IndustrielInteresting Engineering 16 juin 2026

Les données de prothèses de mains améliorent le contrôle fin des robots pour la manipulation précise

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

ABB Robotics, division robotique du groupe suisse ABB, a annoncé un partenariat avec PSYONIC, une entreprise californienne spécialisée dans les prothèses bioniques, pour exploiter les données issues de prothèses de main réelles afin d'améliorer la dextérité des robots industriels. Le projet associe le bras collaboratif GoFa d'ABB, avec une charge utile de 12 kilogrammes, une portée de 1,62 mètre et une répétabilité de 0,02 mm, à la main prothétique Ability Hand de PSYONIC. Cet équipement bionique ferme sa prise en 200 millisecondes, gère 32 types de préhension dont 19 pré-programmés, dispose d'un retour tactile multi-points et d'une certification IP64. L'objectif déclaré : capturer les données de toucher et de mouvement générées par les utilisateurs humains de la prothèse pour entraîner des modèles robotiques capables de manipuler des objets fragiles, irréguliers ou variables. ABB avance que cette approche pourrait réduire jusqu'à 30 % le temps d'ingénierie consacré aux applications de manipulation, sans toutefois préciser dans quel contexte ni sur quelle base de mesure ce chiffre a été calculé.

Ce partenariat s'attaque à un verrou technique reconnu dans l'automatisation industrielle : la dextérité fine. Contrairement aux méthodes d'entraînement classiques qui reposent sur la simulation, le projet utilise des données du monde réel issues d'un usage humain, ce qui présente un avantage théorique en termes de couverture des cas limites et de diversité des interactions physiques. Si l'approche se confirme à l'échelle, elle pourrait accélérer le déploiement de robots dans des lignes où la manipulation manuelle reste irremplaçable, notamment en assemblage électronique, en gestion de composants aérospatiaux ou en conditionnement pharmaceutique. ABB parle de son programme "Autonomous Versatile Robotics" (AVR), qui vise à doter les robots d'une capacité de raisonnement et d'adaptation sans reprogrammation manuelle constante. C'est là que la valeur réelle se situera, mais aucune démonstration industrielle concrète n'a encore été annoncée à ce stade.

ABB Robotics est l'un des quatre grands intégrateurs robotiques mondiaux, aux côtés de KUKA, Fanuc et Yaskawa. Le GoFa a été lancé en 2021 pour concurrencer les cobots d'Universal Robots et de FANUC sur les tâches de collaboration humain-robot. PSYONIC, fondée en 2016 à Champaign (Illinois), s'est distinguée avec l'Ability Hand, une prothèse conçue pour être abordable et fonctionnelle, avec financement de la DARPA. Le transfert de savoir-faire prosthétique vers la robotique industrielle n'est pas sans précédent, mais reste rare à ce niveau de formalisation. Les secteurs ciblés incluent l'automobile, l'aérospatial, la logistique et les sciences du vivant. Le partenariat en est à la phase de recherche et développement conjointe, sans calendrier de productisation ni client pilote annoncé publiquement à ce jour.

Impact France/UE

ABB étant l'un des principaux fournisseurs de robots industriels en Europe, cette approche data-driven pour la dextérité fine pourrait à terme accélérer l'automatisation des lignes d'assemblage européennes (automobile, aérospatial), mais reste à ce stade un projet R&D sans déploiement ni client pilote annoncé.

À lire aussi

1Interesting Engineering

Boucle d'apprentissage tactile : comment les données du toucher humain apprennent aux robots à manipuler des œufs

