FR/EU ecosystemeIEEE Spectrum Robotics6sem

L'open source commence à aider les robots à raisonner

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Depuis deux ans, Hugging Face, Nvidia et Alibaba ont multiplié les publications open source dans la robotique cognitive, cherchant à résoudre ce qui était jusque-là le goulot d'étranglement du secteur : faire raisonner, décider et agir un robot. Nvidia a constitué une pile complète articulée autour de trois couches : Cosmos, des world models qui génèrent des données d'entraînement synthétiques et simulent des environnements physiques ; GR00T, des modèles permettant l'exécution de tâches complexes ; et Isaac, un ensemble de frameworks d'orchestration reliant entraînement, simulation et déploiement. Ces modèles sont hébergés sur Hugging Face. Ce mouvement s'inscrit dans une longue tradition : le Robot Operating System (ROS), lancé en 2007, a unifié le secteur en fournissant un framework standardisé au-dessus de Linux pour les fonctions fondamentales de la robotique, communication inter-composants, gestion du hardware, cartographie, planification de trajectoires. Avant ROS, chaque équipe réécrivait cette infrastructure de zéro, absorbant souvent une à deux années de travail avant de pouvoir conduire les recherches réelles.

L'enjeu est structurant : si l'open source peut faire pour la cognition robotique ce qu'il a fait pour les LLMs, la barrière à l'entrée pour construire un robot capable pourrait chuter aussi vite qu'elle l'a fait pour les applications d'IA générative. Spencer Huang, directeur produit robotique chez Nvidia, note que la vision par ordinateur, autrefois coûteuse en expertise, se code aujourd'hui en quelques lignes. "Pour entrer dans la robotique, il ne faut plus nécessairement un doctorat", dit-il. La logique économique est explicite : fournir un modèle pré-entraîné de haute qualité que chaque acteur peut fine-tuner, plutôt que de demander à chacun de reprendre le pré-entraînement from scratch. Pour les intégrateurs et les décideurs industriels, cela se traduit concrètement par des cycles de développement raccourcis et une moindre dépendance aux profils rares.

Le parallèle avec l'histoire de l'IA est tracé explicitement par Brian Gerkey, co-créateur de ROS, aujourd'hui Board Chair d'Open Robotics et CTO d'Intrinsic, l'unité robotique et IA de Google. La communauté IA a, dès ses débuts, partagé recherches, modèles et données en open source, et le domaine a progressé bien plus vite que presque tous les observateurs ne l'anticipaient. Les premières briques d'infrastructure open source pour la robotique remontent au milieu des années 1990, avec des projets comme le package Inter-Process Communication de Carnegie Mellon et le projet Player au début des années 2000, mais ces initiatives restaient fragmentées et liées à des groupes isolés. ROS a unifié la couche basse du secteur ; Nvidia, Hugging Face et Alibaba tentent aujourd'hui de reproduire cette unification pour la couche cognitive. Les outils de simulation sont désormais suffisamment précis pour être utiles à l'entraînement et accessibles hors des laboratoires spécialisés. La question qui demeure ouverte : ces modèles pré-entraînés tiendront-ils leurs promesses dans des déploiements industriels réels, au-delà des démonstrations contrôlées ?

Impact France/UE

Hugging Face, fondée à Paris et co-initiatrice de ce mouvement open source aux côtés de Nvidia et Alibaba, se positionne comme infrastructure centrale de distribution des modèles cognitifs robotiques mondiaux.

Dans nos dossiers

NVIDIA GR00T World models

À lire aussi

1Robotics Business Review

Comment l'intégration de cobots compacts améliore les applications de robots mobiles autonomes (AMR)

