IndustrielNVIDIA Blog Robotics3h

NVIDIA dote les usines d'un nouveau cerveau IA avec son Factory Operations Blueprint

2 sources couvrent ce sujet·Source originale ↗·

Résumé IASources croisées · 2Impact UE

Egalement couvert par :NVIDIA Developer Blog ↗

Lors du GTC Taipei en marge du Computex 2026, NVIDIA a présenté le Factory Operations Blueprint (FOX), une architecture de référence pour déployer un agent de gestion d'usine autonome. Fondé sur NemoClaw, AI-Q Blueprint et les modèles ouverts Nemotron, FOX orchestre en temps réel des agents spécialisés (contrôle qualité, transport de matériaux, sécurité des opérateurs) en agrégeant signaux machines, alertes opérationnelles et instructions de travail dans une couche décisionnelle unifiée. La solution est optimisée pour le DGX Station, équipé du superchip Grace Blackwell Ultra (GB300) : 20 petaflops en précision FP4, 748 Go de mémoire cohérente, et support de modèles jusqu'à 1 000 milliards de paramètres. Foxconn, premier fabricant électronique mondial, est le déployeur le plus avancé : son système MoMClaw connecte des centaines d'agents spécialisés sur une ligne de production réelle, avec une interface en langage naturel et des contrôles de confidentialité via NVIDIA OpenShell. Les projections annoncées atteignent 80 % de réduction du temps d'analyse de cause racine, +15 % de productivité main-d'oeuvre et -10 % de taux de pannes machines. Pegatron, également déployeur initial, vise une réduction de 15 % de la redondance d'équipements en remplaçant les machines en attente par une orchestration dynamique des robots. Advantech et Wistron complètent les quatre industriels taïwanais à adopter FOX en premier.

Ces métriques, non encore auditées indépendamment, pointent vers un changement structurel : l'intelligence d'usine quitte le modèle d'automatisation îlot par îlot pour une couche d'orchestration centralisée pilotée par agent. Le déploiement local sur DGX Station répond à des contraintes réelles des industriels, notamment la latence, la souveraineté des données et la résilience en cas de panne réseau, là où les solutions cloud peinent à convaincre les équipes OT. La capacité de FOX à automatiser le cycle complet de ré-entraînement des modèles (détection de dérives de précision, génération synthétique de données, fine-tuning, redéploiement en production) via les outils TAO est particulièrement structurante pour les intégrateurs, qui réalisent aujourd'hui ce travail manuellement à coût élevé.

NVIDIA consolide depuis plusieurs années une pile verticale pour l'usine intelligente : Omniverse pour les jumeaux numériques, Metropolis pour la vision industrielle, Isaac pour la robotique. FOX est la couche d'orchestration qui soude ces briques entre elles. Sur le terrain concurrentiel, Siemens avec son Industrial Copilot (basé sur Azure OpenAI), Rockwell Automation avec FactoryTalk AI et PTC avec Vuforia occupent un espace similaire, sans la verticale matérielle intégrée que représente le binôme FOX/DGX Station. Les prochaines étapes naturelles incluent l'extension à l'automotive, à la pharma et à l'agroalimentaire, ainsi que l'ouverture d'une marketplace d'agents spécialisés via les APIs standardisées annoncées, point clé pour dépasser le positionnement actuel centré sur l'électronique taïwanaise.

Impact France/UE

Siemens (Allemagne) est directement concurrencé par FOX via son Industrial Copilot (Azure OpenAI), ce qui devrait accélérer les investissements européens dans les plateformes d'orchestration d'usine pour maintenir leur compétitivité face à la verticale matérielle intégrée NVIDIA/DGX Station.

