qui explique la proximité technique et culturelle des deux entités : Pierce rejoindra Bear à la clôture de la transaction. Aucun calendrier public de déploiement commercial du KR1 n'est encore annoncé, ni de prix ni de volume cible. La prochaine étape logique est l'intégration du KR1 dans la flotte existante pour des tâches de picking en environnement hospitality ou logistique, les données d'entraînement étant alimentées directement par la flotte en production. Côté Europe, aucun acteur comparable en termes de flotte déployée n'est positionné sur ce segment : Wandercraft (exosquelette médical) et Enchanted Tools (Miroka, hospitality) opèrent sur des verticales plus étroites.

Business❧Opinion

1 source

36

2208Robotics Business Review 

Eclipse Automation lance sa plateforme de simulation RealitySync

Eclipse Automation a présenté Eclipse RealitySync lors du salon Automate 2026 à Chicago, début juin 2026. Il s'agit d'une plateforme de collaboration immersive destinée aux industriels qui souhaitent évaluer, simuler et valider des projets d'automatisation avant leur déploiement physique. Le système repose sur la technologie Apple Vision Pro et permet aux équipes d'ingénierie, d'exploitation, de finance et de direction de naviguer virtuellement dans une usine future : parcourir des lignes de production, explorer des flux de travail en contexte, et collaborer à distance dans un environnement partagé interactif. Aucun tarif ni délai de livraison n'a été communiqué ; il s'agit pour l'instant d'un lancement commercial annoncé en salon, avec démonstrations en direct au stand 24011. La proposition de valeur d'Eclipse RealitySync répond à un problème concret dans la phase amont des projets d'automatisation : aujourd'hui, les décisions d'investissement se prennent encore majoritairement sur la base de plans 2D et de maquettes statiques, qui ne permettent pas d'anticiper les frictions opérationnelles ni d'aligner rapidement les parties prenantes. En intégrant les données projet, les équipes pluridisciplinaires et la représentation physique du système dans un seul environnement immersif, la plateforme vise à réduire le risque en phase de conception, à accélérer la validation et à diminuer les coûts de modification tardive, souvent les plus élevés dans un projet industriel. Pour les intégrateurs et les décideurs B2B, c'est l'argument du "shift left" appliqué à l'automatisation : détecter les problèmes le plus tôt possible dans le cycle projet. Il faut néanmoins noter que l'article repose entièrement sur des déclarations d'Eclipse et ne cite aucun cas client ni donnée chiffrée sur les gains mesurés, ce qui reste à vérifier dans la pratique. Eclipse Automation est un intégrateur mondial fondé il y a plus de 25 ans, présent aux États-Unis, au Canada, en Hongrie et en Allemagne, et actif dans des secteurs exigeants : sciences de la vie, véhicules électriques, batteries, aérospatial et défense, électronique grand public. Sur le marché de la simulation et du jumeau numérique industriel, Eclipse RealitySync se positionne dans un espace déjà occupé par des plateformes comme NVIDIA Omniverse, Siemens NX/Teamcenter ou encore Dassault Systèmes 3DEXPERIENCE, mais avec une approche orientée intégration clé-en-main et accompagnement expert plutôt que plateforme ouverte. L'ajout de l'Apple Vision Pro comme interface principale est un choix différenciant, bien que ce dispositif reste limité dans son adoption industrielle à grande échelle. Les prochaines étapes crédibles seraient l'annonce de clients pilotes et la publication de métriques de réduction de risque projet issues de déploiements réels.

Industriel⚡Actu

1 source

54

2209Robotics Business Review 

NVIDIA lance Halos, un système de sécurité complet pour la robotique

NVIDIA a lancé Halos for Robotics, un système de sécurité à pile complète pour la robotique industrielle et l'IA physique. Premier intégrateur officiel : Agility Robotics, dont les humanoïdes opèrent en entrepôts et usines pour Amazon, GXO, Schaeffler et Toyota Motor Manufacturing Canada. L'architecture couvre trois couches : la plateforme de calcul NVIDIA IGX Thor avec le Holoscan Sensor Bridge pour la connectivité capteurs en temps réel ; Halos OS incluant Halos Core ; et le Outside-In Safety Blueprint, un programme open source disponible sur GitHub qui pilote le comportement du robot via des caméras externes et des agents IA. NVIDIA revendique 18 600 années-ingénieur de développement sécurité issus de son activité véhicule autonome. L'écosystème associe des partenaires logiciels (QNX, Amazon FreeRTOS, Acontis), fabricants de systèmes embarqués (Advantech, NexCobot), fournisseurs de semi-conducteurs (Infineon, NXP, SICK, STMicroelectronics, Texas Instruments) et organismes de certification (TÜV Rheinland, TÜV SÜD, UL Solutions, exida, SGS, CertX). Halos Core est déjà certifié ISO 26262 par TÜV SÜD. Le système est disponible en early access pour les développeurs enregistrés, en configurations Linux et Linux+QNX. L'enjeu de Halos est de répondre à un problème structurel : l'absence d'architecture de sécurité standardisée pour des robots autonomes opérant aux côtés de travailleurs. Les intégrateurs composaient jusqu'ici avec des solutions hétérogènes, ce qui complexifiait la certification et freinait le passage à l'échelle. En proposant une pile unifiée du silicium à la supervision logicielle, NVIDIA cherche à s'imposer comme substrat commun de la sécurité robotique industrielle. La certification ISO 26262 de Halos Core est un signal concret : NVIDIA transfère une base éprouvée du monde AV vers la robotique, ce qui pourrait raccourcir les cycles de validation pour les intégrateurs et réduire les coûts de certification tiers. NVIDIA construit depuis plusieurs années une position dans la robotique via les plateformes Isaac, Omniverse et les modèles de fondation GR00T N2. Halos complète cette stratégie d'infrastructure : vendre le substrat computationnel et logiciel, pas les robots eux-mêmes. Les concurrents directs incluent FORT Robotics dans les solutions de sécurité embarquée (qui figure d'ailleurs parmi les partenaires Halos), ainsi que les approches propriétaires de Boston Dynamics ou Fanuc. L'annonce reste un early access sans données publiques de déploiement à grande échelle avec Halos effectivement activé. Les prochaines inspections de certification de l'IGX Thor et du Holoscan Sensor Bridge par TÜV Rheinland constitueront le vrai indicateur de maturité opérationnelle du système.

Infrastructure❧Opinion

1 source

47

2210Interesting Engineering 

Vidéo : un chien robot effectue 33 000 inspections dans une cimenterie vieille de 150 ans

Depuis début 2025, le robot quadrupède ANYmal d'ANYbotics est déployé en exploitation nocturne autonome à l'usine de ciment Vigier Ciment en Suisse, un site vieux de 150 ans abritant plus de 1 000 machines réparties sur six niveaux et trois unités de broyage. En seize mois d'exploitation, l'ANYmal a réalisé plus de 33 000 inspections couvrant 450 points de contrôle prédéfinis, sans intervention humaine. Pesant 50 kilogrammes, le robot embarque une caméra haute résolution pour la détection visuelle d'anomalies structurelles, une caméra thermique pour le suivi des températures sur roulements, moteurs et engrenages, un capteur de gaz mesurant les taux d'ammoniac, et un imageur acoustique capable de localiser des fuites d'air comprimé jusqu'à 50 mètres de distance. Ces capteurs ont permis quatre découvertes documentées : une fissure dans la fondation d'un concasseur détectée avant qu'elle ne provoque un arrêt estimé à 630 000 dollars de production perdue ; une montée en température d'un roulement vers 140 °C interceptée grâce à une réparation planifiée de huit heures ; des niveaux d'exposition à l'ammoniac identifiés dans des zones de déchargement jusque-là non mesurées ; et des fuites d'air dans des systèmes de filtration à cinquante mètres du sol localisées par imagerie acoustique. Ce déploiement constitue l'un des rares cas industriels documentés où un robot mobile autonome dépasse les 30 000 cycles opérationnels sans panne mécanique sur un site de production actif. Pour les responsables maintenance et les décideurs B2B, c'est moins la technologie embarquée qui retient l'attention que le modèle économique : ANYbotics affirme que l'ANYmal a récupéré plus que le coût total du programme sur la période, sans chiffrer précisément ce ratio. La capacité à détecter en amont des défaillances sur équipements rotatifs (roulements surchauffés, fondations fissurées) transforme l'inspection robotisée d'un outil de conformité HSE en levier direct de continuité de production. L'argument tient particulièrement pour les environnements à fort risque HSE et forte contrainte de disponibilité : chimie, ciment, pétrochimie, fonderies. L'ANYmal opère également les nuits et week-ends, intervalles que les rondes manuelles couvrent rarement, ce qui augmente structurellement la fréquence de détection des dérives thermiques ou mécaniques. ANYbotics est un spin-off de l'ETH Zurich fondé en 2016 ; le robot ANYmal y est développé depuis les premiers travaux du Robotic Systems Lab, publiés dès 2014. Les données collectées lors des patrouilles sont agrégées dans la plateforme logicielle Data Navigator d'ANYbotics. Sur ce segment de l'inspection robotique industrielle quadrupède, le principal concurrent est Boston Dynamics avec Spot, déployé chez des groupes pétroliers et chimiques comme BP, Aker BP ou BASF ; Ghost Robotics (États-Unis) et Unitree (Chine) sont également présents, mais avec peu de références industrielles lourdes en Europe. En France, aucun acteur comparable n'opère sur ce créneau spécifique, même si Exotec (AMR logistique) et Enchanted Tools (manipulation collaborative) adressent des niches adjacentes. Aucun calendrier d'extension du déploiement Vigier à d'autres sites n'a été officiellement annoncé.

Industriel❧Opinion

1 source

47

2211NVIDIA Developer Blog 

NVIDIA Halos pour la robotique : un système de sécurité fonctionnelle à pile complète pour l'IA physique

NVIDIA a dévoilé Halos for Robotics lors du GTC 2025, un système de sécurité fonctionnelle couvrant l'ensemble de la pile technologique des robots autonomes. Conçu pour les environnements industriels, médicaux et logistiques où des robots évoluent sans cage aux côtés d'humains, Halos intègre trois couches : la sécurité matérielle (SoC certifiés comme l'Orin), la sécurité logicielle (middleware temps réel), et la validation des modèles d'IA embarqués. Le système vise la conformité aux normes IEC 61508 (industrie) et ISO 26262 (automobile), des référentiels qui définissent les niveaux SIL et ASIL exigés par les intégrateurs pour tout déploiement à risque humain. L'enjeu industriel est concret : les approches classiques de safety-by-isolation, robots en cellule fermée, arrêts sur barrière lumineuse, ne tiennent plus dès que le robot doit percevoir un environnement non structuré et adapter son comportement en temps réel. Halos tente de combler le fossé entre la validation de modèles en simulation et leur certification en conditions réelles, un problème que l'industrie robotique qualifie de "sim-to-real safety gap". Pour les décideurs B2B, c'est potentiellement un déblocage commercial : sans certification fonctionnelle, nombre d'hôpitaux et d'usines ne peuvent pas légalement déployer des robots collaboratifs. NVIDIA s'appuie sur sa plateforme Isaac, utilisée par des constructeurs d'humanoïdes (Agility, Figure, 1X) et d'AMR (Boston Dynamics, Kion). Sur ce segment, les concurrents directs incluent les stacks safety de Pilz et SICK côté capteurs, et les middlewares certifiés comme ROS 2 avec l'extension Safety Working Group. L'absence de chiffres de déploiement concrets dans l'annonce initiale invite à traiter Halos pour l'instant comme un framework d'intégration en phase de qualification, pas encore un produit certifié expédié en volume.

Infrastructure❧Opinion

1 source

47

2212Robotics Business Review 

Le robot Proxie Gen 2 de Cobot intègre l'automatisation des tâches et la manipulation mobile

Collaborative Robotics (Cobot), basée à Santa Clara en Californie, a dévoilé la deuxième génération de son robot mobile Proxie lors de l'Automate 2026. Ce Proxie Gen 2 embarque une capacité de traction de carts jusqu'à 680 kg, un système de levage vertical pouvant soulever 100 kg, des batteries auto-interchangeables, et une option de manipulation bimanuell, deux bras articulés montés sur la colonne vertébrale du robot. La plateforme compte 40 % de pièces en moins que la génération précédente, avec un gabarit réduit pour naviguer dans des couloirs étroits et des ascenseurs. Cobot annonce également une fonctionnalité d'"autotasking" : le robot identifie et génère ses propres tâches sans intégration avec un WMS ni intervention humaine. Chez le client Maersk, 95 % des déplacements de carts auraient été initiés de façon autonome sur la période mesurée, le robot lisant des inscriptions sur des tableaux blancs fixés aux chariots grâce à un modèle multimodal embarqué. Ces chiffres sont présentés par Cobot sans audit tiers, ce qui mérite d'être noté. L'enjeu principal est la réduction de la barrière à l'intégration, longtemps le goulot d'étranglement des déploiements de robots mobiles manipulateurs (MMR) en environnements non structurés. Si l'autotasking tient ses promesses à l'échelle, il invaliderait le modèle dominant, des mois de développement logiciel pour connecter le robot aux systèmes ERP, WMS et MES existants. Pour un COO industriel ou un responsable logistique hospitalier, cela signifie potentiellement un déploiement en semaines plutôt qu'en trimestres. La capacité de Proxie à lire des informations non structurées (tableaux blancs, étiquettes ad hoc) représente une forme de robustesse opérationnelle réelle, à condition que les taux de reconnaissance soient validés dans des conditions dégradées, ce que la démo ne précise pas. La manipulation bimanuell ouvre par ailleurs l'accès à des tâches jusqu'ici réservées aux manipulateurs fixes, comme le déchargement de cartons ou l'alimentation de lignes. Cobot a été fondée par Brad Porter, ancien VP Engineering robotics chez Amazon Robotics, et a levé des fonds auprès d'investisseurs industriels. La société a délibérément maintenu un profil bas depuis 2022, accumulant 13 000 heures d'exploitation sur 28 robots dans des environnements réels, hôpitaux dont la Mayo Clinic, logistique et industrie, avant de communiquer publiquement. Ses concurrents directs incluent Boston Dynamics avec Spot et Stretch, Vecna Robotics, et des acteurs comme Apptronik ou 1X qui misent sur l'humanoïde. En Europe, des entreprises comme Enchanted Tools (Miroki) ou Pollen Robotics (Reachy) ciblent des segments adjacents mais restent en phase pré-déploiement à grande échelle. Cobot ne publie pas de tarif public ; les prochaines étapes annoncées portent sur l'extension des déploiements en santé et en logistique, avec la certification de sécurité comme prochaine étape technique critique pour le Gen 2.