L'usage des cobots dans les entrepôts et les ateliers de production a été multiplié par dix entre 2018 et 2025, selon les données du secteur, porté par les pénuries de main-d'oeuvre et la pression sur la productivité. Kassow Robots, fabricant danois de bras collaboratifs, met en avant l'intégration de ses modèles à 7 axes sur des AMR (robots mobiles autonomes) pour créer des manipulateurs mobiles capables de pick-and-place, palettisation, machine-tending, vissage, étiquetage et soudage à l'échelle d'une installation entière. L'innovation technique centrale revendiquée par l'entreprise : le contrôleur du cobot, jusqu'ici imposé en armoire externe à proximité du poste fixe, est désormais intégré dans la base compacte du bras lui-même. Ces manipulateurs mobiles fonctionnent en outre sur la batterie embarquée de l'AMR, supprimant toute dépendance à une infrastructure d'alimentation fixe. L'article ne communique pas de métriques précises (temps de cycle, payload, volumes de déploiement, tarifs) au-delà des affirmations générales d'efficacité. L'intégration du contrôleur dans le bras est le verrou technique qui bloquait depuis des années la mobilisation des cobots : une solution sur AMR nécessitait auparavant de tracter l'armoire de commande ou de gérer un câblage complexe, rendant l'ensemble peu praticable. Pour les intégrateurs industriels, supprimer ce cabinet simplifie l'installation et réduit l'empreinte au sol. Les bras à 7 axes offrent par ailleurs un avantage fonctionnel sur les 6 axes classiques : ils accèdent à des zones difficiles autour de leur propre base, angle mort structurel des architectures à 6 degrés de liberté, et multiplient les orientations de travail possibles. Côté sécurité, les cobots à limitation de force et de puissance (power- and force-limited) autorisent une collaboration directe avec les opérateurs sans les procédures lourdes imposées par les robots industriels haute vitesse, ce qui réduit les frictions opérationnelles au sol. Ces gains restent à relativiser : l'article s'appuie essentiellement sur les argumentaires de Kassow, sans données comparatives tierces ni retours de déploiements à grande échelle. Kassow Robots est un acteur européen positionné sur le segment niche des cobots 7 axes, face à Universal Robots (UR, groupe Teradyne) qui domine le marché des cobots standards. Dans les solutions de manipulateurs mobiles, les configurations concurrentes les plus répandues couplent des bras UR avec des AMR de MiR (également Teradyne), ou des plateformes d'Omron et de Fetch Robotics (Zebra Technologies). En Europe, des acteurs comme Exotec opèrent sur des architectures différentes -- AMR de stockage sans cobot monté -- ciblant des segments adjacents. Les AMR actuels s'appuient sur le lidar embarqué pour naviguer sans guidage physique, en rupture avec les AGV de première génération qui requéraient bandes magnétiques et capteurs additionnels. Le marché des manipulateurs mobiles reste en phase d'émergence commerciale : les premières installations pilotes se multiplient, mais les déploiements à grande échelle dans la logistique et l'industrie n'en sont qu'à leurs débuts.

UEKassow Robots (fabricant danois) représente un acteur européen positionné sur le segment des cobots 7 axes pour manipulateurs mobiles, offrant une alternative européenne aux configurations américaines dominantes (UR/MiR/Teradyne) pour les intégrateurs industriels de l'UE.

FR/EU ecosystemeActu

1 source

2arXiv cs.RO

Contrôle des robots humanoïdes avec conscience de la force pour les mains multidoigts