Dans nos dossiers

Souveraineté robotique

À lire aussi

1Robotics Business Review

FANUC renforce l'intégration de ses robots avec NVIDIA Isaac Sim

FANUC a annoncé début mai 2026 un renforcement de l'intégration entre son logiciel de simulation ROBOGUIDE et le framework NVIDIA Isaac Sim, articulé autour de deux modes d'opération complémentaires. Dans le premier, Isaac Sim pilote l'interface utilisateur tandis que ROBOGUIDE tourne en arrière-plan pour garantir la fidélité des trajectoires : les opérateurs manipulent le robot en temps réel via un pupitre virtuel ou physique connecté à ROBOGUIDE, comme sur une machine réelle, avec possibilité d'enseigner des programmes et de vérifier les résultats directement dans l'environnement simulé. Le second mode intègre le moteur physique NVIDIA PhysX dans ROBOGUIDE, permettant de simuler des scénarios de bin picking avec des pièces en vrac modélisées par physique procédurale, associées au système de vision 3D de ROBOGUIDE pour les opérations pick-and-place. En parallèle, FANUC a présenté ce mois-ci un démonstrateur de pliage de T-shirts basé sur le modèle fondation GR00T N de NVIDIA, exécuté sur la plateforme embarquée Jetson Thor via apprentissage par imitation. La collaboration avait été démontrée pour la première fois à l'IREX de Tokyo en décembre 2025. L'enjeu industriel est double. La promesse d'éliminer le "sim-to-real gap" (l'écart de comportement entre robot simulé et robot réel) repose sur l'utilisation des mêmes algorithmes de contrôle dans les deux environnements ; si elle tient en production, cela réduirait significativement le temps de mise en service virtuelle (virtual commissioning), poste de coût majeur pour les intégrateurs industriels. La simulation de bin picking avec PhysX répond par ailleurs à un besoin concret : ce type de cellule nécessitait jusqu'ici de longs essais physiques avec de vraies pièces. Une réserve s'impose cependant : les vidéos de démonstration sont sélectionnées pour leur succès et ne permettent pas de conclure sur la robustesse à l'échelle avec des géométries complexes ou des conditions d'éclairage variables. L'intégration d'Isaac Lab pour l'apprentissage par renforcement et par imitation ouvre également la voie à la génération de politiques de contrôle sans programmation explicite, un gain de temps réel pour les petites séries. FANUC, fondé en 1972 à Oshino au Japon et premier fournisseur mondial de commandes numériques et de robots industriels avec plus de 900 000 unités installées, consolide ici un partenariat avec NVIDIA initié autour des plateformes Jetson et Omniverse. La concurrence directe est significative : ABB propose RobotStudio, KUKA son environnement KUKA.Sim, Universal Robots URSim, mais aucun n'affiche encore une intégration bi-directionnelle aussi étroite avec l'écosystème NVIDIA. Du côté des constructeurs d'humanoïdes (Figure, 1X, Agility Robotics), la simulation haute-fidélité est aussi un levier clé pour l'entraînement des modèles VLA (vision-language-action), segment que FANUC ne cible pas mais dont l'outillage converge vers les mêmes briques technologiques. Les prochaines étapes annoncées portent sur l'extension du support aux composants flexibles (câbles, textiles) et le déploiement commercial de la cellule de pliage basée sur GR00T N, dont les timelines n'ont pas encore été précisées.

UEL'intégration FANUC-NVIDIA accentue la pression concurrentielle sur ABB et KUKA pour proposer des capacités équivalentes, et pourrait réduire les coûts de mise en service virtuelle pour les intégrateurs industriels européens équipés de robots FANUC.

IndustrielOpinion

1 source

2Robotics & Automation News

Fanuc renforce son partenariat avec Nvidia pour la simulation de robots IA et les jumeaux numériques

Fanuc a approfondi son partenariat avec Nvidia en intégrant Isaac Sim, le framework ouvert de simulation robotique de Nvidia, directement dans RoboGuide, le logiciel de simulation et de programmation hors-ligne propriétaire de Fanuc. Cette interconnexion permet désormais aux opérateurs de piloter des robots Fanuc au sein d'environnements d'usine entièrement virtuels, et de générer des jumeaux numériques haute-fidélité exploitables pour la planification de production et la validation de trajectoires. La technologie a été présentée en démonstration lors de l'International Robot Exhibition (IRE) de Tokyo en décembre 2025, où Fanuc a montré un flux d'importation de mouvements robotiques entre les deux plateformes. L'enjeu industriel est significatif : RoboGuide est l'un des outils de programmation hors-ligne les plus déployés dans l'automatisation industrielle, Fanuc ayant franchi le cap des 900 000 robots installés à l'échelle mondiale. Connecter cet outil à Isaac Sim, qui s'appuie sur le moteur de simulation physique Omniverse d'Nvidia, réduit concrètement l'écart sim-to-real lors de la mise en service : les programmes validés en virtuel arrivent sur la cellule réelle avec moins de cycles d'ajustement. Pour un intégrateur ou un COO industriel, c'est une réduction directe des temps de commissioning et des risques de redémarrage en production. Fanuc intègre progressivement l'IA à son catalogue depuis plusieurs années, notamment via des modules de vision et d'inspection basés sur l'apprentissage profond. Nvidia, de son côté, multiplie les partenariats similaires avec Universal Robots, Boston Dynamics, Agility Robotics et Figure pour imposer Isaac Sim comme infrastructure standard de la robotique physique. Cette annonce est pour l'instant une démonstration technologique, pas un déploiement commercial confirmé ; les modalités de disponibilité pour les intégrateurs tiers n'ont pas été précisées.