Industriel⚡Actu

1 source

37

2213Robotics & Automation News 

Entretien avec Eleanor Tang-Smith (OLO Robotics) : rendre la programmation des robots accessible à tous

Eleanor Tang-Smith, directrice des opérations d'OLO Robotics, a accordé une interview détaillant l'approche de la société pour démocratiser la programmation robotique. Alors que le marché connaît une accélération notable côté matériel -- robots mobiles autonomes (AMR), robots quadrupèdes, bras articulés et humanoïdes -- la plupart des organisations se heurtent à un frein persistant du côté logiciel. Programmer un robot industriel exige aujourd'hui une maîtrise pointue de plateformes comme ROS 2 (Robot Operating System 2), un écosystème puissant mais dont la courbe d'apprentissage reste dissuasive pour des équipes sans ingénieurs roboticiens dédiés. Ce goulet d'étranglement logiciel est désormais reconnu comme le principal obstacle à l'adoption à grande échelle de la robotique en entreprise, davantage que le coût du matériel lui-même. Pour les intégrateurs et les décideurs B2B, cela se traduit par des délais de déploiement longs, une dépendance aux profils rares, et un risque opérationnel élevé. OLO Robotics positionne son offre comme une couche d'abstraction qui permettrait à des techniciens non spécialisés de configurer et d'adapter des cellules robotiques sans toucher à ROS 2 directement. Si cette promesse se confirme à l'échelle, elle pourrait redistribuer les cartes dans la compétition entre intégrateurs spécialisés et solutions clé-en-main. OLO Robotics s'inscrit dans une tendance plus large de "no-code/low-code" robotics qui voit émerger plusieurs acteurs cherchant à réduire la friction logicielle : Wandercraft côté exosquelettes en France, ou encore des initiatives autour de VLA (Vision-Language-Action models) pour simplifier la programmation par démonstration. Le marché des AMR et de la cobotique reste dominé par des solutions nécessitant un paramétrage expert, ce qui laisse un espace significatif à qui saurait proposer une expérience développeur réellement simplifiée. Les prochaines étapes pour OLO Robotics -- pilotes industriels, partenariats intégrateurs, levées de fonds éventuelles -- seront déterminantes pour valider si l'accessibilité annoncée résiste au contact de contraintes de production réelles.

Infrastructure❧Opinion

1 source

43

2214Interesting Engineering 

Vidéo : une entreprise chinoise montre un modèle unique pilotant à la fois un humanoïde et un bras robotique

MindOne Robotics, startup chinoise fondée à Shenzhen en 2025, a présenté une démonstration de son framework robotique Mind-0, capable de piloter simultanément des robots humanoïdes Unitree G1 et des systèmes bras-double fixes à partir d'un unique modèle d'IA. Le scénario illustré couvre un workflow logistique complet: récupération d'objets, transport, emballage et fermeture de caisses, avec une flotte mixte opérant sous la même intelligence centralisée. L'entreprise revendique une précision de manipulation inférieure au centimètre sur la plateforme Unitree G1 en conditions réelles. L'architecture Mind-0 sépare le raisonnement de haut niveau (perception, planification, décision) du contrôle moteur bas niveau, ce qui permet de déployer le même cerveau logiciel sur des morphologies différentes sans pipeline d'entraînement séparé par plateforme. Particularité notable: le modèle est entraîné exclusivement sur des données humaines capturées par motion capture corps entier, caméras égocentrées et dispositifs manuels, et non sur de la téléopération robot directe, ce que MindOn présente comme un moyen de préserver les comportements naturels de résolution de problèmes. L'enjeu industriel est double. D'abord, l'agnosticisme matériel: si un seul modèle orchestre humanoïdes et bras fixes sur une même tâche, les intégrateurs n'ont plus à développer des pipelines d'IA distincts par plateforme, ce qui réduit le coût d'entrée dans les déploiements multi-robots. Ensuite, MindOn s'attaque frontalement au sim-to-real, l'un des verrous les plus persistants de la robotique moderne: son Real-World Execution Compensation Model utilise un volume réduit de données réelles pour corriger les dérives dues aux différences de dynamique entre simulation et environnement physique. Les métriques annoncées (précision sub-centimétrique sur une démonstration sélectionnée) restent toutefois à valider dans des conditions de déploiement industriel répétable, avec cadences et taux d'erreur documentés. Le système de raisonnement hiérarchique compensant les délais d'actuation répond par ailleurs à un problème souvent sous-estimé: contrairement aux démonstrations humaines, les robots subissent des latences de capteur, de calcul et d'actionneur que le modèle doit continuellement corriger en temps réel. MindOne Robotics évolue dans un espace concurrentiel très chargé. Sur l'agnosticisme matériel et les modèles unifiés cross-embodiment, elle fait face à GR00T N2 de NVIDIA (conçu pour humanoïdes multiples), à pi0 de Physical Intelligence (modèle généraliste pour la manipulation), ainsi qu'aux stacks maison de Fourier Intelligence et d'Unitree. En Europe, Enchanted Tools avec son robot Miroka et Wandercraft positionnent des approches verticales différentes. MindOne reste une très jeune société, et cette démonstration constitue à ce stade un teaser technologique, non un produit commercialement déployé: aucun client pilote ni délai de mise en production n'ont été annoncés publiquement. L'entreprise indique vouloir étendre ses datasets humains et industrialiser son pipeline cross-embodiment, sans préciser de calendrier.

Chine/Asie❧Opinion

1 source

35

2215Robotics & Automation News 

Ryan Gariepy, cofondateur de Clearpath Robotics : la plupart des industries canadiennes sont sous-automatisées

Ryan Gariepy, cofondateur de Clearpath Robotics, a accordé une interview dans laquelle il affirme que la majorité des secteurs industriels canadiens sont sous-automatisés, malgré un écosystème de recherche en robotique reconnu mondialement. Le Canada abrite des universités de premier plan (Waterloo, Toronto, McGill), des startups pionnières et des technologies appliquées à la fabrication, la logistique, l'agriculture, l'exploitation minière et la défense. Clearpath, fondée en 2009 à Kitchener (Ontario), s'est imposée comme l'un des principaux fournisseurs de robots mobiles autonomes (AMR) pour la recherche et l'industrie avant d'être absorbée par Rockwell Automation via sa division OTTO Motors. Le constat de Gariepy pointe un paradoxe structurel : la capacité de recherche ne se convertit pas automatiquement en déploiement industriel à l'échelle. Pour les décideurs B2B et les intégrateurs, cela signifie que le marché canadien reste un terrain sous-exploité, avec des opportunités réelles dans des verticales comme l'agroalimentaire, les ressources naturelles ou la logistique d'entrepôt, où l'adoption robotique reste inférieure à la moyenne des pays du G7. Ce gap n'est pas technologique mais organisationnel et financier, selon cette lecture. Clearpath a traversé plusieurs pivots stratégiques : d'abord orientée recherche académique avec ses plateformes Husky et Jackal, elle a pivoté vers l'industriel via OTTO Motors, spécialisé dans les AMR d'entrepôt, avant l'acquisition par Rockwell en 2023 pour un montant non divulgué. Dans ce paysage, les concurrents directs incluent MiR (acquis par Teradyne), Locus Robotics et 6 River Systems côté AMR, ainsi que Boston Dynamics pour les robots mobiles avancés. La question ouverte reste de savoir si le Canada dispose de la politique industrielle nécessaire pour accélérer cette transition.

Industriel❧Opinion

1 source

49

2216Interesting Engineering 

Un hôpital de Milan déploie un robot humanoïde de 1,20 m pour assister les services et transmettre les données patients

L'hôpital IRCCS Maugeri de Milan a lancé un déploiement opérationnel en conditions réelles d'un robot humanoïde de service baptisé Alter-Ego, actuellement en phase pilote dans un service dédié aux patients atteints de sclérose latérale amyotrophique (SLA). La plateforme mesure 1,2 mètre de hauteur et se déplace sur une base bi-roues. Elle a été conçue conjointement par l'Institut Italien de Technologie (IIT) et l'Université de Pise. Alter-Ego assure des missions de support logistique répétitives : accueil des nouveaux arrivants, guidage dans les couloirs, livraison de provisions au chevet des patients. En parallèle, le robot relaie des métriques patient en temps réel vers les postes infirmiers. Le système fonctionne selon deux modes : un mode téléprésence, dans lequel un médecin à distance pilote la machine via un casque immersif et un joystick pour effectuer des visites de suivi, et un mode autonome où le robot opère sans supervision humaine directe. Ce déploiement est notable parce qu'il s'effectue dans un environnement clinique actif, avec des patients à vulnérabilité élevée, et non en contexte contrôlé de laboratoire. Le retour terrain des premiers mois est positif : les patients SLA, initialement susceptibles de réagir négativement à une présence mécanique, ont bien accepté le robot, en partie grâce à des sourcils expressifs conçus pour générer une dynamique d'interaction non menaçante. Sur le plan technique, la décision d'exclure toute composante rigide industrielle au profit de bras à rigidité variable (modules compliants fonctionnant comme des muscles artificiels) et de mains SoftHand inspirées de la robotique souple représente un choix d'architecture orienté cohabitation humaine. Ces mains peuvent saisir des objets délicats, actionner des poignées de portes et transmettre des objets directement aux patients sans risque de blessure par impact. Ce cas valide concrètement l'hypothèse que des robots à morphologie souple peuvent opérer sans cage de sécurité dans des espaces cliniques non restructurés. L'IIT travaille sur Alter-Ego depuis plusieurs années, dans le cadre d'une recherche plus large sur la téléprésence incarnée et la robotique souple humanoïde. Ce déploiement à Maugeri constitue le premier test en milieu hospitalier européen à cette échelle. En termes de positionnement concurrentiel, Alter-Ego se distingue des plateformes industrielles comme Optimus de Tesla ou Figure 03 par sa focalisation explicite sur la sécurité de contact et l'interaction à longue durée avec des patients fragiles, plutôt que sur la manipulation de charges lourdes ou la cadence industrielle. Aucun déploiement commercial n'a été annoncé à ce stade : il s'agit d'un pilote de validation académico-clinique. Les prochaines étapes probables incluent l'extension à d'autres services hospitaliers et l'affinement des protocoles d'autonomie, avant toute discussion sur une industrialisation avec des partenaires médicaux ou des intégrateurs de systèmes de santé.

FR/EU ecosysteme⚡Actu

1 source

35

221736Kr 

Un équipementier aérospatial intelligent issu du programme grand avion national lève plusieurs dizaines de millions de yuans

Dalian Kunda Automation (大连坤达自动化有限公司), constructeur chinois d'équipements d'assemblage intelligent pour l'aéronautique et le spatial, a bouclé un tour de Série A de plusieurs dizaines de millions de yuans, montant non précisé, annoncé le 22 juin 2026. L'investisseur est Yongxin Rongyuan (永鑫方舟, Taizhou), Da'an Capital ayant assuré le rôle de conseiller financier exclusif. Fondée en 2016 à Dalian, la société commercialise des plateformes mobiles lourdes (MRP-T, 2 à 200 tonnes de capacité), des robots mobiles composites (FAMR) à navigation laser SLAM et contrôle multi-véhicule, ainsi que des logiciels de jumeaux numériques et d'ordonnancement. Son chiffre d'affaires s'établit à environ 80 millions de yuans (10,5 millions d'euros) lors du dernier exercice, en hausse de 49 % sur un an. La société revendique plus de 60 brevets et mène une R&D conjointe avec l'université de technologie de Dalian sur les algorithmes d'assemblage haute précision. Elle a récemment été retenue par Bailang Airlines (白鲸航线) pour la ligne de montage final du W5000, un grand drone cargo sans pilote en cours de développement en Chine. Ce positionnement répond à une contrainte structurelle qui distingue l'aéronautique de l'automobile : les composants à assembler (voilures, fuselages, moteurs) atteignent des masses de plusieurs centaines de tonnes, avec des tolérances de repositionnement à l'échelle du millimètre. Les AGV industriels standard ne sont pas conçus pour ces niveaux combinés de charge et de précision. Kunda y adresse des algorithmes de compensation d'erreur multi-degrés de liberté (multi-DOF) et des systèmes de servocommande hybride force-position, couplés à des fonctions de coordination multi-véhicule pour le docking de grandes pièces. La synchronisation de plusieurs châssis lourds sur un même axe de dépose reste un verrou technique non résolu dans la majorité des usines aéronautiques mondiales. Il convient toutefois de noter que les performances avancées dans la communication de la société (précision effective mesurée, temps de cycle) ne sont étayées par aucune mesure tierce publiée, ce qui limite la comparaison objective avec des concurrents établis. Ce tour s'inscrit dans deux accélérateurs simultanés en Chine : la montée en cadence du C919 de COMAC, avion court-moyen courrier concurrent de l'A320neo, et la politique nationale d'économie basse altitude, qui stimule le développement des grands drones cargo. L'équipe fondatrice revendique une expérience directe sur les programmes nationaux de grands avions d'État, argument d'entrée fort dans un marché structurellement fermé. Sur le plan concurrentiel, la société ne cite aucun adversaire et se déclare "premier rang national" sur les AGV/AMR industriels lourds, affirmation non vérifiable indépendamment. À l'international, les acteurs les plus proches dans l'assemblage aérospatial automatisé incluent Comau (groupe Stellantis, Italie) et MTorres (Espagne), mais le marché chinois leur reste de facto inaccessible. Les prochaines étapes annoncées couvrent l'extension aux robots médicaux spécialisés, aux laboratoires intelligents pour universités et au marché de l'usinage industriel général.

Chine/Asie⚡Actu

1 source

40

2218SCMP Tech 

Lingyi, fournisseur d'Apple, vise une IPO de 1,1 milliard de dollars à Hong Kong pour financer l'IA et la robotique

Lingyi iTech, fabricant de composants électroniques coté à Shenzhen et sous-traitant historique d'Apple, vise une introduction en bourse à Hong Kong pour lever jusqu'à 8,3 milliards HKD (environ 1,1 milliard USD). La société propose 811,8 millions d'actions à un prix maximum de 10,18 HKD par titre, avec une première cotation attendue vendredi sur le Hong Kong Stock Exchange. Les fonds levés sont destinés à financer une expansion stratégique dans le matériel pour l'intelligence artificielle et la robotique humanoïde, selon les documents officiels déposés auprès du régulateur. Ce mouvement illustre une tendance de fond dans la chaîne d'approvisionnement électronique asiatique : des équipementiers cherchent à diversifier leurs revenus au-delà du cycle smartphone, perçu comme mature et sous pression tarifaire. Pour Lingyi, coter à Hong Kong offre une visibilité internationale et un accès aux capitaux pour investir en R&D robotique, secteur où les barrières restent élevées (actionneurs, intégration mécatronique, logiciels de contrôle). Il convient cependant de souligner que la démarche demeure, à ce stade, une déclaration d'intention stratégique : aucun produit robotique ni partenariat industriel concret n'est détaillé dans les documents d'introduction disponibles. Lingyi s'inscrit dans une course plus large entre sous-traitants chinois vers la robotique humanoïde, où des acteurs comme Foxconn, BYD Electronic et Luxshare ont également affiché des ambitions similaires. La concurrence avec les intégrateurs de plateformes complètes (Figure, Agility Robotics, Unitree, UBTECH) reste asymétrique : la maîtrise des composants n'équivaut pas à l'intégration système. Les prochaines étapes déterminantes seront les annonces de partenariats OEM et l'affectation précise des fonds levés lors des publications trimestrielles post-cotation.

