IndustrielIEEE Spectrum Robotics7h

Robot omnidirectionnel : une démonstration extrême en vidéo

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

La sélection hebdomadaire de l'IEEE Spectrum met en avant cette semaine un robot multi-pattes baptisé Argus, dont le nombre de membres indéfini lui confère une mobilité omnidirectionnelle poussée à l'extrême, aux antipodes des architectures bipèdes ou quadrupèdes standards. Parmi les autres démonstrations notables, Noble Machines présente Moby, un robot mobile manipulateur capable de déplacer des charges progressives jusqu'à 50,3 livres (environ 22,8 kg) tout en maintenant équilibre et mobilité dans des espaces non structurés. L'Université du Texas, en collaboration avec Sony Group Corporation, dévoile la main ARISTO (Anthropomorphic, Robotic, Integrated-Sensing, Tendon-Operated), un bras de recherche conçu spécifiquement pour manipuler des objets petits, minces et fragiles. Le Robotics and AI Institute publie une vidéo d'AthenaZero, qui jongle à mains nues grâce à un retour visuel embarqué, enchaînant plusieurs patterns incluant cascade, demi-douche, tennis et shower. Figure montre une démonstration de longévité sur tâche répétitive avec un humanoïde bipède, mais sans mécanisme de récupération d'erreur visible. Astribot propose un bras robotique sans base locomotrice au prix affiché de 13 000 dollars. L'initiative Eco-Score for Robots (Robotics EcoLabel) propose enfin un cadre d'évaluation environnementale des systèmes robotiques, inspiré des étiquettes éco-énergétiques grand public.

Ces démonstrations révèlent une fracture persistante entre ce que les robots réalisent en conditions contrôlées et ce qu'ils livrent dans des environnements industriels réels. Moby se distingue précisément parce qu'il traite des charges croissantes dans des espaces non structurés: c'est le type de preuve dont ont besoin les intégrateurs et les COO pour envisager un déploiement concret, là où la plupart des vidéos concurrentes restent cantonnées au laboratoire. La main ARISTO pointe vers un verrou majeur de l'automatisation: la manipulation fine d'objets fragiles reste non résolue pour l'assemblage électronique ou pharmaceutique, et le co-développement Sony-UT signale que des industriels de premier rang misent sur la recherche académique pour le débloquer. La remarque de l'auteur sur Figure est éditoriale mais significative: un humanoïde qui tient sur une tâche répétitive sans récupération d'erreur prouve l'endurance mécanique, pas la robustesse opérationnelle. AthenaZero illustre par ailleurs que les mains multi-doigts commencent à rivaliser avec des end-effectors dédiés pour des tâches dynamiques, ce qui ouvre la voie à des manipulateurs généraux moins spécialisés.

La rubrique Video Friday de l'IEEE Spectrum fonctionne comme un baromètre hebdomadaire, agrégant sans filtre commercial des travaux de laboratoires universitaires, startups et grandes entreprises. Le contexte événementiel est dense: ICRA 2026 se tient du 1er au 5 juin à Vienne, RSS 2026 du 13 au 17 juillet à Sydney, et Actuate 2026 les 18 et 19 août à San Francisco, conférences où plusieurs de ces travaux seront vraisemblablement soumis à peer review. En termes de positionnement concurrentiel, Noble Machines s'attaque au segment AMR avec manipulation lourde, face à Boston Dynamics (Stretch) et Agility Robotics (Digit), tandis qu'Astribot cible les cas d'usage desktop à bas coût en concurrence directe avec Franka Robotics et Universal Robots. L'initiative EcoLabel, orientée vers les appels d'offres robotiques européens, s'inscrit dans les contraintes ESG croissantes pesant sur les intégrateurs du Vieux Continent.

Impact France/UE

L'initiative Eco-Score for Robots (EcoLabel) cible explicitement les appels d'offres robotiques européens et les contraintes ESG croissantes des intégrateurs, ce qui pourrait influencer les critères d'achat public et privé en France et en UE à court terme.

