Chine/Asie36Kr 17 juin 2026

Luo Jianlán : le vrai Scaling Law de la robotique naît dans la boucle fermée du déploiement réel

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Luo Jianlan, ancien doctorant à l'université de Berkeley sous la direction de Sergey Levine - figure fondatrice de l'intelligence incarnée - et ex-chercheur chez Google X puis DeepMind, a rejoint il y a quatorze mois l'Institut de Shanghai pour l'apprentissage et l'intelligence (创智学院) et Zhiyuan Robotics (AgiBot) en qualité de directeur scientifique. Il détaille dans une interview publiée par 36Kr Hardware trois jalons techniques développés depuis son retour : SOP (Scalable Online Post-training), une infrastructure de retour de données en temps réel depuis les robots terrain vers le cloud d'entraînement ; LWD (Learning While Deploying), qui supprime la frontière rigide entraînement/déploiement pour permettre une évolution continue des robots dans des épiceries ou entrepôts réels ; et τ0-WM, un world model codéveloppé avec l'Institut de Shanghai, qui utilise la prédiction vidéo non pas comme fin en soi mais comme simulateur physique conditionné par l'action - comparant plusieurs trajectoires candidates avant exécution pour éviter, par exemple, de faire tomber un objet fragile positionné en bordure de table.

La contribution principale de Luo est son refus d'appliquer mécaniquement la Scaling Law des grands modèles de langage aux robots incarnés. Selon lui, la majorité des "modèles fondamentaux incarnés" actuellement annoncés par des équipes chinoises relèvent en réalité du mid-training ou du fine-tuning appliqué à des bases open-source existantes, faute de données d'interaction hétérogènes en volume suffisant. Or la diminution de la loss curve sur données statiques ne prédit pas le taux de succès en déploiement physique : un robot qui mémorise des données ne maîtrise pas pour autant les perturbations et les cas rares du monde réel. Le vrai marqueur de maturité du secteur, selon Luo, est le moment où l'augmentation du parc de robots déployés entraîne une réduction mesurable du coût d'adaptation à de nouveaux scénarios - ce qu'il appelle le déclenchement du flywheel de données. Ce seuil n'est pas encore atteint, et aucune équipe ne sait le quantifier précisément. Pour les intégrateurs et les décideurs industriels, cela signifie que les performances en démo laboratoire restent peu prédictives des performances terrain.

Zhiyuan Robotics s'impose comme l'un des acteurs phares de l'humanoïde en Chine, dans un secteur qui a progressivement déplacé son attention de la course aux degrés de liberté hardware vers la question de l'intelligence embarquée. Luo cite Physical Intelligence (PI) - la startup américaine issue de chercheurs de Google et DeepMind, connue pour son modèle π0 - avec une formule devenue un adage dans le milieu : "sur le papier, PI n'a jamais gagné ; dans la réalité, PI n'a jamais perdu", illustrant le découplage persistant entre métriques académiques et performances terrain. Zhiyuan vise à valider son flywheel de données dans des environnements semi-structurés réels - épiceries, supermarchés, entrepôts - sur une fenêtre de 12 à 18 mois. Le pari de τ0-WM est que la planification par simulation interne est la clé du passage de la démo au déploiement fiable à grande échelle, là où les modèles VLA (Vision-Language-Action) standards émettent une commande directe sans anticipation des conséquences physiques.

Dans nos dossiers

AgiBot Physical Intelligence — π0 World models

À lire aussi

1Pandaily

Le boucle fermée de l'IA physique enfin réalité : Rimnot et Yuantu déploient 10 000 robots industriels pour la fabrication de serveurs