Industriel⚡Actu

1 source

39

2219Robotics Business Review 

À Automate 2026, Güdel présente le meulage robotisé avec axes vertical et horizontal, au-delà des robots fixes

Güdel AG, filiale américaine du groupe suisse éponyme basé à Langenthal, présentera à Automate 2026 (McCormick Place, Chicago, stand 1806) un système de meulage industriel intégrant deux degrés de liberté supplémentaires par rapport aux cellules robotiques fixes traditionnelles. La démonstration associe un robot FANUC R-1000 monté sur un système TrackMotion Vertical (TMV), lui-même intégré dans un rail au sol TrackMotion Floor (TMF), permettant à un seul bras de couvrir de grandes surfaces sans repositionnement de la pièce. L'application a été développée par l'intégrateur Titan Robotics pour un fabricant majeur d'équipements tout-terrain, confronté aux contraintes du meulage de grandes pièces soudées. L'intérêt industriel de cette configuration tient à trois leviers concrets. D'abord, la réduction du capex : une seule unité robotique desservant un enveloppe de travail étendue remplace plusieurs robots fixes, ce qui simplifie la conception de cellule, la sécurité et les architectures de contrôle. Ensuite, la stabilité de procédé : en maintenant le robot dans une posture articulaire favorable tout au long de cycles de meulage longs et à forte pression de contact, le système limite l'usure des joints et améliore la répétabilité. Enfin, la résistance aux environnements abrasifs : les modules de translation sont conçus pour éloigner les composants critiques des zones de projections de débris, point faible structurel des installations de finition de surface. Sur le plan commercial, l'argument avancé par Güdel est que les évolutions de pièces pourront être gérées par reprogrammation logicielle plutôt que par refonte mécanique de la cellule. Ces affirmations restent à confirmer en production réelle : la démonstration d'Automate est une démo salon, pas un déploiement validé à grande échelle. Güdel Group fournit depuis plusieurs décennies des modules de déplacement linéaire, des unités track motion pour robots industriels et des portiques à l'automobile, l'aérospatiale, la logistique et l'industrie lourde. Sa filiale américaine, établie sur 4 180 m² à Ann Arbor (Michigan), est l'interlocuteur nord-américain pour l'ingénierie et le support client. Dans le segment du meulage automatisé sur grandes pièces, Güdel se positionne face à des intégrateurs spécialisés comme Accentus, Path Robotics ou des configurations multi-robots FANUC/KUKA en cellules fixes. L'association avec FANUC America (dont Lou Finazzo, VP ventes, co-signe la communication) est révélatrice d'un accord de go-to-market conjoint plutôt qu'une simple collaboration technique ponctuelle. Aucune donnée de prix, de temps de cycle chiffré, ni de volume de déploiement client n'a été communiquée à ce stade, ce qui place l'annonce du côté du teaser commercial plutôt que du produit en production avérée. Les suites annoncées restent floues : pas de pilote client nommé, pas de timeline de commercialisation formalisée au-delà de la vitrine d'Automate 2026.

Industriel❧Opinion

1 source

49

2220Pandaily 

Les robots grimpeurs ZeeBot de Cainiao transforment l'automatisation d'entrepôt à l'échelle mondiale

Le 17 juin, Cainiao, la branche logistique d'Alibaba, a inauguré un centre européen de fulfillment aux Pays-Bas, déployant plus de 100 robots grimpeurs ZeeBot de sa propre conception dans un entrepôt de 26 000 m² situé près du port de Rotterdam. L'installation, exploitée sous bail de dix ans, couvre la distribution B2B et le fulfillment B2C à l'échelle européenne. Le ZeeBot se distingue des solutions ASRS traditionnelles (qui nécessitent des véhicules dédiés par niveau de rayonnage) et des AGV classiques (limités à 4 mètres de hauteur) en intégrant dans un seul châssis le transport au sol, l'escalade verticale et la récupération de bacs. La machine atteint jusqu'à 14 mètres de hauteur de stockage (20 mètres en limite de conception) et affiche un espacement de bacs de 80 mm sur rail ou 25 mm en configuration sans rail, soit une densité de stockage annoncée 15 % supérieure à celle des concurrents internationaux. Chaque unité est proposée à moins de 100 000 RMB (environ 13 000 euros). Cainiao revendique un taux de réussite d'entrée sur rail de 100 % et une productivité doublée par rapport à un entrepôt manuel. Ces métriques méritent d'être nuancées. Le taux de 100 % a été mesuré avec 60 à 70 robots en phase de montée en charge ; les tests à 134 unités lors du pic du festival e-commerce "618" n'ont pas encore produit de données publiques à pleine charge. Les gains de productivité cités sont des valeurs de conception laboratoire, pas des mesures opérationnelles consolidées. L'enjeu industriel reste néanmoins significatif : fusionner grimpe verticale, transport horizontal et préhension de bacs dans un seul engin réduit les coûts d'infrastructure et améliore l'utilisation volumétrique par rapport aux ASRS ou AMR à niveaux séparés. Pour un COO en phase de conception d'entrepôt à haute densité, le retour sur investissement annoncé de 18 à 24 mois sur le marché chinois constitue un benchmark utile, même si les projets européens affichent un payback de 5 à 10 ans, reflet des coûts de service locaux plus élevés. Filiale logistique d'Alibaba fondée en 2010, Cainiao déploie le ZeeBot selon une stratégie "incubation interne, expansion externe" : trois projets sont en cours en Chine, et des déploiements sont annoncés en Espagne, Hong Kong, aux États-Unis, au Canada, au Moyen-Orient et au Japon. Sur le marché des robots d'entrepôt grimpeurs, Cainiao affronte notamment Exotec (Lille, France), dont le système Skypod atteint 12 mètres et est déjà déployé chez des enseignes comme Decathlon et Uniqlo à travers l'Europe, ainsi que Geek+ (Chine) et AutoStore (Norvège). La comparaison sur la densité de stockage et le coût unitaire sera déterminante pour les intégrateurs européens. Les limites actuelles du ZeeBot sont reconnues par Cainiao lui-même : le système ne traite que des articles légers et standardisés, les colis irréguliers restant à la charge d'opérateurs humains. L'automatisation complète, incluant le picking autonome et la récupération d'erreurs sur SKU variés, nécessitera selon l'entreprise encore deux à trois ans de développement.

Industriel❧Opinion

1 source

43

2221Pandaily 

Unitree Robotics : domination des coûts face au défi de l'IA dans la course aux robots humanoïdes

Unitree Robotics, fabricant chinois de robots humanoïdes fondé en 2016 par Wang Xingxing, ancien ingénieur chez DJI, affiche une rentabilité que ses concurrents peinent à atteindre. Le robot G1 coûte 8 976 dollars en pièces détachées, ce qui permet de dégager une marge brute de 67 % sur un prix de vente supérieur à 20 000 dollars, quand la plupart des acteurs du secteur peinent à l'équilibre sur des tarifs similaires de 20 000 à 30 000 dollars. Avec plus de 1 000 employés et un chiffre d'affaires annuel dépassant 1,7 milliard de yuans, Unitree revendique deux exercices consécutifs bénéficiaires. Cette structure de coûts repose sur trois piliers : une intégration verticale à plus de 90 % des composants clés (moteurs, réducteurs, encodeurs) fabriqués en interne à 30-40 % du coût occidental équivalent ; une chaîne d'approvisionnement rodée par des années de production de robots quadrupèdes, du Laikago à 45 000 dollars en 2018 au Go2 à 1 400 dollars en 2023, soit une baisse de 94 % ; et un écosystème manufacturier chinois permettant de recevoir des prototypes personnalisés en une semaine, contre plusieurs trimestres pour les concurrents américains. L'avantage en coût est réel, mais il ne couvre pas encore le spectre complet du marché industriel. Environ 70 % du chiffre d'affaires provient de la recherche et de l'enseignement, signal clair que le fossé entre démonstration et déploiement n'est pas comblé. Les capacités de contrôle du mouvement sont indéniables : backflips documentés, chorégraphies coordonnées à grande échelle. En revanche, l'investissement en IA incarnée (embodied AI) accuse un retard structurel. Lors d'une collaboration avec NVIDIA, c'est une main dextre tierce qui a été utilisée plutôt que la série DEX d'Unitree, ce qui révèle des lacunes en perception tactile. La croissance du chiffre d'affaires, qui dépassait 300 % en glissement annuel, est tombée à 68 % au premier trimestre 2026, tandis que le bénéfice net non-GAAP a chuté de plus de 50 % sur la même période. L'IPO en préparation prévoit d'allouer près de la moitié des 4,2 milliards de yuans levés à la R&D sur les modèles de robots intelligents, confirmant que la compétitivité IA reste le point faible à combler en priorité. Unitree s'est construit sur une base quadrupède, catégorie dans laquelle il a compressé les coûts sur plusieurs générations avant de pivoter vers l'humanoïde. La concurrence s'intensifie sur plusieurs fronts simultanément : Tesla avec Optimus, Xiaomi avec CyberOne, XPeng avec le PX5, et plus de 150 rivaux domestiques chinois, sans compter les acteurs américains comme Figure Robotics, Physical Intelligence ou Boston Dynamics. Les trois prochaines années seront déterminantes : l'avantage de coût actuel constitue une position défendable, mais seulement si Unitree parvient à combler son retard sur les modèles VLA (vision-language-action) et à convertir ses démonstrations en déploiements industriels réels et récurrents.

Chine/Asie❧Opinion

1 source

51

2222Pandaily 

Des milliards investis dans l'IA incarnée, mais le déploiement en usine reste hors de portée

Au premier semestre 2026, le secteur chinois de la robotique embodied AI a absorbé 46 milliards de yuans (environ 6,2 milliards d'euros) répartis sur 288 opérations de financement impliquant 226 entreprises, selon les données d'IT Juzi. La concentration est massive : les cinq premiers acteurs (Qianxun Intelligence, Xiwang Sunrise, Xinghaitu, Zibianliang Robot et Jijia Vision) ont capté 17,1 milliards de yuans, soit 37 % du total, et le top 20 emporte 70 % des fonds. Qianxun Intelligence seule a levé 4,5 milliards de yuans en quatre tours en quatre mois. Le profil des investisseurs change : les grandes rondes au-dessus du milliard de yuans sont désormais pilotées à plus de 40 % par des industriels et des entités publiques (Baidu, ByteDance, Xiaomi, Meituan, SAIC, fonds gouvernementaux), le capital d'État participant à 42 % des transactions à plusieurs centaines de millions. Ce flux d'argent masque un écart criant entre vitrine et déploiement réel. Le cas Daluo est emblématique : valorisée à plus de 20 milliards de yuans, ayant levé 5,4 milliards, la société n'a vendu que 1,4 million de yuans de produits sur les sept premiers mois de 2025 tout en enregistrant 84,25 millions de pertes nettes. La cause structurelle identifiée par le secteur est le manque de données d'interaction physique de qualité : on estime à 500 000 heures seulement le volume mondial de données réelles utilisables pour entraîner des robots, contre des milliards de tokens texte pour les LLM. Les réponses sont proportionnelles : Xinghaitu a lancé une campagne "un million d'heures" à Yizhuang, Qianxun Intelligence a déployé 300 000 points de collecte à l'échelle nationale, JD.com vise 10 millions d'heures sous deux ans. Les résultats restent modestes : un responsable algorithmique a reconnu que des dizaines de millions de yuans investis pour collecter 100 000 heures n'avaient amélioré la capacité des modèles que de 5 %. Le secteur reste en phase de recherche appliquée, loin d'une industrialisation. L'état de l'art interne, estimé sur 100 points par un praticien du domaine, place les bras industriels à 50, les châssis à roues à 40, les quadrupèdes à 30, les humanoïdes bipèdes à 15, les mains dextères à 5, et l'IA embarquée de support à 3. Les approches VLA (Vision-Language-Action) et World Model convergent techniquement mais sans consensus sur la feuille de route. Les acteurs occidentaux comme Figure (Figure 03), Tesla (Optimus Gen 3), Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2) font face aux mêmes verrous de sim-to-real et de données, mais le déploiement à l'échelle usine reste introuvable partout. Malgré l'étiquette "année de la production de masse" accolée à 2026, aucun robot polyvalent fiable ne s'est encore imposé commercialement dans des environnements industriels non contrôlés.

Chine/Asie❧Opinion

1 source

43

2223The Robot Report 

La préparation de l'industrie de défense dépend des finitions autonomes, selon GrayMatter Robotics

Les États-Unis ont manqué leurs objectifs de disponibilité opérationnelle sur 42 des 45 flottes d'aéronefs en 2024, selon le rapport du Government Accountability Office (GAO) de mars 2025, une dégradation largement attribuée au manque de techniciens de maintenance qualifiés. Pour les chantiers navals, la Marine américaine projette un déficit de 174 000 travailleurs sur la prochaine décennie, aggravé par un taux d'attrition de 50 à 60 % chez les nouvelles recrues dans leur première année. C'est dans ce contexte que GrayMatter Robotics, basée à Carson en Californie, positionne ses systèmes de finition de surface autonomes comme réponse structurelle à cette crise de main-d'oeuvre. En avril 2026, la société a signé un accord avec HII (Huntington Ingalls Industries), premier constructeur naval américain, pour intégrer son architecture d'IA physique dans des programmes de construction de navires et sous-marins. Cette collaboration inclut le programme HYPR (High-Yield Production Robotics), mené conjointement avec Path Robotics, pour automatiser les lignes d'assemblage navales de défense. L'enjeu dépasse la simple pénurie de recrutement. La préparation de surface, traitement de corrosion, dégraissage et application de revêtements protecteurs, se situe sur le chemin critique des révisions en dépôt, avant toute installation de nouveaux systèmes sur un aéronef ou un navire. Cette étape est géométriquement variable par nature : un train d'atterrissage corrodé après vingt ans d'utilisation présente des irrégularités uniques à chaque pièce, rendant les trajectoires préprogrammées des systèmes traditionnels inopérantes. GrayMatter revendique une architecture "edge-deployed" traitant les données localement, sans routage externe, avec traçabilité complète de chaque surface et absence de cycle de reprogrammation entre pièces. Ces caractéristiques répondent aux exigences sécuritaires des dépôts militaires, bien que leur validation à grande échelle reste à démontrer ; l'accord avec HII est le premier déploiement d'envergure industrielle qui permettra d'en juger. GrayMatter Robotics s'est développée sur le créneau de la finition complexe dans des environnements variés, de l'aéronautique civile à l'automobile, avant de cibler la défense, sous l'impulsion de son co-fondateur et PDG Ariyan Kabir. HII, qui opère Newport News Shipbuilding et Ingalls Shipbuilding et concentre l'essentiel de la construction de sous-marins nucléaires américains, offre à GrayMatter un client de référence stratégique. Path Robotics, partenaire du programme HYPR, est spécialisé dans la soudure autonome adaptative. Sur le plan concurrentiel, Gecko Robotics cible l'inspection de coques et des intégrateurs comme ABB adressent des niches de peinture industrielle, mais la finition adaptative en dépôt militaire reste un segment peu disputé. Aucun calendrier de déploiement précis n'a été communiqué à ce stade.