Dans nos dossiers

Boston Dynamics Agility Robotics — Digit ICRA / IROS / CoRL

À lire aussi

1IEEE Spectrum Robotics

Vendredi vidéo : des engins de chantier lourds fonctionnent de façon autonome

Cette semaine dans le panorama robotique publié par IEEE Spectrum, la démonstration la plus concrète provient d'ETH Zurich, qui présente la première solution d'autonomisation complète déployée sur un engin de manutention de matériaux industriels de 40 tonnes en conditions réelles, un manipulateur hydraulique équipé d'une pince libre sous-actionnée traditionnellement opéré par un conducteur humain dans les secteurs des déchets, de la construction et de la démolition. La Norwegian University of Science and Technology (NTNU) a publié en open-source son Unified Autonomy Stack, une architecture de navigation combinant LiDAR, radar, vision et centrale inertielle pour robots aériens et terrestres à pattes, validée en environnements GNSS-dégradés ; le système intègre raisonnement visio-langagier, planification multi-comportements et couches de sécurité par fonctions de barrière de contrôle. En parallèle, Figure AI a diffusé une vidéo de rangement de chambre sans préciser le modèle de robot utilisé ni les conditions de tournage. Unitree a présenté un véhicule civil habité transformable pesant environ 500 kg avec conducteur à bord. La startup Lumos a annoncé NIX, un robot humanoïde orienté danse urbaine et IA incarnée, disponible gratuitement pour des partenaires sélectionnés parmi des universités, laboratoires de robotique et technologues créatifs. L'autonomisation d'engins lourds présente un ratio effort/impact plus favorable à court terme que le déploiement humanoïde grand public : les machines de 40 tonnes opèrent sur des cycles répétitifs en environnements semi-structurés, rendant la tâche plus tractable pour les systèmes actuels. L'intégration réalisée par ETH Zurich est notable parce qu'elle s'appuie sur un engin existant, sans reconstruire une nouvelle plateforme dédiée. L'open-sourcing du stack NTNU répond à un verrou réel : la navigation robuste sans GPS reste un frein majeur pour les déploiements en intérieur industriel ou en zones isolées. Sur les humanoïdes, l'éditorial d'IEEE Spectrum formule explicitement une mise en garde contre les revendications de "niveau humain" sur des tâches de manipulation : les humains sont structurellement très performants dans ce type de travail, et les évaluer correctement exige des benchmarks rigoureux, un rappel pertinent pour les décideurs B2B qui instruisent des pilotes. Rodney Brooks, cofondateur et CTO de Robust.AI, classé 44e au Forbes 250 America's Greatest Innovators, s'est exprimé sur les défis structurels de l'innovation robotique et la signification de la vague IA actuelle pour le secteur, soulignant que la difficulté fondamentale reste l'intégration fiable en monde ouvert. Agility Robotics, dont le bipède Cassie est évoqué comme référence historique de la recherche en locomotion, poursuit sa trajectoire vers son humanoïde Digit. Du côté de la recherche fondamentale, la méthode EFGCL (reinforcement learning guidé par forces assistives) démontre des mouvements dynamiques, sauts, backflips et vrilles latérales, sur robots à pattes, une direction qui alimente les futures plateformes de loco-manipulation. L'University of Southern California explore pour sa part l'utilisation de robots à pattes pour la récolte légumière en contexte agricole réel, un cas d'usage concret dont les performances à l'échelle restent à documenter.

UEETH Zurich (Suisse) démontre l'autonomisation complète d'un engin de manutention de 40 tonnes sur équipement existant sans nouvelle plateforme dédiée, et NTNU publie en open-source un stack de navigation robuste sans GPS, deux contributions de la recherche européenne directement applicables à l'automatisation industrielle et logistique sur le marché EU.

IndustrielActu

1 source

2arXiv cs.RO

Navigation omnidirectionnelle par vision : apprentissage par distillation enseignant-élève avec estimation de profondeur monoculaire

