IndustrielInteresting Engineering 7 mai 2026

LG fait équipe des robots humanoïdes et quadrupèdes pour automatiser ses entrepôts

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

LG CNS, filiale IT du conglomérat sud-coréen LG, a présenté le 6 mai 2026 une démonstration de logistique multi-robots sur son campus Magok, dans l'ouest de Séoul. Quatre robots de fabricants différents ont exécuté une chaîne de manutention complète sans téléopération ni intervention humaine : un humanoïde bipède a saisi des colis sur un tapis roulant et les a transmis à un robot quadrupède à roues, qui les a acheminés jusqu'à un humanoïde sur plateforme roulante, lequel a positionné les boîtes sur des étagères situées à plus de deux mètres de hauteur. Le cycle complet, entre stations espacées de deux à trois mètres, s'est bouclé en environ 90 secondes. L'ensemble repose sur la plateforme Physical Works de LG CNS, articulée en deux briques : Physical Works Forge (entraînement par simulation et données vidéo) et Physical Works Baton (orchestration centralisée de flottes multi-marques). La plateforme prend en charge les humanoïdes bipèdes et sur roues, les quadrupèdes, les AMR et les AGV via une interface unifiée. LG Display a par ailleurs dévoilé en parallèle un écran P-OLED courbe de 7,2 pouces (technologie Tandem OLED troisième génération) destiné à l'affichage facial des robots humanoïdes.

Ce qui rend la démonstration techniquement notable, c'est moins la performance individuelle de chaque robot que la couche logicielle de coordination inter-marques. La plateforme intègre un mécanisme de réaffectation dynamique des tâches : lors de la simulation d'un incident, le quadrupède a été basculé vers une mission de patrouille de sécurité, et un AMR de remplacement a pris le relais de transport sans interrompre le flux. LG CNS annonce que cette approche ramène les délais de déploiement de plusieurs mois à un à deux mois, avec des projections de gains de productivité supérieurs à 15 % et de réduction des coûts opérationnels allant jusqu'à 18 % dans des environnements de flottes mixtes d'environ 100 unités. Ces chiffres restent des projections internes, non encore validés en production à grande échelle, et le cycle de 90 secondes a été mesuré sur une distance très courte, ce qui en limite la portée comme indicateur de performance industrielle réelle.

LG CNS positionne Physical Works dans un marché où la concurrence se structure autour de plateformes d'orchestration robotique plutôt que d'hardwares isolés. Aux États-Unis, Boston Dynamics propose Orbit pour la gestion de flottes Spot, tandis qu'Amazon et ses partenaires intègrent déjà des flottes mixtes AMR-humanoïdes (Digit d'Agility Robotics) dans leurs entrepôts. En Corée du Sud, Samsung et Hyundai (actionnaire de Boston Dynamics) sont également présents sur ce terrain. LG CNS a annoncé mener des projets pilotes avec 20 clients industriels et déployer la plateforme dans le cadre du projet Busan Smart City. Le groupe a aussi pris des participations dans des entreprises de contrôle humanoïde et de robot foundation models, sans en préciser les noms, ce qui suggère une stratégie d'intégration verticale en cours de consolidation.

Dans nos dossiers

Boston Dynamics Agility Robotics — Digit

À lire aussi

1TechNode

Xiaomi fait le point sur ses robots humanoïdes en usine automobile, avec 98 % de réussite sur certaines tâches

Xiaomi a communiqué de nouveaux résultats sur le déploiement de son robot humanoïde dans une de ses usines automobiles. Après quatre mois d'itérations successives, le taux de réussite du robot sur un poste de vissage d'écrous autotaraudeurs est passé de 90,2 % à 98 %, selon les chiffres avancés par l'entreprise, réduisant l'écart avec le taux de qualification des ouvriers humains à un seul point de pourcentage. Xiaomi a également étendu les tâches confiées à la machine avec deux nouveaux postes : le tri de panneaux latéraux de console centrale et le pliage puis recyclage de bacs à pièces, tous deux affichant un taux de réussite de 90 %. Le poste de tri des panneaux de console constitue, selon le constructeur, la première fois qu'un robot humanoïde effectue des opérations continues de longue durée sur des pièces souples dans une usine automobile. Ces chiffres proviennent de communications internes de l'entreprise, relayées par le média chinois Jiemian, sans validation indépendante. Ce type d'annonce pèse dans le débat sur l'écart entre démonstration et réalité industrielle qui traverse le secteur des robots humanoïdes. Manipuler des pièces souples et non rigides en continu reste l'un des obstacles majeurs à une automatisation généralisable au-delà de tâches répétitives sur objets calibrés, un problème central pour les intégrateurs et les décideurs industriels qui évaluent la maturité réelle de ces machines avant d'investir. Un taux de réussite proche de celui d'un opérateur humain sur un poste de production, si confirmé à plus grande échelle, renforcerait l'argument selon lequel certains modèles de contrôle vision-langage-action commencent à tenir leurs promesses en environnement de production réel, et pas seulement en laboratoire. Xiaomi investit dans la robotique humanoïde depuis la présentation de son robot CyberOne en 2022, dans un contexte où les groupes chinois comme Unitree, UBTech et Fourier Intelligence multiplient les essais en usine, aux côtés d'acteurs occidentaux tels que Figure AI, Tesla avec Optimus ou Agility Robotics. Xiaomi n'a pas communiqué de calendrier de déploiement à grande échelle ni de volumes de production visés, laissant ces annonces au stade d'un pilote industriel interne plutôt que d'un déploiement commercial confirmé.

