Aller au contenu principal
Brain Corp s'associe à l'UC San Diego pour aider les robots à opérer dans des environnements complexesIllustration générée par IA
IndustrielThe Robot Report 

Brain Corp s'associe à l'UC San Diego pour aider les robots à opérer dans des environnements complexes

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 unique

Brain Corp a annoncé cette semaine un partenariat de recherche élargi avec l'Université de Californie à San Diego (UCSD), centré sur le développement d'une couche dite de "contextual grounding" pour robots autonomes. Concrètement, il s'agit d'une représentation numérique intelligente des espaces physiques, permettant à des AMR, drones et véhicules autonomes de comprendre leur environnement en temps réel et d'y réagir de manière adaptative. Le projet est piloté par le Dr. Nikolay Atanasov, directeur de l'Existential Robotics Laboratory au sein du département Electrical and Computer Engineering de la Jacobs School of Engineering. Les deux partenaires ciblent les environnements commerciaux et industriels complexes, là où la variabilité des conditions -- présence humaine, obstructions dynamiques, modifications de layout -- met en échec les approches SLAM classiques. La collaboration s'appuie sur la base opérationnelle de Brain Corp: plus de 50 000 AMR déployés dans le monde et plus de 25 millions d'heures cumulées de fonctionnement sur des sites commerciaux réels, un volume de données terrain que peu d'acteurs académiques peuvent atteindre seuls.

L'enjeu industriel est direct. Les modèles vision-language-action (VLA) et les architectures generatives transforment rapidement ce qu'un robot peut faire, mais leur fiabilité en déploiement réel reste le principal frein à la commercialisation à grande échelle. Ce que Brain Corp et l'UCSD tentent de résoudre, c'est précisément le "sim-to-real gap" appliqué à la perception sémantique: un robot capable d'interpréter une scène dans un simulateur ou un environnement contrôlé ne garantit pas la même robustesse dans un entrepôt logistique avec 200 opérateurs humains. La cartographie 3D sémantique, contrairement aux approches purement end-to-end basées sur la vision brute, conserve une représentation structurée de l'espace -- ce qui facilite l'orchestration de flottes hétérogènes et l'intégration de capteurs fixes avec des agents IA mobiles. L'objectif affiché de Brain Corp n'est pas de résoudre une seule tâche robotique, mais de construire une infrastructure de plateforme capable de coordonner ces systèmes à l'échelle enterprise, ce qui positionne BrainOS comme un système d'exploitation pour flottes plutôt qu'un simple firmware d'AMR.

Brain Corp, fondée en 2009 et basée à San Diego, a construit sa position sur BrainOS, plateforme d'autonomie embarquée initialement déployée sur des autolaveuses commerciales de marques comme Tennant et Nilfisk. La collaboration avec l'UCSD s'inscrit dans une tendance sectorielle plus large où les éditeurs de logiciels robotiques cherchent à ancrer leur R&D dans des partenariats académiques pour accéder à une recherche fondamentale en perception et mapping -- une stratégie comparable à celle de Boston Dynamics avec le MIT, ou de Agility Robotics avec Oregon State. Les concurrents directs sur le segment de l'orchestration de flottes incluent Fetch Robotics (Zebra Technologies), 6 River Systems (Shopify) et MiR (Teradyne). Le CTO de Brain Corp, John Black, détaillera cette approche lors du Robotics Summit and Expo 2026 à Boston la semaine prochaine. Aucune timeline de déploiement commercial pour cette couche sémantique n'a été communiquée à ce stade.

À lire aussi

Aider les robots à s'intégrer dans l'environnement de travail humain
Illustration générée par IA
1MIT News Robotics 