Industriel❧Opinion

1 source

42

2224Pandaily 

Le robot humanoïde gravit un sommet de 6 000 mètres pour la première fois, cap ensuite sur l'Everest

En juin 2026, un robot humanoïde Unitree G1 modifié, baptisé Pemba José Lani, a atteint le sommet du volcan Chimborazo en Équateur (6 310 mètres), devenant le premier humanoïde à franchir le seuil des 6 000 mètres. L'expédition a été organisée par Geologic Dome, une startup américaine fondée par Pablo Berlanga Boemare, 23 ans. L'ascension totale a duré 16 heures, dont 5,5 heures pour le push final, un rythme comparable à celui d'un alpiniste humain entraîné. Pour résister aux conditions extrêmes, le robot a été équipé d'une veste de montagnard professionnelle, de guêtres, de chaussures à microcrampons et d'un système de ventilation abdominale pour maintenir les batteries à température optimale. Avant le départ, 72 heures d'entraînement par imitation de mouvement ont été réalisées, le chef d'équipe portant un casque VR et des traqueurs de chevilles pour transmettre des patterns d'équilibre au robot. L'autonomie restait partielle : Pemba marchait seul sur les pentes inférieures à 30 degrés ; au-delà, quatre guides le portaient. Ce n'est pas l'exploit sportif lui-même qui compte, mais les données opérationnelles collectées sur la résilience thermique et mécanique du G1 en milieu non structuré. Unitree avait certes testé la plateforme à près de -50°C dans la région de l'Altaï du Xinjiang, mais une traversée de 16 heures en haute altitude constitue un benchmark différent des cycles courts en laboratoire ou des démos en entrepôt contrôlé. Pour les acteurs du monitoring environnemental en terrain difficile, les robots à pattes commencent à apparaître comme une alternative crédible aux caméras fixes et aux drones, notamment dans les canopées forestières denses où ces derniers ne peuvent opérer. Les plateformes humanoïdes compactes comme le G1 (environ 35 kg) pourraient ouvrir un segment que les AMR à roues ne peuvent adresser, à condition toutefois que les preuves d'endurance multi-heures en conditions réelles se confirment au-delà d'expéditions isolées. Le projet s'enracine dans le parcours de Berlanga, ancien chargé de surveillance à distance pour le WWF au Parc National de la Salonga au Congo, dont l'intuition fondatrice est de "donner des jambes aux caméras" pour le suivi de biodiversité en terrain inaccessible. Le financement provient d'Eastworlds Labs, l'initiative robotique du protocole crypto Virtuals Protocol, un modèle inhabituel dans le secteur robotique. Le nom Pemba José Lani renvoie à un plan dit "triple couronne" : Chimborazo, puis Mauna Kea à Hawaï, et enfin l'Everest. Une demande d'expédition de 52 jours a été soumise au département du tourisme du Népal, avec pour objectif la collecte de données de mobilité et d'autonomie batterie entre le camp de base et le camp 4. Sur le créneau de l'exploration extrême en extérieur, les grands acteurs humanoïdes, Boston Dynamics, Figure, Agility Robotics et Unitree eux-mêmes, concentrent leurs efforts sur les environnements industriels contrôlés, laissant ce segment largement non disputé pour l'instant.

Humanoïdes❖Paper

1 source

45

2225Interesting Engineering 

Robot de cuisine à trois bras découpe du saumon cru avec une précision tactile de 95%

Des chercheurs de l'Université norvégienne de sciences et de technologie (NTNU) ont développé Sashimi-Bot, un système à trois bras robotisés capable de préparer du sashimi de saumon avec une intervention humaine minimale. Le premier bras stabilise et positionne le filet, le second pilote un couteau de cuisine, le troisième manipule des baguettes pour déposer les tranches sur un plateau de service. Pour apprendre au robot à repositionner le poisson, qui se déforme constamment lors de la manipulation, l'équipe a utilisé le deep reinforcement learning en environnement simulé, puis transféré le modèle directement sur le robot physique sans entraînement supplémentaire sur du saumon réel. La détection du contact lame-planche a été confiée à un capteur tactile GelSight, une surface en gel souple couplée à une caméra interne mesurant les variations de pression. Entraîné sur 12 000 échantillons issus de 157 mouvements de coupe, ce module atteint 95 % de précision pour la détection du contact et 99 % lors des tests de précision. En conditions réelles, le système a produit 34 tranches de 6 à 16 mm d'épaisseur : les 6 tranches ayant adhéré à la lame ont toutes été récupérées, 26 des 28 tranches restées sur la planche ont rejoint le plateau sans incident, et 2 pièces très fines ont glissé des baguettes. Les résultats ont été publiés dans la revue npj Robotics. Ce travail est significatif parce que le poisson cru sert ici de proxy pour une catégorie entière de matériaux mous et déformables, angle mort historique de la robotique industrielle. Les lignes de conditionnement alimentaire existantes traitent massivement des produits rigides et confient encore aux opérateurs humains le découpage à la demande ou la présentation de plats frais préparés. Le transfert sim-to-real réussi sans ré-entraînement sur de vrais filets suggère que les moteurs physiques de simulation des matériaux mous ont atteint une fidélité suffisante pour réduire le sim-to-real gap qui freinait ces approches jusqu'ici. Pour un intégrateur ou un responsable opérationnel dans l'alimentaire, c'est un signal que la manipulation de protéines crues commence à sortir du laboratoire, même si les 2 échecs sur tranches très fines rappellent que le système n'est pas encore dimensionné pour une cadence industrielle. La robotique alimentaire bute depuis longtemps sur la combinaison texture variable, hygiène stricte et diversité des produits. Des acteurs comme Miso Robotics (cuisine rapide, États-Unis), Kawasaki (manipulation de viandes en abattoir) ou Stäubli (bras pour environnements alimentaires humides) ont progressé sur des tâches plus standardisées ; ce travail du NTNU ouvre une voie vers des découpes à la demande sur produits frais. En France, des entreprises comme Pollen Robotics ou Enchanted Tools, qui développent des robots polyvalents à manipulation douce, sont directement concernées par ces avancées en perception tactile et en transfert sim-to-real. La publication dans npj Robotics, et non une annonce commerciale, signale clairement que ce système reste en phase de recherche : les prochaines étapes porteront probablement sur la vitesse de cycle et la généralisation à d'autres espèces ou types de découpe.

Recherche❖Paper

1 source

46

2226Interesting Engineering 

Nouvelle technologie de sécurité visuelle pour robots industriels travaillant à proximité des humains

Sensory Robotics vient d'obtenir la double certification cULus 1740 et ISO 13849 Performance Level d pour son système SR-1, une technologie de supervision visuelle conçue pour supprimer les cages de protection autour des robots industriels. Cette validation ouvre la voie à un déploiement commercial aux États-Unis et au Canada, et s'appuie sur une combinaison de vision 3D stéréoscopique, de capteurs et d'un logiciel temps réel qui génère des zones de sécurité virtuelles ajustables autour des bras robotiques. Contrairement aux cobots conçus pour fonctionner lentement à proximité de l'humain, SR-1 cible les robots industriels haute vitesse existants : le système s'installe en retrofit sur des cellules déjà en production, sans remplacement de l'équipement. Le CEO Chris Edwards et le COO Mark Gagas précisent que le processus de certification a évalué les réponses du système aux défaillances matérielles, aux interruptions des fonctions de sécurité et aux risques résiduels pour les opérateurs. La société a par ailleurs reçu une subvention DoD SBIR Phase II de 1,25 million de dollars, avec un appui de l'Université de Cincinnati. La portée de cette certification dépasse le seul SR-1 : elle valide le principe que des zones de sécurité purement logicielles et visuelles peuvent satisfaire les exigences normatives des environnements manufacturiers régulés, ce qui n'était pas acquis. En pratique, chaque interruption de sécurité dans une cellule robotique traditionnelle peut imposer un arrêt complet suivi d'un redémarrage, parfois 10 minutes par incident selon Gagas, un coût opérationnel qui s'accumule sur une ligne entière. Supprimer les cages libère également de l'espace au sol et redonne de la flexibilité aux flux de production. Pour les intégrateurs, l'argument retrofit est décisif : éviter le remplacement de cellules existantes réduit drastiquement le coût de migration vers la collaboration humain-robot. Les secteurs visés (automobile, aérospatial, logistique, défense) sont précisément ceux où cette coexistence est à la fois la plus nécessaire et la plus contraignante sur le plan réglementaire. La prudence s'impose toutefois : aucun chiffre de déploiement réel n'est communiqué à ce stade, et les performances annoncées restent à confirmer en conditions de production variées. Sensory Robotics s'inscrit dans une tendance qui voit plusieurs acteurs tenter de résoudre le compromis historique entre vitesse robotique et proximité humaine. Les cobots (Universal Robots, FANUC CR-Series, ABB YuMi) ont contourné le problème en limitant les capacités cinématiques ; d'autres approches utilisent des rideaux lumineux ou des tapis sensoriels, moins adaptatifs par nature. La vision 3D temps réel de SR-1 se positionne comme une alternative scalable pour les robots conventionnels non-collaboratifs. Côté européen, des acteurs comme Pilz ou SICK proposent des systèmes de sécurité périmétrique avancés, mais la certification ISO 13849 PLd obtenue ici est également reconnue en Europe, ce qui laisse envisager une extension géographique. Les prochaines étapes logiques passeront par des pilotes terrain dans les secteurs cibles et la publication de données de retour d'expérience industrielles.

Industriel❧Opinion

1 source

47

2227IEEE Spectrum Robotics 

Vendredi vidéo : les robots ont-ils vraiment besoin de jambes ?

Dans la compilation robotique hebdomadaire publiée le 13 juin 2026 par IEEE Spectrum, plusieurs démonstrations se distinguent par leur portée industrielle. Sanctuary AI annonce les résultats les plus précis : l'entreprise canadienne revendique un taux de réussite validé de 99,5 % sur une tâche d'insertion de connecteurs filaires en production réelle, avec un temps de cycle de 2,54 secondes, chez un équipementier automobile mondial de rang 1 non nommé. ANYbotics, fabricant suisse de robots quadrupèdes, documente de son côté un déploiement de l'ANYmal dans une cimenterie : une fissure sur le châssis d'un concasseur a été détectée avant qu'elle ne provoque un arrêt de production estimé à 630 000 dollars. Sur le front spatial, JPL-NASA teste ERNEST (Exploration Rover for Navigating Extreme Sloped Terrain) dans le désert du Colorado près de Plaster City (Californie) pour valider un logiciel de navigation autonome longue portée destiné à de futures missions lunaires et martiennes. Genesis présente Eno, décrit comme un "robot agentique" combinant IA et manipulation physique dans un châssis délibérément non humanoïde, construit intégralement par la startup. ABB Robotics annonce une collaboration avec PSYONIC pour intégrer les données tactiles de la prothèse Ability Hand dans son cobot GoFa, afin d'améliorer la préhension d'objets irréguliers ou fragiles. Le résultat de Sanctuary AI sur l'insertion de connecteurs est notable : cette tâche à haute précision, avec contraintes d'orientation et de force, constitue précisément le type d'opération qui résiste à l'automatisation standard et bloque la robotisation de nombreuses lignes d'assemblage automobile. Un taux de 99,5 % avec un cycle inférieur à 3 secondes correspond aux benchmarks exigés en production série, et non en conditions laboratoire. À noter toutefois que la démonstration vidéo reste sélective et qu'aucun chiffre de volume cumulé ni de durée de déploiement n'est communiqué. Le cas ANYbotics illustre la valeur économique directe de l'inspection robotique autonome : la détection préventive d'un défaut mécanique justifie à elle seule plusieurs années de leasing d'un quadrupède. La collaboration ABB-PSYONIC soulève une question plus structurelle : le fait de récupérer des données de préhension humaine via des prothèses portées au quotidien pour entraîner des robots industriels représente une approche originale du sim-to-real qui contourne partiellement la rareté des datasets de manipulation. Sanctuary AI, fondé à Vancouver en 2018, développe Phoenix, un humanoïde à vocation industrielle, mais cette démonstration implique son architecture "Physical AI" sur une plateforme non spécifiée. Genesis est un acteur récent qui positionne explicitement Eno comme un rejet du paradigme anthropomorphe dominant chez Figure, Tesla (Optimus) ou Agility Robotics, pariant sur la performance fonctionnelle plutôt que sur la ressemblance humaine. ANYbotics, spin-off de l'ETH Zurich, concurrence Boston Dynamics Spot et Exodigo sur le marché de l'inspection industrielle. Du côté spatial, GITAI (startup japonaise) prépare une mission de maintenance de satellite en orbite. Les prochaines conférences du secteur incluent RSS 2026 (Sydney, juillet), Actuate 2026 (San Francisco, août) et IROS 2026 (Pittsburgh, octobre), où plusieurs de ces travaux devraient être détaillés.