Rimnot, jeune pousse chinoise de l'IA physique fondée il y a seulement quatre mois par des diplômés de doctorat de Tsinghua passés chez NIO, Huawei et AgiBot, a annoncé un partenariat stratégique avec Yuantu Future Technology pour déployer 10 000 robots industriels dédiés à la fabrication de serveurs. L'annonce, faite juste avant la conférence WAIC 2026, constitue l'un des engagements commerciaux les plus concrets jamais formulés dans le secteur de l'IA incarnée. Lors du salon, Rimnot a fait la démonstration de sa technologie sur une tâche d'assemblage de serveurs en conditions réelles : le robot a manipulé des composants de carte mère densément agencés, puces, connecteurs et pièces de précision, nécessitant la reconnaissance de plusieurs variantes de modèles ainsi qu'un contrôle précis de la force de préhension et du placement. Confrontée à un temps de mise en route limité sur le stand, avec un éclairage, une température et une disposition spatiale différents de son environnement habituel, l'équipe affirme que le robot a réalisé une adaptation complète à ce nouvel environnement en seulement 30 minutes d'entraînement. La technologie repose sur un modèle de fondation du monde physique censé assurer une boucle complète allant de la compréhension des processus et de la planification des tâches jusqu'à l'exécution et l'optimisation continue par retour d'expérience. Cette annonce doit être lue avec prudence : les 30 minutes d'adaptation et la démonstration sur stand restent des chiffres communiqués par l'entreprise elle-même, sans validation indépendante, et le déploiement de 10 000 unités demeure à ce stade un plan annoncé, non un produit livré. Elle n'en illustre pas moins un déplacement d'enjeu pour le secteur de la robotique humanoïde et de l'IA incarnée, longtemps critiqué pour multiplier des démonstrations spectaculaires sans traction commerciale réelle. Contrairement à l'IA numérique, où un modèle unique peut servir des centaines de millions d'utilisateurs, l'IA physique impose à chaque robot de s'adapter à un environnement, des objets et des gestes spécifiques, en tolérant des erreurs visuelles et des aléas que la simulation ne peut jamais entièrement anticiper. Si l'accord tient ses promesses à l'échelle de 10 000 unités, il pourrait fournir un modèle reproductible pour l'automatisation robotisée de l'électronique de précision, un marché que Rimnot évalue lui-même à plusieurs centaines de milliards de yuans. Le décalage entre les quatre mois qui séparent la création de l'entreprise et cet engagement de déploiement massif suggère, selon ses promoteurs, que le principal obstacle pour l'IA physique se déplace désormais de la technologie vers l'exécution des partenariats industriels, une lecture qui reste à confirmer sur le terrain. Yuantu Future Technology, partenaire industriel de l'opération, est un acteur mondial de la fabrication de serveurs et des infrastructures IA complètes, produisant serveurs IA, serveurs généralistes, commutateurs, super-nœuds et armoires à refroidissement liquide, avec une maîtrise intégrale de la chaîne allant de la R&D à la fabrication et au service. La fabrication de serveurs constitue un terrain d'essai particulièrement pertinent pour la robotique incarnée, car elle combine assemblage complexe, câblage, tests fonctionnels et contrôle qualité, avec une valeur industrielle suffisante pour justifier un déploiement à grande échelle. L'ambition affichée par les deux partenaires dépasse le simple remplacement d'une étape de production isolée : il s'agit de construire une opération robotisée en boucle fermée de bout en bout, Rimnot apportant les modèles du monde physique et les solutions de qualité industrielle, Yuantu les scénarios de production réels et l'expérience opérationnelle. Aucun acteur français ou européen n'apparaît dans cette collaboration, qui s'inscrit dans une compétition mondiale de plus en plus vive entre start-up chinoises de l'IA incarnée, à mesure que des sociétés comme AgiBot, dont sont issus certains fondateurs de Rimnot, tentent de traduire leurs avancées technologiques en contrats industriels concrets.