ABB Robotics et PSYONIC, fabricant américain de la prothèse bionique Ability Hand, ont annoncé un partenariat centré sur l'exploitation de données haptiques issues d'utilisateurs humains réels pour entraîner des systèmes robotiques industriels. L'Ability Hand, portée au quotidien par plusieurs centaines de personnes amputées, embarque des capteurs de pression distribués sur chaque doigt ainsi qu'un système de retour vibratoire. Lors d'activités ordinaires comme la vaisselle, le tri de vêtements ou la manipulation d'objets fragiles, ces utilisateurs génèrent en continu des profils de contact, de variation de pression et d'ajustement de préhension. ABB a monté une Ability Hand directement sur son bras collaboratif GoFa pour des cycles de test et d'itération en conditions industrielles. Marc Segura, président d'ABB Robotics, a décrit l'acquisition de la dextérité humaine et la compréhension intrinsèque de la diversité des produits comme "l'un des défis les plus difficiles de la robotique industrielle". Le caractère stratégique de cette initiative tient à la nature du problème qu'elle attaque : le transfert de compétences de manipulation fine vers des plateformes industrielles. Les méthodes classiques d'apprentissage par imitation, qu'il s'agisse de gants de capture, de réalité virtuelle ou de vidéos, enregistrent les positions finales des doigts mais ratent l'information critique : les profils de force en temps réel et la sensation de texture. C'est précisément cette couche sensorielle qui différencie une préhension réussie d'un oeuf (ni trop forte pour casser la coquille, ni trop légère pour le laisser glisser) d'une prise défaillante. Le fait que le hardware soit identique côté prothèse et côté robot GoFa supprime le problème classique de sim-to-real gap lors du transfert des politiques de contrôle : les données humaines s'appliquent directement à la géométrie mécanique du robot, sans recalibration. Pour les intégrateurs industriels, cela ouvre la possibilité de traiter des produits à géométrie variable ou à surface délicate, fruits, pièces organiques, conditionnement souple, sans recourir à des outillages dédiés ou à des convoyeurs d'orientation préalable. ABB, groupe suisse pesant environ 30 milliards de dollars de chiffre d'affaires annuel, inscrit ce partenariat dans une tendance sectorielle vers des robots capables de percevoir et d'agir sans trajectoires préprogrammées rigides. PSYONIC, startup spécialisée dans les prothèses bioniques accessibles, valorise ici sa base d'utilisateurs comme corpus d'entraînement, un actif rare dans le domaine haptique. Sur le plan concurrentiel, cette approche par données haptiques humaines se distingue des stratégies adverses : Sanctuary AI mise sur la téléopération et les foundation models, Physical Intelligence (Pi-0) sur l'apprentissage par démonstration à grande échelle, Figure et Apptronik sur la capture vidéo synthétique. Aucun calendrier de déploiement industriel n'a été communiqué à ce stade ; l'initiative reste à l'étape de validation technologique, avec le GoFa comme plateforme de test principale.

UEABB étant un leader européen (suisse) de la robotique industrielle, cette approche haptique pourrait ouvrir des capacités de manipulation flexible dans les chaînes de production européennes, notamment pour les secteurs agro-alimentaire et pharmaceutique.

IndustrielOpinion

1 source

2Robotics Business Review

Comment Intrinsic élimine la programmation manuelle des robots

Intrinsic, filiale d'Alphabet spécialisée en robotique industrielle, a présenté à l'Automate 2026 une cellule robotique modulaire baptisée "Intrinsic Intelligence Cell", reposant sur son système d'exploitation maison IntrinsicOS. La démonstration met en scène un bras FANUC réalisant de l'assemblage électronique sans aucune programmation robot traditionnelle : l'opérateur configure les tâches par glisser-déposer, tandis que la plateforme gère automatiquement la perception, la planification de mouvement et les opérations de préhension et d'insertion de pièces. Intrinsic collabore avec deux intégrateurs CNC, Trinity Automation et MartinSystems, pour embarquer ces capacités dans leurs offres de prochaine génération. La présentation intervient quelques mois avant le lancement d'un pilote industriel d'envergure avec Foxconn, dont la date exacte n'a pas été précisée au-delà de "fin 2025". Par ailleurs, dans le cadre de son "AI for Industry Challenge" co-organisé avec Open Robotics, la société a réuni plus de 5 000 inscrits répartis en 1 600 équipes issues de 115 pays, avec une enveloppe de prix de 180 000 dollars. Le défi cible l'un des problèmes les plus résistants de l'assemblage électronique : la manipulation dextre de câbles et de connecteurs. Huit équipes ont jusqu'ici atteint des scores quasi-parfaits lors de la phase de simulation (Gazebo, MuJoCo de Google DeepMind, NVIDIA Isaac Sim). L'approche d'Intrinsic s'attaque à un verrou structurel du marché : la programmation robot reste aujourd'hui un frein majeur à l'adoption dans les ateliers à production variable ("high mix, low volume"), où reprogrammer un bras pour chaque référence représente un coût prohibitif. En proposant une reconfiguration instantanée des outils et des process via des "skills" basés sur l'IA, la plateforme ouvre potentiellement l'automatisation aux sous-traitants de taille moyenne et aux ateliers d'usinage qui ne disposent pas d'équipes de roboticiens. La composition du challenge est également révélatrice : seulement 14 % des participants viennent du secteur robotique, tandis que 93 % sont développeurs Python et 47 % travaillent en IA/ML. Cela signale un afflux de compétences logicielles vers la robotique industrielle, et valide l'hypothèse selon laquelle les prochaines avancées en manipulation viendront davantage du software que du hardware. Intrinsic a été fondée en 2021 à partir de ressources internes d'Alphabet, absorbant notamment des équipes issues de X Development. La société a mis plusieurs années à structurer sa pile logicielle autour de ROS 2 avant de la commercialiser. Sur ce segment des cellules robotiques modulaires pilotées par IA, elle se positionne face à des acteurs comme Covariant (rachetée par Amazon), Machina Labs ou Viam, ainsi que face aux offres propriétaires des grands intégrateurs (KUKA, ABB, FANUC lui-même). Le pilote Foxconn constituera le premier test à l'échelle réelle d'IntrinsicOS dans un environnement de production de masse, et ses résultats conditionneront probablement la crédibilité commerciale de la plateforme au-delà des démonstrations salon.

