IndustrielRobotics Business Review7sem

Combler l'écart de latence : pourquoi l'IA physique exige des architectures edge-first

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Les systèmes vision industriels déployés en cloud affichent des latences aller-retour de 100 à 200 millisecondes pour la chaîne complète (acquisition image, inférence, retour commande). La norme ISO/TS 15066 sur le Speed and Separation Monitoring (SSM) impose pourtant au robot de maintenir en permanence une distance de séparation protectrice vis-à-vis de l'opérateur, et de réduire sa vitesse ou stopper dès que cette distance est franchie. À une vitesse de bras modérée de 2 m/s, une latence de 150 ms représente une zone aveugle de 300 mm dans la cellule, soit la différence entre une opération conforme et un incident. Pour compenser, les intégrateurs élargissent les zones de sécurité et plafonnent les vitesses, annulant l'essentiel du bénéfice productivité visé par la collaboration. L'architecture proposée consiste à déplacer l'inférence IA vers un processeur edge localisé dans la cellule, connecté directement au contrôleur robot via EtherCAT, PROFINET IRT ou les API temps-réel des constructeurs (URScript pour Universal Robots, RAPID pour ABB, KAREL pour FANUC), en contournant le PLC pour les ajustements cinématiques dynamiques.

L'enjeu pour les intégrateurs et les décideurs industriels est d'atteindre une latence end-to-end inférieure à 30 ms, seuil identifié comme nécessaire pour un SSM proactif en environnement dynamique. Les PLCs industriels classiques, conçus pour des cycles de scrutation de 10 à 50 ms sur des entrées-sorties discrètes déterministes, ne sont pas dimensionnés pour ingérer les flux haute bande passante issus du suivi squelettique, de l'analyse de micro-mouvements et de l'estimation de l'état opérateur. Y router les inférences IA ajoute un cycle complet plus l'overhead fieldbus, suffisant pour briser le déterminisme nécessaire. Le modèle edge-direct débloque ainsi deux niveaux de valeur simultanément : le maintien du temps de cycle dans les cellules high-mix à haute variabilité, et la conformité SSM sans recourir à des vitesses réduites permanentes. À noter : l'article ne fournit pas de données de validation expérimentale sur cellules de production réelles, ce qui sera déterminant pour les intégrateurs en phase d'évaluation.

L'article est publié par Cogniedge.ai, startup positionnée sur les architectures edge pour la robotique collaborative, dans un contexte de transition progressive des lignes brownfield vers des configurations HRC sans cage de protection. La norme ISO/TS 15066 encadre ce déploiement depuis 2016, mais son application reste freinée par des architectures logicielles héritées. Sur le marché, des acteurs comme SICK (capteurs de sécurité vision), Pilz (PNOZ, SafetyBUS) ou Veo Robotics (racheté par FANUC en 2023 après avoir développé une approche similaire de vision 3D pour SSM) adressent des segments proches. Du côté européen, des entreprises comme Pollen Robotics ou Enchanted Tools travaillent sur des plateformes robotiques à latence réduite, mais davantage dans des contextes de service que d'assemblage industriel. Les prochaines étapes logiques pour Cogniedge.ai seraient de publier des benchmarks comparatifs et de sécuriser des pilotes en production réelle, deux éléments absents de cette publication.

Impact France/UE

Les intégrateurs européens soumis à l'ISO/TS 15066 pourraient adopter ces architectures edge-direct pour maintenir la conformité SSM sans sacrifier les temps de cycle sur les lignes HRC brownfield, mais l'absence de validation expérimentale retarde toute décision d'adoption.

Dans nos dossiers

Enchanted Tools — Mirokaï Pollen Robotics — Reachy IA physique & VLA

À lire aussi

1NVIDIA Blog Robotics

NVIDIA et Doosan Group s'associent pour développer l'IA physique et les infrastructures d'usines IA