Des chercheurs ont publié sur arXiv (2603.01999) un système de navigation omnidirectionnelle pour robots mobiles industriels fonctionnant sans LiDAR, en s'appuyant sur quatre caméras RGB et un modèle de profondeur monoculaire. L'architecture dite "enseignant-étudiant" entraîne d'abord une politique "enseignant" par renforcement (PPO) dans NVIDIA Isaac Lab, avec des observations LiDAR 2D privilégiées couvrant l'empreinte complète du robot. Cette politique distille ensuite son comportement vers une politique "étudiant" qui ne perçoit l'environnement qu'à travers des cartes de profondeur générées par une version fine-tunée de Depth Anything V2. L'ensemble du pipeline (estimation de profondeur, exécution de la politique, contrôle moteur) tourne entièrement sur un NVIDIA Jetson Orin AGX embarqué sur un DJI RoboMaster, sans aucun calcul externe. En simulation, l'étudiant atteint 82 à 96,5 % de taux de succès, contre 50 à 89 % pour l'enseignant LiDAR. Sur terrain réel, il le surpasse également face à des obstacles à géométrie complexe : structures en surplomb et objets ras-du-sol qui échappent au plan de balayage unique d'un capteur 2D. Ce résultat remet en cause un postulat industriel courant : que la navigation robuste en entrepôt ou en atelier nécessite obligatoirement un LiDAR 3D ou une caméra de profondeur dédiée. Le LiDAR 2D, standard des AMR déployés aujourd'hui chez MiR, Fetch ou Locus Robotics, ne capture qu'une tranche horizontale de l'environnement et ignore les rebords en surplomb, les jambes de table et les obstacles ras du sol. En montrant qu'une politique visuelle apprise surpasse son propre enseignant LiDAR sur ces cas critiques, les auteurs valident un transfert sim-to-real fonctionnel et ouvrent la voie à des plateformes AMR significativement moins coûteuses. L'inférence entièrement embarquée supprime par ailleurs toute dépendance cloud, point critique pour les intégrateurs industriels soumis à des contraintes de latence ou de connectivité. L'approche s'appuie sur Depth Anything V2, modèle fondational d'estimation de profondeur monoculaire publié en 2024 par ByteDance Research, et sur NVIDIA Isaac Lab, lancé la même année comme successeur d'Isaac Gym. La plateforme DJI RoboMaster, initialement conçue pour la compétition étudiante, sert ici de banc de test de recherche pour sa robustesse mécanique. Les travaux s'inscrivent dans la tendance de policy distillation explorée notamment par ETH Zurich (projet ANYmal) pour la locomotion quadrupède. Le gap entre ces résultats expérimentaux et un déploiement industriel certifié reste à combler : les expériences réelles présentées restent limitées en durée et en diversité d'environnements, et aucun pilote en conditions de production n'est annoncé à ce stade.

UELes intégrateurs AMR européens s'appuyant sur des plateformes LiDAR 2D, dont MiR (danois), peuvent anticiper une réduction potentielle des coûts capteurs grâce à cette approche vision-only embarquée, mais aucun déploiement en conditions industrielles réelles n'est encore annoncé.

IndustrielPaper

1 source

3Robotics & Automation News

Plus One Robotics diffuse huit heures de performances en direct d'automatisation d'entrepôt

Plus One Robotics, spécialiste américain de l'automatisation des entrepôts basé à San Antonio (Texas), a organisé une démonstration en direct de huit heures de son système d'induction de colis piloté par IA, diffusée simultanément sur ses chaînes YouTube et LinkedIn. L'exercice consistait à montrer un système robotique d'induction de colis fonctionnant en continu, sans interruption, dans des conditions opérationnelles réelles. La durée volontairement longue du stream visait à offrir une fenêtre transparente sur les performances effectives de la robotique d'entrepôt à grande échelle, au-delà des extraits soigneusement montés habituellement présentés dans les démonstrations marketing. L'article ne précise pas les métriques de cadence ou de taux d'erreur atteints pendant ces huit heures, ce qui limite l'évaluation objective de la performance annoncée. La démarche est significative dans un secteur où le gouffre entre démo et réalité terrain reste un sujet brûlant. Montrer huit heures de fonctionnement non interrompu est une réponse directe aux sceptiques qui pointent le cherry-picking des vidéos promo. Pour les intégrateurs logistiques et les COO de centres de distribution, la continuité opérationnelle et la tolérance aux cas limites comptent bien plus que des pics de performance isolés. Si les métriques associées (throughput réel, taux de succès de saisie, types de colis traités) sont publiées, ce stream constituerait une référence utile pour les appels d'offres. Plus One Robotics opère dans un segment très concurrentiel dominé par Mujin, Pickle Robot, Covariant et Symbotic pour la manipulation de colis en entrepôt. La société a notamment des déploiements annoncés chez des opérateurs logistiques majeurs et s'appuie sur une approche Human-in-the-Loop ("Yonder") pour gérer les cas d'exception. Cette démonstration longue durée s'inscrit dans une tendance plus large du secteur vers la validation publique de la robustesse, après une période où les promesses marketing ont précédé les résultats terrain.

