Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Les robots transforment les transpalettes
IndustrielRobotics & Automation News7sem

Les robots transforment les transpalettes

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

Les chariots élévateurs à palette, longtemps cantonnés à un usage manuel dans les entrepôts, franchissent un cap technologique notable avec l'intégration massive de la robotique. Ces engins se muent progressivement en AGV (Automated Guided Vehicles) ou en AMR (Autonomous Mobile Robots), deux architectures distinctes : les AGV suivent des trajets prédéfinis via rails magnétiques ou marquages au sol, tandis que les AMR naviguent librement grâce à des capteurs LiDAR, des caméras stéréo et des algorithmes de cartographie SLAM. La fusion de ces technologies avec des couches d'intelligence artificielle permet aux chariots de détecter des obstacles, de replannifier leurs itinéraires en temps réel et de s'intégrer aux systèmes WMS (Warehouse Management System) existants.

Pour un intégrateur ou un COO industriel, l'enjeu est direct : l'automatisation des tâches de manutention répétitives réduit les coûts opérationnels, augmente la cadence de traitement des palettes et limite les incidents liés à la fatigue humaine. Les AMR modernes atteignent des charges utiles de plusieurs tonnes et opèrent en multi-équipe sans interruption, ce qui modifie en profondeur les calculs de ROI sur les projets logistiques. Cela dit, l'article analysé relève davantage du contenu marketing généraliste que d'une annonce produit ou d'un déploiement chiffré, et n'apporte pas de métriques concrètes validant ces performances.

Le marché de la manutention autonome est aujourd'hui dominé par des acteurs comme Linde, Toyota Industries, Jungheinrich ou Still côté chariots traditionnels reconvertis, face à des pure-players robotiques tels que Balyo, Exotec ou Fetch Robotics. En Europe, des acteurs français comme Exotec positionnent leurs solutions sur des segments adjacents (stockage automatisé dense), tandis que la pression des grands opérateurs e-commerce accélère les cycles d'adoption. Les prochaines étapes du secteur portent sur l'interopérabilité flotte et la standardisation des interfaces API entre AMR et WMS.

Impact France/UE

Plusieurs acteurs européens (Jungheinrich, Still, Linde, Balyo) et le français Exotec sont directement positionnés sur ce marché en consolidation, leur conférant un avantage structurel face aux pure-players américains et asiatiques.

Dans nos dossiers

ExotecAMR & automatisation d'entrepôt

À lire aussi

Les robots grimpeurs ZeeBot de Cainiao transforment l'automatisation d'entrepôt à l'échelle mondiale
1Pandaily 

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.

UELe déploiement de 100+ ZeeBot de Cainiao aux Pays-Bas crée une concurrence directe pour Exotec (Lille, France), dont le Skypod est déjà déployé chez Decathlon et Uniqlo en Europe, et pourrait peser sur les parts de marché européennes de ce champion français des robots grimpeurs d'entrepôt.

IndustrielOpinion
1 source
Les robots peinent encore à percevoir le monde réel
2Robotics Business Review 

Les robots peinent encore à percevoir le monde réel

La démonstration sur le salon professionnel est sans faille : le robot glisse vers un bac, identifie l'objet, le saisit et le dépose exactement où il le faut. Puis l'équipement arrive sur site réel, et le monde cesse de se comporter comme lors du pilote. Ce fossé entre démonstration et déploiement reste l'un des obstacles les plus persistants en robotique industrielle. Les environnements contrôlés de laboratoire favorisent systématiquement la pile de perception : éclairage stable, positions d'objets fixées, arrière-plans neutres. Les entrepôts logistiques, les couloirs hospitaliers et les lignes de fabrication offrent l'inverse, éclairage variable, surfaces réfléchissantes, matériaux transparents, personnes en mouvement, vibrations de chariots élévateurs. Ce qui ressemble à une défaillance de planification ou de manipulation commence souvent par un problème de capteur ou d'estimation de confiance mal calibrée : un robot ne peut pas planifier de manière fiable autour d'une carte de profondeur qui est confiante mais fausse. L'enjeu central est le passage des caméras 2D aux systèmes de vision 3D. Une image plate ne mesure pas la profondeur, elle peut l'inférer par des priors appris ou de la géométrie multi-vues, mais ces estimations s'effondrent dès que l'éclairage, la texture ou l'occultation varient. La robotique déployée repose désormais sur trois familles de capteurs de profondeur, chacune avec ses compromis précis. La lumière structurée projette un motif connu sur la scène et mesure sa déformation pour calculer la profondeur ; efficace en intérieur pour l'inspection, mais sensible à l'infrarouge ambiant et aux surfaces réfléchissantes. La stéréovision utilise deux caméras décalées pour estimer la disparité ; la stéréo active ajoute une projection infrarouge pour les scènes peu texturées, mais reste vulnérable au flou de mouvement et aux motifs répétitifs. Le time-of-flight (ToF) mesure le temps de retour de la lumière infrarouge et offre une compacité et une densité de profondeur utiles, mais souffre de réflexions multi-chemin et d'ambiguïté de portée. Aucune catégorie ne domine universellement : le bon choix dépend de la tâche, de la portée, des matériaux, du mouvement et de la tolérance aux pannes. La tentation de compenser les limites capteur par l'IA, notamment les modèles d'estimation de profondeur à partir d'images monoculaires, est réelle mais trompeuse. Ces approches peuvent débruiter et compléter des cartes de profondeur partielles, mais elles ne remplacent pas une mesure physique fiable. Orbbec, fabricant basé en Chine avec une gamme de caméras RGB-D orientées robotique, navigation et picking, positionne son offre précisément sur ce constat : la perception robotique doit être fiable, spécifique à la tâche et mesurable dans des conditions opérationnelles réelles, pas dans un démonstrateur. La prochaine frontière du secteur n'est pas tant l'algorithme que la robustesse capteur dans des conditions dégradées, un défi que ni les VLA ni la fusion multi-modale ne résolvent encore à l'échelle du déploiement industriel.