Industriel⚡Actu

1 source

47

2228Interesting Engineering 

Vidéo : un système robotique atteint 99,5 % de réussite dans le câblage rapide en usine automobile

La société canadienne Sanctuary AI a annoncé avoir atteint un taux de succès supérieur à 99,5 % sur une tâche d'insertion de connecteurs de câbles flexibles pour un équipementier automobile Tier 1 mondial non identifié. L'opération s'est déroulée sur une ligne de production active, avec un temps de cycle de 2,54 secondes validé contre les exigences de cadence du client. La difficulté intrinsèque de cette tâche tient à la nature des câblages souples : ils peuvent se tordre, se déformer et changer de position de façon imprévisible lors du transport sur convoyeur. Le système est piloté par la plateforme "Physical AI" de Sanctuary AI, qui combine perception en temps réel via caméras et capteurs, planification de trajectoire et contrôle adaptatif pour détecter, suivre, aligner et insérer les connecteurs sans arrêt de ligne. Olivia Norton, co-fondatrice et CTO, a résumé l'enjeu : "Manipuler un câble flexible sur une cible en mouvement sur un convoyeur en direct est exactement le type de problème de dextérité à contact riche qui a maintenu ce type de tâches hors de portée de l'automatisation traditionnelle." Ce résultat mérite attention à plusieurs égards. Le contexte est une ligne de production réelle, non un environnement de démonstration contrôlé, ce qui donne davantage de poids au taux annoncé. Le chiffre de 2,54 secondes n'est pas une métrique absolue mais un temps calibré contre les benchmarks opérationnels du client, distinction qu'il faut garder à l'esprit pour ne pas généraliser hors contexte. Pour les intégrateurs et les responsables industriels, l'approche de Sanctuary AI est notable : plutôt que d'attendre la maturité commerciale des humanoïdes, l'entreprise déploie son IA sur des systèmes industriels existants via une architecture agnostique du hardware. Ce positionnement réduit le risque d'adoption, préserve les investissements en infrastructure existants et produit des données de production sur des tâches d'assemblage restées historiquement inaccessibles à l'automatisation classique, notamment dans les industries automobile et électronique où la manipulation de câblages flexibles représente un volume de travail manuel encore considérable. Fondée à Vancouver, Sanctuary AI développe le robot humanoïde Phoenix mais mise d'abord sur la valorisation de son IA sur des plateformes existantes avant le passage à l'échelle des humanoïdes. Elle s'inscrit dans une course qui implique Figure AI (Figure 02), Tesla (Optimus Gen 3), Boston Dynamics (Atlas), 1X Technologies et Agility Robotics (Digit), ainsi que des acteurs de niche comme Enchanted Tools en France sur le segment hospitalier. L'équipementier Tier 1 impliqué n'a pas été nommé publiquement, ce qui limite la vérification indépendante des performances annoncées. Aucun volume de déploiement ni calendrier d'extension n'ont été précisés, des données qui permettraient de mieux qualifier l'ampleur réelle du projet au-delà de cette première validation en conditions de production.

Industriel❧Opinion

1 source

45

2229Robotics Business Review 

L'industrie robotique américaine a connu une croissance à deux chiffres en 2025, selon l'IFR

L'industrie robotique américaine a enregistré une croissance de 11 % en 2025, avec 38 000 unités de robots industriels installées sur le territoire national, selon les données publiées par l'International Federation of Robotics (IFR). Le secteur automobile reste le premier marché avec 13 500 installations, soit seulement 1 % en dessous du résultat de l'année précédente. La véritable surprise vient de l'agroalimentaire, dont les installations ont bondi de 30 %, plaçant ce secteur au même niveau que la métallurgie-mécanique et l'électronique-électricité, chacun autour de 3 000 unités. La densité robotique américaine atteint désormais 307 robots pour 10 000 salariés dans l'industrie manufacturière, ce qui positionne les États-Unis au huitième rang mondial, en progression de deux places par rapport à l'année précédente. Ces chiffres confirment une reprise réelle de l'automatisation industrielle américaine, mais ils mettent aussi en relief un écart structurel avec les leaders mondiaux. La Corée du Sud affiche une densité de 1 220 robots pour 10 000 employés, l'Allemagne 449 et le Japon 446. Surtout, la Chine, avec 295 000 installations en 2024 (derniers chiffres IFR disponibles), représente à elle seule 54 % du marché mondial et installe environ dix fois plus de robots que les États-Unis. Cet écart n'est pas conjoncturel : il résulte d'une stratégie nationale lancée il y a dix ans, dont le 15e Plan quinquennal 2026-2030 prolonge l'ambition en plaçant la robotique au coeur du modèle industriel chinois, avec l'IA physique comme principal vecteur de croissance. Pour les décideurs industriels américains, ce différentiel d'échelle implique une pression croissante sur les coûts d'automatisation et la compétitivité à l'export dans les secteurs manufacturiers intensifs. La dynamique de reshoring industriel aux États-Unis, conjuguée à une pénurie persistante de main-d'oeuvre qualifiée, constitue le principal moteur de croissance anticipé par l'IFR pour la région. Sur le plan politique, l'Association for Advancing Automation (A3) a formellement présenté au Congrès sa "Vision for a National Robotics Strategy", un document qui appelle à la création d'un Federal Robotics Office, d'une commission nationale de coordination, d'incitations fiscales ciblées, de programmes de reconversion professionnelle à grande échelle, d'une mise à jour des normes de sécurité, et d'un mandat fédéral d'achat de technologies robotiques domestiques. Cette initiative s'inscrit dans un contexte de prise de conscience croissante que l'absence de stratégie nationale coordonnée a coûté aux États-Unis plusieurs rangs dans le classement mondial de densité robotique, et que le modèle chinois en constitue désormais la référence implicite.

Industriel❧Opinion

1 source

46

2230The Robot Report 

Elmo lance un nouveau contrôleur de mouvement et des servovariateurs pour applications industrielles

Elmo Motion Control, société israélienne basée à Petach Tikva, a lancé le 18 juin 2026 une nouvelle gamme de servovariateurs et contrôleurs de mouvement à destination des environnements industriels contraignants, présentée cette semaine au salon Automate 2026 à Chicago (stand S-3601). La nouvelle ligne Titanium comprend cinq produits : le servovariateur double-axe Castanet, au format boîte d'allumettes, le Harmonica double-axe capable de délivrer jusqu'à 50 A sous 100 V ou 35 A sous 200 V, et le contrôleur multi-axes Maestro, qui supporte jusqu'à 256 axes avec une cadence EtherCAT de 100 µs. La ligne Platinum existante s'enrichit du Jori (30 A/60 A, puissance continue jusqu'à 20 ou 40 kW, étage de puissance en carbure de silicium SiC) et du Cymbal, conçu pour les environnements sévères avec une puissance jusqu'à 17 kW. Tous ces produits intègrent jusqu'à 17 fonctions de sécurité fonctionnelle certifiées directement au niveau du variateur, sans module externe. L'intégration native de la sécurité fonctionnelle au niveau du variateur est le point structurellement significatif de cette annonce : elle permet aux OEM de supprimer une partie du câblage sécurité et des cages de protection physiques, ce qui réduit le coût total d'intégration et simplifie la certification des systèmes soumis à des normes strictes. Le Titanium Castanet remplace deux variateurs Elmo Twitter précédents dans un encombrement réduit de près de moitié, avec une synchronisation x/y sur un bus unique au lieu de deux, ce qui est un gain concret pour les architectures multi-axes en robotique collaborative ou en exosquelettes. Le recours au nitrure de gallium (GaN) dans les étages de puissance confirme une tendance de fond dans la conversion d'énergie embarquée : meilleure densité de puissance, pertes réduites par rapport au MOSFET silicium classique. Les métriques annoncées (nombre d'axes, cadences EtherCAT) sont cohérentes avec le haut de gamme du marché, mais Elmo ne fournit pas de données comparatives contextualisées sur les cycles thermiques ou la MTBF dans les conditions extrêmes revendiquées. Elmo est un acteur établi du contrôle de mouvement de précision, avec une présence historique dans l'aérospatial, la défense et la robotique industrielle. La société positionne ces nouvelles gammes explicitement sur les AGV/AMR, les cobots et les exosquelettes, des segments en forte croissance où la compacité et la densité de puissance sont des critères de sélection déterminants. Sur ce terrain, elle affronte des concurrents comme Kollmorgen, Beckhoff, INGENIA Motion Control ou encore Bosch Rexroth dans le segment multi-axes EtherCAT. L'arrivée d'une ligne Titanium dédiée aux environnements extrêmes peut également viser les marchés défense et spatial, où Elmo est déjà référencé. Aucune date de disponibilité commerciale ni tarif n'ont été communiqués ; le lancement au salon Automate suggère une phase de qualification client en cours, avec des expéditions série probables en fin d'année 2026.

Industriel⚡Actu

1 source

37

2231Robohub 

Robot Talk Épisode 161 : les systèmes haptiques collaboratifs, avec Allison Okamura

Allison Okamura, professeure Richard W. Weiland Engineering à l'Université Stanford et directrice adjointe du Wu Tsai Stanford Neurosciences Institute, était l'invitée du 161e épisode du podcast Robot Talk, animé par Claire. L'échange portait sur les systèmes robotiques haptiques collaboratifs, un domaine qui vise à doter les robots et les interfaces de téléopération d'un retour de force et de toucher fidèle. Okamura dirige au Stanford Robotics Center des travaux couvrant la téléopération chirurgicale, la réalité virtuelle avec retour tactile, la robotique molle et la rééducation physique. L'haptique reste l'un des verrous les plus sous-estimés de la robotique industrielle et médicale : sans retour de force calibré, un bras chirurgical téléopéré ou un robot collaboratif ne peut pas distinguer une manipulation délicate d'un geste destructeur. Les recherches d'Okamura adressent directement ce déficit en couplant modèles neuromécaniques issus du Wu Tsai Institute et actionneurs souples, ouvrant la voie à des systèmes qui transmettent texture, rigidité et glissement en temps réel. Pour les intégrateurs B2B, les avancées dans ce domaine conditionnent l'adoption des robots dans la chirurgie mini-invasive, l'assemblage de précision et la rééducation. Stanford occupe une position centrale dans la recherche haptique mondiale, aux côtés du MIT CSAIL, de Shadow Robot (UK) et d'entreprises comme Immersion Corporation ou HaptX pour la partie commerciale. En France, des acteurs comme Haption (Laval) développent des bras à retour d'effort pour la simulation industrielle et médicale. Le podcast Robot Talk ne fournit pas de détails sur des résultats expérimentaux spécifiques ni sur des déploiements concrets issus de cet épisode, ce qui limite l'évaluation de l'état réel des travaux présentés.

Recherche❖Paper

1 source

48

2232Robot Magazine FR 

VivaTech 2026 : l’année où les robots humanoïdes sont devenus une réalité industrielle

Les 17 et 18 juin 2026, la dixième édition de VivaTech à Paris Porte de Versailles a réuni des dizaines de démonstrations de robots humanoïdes capables de marcher, manipuler des objets et interagir avec des opérateurs humains. L'événement s'est distingué des éditions précédentes par la présence notable d'acteurs chinois en nombre, venus exposer leurs avancées en « Embodied AI », la convergence entre modèles de raisonnement LLM et corps robotiques physiques. Parmi les machines les plus remarquées figurait KANGAROO, développé par PAL Robotics (Barcelone) en partenariat avec plusieurs centres de recherche européens : un humanoïde à mobilité avancée, entraîné par renforcement, positionné comme plateforme industrielle et logistique polyvalente. L'article ne fournit pas de spécifications techniques précises (charge utile, degrés de liberté, temps de cycle) ni de confirmation de déploiement commerciaux signés, les présentations restaient majoritairement au stade de démonstrations salon. Ce moment marque une inflexion rhétorique autant que technique : depuis ChatGPT en 2022, l'IA était associée aux assistants logiciels ; VivaTech 2026 a déplacé le centre de gravité vers l'IA physique. Pour les intégrateurs et décideurs industriels, le signal le plus structurant est la montée en puissance de la Chine sur le segment humanoïde, un marché qu'elle dominait déjà en volumes sur les bras industriels classiques. Pékin traite désormais la robotique humanoïde comme secteur stratégique au même titre que les semi-conducteurs, avec une logique de mise à l'échelle rapide et de compression des coûts qui change la donne compétitive. Pour les acheteurs B2B européens, la question n'est plus seulement « quelle plateforme est la plus capable » mais « laquelle peut être produite en volumes suffisants à un prix d'entrée industriel ». La trajectoire rappelle celle des véhicules électriques : l'Europe dispose de l'ingénierie, la Chine de la capacité de production. PAL Robotics, fondée en 2004 à Barcelone et pionnière de l'humanoïde de recherche avec REEM puis TALOS, représente l'une des rares maisons européennes avec une expérience longue sur les plateformes bipèdes. KANGAROO s'inscrit dans une stratégie de positionnement pragmatique face aux offres américaines (Figure, Apptronik, Tesla Optimus) et chinoises (Unitree, Fourier, UBTECH), en visant des environnements industriels structurés plutôt que des cas d'usage grand public. Les suites annoncées restent vagues : aucun calendrier de commercialisation ni volume de déploiement n'est mentionné dans l'article source. L'édition 2026 confirme que la course à l'humanoïde industriel est désormais ouverte et multipolaire, mais la majorité des acteurs en sont encore à la phase démonstration-salon, pas à la livraison cliente à l'échelle.

FR/EU ecosysteme❧Opinion

1 source

52

2233arXiv cs.RO 

Humanoid Everyday : un jeu de données robotique complet pour la manipulation humanoïde en monde ouvert

Une équipe de recherche a publié sur arXiv (identifiant 2510.08807v2) Humanoid Everyday, un jeu de données massif dédié à l'apprentissage de la manipulation par les robots humanoïdes en conditions ouvertes. Le dataset compile 10 300 trajectoires et plus de 3 millions de frames couvrant 260 tâches réparties en 7 catégories larges : manipulation dextère d'objets, interaction humain-humanoïde, actions intégrant de la locomotion bipède, et d'autres scénarios du quotidien. Les données sont multimodales, RGB, profondeur, LiDAR, retour tactile, accompagnées d'annotations en langage naturel. La collecte repose sur un pipeline de télé-opération supervisée par des humains, optimisé pour maximiser le débit tout en maintenant la qualité des démonstrations. Les auteurs publient simultanément une plateforme d'évaluation cloud permettant à des équipes extérieures de déployer leurs propres politiques de contrôle et d'obtenir des métriques comparables dans un environnement standardisé. Ce dataset comble un vide structurel dans la recherche robotique : la quasi-totalité des benchmarks existants (Open X-Embodiment, DROID, BridgeData V2) ciblent des bras fixes, et les rares datasets humanoïdes disponibles se limitent à des environnements contrôlés, un faible nombre de tâches, et excluent généralement la locomotion et l'interaction avec des personnes. Pour un intégrateur ou un décideur industriel, la portée pratique est double : des données hétérogènes permettent d'entraîner des politiques plus généralisables, notamment des architectures VLA (vision-language-action) ; la plateforme d'évaluation cloud offre pour la première fois un cadre reproductible pour comparer des méthodes d'apprentissage par imitation ou par renforcement sur des tâches humanoïdes réalistes. L'article analyse aussi les performances de plusieurs politiques de référence, en identifiant leurs forces et limites par catégorie. La publication intervient dans un contexte de forte concurrence autour des données d'entraînement pour humanoïdes. Physical Intelligence (Pi-0, π0.5), NVIDIA (GR00T N2), Unitree et Figure AI misent chacun sur des datasets propriétaires pour différencier leurs politiques de contrôle. Côté recherche ouverte, AgiBot World et RH20T ont posé des jalons, mais restent limités dans leur couverture humanoïde. Humanoid Everyday est rendu entièrement public, dataset, code de collecte et plateforme d'évaluation inclus, ce qui en fait une ressource directement exploitable par des laboratoires et startups sans accès à des infrastructures de collecte massives. Les auteurs présentent cette release comme un socle pour de futurs agents incarnés généralistes, sans préciser d'échéancier pour des suites expérimentales.