Des chercheurs de l'Istituto Italiano di Tecnologia (IIT, Gênes) ont publié sur arXiv (2603.08142v2) un framework de contrôle force-aware pour mains multi-doigts sur robots humanoïdes. Le système exploite cinq capteurs magnétiques Xela pour estimer les forces de contact en temps réel, sans recourir aux signaux tactiles bruts. Un dataset de signaux tactiles couplés à des mesures de force ground-truth a été constitué via des interactions avec des indenters calibrés, puis utilisé pour entraîner des estimateurs de force. Le contrôleur résultant coordonne simultanément le torse, le bras, le poignet et les doigts pour redistribuer les forces de contact et maintenir une prise stable sur des objets à distribution de masse variable. Sur une tâche d'équilibrage impliquant cinq objets distincts, le framework atteint 82,7 % de taux de succès, et 80 % de précision dans des scénarios multi-objets. L'approche est notable car elle s'appuie sur des forces estimées plutôt que sur des signaux capteurs spécifiques, ce qui la rend théoriquement transférable à tout capteur capable de produire une estimation de force, sans recalibration du contrôleur. Le noeud technique central est la minimisation de la distance entre le Centre de Pression (CoP) et le centroïde du polygone de contact des doigts, un critère classique de stabilité de prise en mécanique du contact. Ce choix de critère explicite, couplé à un schéma de contrôle model-based, contraste avec les approches purement apprentissage (VLA, imitation learning) dominantes dans les humanoïdes commerciaux actuels, où l'interprétabilité de la commande reste limitée. Pour les intégrateurs industriels, c'est un signal que le sim-to-real pour la manipulation dextre peut passer par des architectures hybrides capteur-modèle plutôt que par du bout-en-bout. L'IIT est l'un des laboratoires européens les plus actifs en robotique humanoïde, connu notamment pour le robot iCub et ses travaux fondateurs sur la manipulation dextre et la peau artificielle. Ce travail s'inscrit dans la lignée de recherches sur le contrôle de contact multi-doigts, un domaine où des acteurs comme Shadow Robot (UK), Sanctuary AI (Canada) ou Agility Robotics (USA) progressent également, mais via des stacks propriétaires moins publiés. Le code et les données sont disponibles en open source sur GitHub (hsp-iit/multifingered-force-aware-control), ce qui facilite la reproduction et l'adaptation. Les prochaines étapes naturelles seraient une validation sur des scénarios d'assemblage réels et une intégration avec des politiques de plus haut niveau pour la planification de saisie.

UEL'IIT (Gênes) publie en open source un framework de contrôle dextre pour humanoïdes avec métriques concrètes, offrant aux laboratoires et industriels européens un outil directement reproductible pour la manipulation multi-doigts sans dépendance à des capteurs propriétaires.

FR/EU ecosystemePaper

1 source

3Robotics Business Review

Les robots IA de GFT Technologies passent de l'inspection à l'action pour les constructeurs automobiles

GFT Technologies SE, éditeur allemand de transformation digitale basé à Stuttgart, a annoncé le lancement d'une solution robotique intégrant l'IA directement dans l'action physique sur les lignes d'assemblage automobile. Là où la quasi-totalité des systèmes d'inspection visuelle existants se contentent de signaler une anomalie à un opérateur humain, GFT déploie désormais trois bras robotiques distincts capables, en séquence, de détecter et de retirer physiquement les pièces défectueuses sans intervention humaine. Le premier robot embarque une caméra fixée directement sur son préhenseur pour vérifier en temps réel le positionnement, les défauts visuels, ainsi que la lisibilité des étiquettes et numéros de série sur des pièces comme des pare-chocs, portières ou conduites. La solution est développée en partenariat stratégique avec Google Cloud dans le cadre d'un programme Industry 4.0, et s'appuie sur du matériel fourni notamment par NEURA Robotics. L'entreprise, qui emploie plus de 12 000 experts dans plus de 20 pays, cite Ford Motor Co. parmi ses clients en transformation des systèmes de production. L'enjeu est économique autant que technique. Un rappel de véhicule peut coûter plus de 500 dollars par unité à corriger, représentant des dizaines de millions de dollars pour un constructeur. Le principal blocage jusqu'ici n'était pas la détection, mais le délai entre l'alerte et la correction, incompatible avec la cadence d'une ligne moderne. GFT positionne sa solution comme une réponse directe à ce "gap insight-to-action". Sur le plan technique, la plateforme fusionne des données hétérogènes en temps réel : images de caméras d'inspection, vitesse de convoyeurs, signaux RFID de traçabilité des pièces. Brandon Speweik, responsable manufacturing chez GFT, note que les modèles actuels nécessitent désormais quelques centaines d'images pour l'entraînement, contre plusieurs milliers auparavant, ce qui réduit significativement le coût et le délai de personnalisation pour chaque constructeur. GFT Technologies revendique 35 ans d'expérience dans l'intégration pour l'industrie, avec une présence historique dans la banque, l'assurance et la manufacture. La solution robotique est présentée comme une extension naturelle de travaux antérieurs avec Google sur l'inspection visuelle assistée par IA. Sur le marché de l'inspection automatisée en milieu industriel, GFT se positionne face à des acteurs comme Cognex, Keyence ou des intégrateurs spécialisés, en misant sur une approche "clé en main" combinant software, robotique et connaissance métier. Le partenariat avec NEURA Robotics, startup allemande connue pour ses robots cognitifs, suggère une orientation vers des systèmes à capacités d'adaptation plus larges. L'article ne précise pas les volumes de déploiement actuels ni les timelines de généralisation, et la solution reste à ce stade une annonce commerciale sans chiffres de performance indépendants publiés.