IndustrielOpinion
1 source
Vendredi vidéo : les robots ont-ils vraiment besoin de jambes ?
3IEEE 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.

UEANYbotics (spin-off ETH Zurich, Suisse) et ABB Robotics (Suisse) sont deux acteurs européens majeurs dont les avancées, inspection autonome avec ROI documenté et nouvelle approche haptique pour cobots GoFa, renforcent directement la compétitivité de l'industrie robotique européenne.

IndustrielActu
1 source
Les robots explorent des environnements inconnus grâce à un lidar avancé
4Interesting Engineering 

Les robots explorent des environnements inconnus grâce à un lidar avancé

Ouster, spécialiste du lidar basé à San Francisco, et FieldAI, développeur d'IA robotique californien, ont annoncé un partenariat centré sur l'intégration du capteur lidar numérique Rev8 d'Ouster avec la plateforme Field Foundation Models de FieldAI. L'objectif : permettre à des robots généralistes de se déployer sur de nouveaux sites industriels sans cartographie préalable, sans infrastructure dédiée et sans modification de l'environnement. La plateforme FieldAI est conçue comme un "cerveau" universel capable d'opérer sur des types de robots très différents, dans des conditions changeantes : chantiers de construction, mines, sites énergétiques, installations souterraines et zones industrielles sans couverture GPS. Le Rev8 apporte une couche de perception couleur native aux données lidar classiques, combinant ainsi la précision de la mesure de distance par impulsions laser avec une interprétation chromatique de l'environnement. Aucun chiffre de déploiement, de prix ou de volume client n'a été communiqué dans l'annonce, il s'agit à ce stade d'une collaboration technologique déclarée, pas d'un produit expédié. Ce partenariat pointe vers un verrou structurel du secteur : la dépendance des robots industriels aux environnements précartographiés. Les systèmes AMR (autonomous mobile robots) conventionnels exigent typiquement des semaines de mapping, des marquages au sol ou des balises fixes avant de pouvoir opérer. La proposition de FieldAI, entrer sur un site comme un nouvel employé, évaluer l'environnement et commencer à travailler sans connaissance préalable, représente un changement de paradigme si elle se confirme à l'échelle. L'ajout du lidar couleur Rev8 renforce l'interprétabilité des décisions du robot (distinguer un obstacle fixe d'un opérateur en mouvement, identifier des équipements par leur apparence) et améliore la sécurité dans des contextes où caméras seules ou GPS sont insuffisants. Pour un intégrateur ou un COO industriel, cela se traduit potentiellement par une réduction significative des coûts et délais de mise en service, le principal frein commercial des déploiements robotiques en environnements non structurés. FieldAI s'est construit sur la conviction que les grands modèles de fondation, entraînés à comprendre le monde physique plutôt qu'une tâche spécifique, constituent la brique manquante pour généraliser l'autonomie robotique. Ouster, de son côté, est issu de la vague lidar initiée par Velodyne et ses concurrents ; son passage au lidar numérique (SPAD-based) lui a permis de réduire les coûts et d'augmenter la résolution. Sur le marché des capteurs de perception pour robots industriels, Ouster concurrence Hesai (Chine), Innoviz (Israël) et Luminar (États-Unis), tandis que FieldAI se positionne face à des plateformes d'intelligence robotique comme Boston Dynamics AI Institute, Intrinsic (Google) ou ANYbotics. Aucun acteur européen n'est impliqué dans ce partenariat. Les prochaines étapes annoncées incluent l'intégration du Rev8 dans les déploiements en cours de FieldAI chez ses clients industriels, sans calendrier précis communiqué.

IndustrielOpinion
1 source