IA physique❧Opinion

1 source

50

2234arXiv cs.RO 

Raisonnement robuste sur l'état d'assemblage par reconnaissance d'actions pour la collaboration homme-robot

Une étude publiée sur arXiv (identifiant 2606.20150) en juin 2026 évalue de manière systématique cinq méthodes de suivi d'état d'assemblage à partir de la reconnaissance d'actions humaines (HAR), dans le cadre de la collaboration homme-robot (HRC). Les chercheurs ont testé des approches à base de règles logiques, de modèles de Markov cachés (HMM) et de réseaux de neurones (NN) sur deux jeux de données aux caractéristiques différentes. Les tests combinent des entrées simulées avec différents niveaux de bruit et des entrées réalistes issues d'un modèle HAR opérationnel. L'objectif est de déterminer quelle méthode permet de suivre fidèlement l'état d'une tâche d'assemblage coopérative, étape par étape, à partir de la seule reconnaissance des gestes humains. Les résultats contredisent l'hypothèse dominante selon laquelle les approches par réseaux de neurones surpassent systématiquement les méthodes classiques. Les NN et HMM affichent de bonnes performances sur des tâches à faible variabilité, mais se révèlent fragiles face à des séquences atypiques ou bruitées. Les méthodes logiques, bien que moins sophistiquées, se montrent plus robustes dans les scénarios à haute variabilité. Par ailleurs, la modélisation de la durée attendue des actions s'avère critique pour les tâches comportant des actions répétées, notamment lorsqu'aucun capteur complémentaire ne fournit de signal de confirmation. Ce constat a des implications directes pour les intégrateurs industriels qui déploient des cellules HRC sur des lignes d'assemblage réelles : choisir un modèle d'inférence d'état inadapté au profil de la tâche peut entraîner des erreurs de synchronisation robot-opérateur difficiles à diagnostiquer. Ce travail s'inscrit dans un domaine de recherche en pleine effervescence, porté par l'essor des robots collaboratifs (cobots) dans les environnements manufacturiers. Des acteurs comme Universal Robots, FANUC ou encore des laboratoires européens tels que ceux du LAAS-CNRS et de Fraunhofer travaillent sur des pipelines HAR similaires pour des applications d'assistance à l'assemblage. La difficulté centrale, le "demo-to-reality gap" entre conditions de laboratoire et déploiement en usine, reste entière. Cette étude ne propose pas de solution universelle mais établit une carte comparative utile, à condition que les praticiens caractérisent d'abord la variabilité réelle de leur tâche avant de sélectionner une architecture de suivi d'état.

Recherche❖Paper

1 source

48

2235arXiv cs.RO 

Cerveau lent, planificateur rapide : navigation urbaine résiliente à la latence avec VLM

Des chercheurs ont publié en juin 2026 sur arXiv (arXiv:2506.20458) une architecture hybride pour améliorer la navigation piétonne de robots mobiles en milieu urbain, intitulée "Slow Brain, Fast Planner". Le problème central est ce qu'ils nomment le "trajectory scoring gap" : même lorsqu'une bonne trajectoire existe dans l'ensemble des candidats générés par le planificateur, sa fonction de score choisit souvent une option sous-optimale, poussant le robot sur la pelouse, vers des piétons, ou dans la mauvaise direction. Pour y remédier, les auteurs proposent une interface VLM-Planificateur où un modèle de langage et de vision (VLM) sélectionne le meilleur candidat parmi les propositions du planificateur, avec une latence de 1 à 3 secondes, incompatible avec une boucle de contrôle à 5-20 Hz. La solution est une couche de fusion sans entraînement supplémentaire (training-free), basée sur la similarité géométrique avec décroissance exponentielle, qui convertit la sélection "périmée" du VLM en score temps réel. Sur environ 2 000 scénarios réels difficiles (intersections, croisements piétons), l'approche réduit l'erreur de déplacement moyen (ADE) de 30 % par rapport au meilleur choix du planificateur seul, et maintient un taux de succès supérieur à 80 % en simulation avec des délais allant jusqu'à 5 secondes. Ce résultat intéresse directement les intégrateurs de robots de livraison ou de surveillance extérieure, car il montre qu'un VLM généraliste peut corriger les erreurs de compréhension de scène d'un planificateur local sans nécessiter une refonte en architecture VLA (Vision-Language-Action) bout-en-bout, dont l'entraînement reste coûteux et rigide. La fusion géométrique à décroissance exponentielle contourne deux obstacles classiques du déploiement terrain : la dépendance réseau et le sim-to-real gap. Prudence toutefois sur les chiffres : les 2 000 scénarios "difficiles" ont été sélectionnés par les auteurs sur un campus académique, loin d'un environnement commercial dense. La navigation piétonne extérieure est un segment sous pression, notamment pour le dernier kilomètre, avec des acteurs comme Kiwibot, Starship Technologies et Cartken qui butent sur les intersections non signalisées et la densité piétonne. L'approche "deux vitesses" (fast pour le contrôle, slow pour la planification sémantique) suit une tendance portée par des laboratoires comme Berkeley et des entreprises comme Physical Intelligence (Pi-0). En France, des acteurs comme Enchanted Tools et les spin-offs CEA explorent des architectures comparables pour la navigation indoor. Les prochaines étapes naturelles pour cette équipe sont la validation en environnement urbain dense et l'intégration de VLMs embarqués à faible latence (LLaVA, Phi-3 Vision) pour réduire la dépendance réseau en conditions terrain.

Recherche❧Opinion

1 source

48

2236arXiv cs.RO 

Gaussian Splatting latent pour le suivi d'occupation panoptique 4D

Des chercheurs de l'Université de Fribourg-en-Brisgau (Allemagne) ont publié LaGS (Latent Gaussian Splatting), une méthode de suivi panoptique d'occupation en 4D référencée arXiv:2602.23172. L'objectif : capturer simultanément la géométrie volumétrique 3D d'une scène dynamique et les associations temporelles entre instances sur des séquences multi-caméras. La méthode modélise les caractéristiques 3D sous forme d'un ensemble épars de Gaussiennes porteuses de features, soit des points-clés volumétriques dynamiques qui agrègent les informations multi-vues via une pondération spatiale continue, avant d'être projetées dans une grille de voxels pour décodage. Une représentation hiérarchique combine des super-points grossiers pour le contexte global et des flux haute résolution pour les détails fins. Sur les benchmarks Occ3D nuScenes et Waymo Open Dataset, références standards pour la perception 3D en conduite autonome, LaGS atteint des performances état de l'art sur la tâche 4D-POT. Code et modèles sont publiés en open source. L'enjeu est précis : les systèmes existants tranchaient entre deux compromis peu satisfaisants. Les méthodes de suivi par boîtes englobantes offrent une association temporelle d'instances mais perdent la géométrie fine. Les approches d'occupation 3D dense restituent la forme des objets sans raisonnement explicite au niveau instance ni association temporelle fiable. LaGS comble ce gap en introduisant des champs récepteurs adaptatifs dépendants des données et des interactions spatiales longue portée, deux limitations connues des opérateurs voxels locaux denses. Pour un intégrateur développant un pipeline de planification de trajectoire ou de prédiction de mouvement pour véhicule autonome ou robot mobile, disposer d'une représentation unifiée panoptique-temporelle réduit le nombre de modules et les sources de désynchronisation. La méthode s'inscrit dans la vague des approches Gaussian Splatting initiée par les travaux 3DGS de Kerbl et al. en 2023, aujourd'hui détournés de la reconstruction de scènes statiques vers la perception dynamique. L'Université de Fribourg-en-Brisgau, acteur européen reconnu en robotique et vision par ordinateur, positionne LaGS face aux méthodes concurrentes basées sur les réseaux BEV, les grilles voxels récurrentes ou les approches NeRF temporelles. La publication en version 2 (révision post-soumission initiale de février 2026) avec code ouvert facilite la reproduction. Les prochaines étapes naturelles incluent l'intégration dans des pipelines embarqués et l'évaluation sur des jeux de données intérieurs pour la robotique mobile en entrepôt.

Recherche❖Paper

1 source

47

2237arXiv cs.RO 

Un cadre d'apprentissage par renforcement neuromorphique pour la planification de chemin efficace dans les systèmes robotisés de préparation de commandes

Une équipe de chercheurs a publié sur arXiv (référence 2606.20031) le framework SDQN-RMFS, une chaîne de traitement complète qui associe apprentissage par renforcement et calcul neuromorphique pour la navigation de robots mobiles dans les systèmes d'exécution d'entrepôts (RMFS, Robotic Mobile Fulfillment Systems). Le pipeline fonctionne en deux temps : une politique est d'abord entraînée sur un réseau de neurones artificiel (ANN) classique, en pleine précision, via une stratégie d'entraînement autorisant les collisions afin de densifier les trajectoires informatives. Elle est ensuite convertie en réseau de neurones impulsionnels (SNN, Spiking Neural Network) grâce à une distillation de connaissance à labels durs (hard-label knowledge distillation), technique qui compense le décalage de distribution entre les deux architectures. Déployé sur puce neuromorphique, le système atteint jusqu'à 11 281 fois d'économies d'énergie par rapport à une baseline GPU haute performance, avec une réduction de latence de près de 2×, sans dégradation mesurable de la qualité de décision. Ces résultats sont significatifs pour quiconque opère un entrepôt automatisé à grande échelle : l'énergie consommée par les unités de calcul embarquées constitue un poste de coût non négligeable dès que la flotte dépasse quelques centaines d'AMR (autonomous mobile robots). La contribution technique principale est de démontrer, sur matériel réel et non en simulation, qu'une politique RL peut survivre à la conversion ANN-vers-SNN sans effondrement de performance, un point de friction longtemps considéré comme rédhibitoire pour le déploiement neuromorphique industriel. Le travail valide également l'approche sim-to-real dans un contexte d'entrepôt dense et dynamique, là où les méthodes classiques de planification de chemin (A*, règles heuristiques) peinent à répondre en temps réel sous contrainte de ressources. Les RMFS sont au coeur des entrepôts d'Amazon Robotics (issu de l'acquisition de Kiva Systems), de Geek+ ou d'Hai Robotics, mais aussi du français Exotec, dont le système Skypod mobilise des flottes de plusieurs milliers de robots. Le calcul neuromorphique mobilise des acteurs comme Intel (puce Loihi 2) et des laboratoires académiques européens autour de BrainScaleS. Ce preprint n'a pas encore été soumis à révision par les pairs, et les conditions exactes des expériences matérielles (type de puce, taille de l'entrepôt simulé, densité de flotte) mériteraient d'être précisées avant tout benchmark concurrentiel. Les prochaines étapes logiques seraient un pilote en entrepôt réel et une évaluation sur flottes hétérogènes.

Industriel❧Opinion

1 source

47

2238arXiv cs.RO 

L'affinage des modèles vision-langage-action (VLA) nécessite moins de couches qu'on ne le pense

Des chercheurs ont publié le 19 juin 2026 (arXiv:2606.20246) une méthode de compression structurelle pour les modèles VLA (Vision-Language-Action) tels que pi-0 (Physical Intelligence) et GR00T N1.5 (NVIDIA). Le constat de départ : ces architectures de plusieurs milliards de paramètres, pré-entraînées sur de vastes corpus vidéo-robot, imposent des coûts de calcul prohibitifs lors du fine-tuning et de l'inférence temps-réel. La méthode proposée est entièrement sans entraînement (training-free) : un unique passage forward via la Centered Kernel Alignment (CKA) suffit à identifier les couches redondantes du backbone VLM et de la tête de contrôle continu. En supprimant ces "couches jumelles", le pipeline compresse la profondeur du modèle jusqu'à 50 %. Les gains mesurés sont de 40 à 50 % sur le temps de fine-tuning et jusqu'à 30 % sur la vitesse d'inférence, tout en conservant des performances équivalentes ou supérieures au modèle complet. Les validations couvrent trois benchmarks de simulation (LIBERO, RoboCasa, SimplerEnv) et dix tâches de manipulation réelle sur quatre embodiments robotiques distincts. Ce résultat remet en question un présupposé structurant du domaine : la profondeur des VLA serait proportionnelle à leurs capacités. Démontrer qu'une redondance massive existe dans ces architectures malgré un entraînement sur des trajectoires physiques diversifiées est non trivial. Pour les intégrateurs et les équipes MLOps industrielles, l'impact pratique est direct : des cycles de fine-tuning deux fois plus courts réduisent le coût d'adaptation à de nouveaux environnements, nouveaux grippers ou nouvelles tâches, sans matériel supplémentaire. L'absence d'entraînement dans la phase de compression est particulièrement critique : les méthodes concurrentes (distillation, token pruning dynamique) exigent de charger le modèle complet, ce qui reste un goulot d'étranglement sur GPU A100/H100. Les VLA comme pi-0 (Physical Intelligence, fondée en 2023 par d'anciens de Google, DeepMind et Stanford) et GR00T N1.5 (NVIDIA, annoncé en mars 2025) représentent actuellement la frontière technique des politiques de manipulation généraliste. La compression de modèles pour robots est un axe de recherche actif : des travaux récents explorent la distillation (OpenVLA-OFT), la quantification et le pruning à la volée. Cette approche se distingue par sa simplicité opérationnelle : aucun dataset de calibration étendu, aucune phase d'optimisation. Les auteurs ne mentionnent pas de partenaire industriel ni de pipeline de déploiement à l'échelle, ce qui en fait pour l'instant une contribution de recherche prometteuse plutôt qu'un produit prêt à l'intégration.