UEGFT Technologies (Stuttgart) et NEURA Robotics (Allemagne) co-développent une solution d'inspection-action robotique pour l'automobile qui pourrait être adoptée par des constructeurs européens cherchant à réduire les coûts de rappel sur leurs lignes d'assemblage.

FR/EU ecosystemeActu

1 source

4Interesting Engineering

Combinaison robotique simule l'apesanteur sur Terre pour améliorer les capacités motrices des astronautes

Des chercheurs du Centre de recherche allemand pour l'intelligence artificielle (DFKI) et de l'Université de Duisbourg-Essen (UDE) ont participé à la 46e campagne de vols paraboliques du DLR à Bordeaux, du 11 au 22 mai 2026, dans le cadre du projet MikroBeM. L'objectif : déterminer si un entraînement sur Terre avec un exosquelette robotique adapté par IA peut préparer les astronautes aux déficiences motrices fines induites par la microgravité. À bord d'un Airbus A310 "Zero G", les participants ont effectué 180 paraboles au total, chacune offrant exactement 22 secondes d'apesanteur réelle lors du piqué contrôlé de l'appareil. Durant ces fenêtres, les sujets devaient pointer du doigt index le centre d'une cible sur écran, sans pouvoir voir leur main, couverte par un cape opaque. Des capteurs enregistraient simultanément l'activité cérébrale (EEG), les contractions musculaires (EMG) et la fréquence cardiaque. L'ensemble des données a été collecté sans aucune défaillance matérielle. La véritable contribution technique de MikroBeM réside dans la phase d'entraînement pré-vol. La moitié des participants avait passé un mois en laboratoire à s'entraîner dans l'exosquelette développé conjointement par le DFKI et l'UDE. Le système utilise l'IA pour mesurer précisément le poids du bras de l'utilisateur, puis applique des contre-forces motorisées pour neutraliser complètement l'effet de la gravité sur le membre. Le cerveau perçoit alors le bras comme en apesanteur. Comparer ce groupe entraîné à un groupe contrôle non entraîné pendant les vols permet d'évaluer si ce conditionnement au sol "tient" dans la vraie microgravité. Les premiers résultats sont qualifiés de "très prometteurs" par les chercheurs, sans que des chiffres de performance précis n'aient encore été publiés. L'enjeu pour les opérateurs de missions est réel : en microgravité, les gestes de maintenance précis sur station spatiale, tels que serrer un connecteur ou manipuler de l'électronique, deviennent instables et dangereux faute de repères gravitationnels. Le projet MikroBeM s'inscrit dans un contexte plus large de préparation aux missions longue durée vers la Lune et Mars, où les astronautes ne pourront pas bénéficier de simulations en orbite basse comme sur l'ISS. Le DFKI est un acteur reconnu en exosquelettes et robotique de service; côté concurrents, les programmes d'entraînement moteur en microgravité simulée restent un segment de niche, avec quelques initiatives universitaires américaines et japonaises mais aucun dispositif commercial comparable clairement annoncé à ce stade. Les chercheurs indiquent également une retombée médicale directe : les mécanismes d'adaptation cérébrale à un environnement physique altéré sont pertinents pour la neurotechnologie et la rééducation post-AVC, ouvrant potentiellement l'usage de cet exosquelette spatial à des patients neurologiques en réapprentissage moteur. Les prochaines étapes du projet impliquent l'analyse complète des données de vol et la publication des résultats comparatifs.

UELe projet MikroBeM, mené par des institutions européennes (DFKI, UDE, DLR) avec une campagne réalisée à Bordeaux, positionne l'Europe sur le segment émergent de l'entraînement moteur en microgravité simulée, avec des retombées potentielles en neurorééducation post-AVC.

FR/EU ecosystemePaper

1 source