NVIDIA et le conglomérat sud-coréen Doosan Group ont annoncé en juin 2026 un élargissement de leur collaboration couvrant quatre entités du groupe : Doosan Robotics, Doosan Bobcat, Doosan Enerbility et Doosan Corporation Electro-Materials BG. Côté robotique, Doosan Robotics intègre la pile physique AI de NVIDIA, dont Isaac Sim et Isaac Lab pour la simulation, les modèles de fondation Cosmos pour la génération de monde physique, le moteur de physique open source Newton, et le SoC embarqué Jetson Thor. L'objectif est de faire évoluer leur plateforme "Agentic Robot OS" -- présentée comme une couche logicielle unifiant perception, raisonnement, simulation, apprentissage et inférence on-device -- pour des tâches industrielles concrètes comme la dépalettisation et le ponçage, ainsi que pour de nouveaux facteurs de forme incluant des bras doubles et des plateformes humanoïdes. Doosan Bobcat, spécialisé dans les engins compacts (construction, agriculture, manutention), entend de son côté exploiter les mêmes technologies pour développer des world models spécialisés. Enfin, Doosan Enerbility explore l'alimentation des AI factories NVIDIA via turbines à gaz, vapeur, réacteurs modulaires de petite taille (SMR) et piles à combustible hydrogène, pendant que Doosan Electro-Materials fournit des copper clad laminates (CCL) haute performance pour les PCB des accélérateurs et serveurs IA compatibles NVIDIA MGX. Il faut lire cette annonce pour ce qu'elle est : un accord de collaboration, pas un déploiement. Aucun chiffre de production, de cycle time, ni de volume shipment n'est communiqué. Cela dit, la structure de l'accord est stratégiquement cohérente. Doosan couvre plusieurs couches de la chaîne de valeur de l'infrastructure IA simultanément : hardware embarqué (Jetson Thor sur cobots), logiciel de simulation (Isaac Lab), matériaux de base pour data centers (CCL), et production d'énergie pour alimenter ces mêmes data centers. Pour les intégrateurs industriels, le signal le plus concret est le passage revendiqué de Doosan Robotics d'un fournisseur de bras articulés vers une entreprise "AI-first full-stack" -- une ambition que partagent Universal Robots, Fanuc et Yaskawa, mais que peu ont encore matérialisée à l'échelle. L'intégration sim-to-real via Cosmos et Newton suggère une volonté de réduire le demo-to-reality gap qui plombe encore de nombreuses démonstrations de manipulation complexe. Doosan Group, fondé en Corée du Sud en 1896 et désormais actif dans l'énergie, l'industrie lourde et la robotique, a acquis Bobcat en 2007 et structuré Doosan Robotics en unité autonome cotée en 2023. Sur le terrain de la robotique collaborative, ses concurrents directs incluent Universal Robots (acquis par Teradyne), FANUC, ABB et Techman Robot, tous en train d'intégrer des couches IA similaires. Sur le segment humanoïde, auquel Doosan fait désormais référence explicitement, la concurrence est plus intense encore : Figure (qui déploie chez BMW), Agility Robotics (Amazon), 1X, Apptronik et Tesla Optimus avancent tous sur des timelines industrielles. NVIDIA, de son côté, capitalise sur cette annonce pour consolider son positionnement de "système d'exploitation de la robotique physique", après des accords similaires avec Boston Dynamics, Foxconn et Intrinsic (Alphabet). Les prochaines étapes mentionnées restent vagues : des cas d'usage de référence sont "en cours de développement", sans date ni client annoncés.

IndustrielOpinion

1 source

2Robotics Business Review

FANUC s'associe à Google pour développer l'IA physique dans ses robots

FANUC Corp. a annoncé cette semaine un partenariat stratégique avec Google visant à accélérer le déploiement de l'IA physique dans ses robots industriels. L'initiative s'appuie sur les technologies d'intelligence artificielle de Google, notamment les grands modèles de langage (LLM), pour doter les robots FANUC de capacités de perception environnementale, de prise de décision autonome et d'exécution adaptative. Mike Cicco, président et CEO de FANUC America, a résumé l'enjeu sans détour : "Les fabricants ne se demandent plus s'ils doivent utiliser l'IA, mais comment l'appliquer là où ça compte le plus, soit sur le sol de l'usine." Depuis la présentation de son système d'IA physique à l'IREX de Tokyo en décembre 2025, FANUC affirme avoir déjà expédié plus de 1 000 robots pour des applications liées à l'IA physique, une donnée qui distingue ce partenariat d'une simple annonce commerciale. La gamme concernée s'étend des petits bras avec une charge utile de 3 kg jusqu'aux robots industriels lourds supportant 2 300 kg, ainsi que la série collaborative CRX. Sur le plan technique, la compatibilité de FANUC avec le standard ROS (Robot Operating System) via des pilotes open-source constitue le socle de l'intégration. La société prend en charge le langage Python pour le développement IA, des interfaces de communication haute vitesse pour le contrôle externe, et des passerelles vers les automates programmables (PLC), ce qui facilite l'insertion dans des lignes de production existantes sans refonte d'architecture. En parallèle, FANUC annonce un resserrement de l'intégration entre son logiciel de simulation ROBOGUIDE et le framework NVIDIA Isaac Sim, un signal fort vers le sim-to-real, l'un des verrous techniques majeurs de la robotique adaptative. Pour les intégrateurs et les décideurs industriels, ce positionnement signifie que les outils IA grand public deviennent directement utilisables sur des cellules robotisées certifiées production, ce qui réduit significativement la distance entre prototype et déploiement réel. FANUC, fondée au Japon et dont la filiale américaine est basée à Rochester Hills, Michigan, est l'un des leaders mondiaux du contrôle numérique (CNC) et de la robotique industrielle, avec des implantations sur tout le continent américain. Google s'implique dans la robotique principalement via Intrinsic, son unité dédiée à l'IA robotique et l'un des contributeurs majeurs à l'écosystème ROS. Ce partenariat positionne les deux acteurs dans une course qui s'intensifie entre les fournisseurs de robots industriels traditionnels (ABB, KUKA, Yaskawa) et les nouveaux entrants humanoïdes comme Figure ou Agility Robotics, qui misent eux aussi sur des LLM pour la flexibilité d'exécution. FANUC, fort de 1 000 unités déjà expédiées, cherche à démontrer que l'IA physique n'est plus un sujet de R&D mais une réalité commerciale intégrable à grande échelle. Les prochaines démonstrations sont attendues au Robotics Summit & Expo de Boston dans les prochains jours.