Aider les robots à s'intégrer dans l'environnement de travail humain

Robust AI, la startup cofondée en 2019 par le professeur émérite du MIT Rodney Brooks (aujourd'hui directeur technique) et Anthony Jules (directeur de l'innovation), commercialise Carter, un robot mobile qui ressemble à un chariot utilitaire sur roues. Il est équipé d'une poignée sensible à la force, d'un système de vision piloté par IA et de roues holonomes qui lui permettent de se déplacer instantanément dans toutes les directions. Un opérateur peut le pousser ou le tirer d'une seule main, lui couper la route, le diriger par gestes ou via l'écran tactile embarqué. Selon l'entreprise, les robots sont déjà déployés dans des entrepôts logistiques et sur des lignes d'usine, où ils assistent les opérateurs pour le prélèvement et le réapprovisionnement des rayonnages, et transportent des articles de façon autonome. Plusieurs workflows existent : guider un opérateur vers un emplacement précis, le suivre jusqu'à un point de chargement, ou transférer des charges d'un poste à un autre. L'article ne fournit ni payload, ni prix, ni nombre d'unités déployées, ni noms de clients. L'intérêt tient au positionnement : Robust AI ne vise pas la pleine autonomie mais un système où robot, humains et logiciels de back-end se partagent le travail, avec une réelle capacité d'intervention de l'opérateur. Jules rappelle que seuls environ 5 % des usines disposent de systèmes entièrement automatisés à 50 à 200 millions de dollars, tandis que la grande majorité n'a pas même de convoyeur et ne remplacera pas ses installations. Pour un intégrateur ou un COO, l'argument est celui d'une automatisation progressive, sans refonte du site, dont l'intégration au poste de travail est laissée au client. Cette thèse répond à un écueil connu : une étude évaluée par les pairs, citée par Leila Takayama (vice-présidente de l'interaction homme-robot), montre que dans de nombreux hôpitaux, des robots de transport étaient éteints et rangés contre les murs, les infirmiers les jugeant en panne. Brooks explique que ces robots s'arrêtaient net face à une personne dans un couloir, bloquant le passage d'un brancard. À noter que les affirmations de performance restent déclaratives, sans métrique publiée de productivité ni de temps de cycle, et que l'estimation de 30 000 pas par jour pour un opérateur provient de l'entreprise. Côté historique, Brooks a enseigné au MIT de 1984 à 2010, dirigé le CSAIL de 1997 à 2007 et cofondé iRobot (introduit en bourse en 2005) puis Rethink Robotics, déjà centré sur la robotique collaborative, avec un parcours industriel mitigé. Jules, passé par le CSAIL dans les années 1990, a cofondé Sapient, rachetée par Publicis en 2015. Robust AI est née fin 2019 autour d'un logiciel comparé à un moteur de jeu vidéo pour l'entraînement des robots, a pivoté pendant le Covid-19 vers des robots de désinfection de surfaces, puis a dû abandonner cette voie lorsqu'il est apparu que le virus ne se transmettait pas par les surfaces. L'entreprise a alors choisi la logistique et la fabrication, en s'appuyant sur des années d'entretiens clients, et a accepté de construire du matériel. Elle évolue dans un segment des AMR collaboratifs où opèrent notamment Locus Robotics et Zebra (Fetch), et ne se situe pas dans la course aux humanoïdes. Aucune échéance de nouveau pilote ni levée de fonds n'est mentionnée.

IndustrielOpinion
1 source
Des ingénieurs américains franchissent une étape clé vers une conscience précise de l'environnement réel pour les robots autonomes
Illustration générée par IA
2Interesting Engineering 

Des ingénieurs américains franchissent une étape clé vers une conscience précise de l'environnement réel pour les robots autonomes

Brain Corp, spécialiste américain des systèmes d'autonomie pour robots commerciaux, annonce un partenariat de recherche avec l'Université de Californie San Diego (UC San Diego) pour développer des technologies de cartographie sémantique et d'intelligence contextuelle. L'accord implique notamment le professeur Nikolay Atanasov du département d'Electrical and Computer Engineering de la Jacobs School. L'objectif déclaré : doter les robots autonomes d'une couche de compréhension spatiale plus fine que ce que permettent les solutions de localisation et cartographie simultanées (SLAM) actuelles. Brain Corp s'appuie sur un parc opérationnel de plus de 50 000 robots autonomes déployés dans des environnements commerciaux à l'échelle mondiale, totalisant plus de 25 millions d'heures d'opérations autonomes, corpus de données réelles qui constitue le socle expérimental de la collaboration. L'enjeu dépasse la simple navigation : les approches basées sur la vision directe (end-to-end visual) peinent à maintenir une robustesse satisfaisante dans des environnements dynamiques à grande échelle. Le tandem Brain Corp/UC San Diego parie que des cartes 3D sémantiques enrichies, intégrant la nature fonctionnelle des objets et des espaces et pas seulement leur géométrie, permettront aux flottes de robots de s'adapter à des conditions changeantes sans intervention humaine. Pour les intégrateurs et les opérateurs industriels, cela se traduit par une résilience opérationnelle accrue et une coordination multi-agents fiable à l'échelle d'un site entier, qu'il s'agisse d'entrepôts, d'hôpitaux ou d'espaces commerciaux. John Black, CTO de Brain Corp, résume l'enjeu : "le défi n'est plus le mouvement ou la perception, mais la compréhension." Il convient de noter que l'annonce ne détaille aucune métrique de performance ni résultat expérimental publié à ce stade. Brain Corp, fondée en 2009 à San Diego, s'est imposée dans le segment des robots de nettoyage autonomes (AMR floor care) en grande distribution et facilities management, avec des clients comme Walmart, en déployant sa plateforme BrainOS comme système d'exploitation mutualisé pour l'ensemble de sa flotte. Face à l'émergence de modèles vision-langage-action (VLA) portés par des acteurs comme Physical Intelligence avec pi-0, Nvidia avec GR00T N2, ou Figure AI avec Figure 03, Brain Corp repositionne BrainOS comme infrastructure d'orchestration d'agents autonomes hétérogènes plutôt que comme simple pile de navigation. Le partenariat avec UC San Diego vise à intégrer directement ces avancées en cartographie sémantique dans BrainOS. Aucun calendrier de livraison n'est précisé : il s'agit pour l'heure d'un accord de collaboration recherche, non d'un produit commercialisé ni d'un déploiement en cours.