UELes intégrateurs et industriels européens utilisant des robots Fanuc (très présents dans l'automobile et l'aérospatiale EU) pourraient bénéficier d'une réduction des temps de commissioning via cette intégration, mais l'absence de disponibilité commerciale confirmée limite l'impact concret à court terme.

IndustrielOpinion

1 source

3Interesting 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

4Interesting Engineering

Google s'associe à un géant japonais de la robotique pour développer les robots d'usine autonomes de prochaine génération

Google et FANUC America Corporation ont annoncé un partenariat stratégique visant à intégrer les technologies d'intelligence artificielle de Google dans les systèmes de robotique industrielle du géant japonais, dont les robots équipent déjà des milliers de sites de production dans le monde. L'accord, dont les termes financiers n'ont pas été divulgués, vise à accélérer le déploiement de robots dits à "Physical AI" capables de percevoir leur environnement via des capteurs, de prendre des décisions autonomes et d'exécuter des tâches variables sans reprogrammation manuelle. FANUC a également annoncé une intégration élargie entre sa plateforme de simulation ROBOGUIDE et le framework Isaac Sim de NVIDIA, consolidant ainsi un écosystème de développement robotique centré sur la simulation avant déploiement. La gamme concernée couvre des robots de 3 kg de charge utile jusqu'à 2,3 tonnes, ce qui positionne ce Physical AI sur l'ensemble du spectre industriel. FANUC indique avoir déjà expédié plus de 1 000 robots pour des applications Physical AI depuis la présentation de sa plateforme lors de l'International Robot Exhibition (IREX) de Tokyo en décembre 2025. Ce partenariat est structurellement significatif pour plusieurs raisons. Le groupe Intrinsic de Google est l'un des contributeurs majeurs au Robot Operating System (ROS), plateforme open-source de contrôle robotique que FANUC supporte déjà nativement, aux côtés d'interfaces Python et de communications haute vitesse pour le contrôle externe. L'alignement technique entre les deux acteurs est donc réel, pas seulement commercial. Pour les intégrateurs et décideurs industriels, cela signifie concrètement que des capacités d'adaptation à la variabilité de production, jusqu'ici réservées aux environnements de R&D ou aux démos contrôlées, commencent à migrer vers des lignes de production en conditions réelles. Les 1 000 unités expédiées constituent un premier signal de passage à l'échelle, même si ce chiffre reste modeste au regard du parc robotique mondial, estimé à plusieurs millions d'unités en service. La distinction entre "expédié" et "déployé en production continue" mérite d'être gardée en tête. FANUC, fondée en 1956 et filiale de FANUC Corporation (Japon), est l'un des quatre grands fabricants mondiaux de robots industriels avec ABB, KUKA et Yaskawa Motoman. L'entreprise a historiquement misé sur la fiabilité et la précision répétable plutôt que sur l'adaptabilité, ce virage vers le Physical AI représente donc une évolution de positionnement notable. Sur le terrain concurrentiel, Boston Dynamics (via Hyundai), Figure AI avec son robot 03, et Tesla avec Optimus poursuivent des trajectoires humanoïdes, tandis que des acteurs comme Machina Labs ou Covariant ciblent l'adaptation cognitive en environnement industriel conventionnel. En Europe, Wandercraft et Enchanted Tools restent positionnés sur des niches spécifiques. Les prochaines étapes pour FANUC et Google ne sont pas encore précisées publiquement, mais la montée en cadence des déploiements en Amérique du Nord semble être l'axe prioritaire annoncé par Mike Cicco, président et CEO de FANUC America.

UELes concurrents européens de FANUC (ABB, KUKA) subissent une pression accrue pour intégrer des capacités Physical AI comparables sur leurs plateformes industrielles, sous peine de perdre des parts de marché EU face à cet écosystème Google-FANUC-NVIDIA.

IndustrielOpinion

1 source