IndustrielActu

1 source

2Robotics Business Review

Jabil fait le point sur le rythme de développement et de production des robots humanoïdes

Jabil, le prestataire américain de conception, de chaîne d'approvisionnement et de fabrication basé à St. Petersburg (Floride), explique à The Robot Report où en est le passage des humanoïdes du prototype à la production en série. L'entreprise travaille avec plusieurs développeurs de robots, dont Apptronik, qu'elle accompagne pour amener son humanoïde Apollo vers des environnements de fabrication réels. Elle cite Tesla, 1X Technologies, XPeng et UBTECH parmi les acteurs qui préparent une montée en cadence, mais indique travailler aussi avec de grands développeurs américains et étrangers qu'elle ne peut pas nommer. Selon Thomas Brown, directeur senior ingénierie et technologie (dont robotique et commerce numérique), le secteur sort de la phase des petites séries assemblées à la main sur site pour entrer dans celle de « dizaines de milliers » d'unités. Cela suppose une structure de coûts, une conception pour la fabricabilité et un niveau de qualité qui n'existaient pas jusque-là. Aucun chiffre de production, prix unitaire ou calendrier précis n'est fourni, et Jabil n'a pas de raison neutre de minimiser l'ampleur du marché qu'il vise. Pour les intégrateurs et les décideurs industriels, le message est que le goulet d'étranglement se déplace de la démonstration vers l'industrialisation. Tant qu'un robot reste très coûteux, on n'en produit que peu, ce qui limite à la fois la collecte de données d'entraînement et la validation des cas d'usage clients. La baisse des coûts de conception conditionne donc directement l'apprentissage des modèles. Brown estime que la puissance de calcul embarquée suffit déjà pour une bonne part de ce que montrent les vidéos de démonstration, mais qu'il en faut davantage en périphérie. Les modules NVIDIA Jetson dominent chez ses clients, et la hausse des prix du calcul et de la mémoire reste un frein à la montée en volume. Il souligne aussi des contraintes de conception peu visibles, comme les faisceaux de câblage, qui doivent allier la robustesse de l'automobile et la miniaturisation de l'électronique grand public, ainsi que la modularité des alimentations. Sur le plan commercial, il juge que les humanoïdes changent l'équation par rapport aux lignes dédiées à une tâche, et que les entreprises qui ont défini des exigences précises avec des clients industriels adoptent la bonne méthode, contrairement au grand public, où le cas d'usage (« plier le linge ») reste flou. Le contexte est celui d'une filière où l'attention s'est surtout portée sur les vidéos spectaculaires et les levées de fonds massives, tandis que Hyundai, Tesla et BMW financent et testent des humanoïdes en conditions industrielles. Brown note que, contrairement à l'ère pré-smartphone où l'on pouvait faire croître les capacités jusqu'au point de coût visé, les fabricants redéfinissent et diversifient aujourd'hui leurs chaînes d'approvisionnement. Le propos reste un témoignage de fournisseur, sans pilote annoncé ni calendrier de volumes, et les noms des principaux clients de Jabil demeurent confidentiels. Le sujet sera au programme de RoboBusiness, prévu les 20 et 21 octobre 2026 à Santa Clara (Californie), où la physique de l'IA et les humanoïdes figurent parmi les thèmes de session.

UEPas d\'impact direct sur la France/UE

IndustrielActu

1 source

3Robotics & Automation News

Ambi Robotics et Pickle Robot déploient des robots dopés à l'IA pour automatiser la logistique entrante en entrepôt