IA physique⚡Actu

1 source

46

2239arXiv cs.RO 

TaCauchy : un framework FEM extensible pour la simulation tactile basée sur la vision

Une équipe de chercheurs a publié TaCauchy, un cadre de simulation par éléments finis (FEM) conçu pour les capteurs tactiles à vision, intégré directement dans Isaac Sim, la plateforme de simulation GPU d'NVIDIA. Basé sur le solveur UIPC (Unified Incremental Potential Contact), TaCauchy calcule des tenseurs de contrainte de Cauchy à partir de lois constitutives hyperélastiques, puis projette ces contraintes sur les surfaces de contact pour obtenir les forces de traction et les distributions de pression. Il prend en charge trois capteurs courants, GelSight Mini, DIGIT et 9DTact, via une interface modulaire permettant une intégration rapide par simple configuration. Sur le plan des performances, le framework atteint 33,40 FPS en environnement unique et 555 FPS de débit agrégé sur 60 environnements parallèles, avec un overhead d'extraction des contraintes inférieur à 1 ms. La validation physique montre un SSIM supérieur à 0,93 sur une plage de forces allant de 1,26 N à 4,73 N. L'enjeu principal est le fossé sim-to-real qui pénalise l'entraînement par renforcement des politiques de manipulation tactile. Les approches existantes recourent généralement à des estimations empiriques des champs de contraintes, ce qui introduit des biais difficiles à corriger une fois déployé sur robot réel. TaCauchy propose à la place une vérité terrain mécanique dérivée des premiers principes physiques, ce qui représente un changement de paradigme pour les ingénieurs qui cherchent à entraîner des politiques de préhension fine sans collecter massivement de données réelles. Le débit de 555 FPS en parallèle rend cette précision physique compatible avec les pipelines d'apprentissage par renforcement à grande échelle. Les capteurs tactiles à vision de type GelSight ont émergé comme une alternative économique aux capteurs de force-couple classiques, mais leur simulation restait un goulot d'étranglement dans les environnements GPU-parallèles comme Isaac Lab ou Orbit. TaCauchy s'inscrit dans une dynamique plus large de "physiques différentiables" qui cherchent à remplacer les proxies heuristiques par des modèles rigoureux directement différenciables. Du côté concurrentiel, des travaux comme Taxim ou DigiTac ont proposé des approches optiques ou basées sur des réseaux de neurones pour la simulation GelSight, mais sans calcul de champ de contraintes FEM intégré à un environnement GPU. La prochaine étape probable pour TaCauchy sera l'intégration avec des politiques de type diffusion ou VLA (Vision-Language-Action) pour des tâches d'assemblage ou de manipulation déformable.

Recherche❖Paper

1 source

46

2240arXiv cs.RO 

EquiVLA : un cadre général pour les modèles VLA équivariants par rotation

Des chercheurs ont publié EquiVLA (arXiv:2606.19784), le premier cadre général pour rendre les modèles Vision-Langage-Action (VLA) équivariants par rotation SO(2) de bout en bout. Le système introduit deux composants modulaires : EquiPerceptor, qui extrait des représentations visuelles approximativement SO(2)-équivariantes à partir de features ViT gelées, et EquiActor, une tête d'action exactement SO(2)-équivariante basée sur un Diffusion Transformer à flow-matching. Instancié sur GR00T N1.5 (le modèle de manipulation généraliste de NVIDIA), EquiVLA atteint 92,6 % de succès moyen sur les quatre suites de benchmarks LIBERO contre 78,1 % pour la baseline, une longueur de séquence de 4,03 sur CALVIN ABCD→D contre 3,45, et améliore le taux de succès sur cinq tâches réelles avec le robot Mobile ALOHA de 54 % à 72 %. Le problème central qu'adresse EquiVLA est structurel : les VLA actuels manquent de biais inductifs géométriques, ce qui signifie qu'une politique entraînée dans une orientation donnée nécessite substantiellement plus de données pour généraliser à d'autres configurations rotationnelles. En imposant l'équivariance SO(2) de la caméra jusqu'aux séquences d'actions prédites, le framework réduit la dépendance aux données d'orientation. Pour un intégrateur ou un COO industriel, l'implication concrète est une meilleure robustesse opérationnelle sans retraining coûteux lorsqu'un poste de travail est réorganisé. Le gain de 18 points absolus sur LIBERO et le passage de 54 % à 72 % sur robot réel sont significatifs, même si ces résultats restent obtenus en conditions de laboratoire contrôlé et ne constituent pas encore un déploiement industriel. Les VLA sont devenus le paradigme dominant de la manipulation généraliste depuis RT-2 et PaLM-E, avec des modèles concurrents comme Pi-0 (Physical Intelligence), OpenVLA et GR00T N1.5 de NVIDIA, publié début 2025 comme modèle de référence pour la manipulation humanoïde. L'approche modulaire d'EquiVLA - les backbones vision-langage gelés restent intacts - facilite l'adoption sur des architectures existantes sans repartir de zéro. Ce papier est une contribution académique sans partenariat commercial annoncé ; les suites naturelles seraient d'étendre l'équivariance à SO(3) pour les manipulateurs à 6 DOF, et de valider la robustesse à grande échelle dans des environnements industriels moins structurés.

IA physique❧Opinion

1 source

45

2241arXiv cs.RO 

Mouvement primitif en robotique : une étude approfondie

Publiée sur arXiv sous l'identifiant 2601.02379v2, une revue encyclopédique sur les movement primitives en robotique recense et compare l'ensemble des cadres théoriques développés ces trente dernières années pour représenter les trajectoires de contrôle de robots à partir de démonstrations humaines. Ces primitives de mouvement, blocs élémentaires de motion analogues aux phonèmes du langage, permettent à un système autonome de décomposer un geste complexe en segments réutilisables et recombinables. Les approches couvertes incluent les Dynamic Movement Primitives (DMP), formulés comme des systèmes dynamiques de type amortisseur-ressort, les Probabilistic Movement Primitives (ProMP) couplant statistiquement plusieurs démonstrations, et les extensions neuronales adaptées aux espaces d'état de haute dimension. La revue présente ces frameworks en ordre chronologique, évalue leurs forces et faiblesses, et identifie des applications concrètes : saisie d'objets, mouvements balistiques, enchaînements de tâches en manipulation robotique. Pour les praticiens (intégrateurs, équipes R&D en manipulation, COO industriels), cette synthèse positionne les primitives de mouvement comme une couche intermédiaire critique entre démonstration brute et politique généraliste de bout en bout. Elles permettent le transfert de compétences motrices sans rejeu complet des données d'entraînement et restent interprétables, contrairement aux architectures VLA (Vision-Language-Action) comme π0 de Physical Intelligence ou OpenVLA. La revue souligne en particulier des défis non résolus que ces dernières n'ont pas encore surmontés à l'échelle industrielle : segmentation automatique des démonstrations, passage à l'échelle en environnements non structurés, et couplage de contraintes en temps réel. Les primitives de mouvement ont émergé au début des années 2000 avec les travaux d'Auke Ijspeert, Jun Nakanishi et Stefan Schaal sur les DMP, puis étendues par Paraschos et al. avec les ProMP en 2013. Le champ s'est depuis fragmenté en nombreuses variantes sans synthèse unifiée. Face aux approches purement neuronales (ACT, Diffusion Policy) popularisées par les groupes de Sergey Levine et Chelsea Finn, les primitives se repositionnent comme solution modulaire et interprétable. Les auteurs identifient leur intégration dans des architectures de type foundation model pour la robotique comme prochaine étape structurante, un axe qui mobilise des acteurs aux États-Unis (Boston Dynamics AI Institute, CMU) comme en Europe (DLR, LAAS-CNRS).

Recherche❖Paper

1 source

45

2242arXiv cs.RO 

Simuler la locomotion robotique dans le sable : la théorie des forces résistives dans un moteur physique open source

Des chercheurs ont intégré la théorie de la force résistive tridimensionnelle (3D RFT) dans le moteur de simulation physique MuJoCo, comblant un angle mort persistant des outils de robotique open-source. La 3D RFT permet d'approximer les forces de réaction du sol lors de la locomotion en milieu granulaire (sable, gravier fin) sans simuler l'interaction avec chaque grain individuellement, ce qui constitue l'approche classique par éléments discrets (DEM), prohibitive en temps de calcul. Les auteurs ont validé leur implémentation sur un robot hexapode à 12 degrés de liberté évoluant en bac à sable : la simulation prédit la distance parcourue et l'enfoncement des pattes à moins de 20 % des valeurs mesurées expérimentalement, avec des tendances cohérentes selon la forme de l'effecteur, la vitesse de déplacement et la charge appliquée. Les travaux sont publiés sur arXiv (2606.19504) et le code est rendu disponible en open source. L'impact pratique est significatif pour les équipes qui développent des robots mobiles destinés à évoluer hors piste. Jusqu'ici, simuler fiablement la locomotion sur sol meuble imposait soit des moteurs DEM spécialisés (CHRONO, LIGGGHTS) avec des temps de calcul rédhibitoires pour l'apprentissage par renforcement, soit des approximations ad hoc peu transférables. Intégrer la RFT directement dans MuJoCo, l'environnement de référence pour l'entraînement de politiques de locomotion, ouvre une voie crédible vers le sim-to-real sur substrats granulaires. La précision de 20 % est honnête pour une approximation analytique et constitue une base exploitable pour l'optimisation de design ou le pré-entraînement de contrôleurs, même si elle reste insuffisante pour garantir un transfert direct sans recalibration. La RFT granulaire a été initialement développée dans les laboratoires de Daniel Goldman (Georgia Tech) pour étudier la locomotion animale dans le sable, avant d'être étendue aux systèmes robotiques. MuJoCo, racheté par DeepMind en 2021 et passé open-source la même année, est aujourd'hui le moteur dominant pour l'entraînement de politiques de locomotion humanoïde et quadrupède chez Figure, Boston Dynamics ou Unitree. Les débouchés concrets de ce travail concernent les rovers planétaires (JPL, ESA), les robots agricoles évoluant en sol labouré, et les plateformes de recherche et sauvetage en milieu sableux. La prochaine étape logique sera l'extension aux substrats hétérogènes et l'intégration dans des pipelines d'apprentissage par renforcement standard pour valider le gain sim-to-real à l'échelle.

Recherche❖Paper

1 source

45

2243arXiv cs.RO 

WorkBenchMark : un benchmark d'assemblage basé sur LEGO avec une approche assemblage-par-désassemblage pour la Smart Manufacturing League

Des chercheurs ont publié WorkBenchMark, un benchmark d'assemblage robotique basé sur des briques LEGO Duplo, conçu dans le cadre de la RoboCup Smart Manufacturing League. Il comprend 400 tâches réparties en quatre niveaux de complexité croissante, couvrant la manipulation de pièces, leur positionnement et leur emboîtement sous contraintes physiques. L'équipe propose également une solution de référence baptisée "Assembly-by-Disassembly" : plutôt que d'apprendre directement l'assemblage, le système utilise la désassemblage pour inférer les étapes inverses, couplé à une perception en vocabulaire ouvert. Le benchmark, l'environnement de simulation et l'implémentation de référence seront publiés en open source. Ce qui retient l'attention est le résultat de l'évaluation comparative : le pipeline à base de planification symbolique surpasse une approche moderne de type VLA (Vision-Language-Action) sur l'ensemble des quatre niveaux de difficulté. C'est un signal notable pour le secteur, car les VLA sont actuellement présentées comme la voie principale vers la manipulation généraliste. L'assemblage est précisément le type de tâche qui met en défaut les approches bout-en-bout : il nécessite à la fois une précision de manipulation millimétrique et un raisonnement symbolique sur des séquences d'étapes interdépendantes, une combinaison que les modèles end-to-end ne résolvent pas encore de façon fiable à grande échelle. WorkBenchMark s'inscrit dans la tradition des benchmarks robotiques standardisés, similaire à ce que YCB ou NIST Assembly ont représenté pour la préhension et l'assemblage industriel. La RoboCup Smart Manufacturing League, qui en est le cadre compétitif, cible explicitement les cas d'usage de manufacture intelligente. Face aux approches concurrentes comme pi0 de Physical Intelligence ou les pipelines VLA de Google DeepMind, ce travail soutient l'hypothèse que la planification hybride reste compétitive pour les tâches structurées, et offre à la communauté un terrain d'évaluation reproductible pour en débattre.

Recherche❖Paper

1 source

45

2244arXiv cs.RO 

Tri-Info : prédiction d'échec généralisable et interprétable pour les modèles VLA par la théorie de l'information

Une équipe de chercheurs a publié en juin 2026, via arXiv (arXiv:2606.19998), une méthode appelée Tri-Info (Triple Information-theoretic signals) pour détecter automatiquement les défaillances des modèles VLA (Vision-Language-Action) avant qu'ils ne causent des dommages irréversibles dans des environnements physiques. Testée sur six modèles VLA distincts et trois environnements de benchmark, Tri-Info atteint 83 % de précision sur des tâches en conditions réelles, là où les détecteurs existants s'effondrent au niveau du hasard. La méthode repose sur trois signaux dérivés de la théorie de l'information : la diversité des actions générées par le modèle, leur cohérence temporelle, et leur couplage aux transitions d'état observées dans l'environnement. Cruciale pour les déploiements industriels, Tri-Info ne nécessite aucun réentraînement pour fonctionner sur de nouvelles architectures ou dans de nouveaux environnements, y compris lors du passage simulation-vers-réel (sim-to-real). Ce résultat est directement pertinent pour les intégrateurs qui déploient des robots manipulateurs ou humanoïdes pilotés par des VLA comme Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) ou Helix (Figure AI). L'opacité de ces modèles constitue un risque opérationnel concret : un VLA peut échouer silencieusement, entraînant une collision, une chute d'objet ou l'interruption d'un cycle de production. Tri-Info ajoute une couche de supervision interprétable capable de distinguer trois classes de défaillances (manque de diversité, incohérence temporelle, découplage état-action), ce qui facilite le diagnostic post-incident. Sa transférabilité sans réentraînement est stratégiquement importante : elle permet d'intégrer la détection sur des systèmes déjà déployés sans modifier le pipeline existant. Ce travail s'inscrit dans une course à l'industrialisation des VLA accélérée depuis fin 2024 avec les sorties de Pi-0 et d'OpenVLA, et les travaux de Google DeepMind sur RT-2 et ses successeurs. Le sim-to-real gap reste l'un des principaux freins à leur généralisation, la plupart des systèmes de détection entraînés en simulation perdant leur efficacité en conditions réelles. Tri-Info est à ce stade un preprint non encore revu par les pairs, et ses performances n'ont pas été reproduites de manière indépendante. Si elles se confirment, la méthode pourrait s'imposer comme une brique de sécurité standard dans les pipelines de déploiement robotique fondés sur des VLA.

