Communication multimodale des états et intentions…

1arXiv cs.RO

Décision séquentielle par apprentissage multi-échelle pour la préparation de commandes en robotique de manutention

Des chercheurs ont publié en mai 2026 sur arXiv (référence 2605.08758) un framework de décision séquentielle baptisé OLSF-TRS, pour Omni-scale Learning-based Sequential Decision Framework for Tote-handling Robotic Systems. Ce système combine optimisation combinatoire structurée et apprentissage par renforcement multi-agent (MARL) pour coordonner simultanément les décisions liées aux commandes, aux bacs de manutention (totes) et aux robots dans les centres de préparation automatisés. En configuration petite échelle, OLSF-TRS affiche un écart d'optimalité moyen inférieur à 3,5% sur deux architectures système distinctes. En configuration grande échelle, il réduit les mouvements de bacs de 8 à 12% par rapport aux baselines heuristiques classiques, et de plus de 30% par rapport aux approches règle-based de l'état de l'art, tout en maintenant une réactivité en temps réel. L'enjeu concret pour les intégrateurs intralogistiques est significatif : la quasi-totalité des frameworks existants sont conçus sur mesure pour un type de système spécifique, tri-sorter, mini-load AS/RS ou AMR grid-based, ce qui rend tout transfert à un autre contexte laborieux. OLSF-TRS propose une couche de pilotage unifiée et scalable, potentiellement applicable à des architectures hétérogènes. La réduction de plus de 30% des mouvements de bacs se traduit directement en gains énergétiques, réduction de l'usure mécanique et meilleure stabilité du throughput, des KPIs centraux pour les COOs industriels. À noter cependant que les résultats reposent sur des simulations et benchmarks comparatifs sans déploiement terrain documenté, ce qui laisse entière la question du sim-to-real gap en production réelle. Ce travail s'inscrit dans une tendance structurelle de fond : la substitution des palettes par les bacs comme unité logistique primaire, portée par l'explosion du e-commerce et la fragmentation des commandes en petites séries. Des acteurs comme Exotec (France, système Skypod), AutoStore (Norvège) ou Geek+ (Chine) opèrent des déploiements massifs en grid-based robotics confrontés exactement à ces problèmes de coordination ordres-bacs-robots à grande échelle. La convergence entre optimisation combinatoire de type VRP et MARL est un champ de recherche en pleine effervescence, porté par des laboratoires industriels en Europe et en Asie. L'article ne mentionne ni partenariat industriel ni timeline de commercialisation, le positionnant comme une contribution académique précompétitive.

UEExotec (France, Skypod) et AutoStore (Norvège) opèrent des déploiements massifs confrontés exactement aux problèmes de coordination ordres-bacs-robots adressés par ce framework, en faisant une piste de R&D directement pertinente pour l'intralogistique européenne.

IndustrielPaper

1 source

2Robotics Business Review

Eli Lilly et Purdue partageront leurs retours de terrain sur l'interaction homme-robot à RoboBusiness

Eli Lilly et l'université Purdue présenteront leurs retours de terrain sur l'interaction homme-robot (HRI) lors de RoboBusiness 2026, qui se tiendra les 20 et 21 octobre à Santa Clara, en Californie. La conférence, intitulée « Human-Robot Interaction: Bridging Academia and Industry », aura lieu le premier jour à 11h45 (heure du Pacifique). Elle sera donnée par Faraz Yousuf, ingénieur principal senior en applications robotiques chez Eli Lilly, et par la Dr Anastasia Kouvaras Ostrowski, professeure assistante à la School of Applied and Creative Computing de Purdue, avec une nomination associée en génie mécanique. Les deux intervenants exposeront les enseignements d'études HRI menées avec des opérateurs de sites de fabrication et d'entrepôts, au contact de véhicules à guidage automatique (AGV) en fonctionnement. Ils présenteront aussi des premiers résultats sur la perception des robots par les personnes sur le plancher de production, ainsi que la méthode qu'ils ont construite pour rendre ce partenariat reproductible. Aucun chiffre sur la taille des échantillons, les sites ou les résultats n'est communiqué à ce stade : il s'agit d'une annonce de programme, pas d'une publication de données. L'enjeu tient à un écart bien connu. La recherche en HRI se déroule surtout sur les campus et produit des données qui survivent rarement à l'épreuve d'une ligne de production réelle. Mener des études dans un site industriel en activité est assez lourd, sur le plan logistique et réglementaire, pour que la plupart des partenariats académie-industrie n'aboutissent pas. Un protocole documenté et réutilisable, issu d'un site pharmaceutique en exploitation, intéresserait donc les intégrateurs et les responsables sécurité qui déploient des AGV et des AMR près d'opérateurs humains. L'HRI est présentée comme l'un des derniers leviers importants pour améliorer la sécurité en automatisation industrielle. Cette affirmation reste celle de l'organisateur de l'événement. La valeur de la session dépendra de la qualité des données présentées, que l'annonce ne permet pas d'évaluer. Le profil des intervenants éclaire le contexte. Chez Eli Lilly, Faraz Yousuf travaille sur l'HRI, la sécurité robotique, la robotique d'inspection et l'intégration de systèmes dans des environnements de production pharmaceutique. Il a conçu, déployé et supporté des ASRS, des AGV, des AMR et des quadrupèdes d'inspection. Il contribue aussi aux comités de normalisation ANSI R15.08 partie 3, ISO 25785-1 et TR R15.108, consacrés à la sécurité des robots dynamiquement stables, catégorie qui inclut les robots à pattes et, à terme, les humanoïdes. Anastasia Kouvaras Ostrowski travaille sur la co-conception et la conception participative de robots et d'IA en contexte industriel, manufacturier et domestique, ainsi que sur les politiques encadrant ces technologies. Elle a été chercheuse postdoctorale au MIT Schwarzman College of Computing et au Personal Robots Group du MIT Media Lab, et est docteure en media arts and sciences du MIT. Cette session s'inscrit dans un salon qui réunit des développeurs de robotique commerciale, avec des offres de tarifs réduits pour l'académie, les associations et les groupes d'entreprises.