IndustrielActu

1 source

4Interesting Engineering

FANUC et NVIDIA développent des robots au comportement identique en simulation et en réalité

FANUC, le géant japonais de la robotique industrielle, et NVIDIA ont annoncé en mai 2026 une extension significative de leur partenariat visant à éliminer l'écart entre simulation et déploiement réel en usine. L'intégration technique combine NVIDIA Isaac Sim avec le logiciel de simulation propriétaire de FANUC, ROBOGUIDE, pour créer des jumeaux numériques où les robots virtuels reproduisent exactement les mêmes trajectoires et temps de cycle que leurs homologues physiques, en s'appuyant sur des algorithmes de contrôle identiques. Deux modes de fonctionnement sont proposés : dans le premier, Isaac Sim orchestre l'environnement virtuel tandis que ROBOGUIDE synchronise les comportements en arrière-plan, avec support des pupitres de programmation physiques et virtuels. Dans le second, ROBOGUIDE prend la main pendant que le moteur physique PhysX de NVIDIA gère la simulation, notamment pour des tâches comme le bin picking, où le robot doit identifier et saisir des pièces empilées en vrac. En parallèle, FANUC a présenté un système bi-bras composé de deux robots collaboratifs CRX capables de plier des T-shirts en temps réel, entraînés par imitation learning via le modèle de fondation robotique Isaac GR00T N de NVIDIA. La plateforme Jetson Thor équipe désormais le robot d'évitement humain de FANUC, avec une puissance de calcul multipliée par 7,5 par rapport à l'ancienne génération Jetson AGX Orin. L'enjeu industriel est direct : le problème du sim-to-real gap coûte des semaines de recalibration sur site à chaque nouveau déploiement. Si FANUC et NVIDIA tiennent leur promesse d'une fidélité totale entre simulation et réalité, les intégrateurs pourraient valider des cellules complètes en virtuel avant même d'avoir commandé les équipements physiques, compressant drastiquement les timelines de mise en production. La démonstration du pliage de textile est également notable : les objets déformables restent l'un des angles morts historiques de la robotique industrielle, et un système capable de gérer le linge en temps réel avec retour visuel ouvre des perspectives concrètes pour la logistique e-commerce et le textile. Le chiffre de 7,5x de gain en calcul sur Jetson Thor est cohérent avec les besoins croissants des pipelines vision-action (VLA) embarqués. Il convient toutefois de noter que les démonstrations présentées, notamment le pliage de T-shirts, restent des prototypes de laboratoire : aucun déploiement en production à grande échelle n'est annoncé à ce stade. FANUC avait une première fois montré cette intégration Isaac Sim / ROBOGUIDE à l'International Robot Exhibition de Tokyo fin 2024, mais la version actuelle approfondit substantiellement la communication entre les deux systèmes. FANUC, avec plus de 700 000 robots installés dans le monde, est l'un des rares acteurs à pouvoir valider ce type d'approche à l'échelle industrielle réelle plutôt qu'en conditions de laboratoire. Sur le terrain concurrentiel, cette initiative s'inscrit dans une course directe avec ABB et son partenariat Isaac Sim, ainsi qu'avec KUKA et Universal Robots qui développent leurs propres pipelines de simulation physique. NVIDIA, de son côté, consolide Isaac comme couche d'abstraction standard pour la simulation robotique industrielle, une position stratégique face à des alternatives open-source comme Gazebo ou MuJoCo. Les technologies seront présentées en conditions réelles lors de l'Open House FANUC prévu en mai 2026, premier test public de la robustesse de l'intégration hors cadre contrôlé.

UELes industriels européens équipés de robots FANUC bénéficieraient d'une réduction significative des délais de mise en production, tandis qu'ABB et KUKA, concurrents européens directs, sont contraints d'accélérer leurs propres pipelines de simulation physique pour ne pas se laisser distancer sur ce segment.

IndustrielActu

1 source