IndustrielActu
1 source
Bâtir des robots pour des environnements imprévisibles et sans infrastructure
Illustration générée par IA
3The Robot Report 

Bâtir des robots pour des environnements imprévisibles et sans infrastructure

Burro, entreprise américaine de robotique agricole, a présenté son premier robot en 2018 lors d'une démonstration réussie qui a néanmoins masqué l'ampleur réelle du problème à résoudre. La plateforme Burro est conçue pour transporter, tracter, patrouiller, tondre, pousser ou tirer différents équipements en environnement agricole extérieur, sans infrastructure fixe, sans éclairage contrôlé et souvent sans fiabilité GPS sous couvert végétal. Contrairement à la robotique en environnement fermé, où l'optimisation en conditions contrôlées peut se prolonger des années avant la confrontation au terrain, Burro n'a eu d'autre choix que d'affronter immédiatement les conditions réelles: température allant de sous zéro à environ 49°C, luminosité variable selon l'heure et la saison, sol changeant entre pluie, poussière et boue. L'entreprise dit avoir appris deux choses au contact du terrain: la tolérance quasi nulle des utilisateurs professionnels à toute défaillance dès lors que le robot devient un outil dont dépend leur activité, et le fait qu'un robot fiable dans une condition climatique donnée n'est pas une version légèrement améliorée d'un même système, mais le résultat d'un tout autre travail d'ingénierie construit sur l'exposition réelle et répétée au terrain plutôt que sur la seule simulation. Ce retour d'expérience illustre un écart largement documenté dans le secteur entre la démonstration en conditions favorables et le déploiement réel en production, un point sensible pour les intégrateurs et décideurs industriels qui évaluent des solutions robotiques mobiles ou humanoïdes. Le message central de Burro est que la bascule d'un client, de la curiosité pour un nouvel outil à la dépendance opérationnelle vis-à-vis de celui-ci, s'opère en quelques semaines seulement, ce qui relève d'emblée la barre de fiabilité exigée bien au-delà de ce qu'un environnement de laboratoire permet d'anticiper. Pour les acheteurs B2B de robotique mobile autonome, cela recadre l'évaluation d'un fournisseur: la question n'est pas seulement la performance de pointe démontrée en vidéo, mais la capacité prouvée à accumuler des données opérationnelles réelles, à échouer sans danger et à corriger rapidement, plutôt que la seule sophistication de la simulation utilisée en amont. Burro positionne cette expérience agricole comme transférable à d'autres environnements extérieurs jugés comme la prochaine frontière de la robotique autonome: les cours de ports, qui ajoutent à la variabilité climatique un trafic dense de véhicules lourds et des mouvements humains irréguliers; les campus logistiques, qui combinent terrain extérieur imprévisible et exigences de débit ne tolérant aucune interruption; et les chantiers de construction, dont la configuration physique change chaque jour. Selon l'entreprise, aucun de ces environnements ne peut être résolu depuis un laboratoire ni par la seule simulation, mais uniquement par une présence opérationnelle continue sur site. Ce plaidoyer, publié à l'approche de la conférence RoboBusiness 2026, s'inscrit dans un débat plus large du secteur sur la solidité réelle des architectures VLA et de l'autonomie mobile à grande échelle, au-delà des annonces et des vidéos soigneusement sélectionnées.

IndustrielActu
1 source
FANUC s'associe à Google pour développer l'IA physique dans ses robots
Illustration générée par IA
4The Robot Report 

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