IndustrielActu

1 source

3Interesting Engineering

L'armée américaine teste des mulets robotiques autonomes pour le ravitaillement et l'évacuation en première ligne

L'US Army a retenu six entreprises pour développer des véhicules robotisés prêts à la production dans le cadre de l'Infantry Last Tactical Mile (ILTM), un programme visant à automatiser le transport de munitions et de matériel et l'évacuation de blessés près de la ligne de front. Les six participants, sélectionnés par des Other Transaction Agreements de prototypage, sont BLADE (ex-HDT), Maren-Go, Overland AI, Forterra, Hendrick's Motorsports et American Rheinmetall. BLADE présente le Hunter WOLF, un UGV (véhicule terrestre sans pilote) à six roues et motorisation hybride diesel-électrique, conçu pour l'infanterie légère et débarquée. Selon l'entreprise, il emporte de façon autonome jusqu'à 2 800 livres (1 270 kg), franchit des pentes de 60 % et des dévers de 40 %, alimente d'autres équipements en électricité et accepte différentes charges utiles, ce qui permet de le configurer pour le ravitaillement ou l'évacuation sanitaire. Les prototypes doivent être livrés pour des démonstrations, puis pour une évaluation opérationnelle avec une unité de l'Army début 2027. Cette sélection ne désigne pas un véhicule unique pour l'ensemble de l'Army. Il s'agit d'une compétition de prototypes dont les résultats serviront à fixer les exigences et à éclairer une éventuelle décision de production. Pour les intégrateurs et les décideurs, le signal est la priorité donnée à la logistique de dernier kilomètre, le segment entre les unités logistiques arrière et la ligne avancée des troupes amies (FLOT), où les soldats sont le plus exposés. Le vrai test sera la fiabilité de l'autonomie en terrain difficile et sous contrainte adverse, pas la démonstration en conditions favorables. BLADE qualifie le Hunter WOLF de système TRL 9, le niveau maximal de l'échelle de maturité technologique militaire, qui correspond à un système éprouvé en environnement opérationnel. C'est un argument commercial à nuancer, puisque l'Army évalue encore précisément si ces systèmes tiennent les missions de ravitaillement et d'évacuation. Le panel mêle un acteur historique de la robotique militaire, des spécialistes de l'autonomie off-road comme Overland AI et Forterra, un constructeur de défense (American Rheinmetall) et un nouvel entrant venu du sport automobile (Hendrick's Motorsports). BLADE aborde la compétition avec un avantage de maturité. Le Hunter WOLF est en service depuis 2017, a reçu des mises à jour en 2025 et a participé à plus de 60 exercices de terrain, avec des forces américaines (Marine Corps), australiennes et ukrainiennes, d'après l'entreprise. En mai, BLADE a livré des véhicules à la 10th Mountain Division à Fort Polk dans le cadre de l'effort Ground Optionally Autonomous Transport, où les soldats ont été formés à leur utilisation et à leur maintenance. L'entreprise fait aussi état d'évaluations en 2026 avec les 10th Mountain et 101st Airborne Divisions, ainsi que d'un événement en août avec la 82nd Airborne Division à Fort Polk, en Louisiane. Ces chiffres proviennent de BLADE et n'ont pas été vérifiés de façon indépendante. L'article ne mentionne aucun acteur français ou européen autre que la filiale américaine de Rheinmetall, ni de budget ni de volume de production. La suite dépendra de l'évaluation opérationnelle de 2027 et d'une éventuelle décision de production.

IndustrielActu

1 source

4Robotics 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

Communication multimodale des états et intentions du robot, lisible et intuitive, validée en ligne et sur le terrain

À lire aussi

Décision séquentielle par apprentissage multi-échelle pour la préparation de commandes en robotique de manutention

Eli Lilly et Purdue partageront leurs retours de terrain sur l'interaction homme-robot à RoboBusiness

L'armée américaine teste des mulets robotiques autonomes pour le ravitaillement et l'évacuation en première ligne

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