UELa démocratisation de la configuration robot par glisser-déposer pourrait réduire le coût d'entrée à l'automatisation pour les PME industrielles européennes en production variable, mais aucun partenariat ni déploiement européen n'est annoncé à ce stade.

IndustrielOpinion

1 source

3Robotics Business Review

Le robot Proxie Gen 2 de Cobot intègre l'automatisation des tâches et la manipulation mobile

Collaborative Robotics (Cobot), basée à Santa Clara en Californie, a dévoilé la deuxième génération de son robot mobile Proxie lors de l'Automate 2026. Ce Proxie Gen 2 embarque une capacité de traction de carts jusqu'à 680 kg, un système de levage vertical pouvant soulever 100 kg, des batteries auto-interchangeables, et une option de manipulation bimanuell, deux bras articulés montés sur la colonne vertébrale du robot. La plateforme compte 40 % de pièces en moins que la génération précédente, avec un gabarit réduit pour naviguer dans des couloirs étroits et des ascenseurs. Cobot annonce également une fonctionnalité d'"autotasking" : le robot identifie et génère ses propres tâches sans intégration avec un WMS ni intervention humaine. Chez le client Maersk, 95 % des déplacements de carts auraient été initiés de façon autonome sur la période mesurée, le robot lisant des inscriptions sur des tableaux blancs fixés aux chariots grâce à un modèle multimodal embarqué. Ces chiffres sont présentés par Cobot sans audit tiers, ce qui mérite d'être noté. L'enjeu principal est la réduction de la barrière à l'intégration, longtemps le goulot d'étranglement des déploiements de robots mobiles manipulateurs (MMR) en environnements non structurés. Si l'autotasking tient ses promesses à l'échelle, il invaliderait le modèle dominant, des mois de développement logiciel pour connecter le robot aux systèmes ERP, WMS et MES existants. Pour un COO industriel ou un responsable logistique hospitalier, cela signifie potentiellement un déploiement en semaines plutôt qu'en trimestres. La capacité de Proxie à lire des informations non structurées (tableaux blancs, étiquettes ad hoc) représente une forme de robustesse opérationnelle réelle, à condition que les taux de reconnaissance soient validés dans des conditions dégradées, ce que la démo ne précise pas. La manipulation bimanuell ouvre par ailleurs l'accès à des tâches jusqu'ici réservées aux manipulateurs fixes, comme le déchargement de cartons ou l'alimentation de lignes. Cobot a été fondée par Brad Porter, ancien VP Engineering robotics chez Amazon Robotics, et a levé des fonds auprès d'investisseurs industriels. La société a délibérément maintenu un profil bas depuis 2022, accumulant 13 000 heures d'exploitation sur 28 robots dans des environnements réels, hôpitaux dont la Mayo Clinic, logistique et industrie, avant de communiquer publiquement. Ses concurrents directs incluent Boston Dynamics avec Spot et Stretch, Vecna Robotics, et des acteurs comme Apptronik ou 1X qui misent sur l'humanoïde. En Europe, des entreprises comme Enchanted Tools (Miroki) ou Pollen Robotics (Reachy) ciblent des segments adjacents mais restent en phase pré-déploiement à grande échelle. Cobot ne publie pas de tarif public ; les prochaines étapes annoncées portent sur l'extension des déploiements en santé et en logistique, avec la certification de sécurité comme prochaine étape technique critique pour le Gen 2.

UESi Cobot étend ses déploiements en Europe, cela accentue la pression concurrentielle sur Enchanted Tools et Pollen Robotics, encore en phase pré-commerciale, tout en offrant aux industriels et hôpitaux européens une option de manipulation mobile sans intégration WMS.

IndustrielActu

1 source

4Interesting 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