UEPression concurrentielle directe sur ABB et KUKA face à un déploiement LLM-robotique industrielle désormais à échelle commerciale chez FANUC (1 000 unités expédiées), accélérant la course à l'IA physique dans l'industrie manufacturière européenne.

IndustrielOpinion

1 source

3Robotics Business Review

L'ARM Institute étend RoboticsCareer.org vers l'IA physique

L'ARM Institute (Advanced Robotics for Manufacturing), organisation à but non lucratif basée à Pittsburgh, a annoncé une refonte substantielle de RoboticsCareer.org, son portail de carrières industrielles, désormais centré sur l'"IA physique" - terme désignant les systèmes d'IA embarqués dans des robots opérant dans des environnements industriels réels. Le site, qui a dépassé 100 000 utilisateurs en 2025, intègre quatre nouvelles fonctions : un référentiel de compétences (AI Competency Framework) co-construit avec son consortium membres (industrie, gouvernement, académie) ; des parcours de carrière standardisés ; des fiches de postes détaillant rémunérations et compétences requises ; et un répertoire de formations certifiées par l'industrie. Yaskawa America Inc., via son directeur des partenariats Clint Chapman, a contribué à définir ces standards. La plateforme vise à connecter candidats, employeurs et organismes de formation sur un point d'entrée unique, avec pour objectif affiché de réduire le déficit structurel de main-d'oeuvre qualifiée dans le secteur manufacturier américain. La pertinence de cette initiative tient à une tension bien documentée : les industriels américains accélèrent l'intégration de robots dotés d'IA pour compenser les pénuries de personnel, mais butent sur l'absence de travailleurs formés pour opérer, maintenir et intégrer ces systèmes. Selon le Forum économique mondial, le phénomène observable dans les usines est davantage une transformation des postes qu'une suppression nette - mais cette transition reste difficile à naviguer sans outillage RH adapté. Les métiers évoluent concrètement vers la maintenance de données, l'intégration de systèmes d'IA et le machine learning, compétences absentes des référentiels de formation traditionnels. Le positionnement d'"honest broker" de l'ARM Institute - arbitre neutre entre industriels, équipementiers et pouvoirs publics - confère à ce référentiel une légitimité que des initiatives portées par un seul fabricant n'auraient pas. Fondé en 2017 avec un financement du Département américain de la Défense dans le cadre du réseau Manufacturing USA, l'ARM Institute regroupe plusieurs centaines de membres dont Yaskawa, Fanuc et ABB. RoboticsCareer.org est son outil historique de workforce development, repositionné sur la vague "physical AI" - terme marketing qui recouvre ici des réalités concrètes : robots collaboratifs guidés par des modèles de vision (VLA), bras industriels pilotés par apprentissage par renforcement, AMR (Autonomous Mobile Robots) avec prise de décision locale. Sur le plan concurrentiel, la National Robotics Education Foundation ou les certifications NIMS (National Institute for Metalworking Skills) couvrent des périmètres adjacents, mais aucune n'agrège autant d'OEM partenaires ni de formations validées. Aucun calendrier précis n'a été communiqué pour les prochaines étapes - extension des offres listées, nouveaux partenariats de formation - ce qui place cette annonce davantage du côté du repositionnement stratégique que du déploiement opérationnel mesuré.

IndustrielOpinion

1 source

4Robotics & Automation News

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

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

IndustrielOpinion

1 source