Recherche❧Opinion

1 source

44

2245arXiv cs.RO 

Apprentissage robotique ludique à base d'agents

RATs (Robotics Agent Teams) est un système d'apprentissage robotique agentic présenté dans le preprint arXiv 2606.19419 qui introduit une phase de "jeu" auto-dirigé avant toute tâche explicite. L'agent, basé sur le paradigme Code-as-Policy (CaP), propose lui-même des tâches exploratoires, exécute des politiques en code, vérifie les progrès intermédiaires, diagnostique les échecs avec un feedback dense à chaque étape et distille les exécutions réussies dans une bibliothèque de compétences persistante. À l'inférence, cette bibliothèque gelée est réutilisée par d'autres agents pour résoudre des tâches inédites, sans fine-tuning du modèle sous-jacent. Sur les benchmarks LIBERO-PRO et MolmoSpaces, RATs surpasse la baseline CaP-Agent0 de 20,6 et 17,0 points de pourcentage respectivement ; les compétences acquises sont également transférables à d'autres agents CaP, avec des gains de 8,9 points sur RoboSuite et 8,8 points en déploiement réel. La portée industrielle de cette approche tient principalement à deux éléments. La séparation entre phase d'acquisition de compétences et phase d'exécution crée une bibliothèque réutilisable partageable entre agents hétérogènes sans réentraînement, ouvrant la voie à des bibliothèques de primitives robotiques mutualisées sur des flottes entières. Les gains en transfert réel (+8,8 points) suggèrent par ailleurs que l'apprentissage par jeu améliore la robustesse sim-to-real, défi persistant pour les systèmes VLA (Vision-Language-Action) déployés hors simulation. Il convient toutefois de nuancer : le preprint ne détaille ni les conditions de déploiement réel ni le profil précis des tâches testées, ce qui limite l'évaluation en contexte industriel non contrôlé. Le paradigme Code-as-Policy, introduit par Google DeepMind avec SayCan et Code as Policies entre 2022 et 2023, utilise des LLMs pour générer du code Python interprétable comme politique robotique. RATs y greffe un mécanisme d'exploration issu de la robotique développementale, prolongeant une lignée de travaux sur les agents curieux et l'apprentissage non supervisé de compétences. Dans un paysage dominé par des architectures VLA end-to-end, comme Pi-0 et Helix de Physical Intelligence ou Figure 03 de Figure Robotics, cette approche code-first se distingue par sa modularité et sa moindre dépendance aux données d'annotation denses. Le travail reste à ce stade non revu par des pairs, et des validations à plus grande échelle dans des environnements variés et non structurés seront nécessaires pour confirmer sa portée opérationnelle.

IA physique❧Opinion

1 source

44

2246arXiv cs.RO 

Données et standards pour la robotique humanoïde : l'infrastructure manquante de l'IA physique

Un groupe de chercheurs impliqués dans l'élaboration de la norme ISO/WD 26264-1 au sein du comité technique ISO/TC 299/WG 16 publie un préprint arXiv (2606.19769, juin 2026) posant que la standardisation des données constitue le prochain verrou critique pour les robots humanoïdes. Leur thèse centrale: le goulot d'étranglement n'est pas seulement la rareté des données, mais leur caractère non cumulatif, causé par des coûts de collecte élevés, des silos organisationnels et des protocoles d'évaluation incompatibles. Les auteurs identifient trois conditions pour qu'un jeu de données soit réutilisable: l'expérience physique doit rester liée au corps du robot, à la tâche et au contexte d'exécution; les flux multimodaux doivent partager synchronisation temporelle, repères de coordonnées, calibration et unités documentées; les données doivent enfin être versionnées et traçables pour s'accumuler entre projets et organisations. L'enjeu est direct pour les équipes qui entraînent des modèles VLA (Vision-Language-Action) comme pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI. Sans grammaire commune (métadonnées, provenance, versioning), chaque acteur repart de zéro à chaque nouveau déploiement. Pour un intégrateur industriel, cela signifie concrètement que des données collectées sur un site ne peuvent pas réentraîner un modèle sur un autre, même avec du matériel identique. L'article recadre le "sim-to-real gap" non pas comme un problème de simulation, mais comme un déficit d'alignement des référentiels physiques entre jeux de données: les hypothèses de synchronisation et de cinématique, si elles ne sont pas documentées, rendent les flux non interopérables dès le départ. La norme proposée s'articule en deux couches: une infrastructure horizontale couvrant le cycle de vie, les métadonnées, la qualité, le versioning et la traçabilité, et des parties spécifiques par capacité (manipulation, locomotion, interaction humain-robot, cognition). Le contexte est celui d'un secteur ou Figure AI, Boston Dynamics, Tesla (Optimus Gen 3), Unitree et 1X accumulent des données de manière cloisonnée, tandis que des initiatives ouvertes comme Open X-Embodiment (Google DeepMind) ou LeRobot (HuggingFace) posent des bases communes sans force normative. Le préprint est en phase WD (Working Draft) sans date de ratification annoncée: c'est une prise de position académique, pas une norme publiée ni un déploiement industriel.

Infrastructure❧Opinion

1 source

44

2247arXiv cs.RO 

Bien partir pour bien arriver : exécution asynchrone par sélection du bruit initial

Des chercheurs ont publié sur arXiv (2606.19774) une méthode baptisée PAINT, destinée à éliminer les discontinuités de mouvement dans les robots contrôlés par des politiques basées sur le flow matching. Le problème ciblé est l'exécution asynchrone dans le cadre de l'action chunking : pendant qu'un robot exécute une séquence d'actions prédéfinie (le "chunk" courant), la politique génère le chunk suivant ; si cette génération prend trop de temps, les deux séquences se raccordent mal, créant des à-coups visibles. PAINT résout ce problème non pas en corrigeant la trajectoire de génération en cours, mais en sélectionnant le bruit initial optimal avant que la génération commence, requalifiant ainsi le problème de guidage de trajectoire en problème de sélection de bruit. La méthode utilise une inversion d'Euler backward pour identifier ce bruit de départ, puis applique une règle de "repainting" pour construire le chunk final cohérent avec le préfixe déjà exécuté. Aucun gradient, aucun réentraînement ni modification de la politique existante ne sont requis. Les auteurs rapportent des améliorations sur 12 benchmarks simulés et 6 tâches de manipulation réelles, couvrant des bras simples, des systèmes bimanaux et des robots humanoïdes. L'enjeu pour les équipes robotique est concret : une méthode training-free s'applique directement à n'importe quelle politique flow-based déjà entraînée, sans coût de réentraînement. Pour les déploiements industriels, où l'action chunking est prisé précisément parce qu'il améliore la cohérence temporelle des mouvements, les discontinuités aux frontières de chunks sont un frein réel à la cadence de production. PAINT adresse ce goulot sans toucher à l'architecture ni aux poids du modèle. La validation sur des embodiments variés, du bras simple à l'humanoïde, renforce la généralité revendiquée, même si les 12 benchmarks simulés restent des conditions contrôlées dont la portée terrain reste à confirmer sur des lignes de production réelles. L'action chunking a été popularisé par ACT (Zhao et al., 2023) et le Diffusion Policy (Chi et al., 2023), avant d'être adopté dans des modèles VLA plus récents comme π0 (Physical Intelligence) ou GR00T N2 (NVIDIA). Les méthodes concurrentes pour gérer la latence asynchrone s'appuient sur un guidage ou recadrage de la trajectoire de génération, approches qui nécessitent des gradients ou des modifications du modèle. PAINT se positionne comme une alternative légère dans cet espace. Aucun partenariat industriel ni calendrier de déploiement n'est annoncé ; la publication reste au stade de la recherche académique, avec un site de démonstration accessible.

Recherche❖Paper

1 source

43

2248arXiv cs.RO 

Apporte ma tasse ! Personnalisation des modèles vision-langage-action par prompting visuel attentionnel

Des chercheurs ont publié en décembre 2024 (arXiv:2512.20014) une méthode appelée Visual Attentive Prompting (VAP), conçue pour permettre aux modèles Vision-Language-Action (VLA) de répondre à des consignes personnalisées du type "apporte ma tasse". Le problème adressé est précis : un VLA classique, même performant sur des instructions génériques, échoue à identifier un objet spécifique parmi plusieurs visuellement identiques sans avoir été entraîné sur cet objet. VAP fonctionne sans ré-entraînement (training-free), c'est son argument central. Il prend quelques images de référence de l'objet cible, effectue une détection en vocabulaire ouvert dans la scène, compare les embeddings visuels pour localiser l'instance correcte, puis injecte cette localisation directement dans le flux d'entrée du VLA : surlignage de l'objet et réécriture de l'instruction. Les auteurs ont construit deux benchmarks en simulation (Personalized-SIMPLER et Personalized-VLABench) et un benchmark réel sur table pour valider l'approche sur plusieurs robots et tâches. VAP surpasse les politiques génériques et les baselines par apprentissage de tokens, à la fois en taux de succès global et en taux de manipulation du bon objet. L'enjeu industriel derrière ce travail est la personnalisation au niveau de l'instance, un verrou jusqu'ici sous-traité dans la recherche VLA. Pour un intégrateur ou un COO déployant des robots en environnement résidentiel ou hospitalier, la capacité à distinguer "la tasse de Paul" de "la tasse de Marie" sans pipeline d'apprentissage dédié par utilisateur représente un gain opérationnel significatif. VAP démontre que l'attention sélective top-down, couplée à une mémoire visuelle non-paramétrique, peut combler l'écart entre compréhension sémantique et contrôle au niveau de l'instance, un problème que les approches fondées sur le langage seul ne résolvent pas. L'absence de ré-entraînement est un avantage de déploiement réel, même si les benchmarks restent à l'échelle tabletop, loin de la chaîne logistique. Ce travail s'inscrit dans la dynamique post-RT-2 et post-OpenVLA : les VLA généralistes (π0 de Physical Intelligence, GR00T N2 de NVIDIA, ou encore les approches Octo et RoboFlamingo) excellent sur des distributions larges mais restent aveugles à la sémantique d'instance. VAP propose une surcouche légère compatible avec n'importe quel VLA gelé, ce qui le positionne comme un adaptateur potentiel pour des systèmes existants plutôt qu'un modèle concurrent. Les prochaines étapes naturelles incluent des tests hors tabletop (manipulation mobile, environnements encombrés), l'évaluation à plus grande échelle d'objets personnels, et l'intégration dans des frameworks open-source comme LeRobot d'Hugging Face. Aucun partenariat industriel ni timeline de commercialisation n'est mentionné dans la publication.

IA physique❧Opinion

1 source

43

2249arXiv cs.RO 

Estimation d'état proprioceptive invariante pour robots humanoïdes sur sol non inertiel

Des chercheurs proposent sur arXiv (2606.19512) un filtre de Kalman étendu invariant (InEKF) pour estimer en temps réel l'état d'un robot humanoïde se déplaçant sur un sol en mouvement, sans aucun capteur externe. L'approche exploite uniquement les IMU montées aux pieds et la cinématique du robot pour estimer la position et la vitesse de la base dans le référentiel d'un sol non-inertiel, qu'il tangue, oscille ou pivote. Testée sur le robot Digit d'Agility Robotics en station debout avec tangage et oscillation latérale, puis en marche sur un sol en rotation uni-axiale, la méthode affiche une accélération de 96 % du taux de convergence et une réduction de 80 % des erreurs de position face aux InEKF classiques. En déplacement, l'erreur moyenne reste inférieure à 9 cm pour une erreur initiale pouvant atteindre 1 mètre. L'intérêt est immédiat pour tout déploiement hors sol fixe : bateaux, véhicules logistiques, quais portuaires, plateformes vibrantes d'usine. Reposer entièrement sur la proprioception embarquée supprime la dépendance aux systèmes de localisation externe (LIDAR, caméras, motion capture) souvent absents ou peu fiables dans ces contextes. L'analyse formelle d'observabilité démontre les conditions sous lesquelles position et vitesse relatives demeurent estimables malgré l'accélération du sol, ce qui dépasse le simple résultat empirique. Les expériences ont été conduites en conditions physiques réelles plutôt qu'en simulation seule, ce qui renforce la validité des métriques, même si les scénarios restent relativement contrôlés (mono-axial, uni-directionnel). Digit est développé par Agility Robotics, spin-off de l'Oregon State University rachetée par Amazon, qui déploie l'humanoïde dans des entrepôts logistiques. La méthode InEKF pour humanoïdes s'inscrit dans un corpus académique centré sur les groupes de Lie appliqués à l'estimation en robotique de terrain. Dans la course commerciale, Tesla (Optimus), Figure (Figure 03), Boston Dynamics (Atlas) et Unitree (H1, G1) investissent massivement dans la locomotion en milieux variés, mais le sol non-inertiel demeure un angle mort des pipelines de contrôle actuels. Ce preprint est vraisemblablement soumis à IROS 2026 ou ICRA 2027 et ne représente pas encore une capacité déployée en production.

Recherche❖Paper

1 source

42

2250arXiv cs.RO 

One-to-Two Acting : un cadre pour étendre les actions d'un agent mono-bras à deux bras

Des chercheurs ont publié le 24 juin 2026 sur arXiv (2606.19897) ExS2D, un framework hiérarchique permettant à un robot bras unique d'exécuter des tâches bimanuelle sans aucune démonstration en configuration deux bras. Le système décompose d'abord des instructions textuelles en sous-tâches structurées, en capturant explicitement les dépendances temporelles entre elles. Un module de grounding traduit ensuite chaque sous-tâche en actions exécutables via une cartographie guidée par l'observation. Enfin, un coordinateur basé sur un grand modèle de langage multimodal (MLLM) orchestre l'allocation des actions entre les deux bras et planifie les trajectoires sans collision. En simulation, ExS2D réduit le nombre moyen d'étapes d'exécution de 54,4 % tout en maintenant un taux de succès comparable au baseline mono-bras. Des expériences sur robot réel portant sur quatre tâches distinctes confirment la fiabilité du système, entraîné uniquement sur quelques échantillons mono-bras en régime few-shot. L'enjeu principal ici est le coût de collecte des données bimanuelles, qui constitue l'un des principaux freins à la manipulation duale en robotique industrielle et service. Les systèmes comme ALOHA ou les plateformes de télé-opération bimanuelle nécessitent des configurations spécialisées et des opérateurs formés, rendant le passage à l'échelle difficile. ExS2D contourne ce goulot d'étranglement en réutilisant des démonstrations mono-bras existantes, potentiellement déjà disponibles dans les parcs robotiques en production. La réduction de 54,4 % des étapes d'exécution représente un gain de débit concret pour des lignes d'assemblage ou de tri, bien que les conditions expérimentales exactes (vitesse, complexité des objets, variabilité de la scène) ne soient pas détaillées dans l'abstract, ce qui invite à nuancer cette métrique avant toute extrapolation industrielle. La manipulation bimanuelle attire des investissements croissants de la part d'acteurs comme Figure AI (Figure 03), Physical Intelligence (pi0) ou Apptronik, tous confrontés au même problème de données. La tendance actuelle est d'utiliser des VLA (Vision-Language-Action models) entraînés sur de vastes corpus de démonstrations humaines, mais la collecte bimanuelle reste coûteuse même pour ces acteurs. ExS2D s'inscrit dans une direction complémentaire, celle du transfer learning structural depuis des données mono-bras, une approche qui pourrait intéresser les intégrateurs travaillant sur des cellules robotiques existantes en mono-bras. Il s'agit pour l'instant d'un travail académique sans déploiement commercial annoncé ; la prochaine étape logique serait une validation sur des tâches industrielles plus complexes et avec une plus grande variabilité d'objets.

Recherche❖Paper

1 source