Chine/AsieActu

1 source

2Pandaily

OneRobotics déploie des robots domestiques dans des scénarios réels à l'échelle mondiale : le rival chinois de Figure AI

OneRobotics (卧安机器人), startup chinoise spécialisée dans la robotique domestique, a fait l'objet d'un reportage spécial de la chaîne publique japonaise NHK, peu après que Figure AI a publié une vidéo mettant en scène deux robots humanoïdes Figure 03 réalisant des tâches de rangement dans une chambre (protocole Helix-02 Bedroom Tidy : suspendre des vêtements, organiser des tiroirs, faire le lit). Lors de l'interview NHK, le robot onero H1 de OneRobotics a exécuté en environnement domestique réel la séquence complète suivante : identification visuelle de vêtements, préhension et introduction dans un lave-linge. La démonstration a eu lieu dans un appartement, et non sur un plateau d'exposition. La société structure son offre autour d'une architecture "un cerveau, multiple formes" : trois plateformes partagent le même système de perception et de décision, déclinées en Kata Friends (compagnie et interaction sociale), Acemate (santé et activité physique) et onero H1 (service domestique). Aucun chiffre de payload, de DOF ou de cadence de cycle n'a été communiqué lors de l'interview. L'importance de cet événement tient moins à la démonstration technique en elle-même qu'à ce qu'elle signale sur la maturité du marché. Les deux scènes, Figure AI d'un côté et OneRobotics de l'autre, convergent vers le même constat : la maison s'impose comme le terrain d'atterrissage commercial prioritaire pour les humanoïdes, après des années de démonstrations en entrepôt ou en usine. Pour les intégrateurs et les décideurs B2B, cela déplace le critère de sélection : ce n'est plus la performance en environnement contrôlé qui compte, mais la capacité à accumuler des données de terrain réelles, à itérer rapidement sur des scénarios non structurés, et à construire un service continu dans un logement habité. L'architecture "un cerveau" partagée entre plusieurs formes physiques est une réponse industrielle directe à ce besoin : elle permet de mutualiser les données d'apprentissage entre des contextes d'usage distincts (soin, sport, tâches ménagères), accélérant potentiellement la convergence sim-to-real sans multiplier les pipelines d'entraînement. OneRobotics opère dans un secteur chinois en forte densité concurrentielle, aux côtés d'Unitree, d'UBTECH et de Fourier Intelligence, tandis qu'à l'international Figure AI, Boston Dynamics (Atlas), Agility Robotics (Digit) et Physical Intelligence (pi-0) occupent l'espace médiatique. La stratégie de OneRobotics se distingue par une orientation marché B2C et overseas affichée dès le démarrage, avec le Japon comme tête de pont, marché particulièrement réceptif au vieillissement démographique et aux robots d'assistance. Le reportage NHK constitue une validation de visibilité, mais la société n'a pas communiqué de chiffres de déploiement, de volumes de commandes ni de prix public pour le onero H1. La prochaine étape observable sera de savoir si ces démonstrations en habitat réel débouchent sur des pilotes commerciaux documentés, ou restent dans la catégorie des "annonces de traction" sans métriques vérifiables.

Chine/AsieOpinion

1 source

3Pandaily

WAIC 2026 Robotique : quatre changements fondamentaux après 30 000 pas dans les allées du salon