Ambi Robotics et Pickle Robot Company ont annoncé l'intégration de leurs systèmes robotiques respectifs afin de créer une solution automatisée de bout en bout pour la logistique entrante en entrepôt, couvrant l'ensemble de la chaîne depuis le déchargement des remorques jusqu'à l'empilement des palettes. Le système combine le robot de déchargement autonome de Pickle Robot, conçu pour retirer les colis d'une remorque ou d'un conteneur sans programmation préalable, avec la plateforme de tri et de manutention pilotée par intelligence artificielle d'Ambi Robotics, connue sous le nom d'AmbiSort. Les deux entreprises indiquent avoir développé cette intégration en réponse à une demande exprimée par des distributeurs et prestataires logistiques figurant au classement Fortune 500. Cette annonce cible l'un des postes les plus pénibles et les plus consommateurs de main-d'œuvre de l'entrepôt, le déchargement manuel de remorques, souvent associé à un fort taux de blessures et à une rotation de personnel élevée. Pour les intégrateurs et décideurs logistiques, l'opération illustre une tendance de fond du secteur : plutôt que de développer une pile technologique complète en interne, les fournisseurs de robotique d'entrepôt combinent des briques spécialisées, ici la préhension et le tri par IA d'un côté, la manipulation mobile de charges lourdes de l'autre, pour couvrir un flux logistique complet. Elle traduit aussi une pression croissante sur l'automatisation du flux entrant, longtemps moins mature que le tri sortant. Ambi Robotics est issue de recherches menées à l'AUTOLab de l'université de Californie à Berkeley et commercialise ses robots de tri AmbiSort dans des centres de distribution de la grande distribution et du e-commerce. Pickle Robot Company, basée dans le Massachusetts, développe depuis plusieurs années des robots de déchargement de conteneurs et de remorques reposant sur la vision par ordinateur. Le secteur du déchargement automatisé compte aussi des acteurs comme Boston Dynamics, avec son robot Stretch dédié à cette tâche. À ce stade, l'annonce reste une intégration commerciale entre deux fournisseurs, sans détail public sur des sites de déploiement ni des volumes traités.

IndustrielActu

1 source

4arXiv cs.RO

Des quadrillages aux entrepôts : adapter la planification multi-agents légère en un coup pour les robots à guidage automatique

Une équipe de chercheurs a publié le 21 mai 2026 (arXiv:2605.15799) un nouveau cadre algorithmique baptisé MAWPF (Multi-Agent Warehouse Pathfinding), conçu pour adapter les méthodes classiques de planification multi-agents (MAPF) aux véhicules guidés automatisés (AGV) à transmission différentielle réellement déployés en entrepôt. Contrairement aux formulations MAPF standards qui supposent une grille 2D à quatre connexions avec des déplacements unitaires, MAWPF intègre quatre contraintes physiques réalistes : les agents ne peuvent effectuer que des mouvements rectilignes ou des rotations sur place, les rotations ont un coût multi-étapes (non unitaire), les phases d'accélération et de décélération sont modélisées explicitement, et les collisions par l'arrière entre robots suiveurs sont interdites. Les auteurs ont adapté et comparé quatre algorithmes sous-optimaux représentatifs issus de la littérature MAPF : PP (Prioritized Planning), LNS2 (Large Neighborhood Search 2), PIBT (Priority Inheritance with Backtracking) et LaCAM. Les benchmarks montrent que PP et LNS2 peinent à résoudre des instances à grand nombre d'agents, tandis que les approches basées sur PIBT offrent une meilleure scalabilité, au prix d'un coût de solution plus élevé. Ce travail comble un écart concret entre la recherche en planification combinatoire et les contraintes opérationnelles des entrepôts automatisés, où les AGV à transmission différentielle dominent le marché (flottes Locus Robotics, 6 River Systems, Exotec Skypod). Le fait que les rotations et la cinématique soient désormais intégrées dans le modèle de collision élimine une source fréquente d'échec au déploiement, le "sim-to-real gap" cinématique, sans abandonner la tractabilité de la recherche combinatoire discrète. Pour un intégrateur ou un COO, cela signifie que les algorithmes de planification peuvent être qualifiés sur des métriques proches du comportement réel des véhicules, réduisant les ajustements coûteux en production. Le MAPF classique, formalisé depuis les années 2010 avec des algorithmes comme CBS (Conflict-Based Search) et ses variantes, a longtemps été critiqué pour son manque de réalisme physique. Des travaux récents comme MAPF avec agents de taille variable ou avec contraintes temporelles ont ouvert cette direction, mais la cinématique différentielle restait peu traitée. Sur le plan concurrentiel, Amazon Robotics et Waymo Via investissent dans des approches d'optimisation de flotte propriétaires, tandis que des startups comme Exotec (France) ou Autostore misent sur des architectures matérielles contraintes qui simplifient le problème de planification. La prochaine étape naturelle serait l'extension à la planification lifecycle (avec objectifs de livraison dynamiques) et des tests sur des entrepôts physiques instrumentés, non encore annoncés par les auteurs.

UELes intégrateurs de flottes AGV en Europe, et notamment Exotec (France, Skypod), peuvent s'appuyer sur ce cadre MAWPF pour qualifier leurs planificateurs sur des métriques cinématiques réalistes, réduisant les coûteux ajustements de production liés au sim-to-real gap différentiel.

IndustrielPaper

1 source