Aller au contenu principal
Des quadrillages aux entrepôts : adapter la planification multi-agents légère en un coup pour les robots à guidage automatiqueIllustration générée par IA
IndustrielarXiv cs.RO 

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

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource uniqueImpact UE

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.

Impact France/UE

Les 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.

Dans nos dossiers

À lire aussi

Un cadre d'apprentissage par renforcement neuromorphique pour la planification de chemin efficace dans les systèmes robotisés de préparation de commandes
Illustration générée par IA
1arXiv 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.

UEExotec (Skypod) et les laboratoires européens autour de BrainScaleS sont directement concernés par cette avancée en calcul neuromorphique qui pourrait réduire drastiquement les coûts énergétiques des flottes AMR à grande échelle.

IndustrielOpinion
1 source
Ambi Robotics et Pickle Robot déploient des robots dopés à l'IA pour automatiser la logistique entrante en entrepôt
Illustration générée par IA
2Robotics & 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
Robots d'entrepôt conçus pour résister aux conditions difficiles
Illustration générée par IA
3The Robot Report 

Robots d'entrepôt conçus pour résister aux conditions difficiles

Nomagic, spécialiste polonais de la robotique d'entrepôt, a présenté son général manager Amérique du Nord Josh Cloer dans l'épisode 256 du podcast The Robot Report, publié début août 2026. Cloer, ancien membre fondateur de l'équipe nord-américaine de Mujin où il a bâti la stratégie commerciale de l'entreprise depuis ses débuts, pilote désormais l'expansion de Nomagic sur le marché nord-américain avec des systèmes de "physical AI" destinés aux opérations de préparation de commandes (order fulfillment). Le même épisode relaie trois actualités du secteur : un accord pouvant atteindre 900 millions de dollars signé par HII avec Path Robotics et GrayMatter Robotics pour de la robotique industrielle, l'annonce par Google DeepMind que Gemini Robotics 2 permet un contrôle corporel complet des robots, et l'ouverture par l'Université de Floride d'un nouveau laboratoire dédié à la construction industrialisée par robots. Pour les intégrateurs et décideurs logistiques, ces annonces confirment une bascule vers des systèmes d'IA physique capables de s'adapter à la variabilité réelle des entrepôts, plutôt que des cellules robotiques figées programmées pour une tâche unique. L'expansion nord-américaine de Nomagic illustre la concurrence croissante face à des acteurs établis comme Mujin sur le créneau du picking automatisé, tandis que l'accord HII à près d'un milliard de dollars signale que les grands industriels américains structurent désormais des budgets robotiques de long terme plutôt que des pilotes ponctuels. L'annonce de Gemini Robotics 2 par DeepMind s'inscrit dans la course aux modèles vision-langage-action (VLA) censés unifier perception et contrôle moteur, un terrain où Google concurrence directement les approches de type Pi-0, GR00T N2 ou Helix, même si l'ampleur réelle du "contrôle corporel complet" annoncé reste à valider en conditions industrielles plutôt que sur démonstration. Ce format, animé par Mike Oitzman pour The Robot Report, mêle habituellement une revue d'actualités hebdomadaire à un entretien approfondi avec un dirigeant du secteur ; il s'inscrit dans la préparation de la conférence RoboBusiness 2026, dont les inscriptions étaient ouvertes au moment de la diffusion. Nomagic, fondée en Pologne et financée notamment par des investisseurs technologiques européens, cible historiquement l'automatisation du picking en entrepôt par bras robotisés et vision par ordinateur ; son arrivée aux États-Unis la place directement face à des concurrents nord-américains déjà implantés comme Mujin, Dexterity ou RightHand Robotics sur le même segment du e-commerce fulfillment.

UENomagic, entreprise polonaise soutenue par des investisseurs technologiques europeens, etend son empreinte via une expansion nord-americaine, mais cette actualite precise ne concerne pas directement le marche francais ni une reglementation europeenne.

IndustrielActu
1 source
Robotiq lance une plateforme IA pour automatiser l'intégration des cellules robotiques
Illustration générée par IA
4Robotics & Automation News 

Robotiq lance une plateforme IA pour automatiser l'intégration des cellules robotiques

Robotiq, fabricant québécois d'effecteurs pour robots collaboratifs, a annoncé le lancement d'IQ, une plateforme d'intelligence artificielle conçue pour automatiser l'intégration de cellules robotiques industrielles. IQ ingère les données non structurées des projets d'automatisation, spécifications client, contraintes d'atelier, historiques de projets, pour coordonner les workflows d'ingénierie et générer des designs de cellules validés. L'objectif affiché est de réduire la dépendance aux experts intégrateurs humains, dont la rareté constitue l'un des principaux goulots d'étranglement du secteur. Les métriques de gain de temps ou de réduction de coût restent pour l'instant non communiquées publiquement. L'intégration d'une cellule robotique demeure aujourd'hui un processus largement artisanal, chronophage et peu reproductible d'un site à l'autre. En automatisant la capture des exigences et la génération de designs à partir de données historiques réelles, IQ cible directement le fossé entre phase de conception et déploiement effectif. Pour les intégrateurs partenaires de Robotiq, le bénéfice potentiel est concret : scaler les opérations sans recruter proportionnellement d'ingénieurs seniors, dans un marché où les profils spécialisés se raréfient. Fondée en 2008 à Lévis (Québec), Robotiq s'est imposée comme fournisseur de référence d'accessoires pour cobots, pinces adaptatives, capteurs force/couple, principalement sur les plateformes Universal Robots et Fanuc. IQ marque un pivot vers la couche logicielle de gestion de projets, terrain où la société entre en concurrence indirecte avec Vention, qui opère déjà une plateforme cloud de conception et déploiement de cellules, ou encore Wandelbots côté programmation. Les modalités d'accès pour les partenaires intégrateurs et les timelines de déploiement à grande échelle n'ont pas encore été précisées.

UELa plateforme IQ entre en concurrence directe avec Wandelbots (Allemagne) sur la programmation et gestion de cellules cobots ; les intégrateurs européens sur Universal Robots et Fanuc devront évaluer cette offre face aux solutions européennes existantes.

IndustrielOpinion
1 source