Trois jours et environ 30 000 pas dans le hall robotique du WAIC 2026 à Shanghai suffisent à identifier quatre ruptures dans l'industrie des robots humanoïdes. D'abord, le salon a cessé d'être une scène de démonstration pour devenir un lieu de transactions concrètes: les visiteurs ne se contentent plus de regarder des robots danser ou donner des coups de pied dans un ballon, ils négocient prix, délais de livraison et cas d'usage. Des stands affichent des tarifs de location à partir de 100 yuans par jour ou 3 000 yuans par mois, et des délégations d'acheteurs internationaux, badges "Buyers" au cou, signent des bons de commande directement sur place. Ensuite, le contrôle moteur s'est banalisé. Là où Unitree faisait figure d'exception il y a peu, le T1 de Booster Robotics marque des buts avec précision, le Tiangong 3.0 du Beijing Humanoid Innovation Center enchaîne des chorégraphies, et le Q1 d'AGIBOT boxe. Marcher, courir, sauter sont désormais des prérequis basiques plutôt que des arguments de différenciation. Cette convergence technique a des conséquences directes pour les intégrateurs et les décideurs industriels. Selon le CTO de LimX Dynamics, l'écart entre les acteurs sur le contrôle de mouvement s'est nettement réduit, ce qui déplace la compétition ailleurs. Troisième rupture: l'industrie abandonne le discours du robot généraliste au profit d'applications verticales précises. Kepler Robotics présente un robot barista, Star Dynamics du picking sur ligne d'assemblage, YouiBot de la récupération de pièces en usine, et Leju simule une supérette pour des tâches de commerce de détail. Plusieurs de ces machines renoncent même à la forme humanoïde complète, remplaçant des mains dextres par des pinces ou des jambes par des bases à roues: la fonction prime sur l'imitation anthropomorphique, ce qui contredit l'idée d'un design universel unique vers lequel convergerait le secteur. Cette évolution s'inscrit dans une phase de maturation après plusieurs années dominées par des démonstrations spectaculaires mais peu représentatives des conditions réelles d'usage. Le quatrième changement observé au WAIC 2026 est justement ce déplacement de l'innovation visible vers l'infrastructure invisible: modèles, données d'entraînement, capteurs tactiles et pipelines d'apprentissage progressent davantage que les figures chorégraphiées mises en avant sur les réseaux sociaux. Le secteur atteint un équilibre provisoire qui porte en germe une différenciation plus marquée: les entreprises capables de garantir fiabilité d'exécution, sécurité et coûts de fabrication maîtrisés devraient se démarquer, tandis que celles reposant uniquement sur la performance motrice risquent la banalisation. La question centrale du salon n'est plus de savoir si les robots savent bouger, mais s'ils savent travailler.

Chine/AsieOpinion

1 source

4SCMP Tech

Alibaba et Tencent mènent le virage de l'IA incarnée pour la robotique

Alibaba et Tencent ont annoncé un virage stratégique majeur : déployer leurs modèles d'IA générative dans des systèmes robotiques physiques, plutôt que de rester cantonnés aux interfaces conversationnelles. Alibaba a lancé la semaine dernière le modèle Qwen3.7-Max, doté de capacités dites de "tool-calling" qui lui permettent de fonctionner comme cerveau numérique d'un robot, en orchestrant des composants logiciels et matériels externes. Concrètement, le modèle peut déclencher des séquences d'actions physiques comme la navigation autonome, le bras articulé ou la prise d'objet, sans reprogrammation manuelle à chaque tâche. Ce positionnement signale un déplacement du front concurrentiel de l'IA en Chine : la différenciation ne se joue plus sur les benchmarks de raisonnement textuel, mais sur la capacité des VLA (Vision-Language-Action models) à passer du simulateur à l'environnement réel. Pour les intégrateurs industriels et les décideurs B2B, cela implique que des briques d'IA disponibles en open ou semi-open source pourraient bientôt remplacer des stacks robotiques propriétaires coûteux, accélérant les cycles de déploiement tout en abaissant les barrières à l'entrée. Alibaba avait déjà positionné la famille Qwen comme alternative aux modèles occidentaux, avec des versions multimodales compétitives face à GPT-4o et Gemini. Tencent suit une trajectoire similaire avec ses propres initiatives robotiques encore peu documentées publiquement. Les deux groupes se retrouvent en concurrence directe avec Figure AI, Physical Intelligence (pi0), Boston Dynamics et Unitree, ainsi qu'avec les efforts de Nvidia (GR00T N2) pour standardiser les pipelines d'entraînement robotique. Les prochaines étapes annoncées restent pour l'instant au stade de la démonstration technique, sans déploiement industriel confirmé.

UEL'émergence de briques VLA open/semi-open source chinoises (Qwen3.7-Max) pourrait abaisser les coûts d'intégration pour les industriels européens, tout en intensifiant la pression concurrentielle sur les acteurs EU face aux géants technologiques chinois.

Chine/AsieOpinion

1 source