IndustrielRobotics Business Review3h

Robots dextres et positionnement mécanique : pourquoi les combiner pour l'assemblage complexe

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Les fabricants de robots industriels misent de plus en plus sur les systèmes de positionnement mécanique pour étendre les capacités de leurs bras robotisés dans l'assemblage complexe. Quatre familles de solutions se dégagent: les systèmes de transfert linéaire, qui ajoutent un septième axe de déplacement sur rail pour permettre à un robot de couvrir de grands ensembles comme des structures aéronautiques ou de défense; les tables d'indexation rotative, qui accélèrent les cadences en autorisant l'exécution simultanée de tâches d'assemblage, de conditionnement et de contrôle qualité; les positionneurs de pièces multi-axes, qui font pivoter la pièce elle-même plutôt que de limiter le robot à une approche fixe, utiles pour les géométries irrégulières de l'automobile et de l'aérospatial; et le positionnement par vision, qui combine caméras et capteurs pour corriger la trajectoire du bras en temps réel face à un obstacle. Deux cas concrets illustrent la tendance. FANUC, pionnier japonais de l'automatisation industrielle, a équipé l'entreprise d'emboutissage métallique Pentaflex avec son bras compact LR Mate 200iD: la modernisation de la ligne a permis de réduire le nombre d'unités de main-d'œuvre par équipe tout en rendant l'atelier plus flexible. En Allemagne, KUKA a déployé sa série KR QUANTEC, conçue pour les applications lourdes et les transferts linéaires, chez Meiller Aufzugtüren, fabricant de portes palières, pour ses lignes d'assemblage automobile et de construction. ABB, troisième grand constructeur mondial avec son IRB 6700, est également cité parmi les acteurs de référence sur ce segment.

Pour les intégrateurs et décideurs industriels, ce constat déplace le centre de gravité du débat sur la robotisation: la performance d'un bras robotisé ne se résume pas à sa dextérité ou à sa charge utile, mais dépend largement des mécanismes de positionnement qui l'entourent. Un robot doté d'une excellente préhension reste limité par une portée fixe s'il n'est pas couplé à un rail, une table rotative ou un positionneur de pièce. Cette approche modulaire, où le gain de performance vient autant de la mécanique périphérique que du contrôleur du bras, explique pourquoi des secteurs à forte contrainte géométrique comme l'aérospatial et l'automobile continuent de confier des tâches jusqu'ici manuelles à des cellules robotisées hybrides, plutôt que d'attendre des bras universels plus habiles.

Cette évolution s'inscrit dans la concurrence historique entre les trois grands de la robotique industrielle, FANUC, KUKA et ABB, qui se disputent depuis des décennies le marché de l'automatisation d'usine, bien avant l'essor récent des robots humanoïdes. Les gains rapportés par Pentaflex et Meiller Aufzugtüren restent des études de cas fournies par les constructeurs eux-mêmes, sans données chiffrées indépendantes sur les cadences ou les coûts. Le secteur doit par ailleurs se retrouver lors du salon RoboBusiness 2026, qui a ouvert son appel à propositions de sessions, signe que le sujet du positionnement mécanique devrait rester au centre des discussions sur l'automatisation d'assemblage dans les mois à venir.

Impact France/UE

Le déploiement du robot KUKA KR QUANTEC chez le fabricant allemand Meiller Aufzugtüren illustre une adoption concrète de ces technologies de positionnement mécanique en Europe, renforçant la compétitivité de l'industrie robotique européenne (KUKA) face à FANUC et ABB sur le segment de l'assemblage automobile et industriel.

À lire aussi

1The Robot Report

Brain Corp s'associe à l'UC San Diego pour aider les robots à opérer dans des environnements complexes

Brain Corp a annoncé cette semaine un partenariat de recherche élargi avec l'Université de Californie à San Diego (UCSD), centré sur le développement d'une couche dite de "contextual grounding" pour robots autonomes. Concrètement, il s'agit d'une représentation numérique intelligente des espaces physiques, permettant à des AMR, drones et véhicules autonomes de comprendre leur environnement en temps réel et d'y réagir de manière adaptative. Le projet est piloté par le Dr. Nikolay Atanasov, directeur de l'Existential Robotics Laboratory au sein du département Electrical and Computer Engineering de la Jacobs School of Engineering. Les deux partenaires ciblent les environnements commerciaux et industriels complexes, là où la variabilité des conditions -- présence humaine, obstructions dynamiques, modifications de layout -- met en échec les approches SLAM classiques. La collaboration s'appuie sur la base opérationnelle de Brain Corp: plus de 50 000 AMR déployés dans le monde et plus de 25 millions d'heures cumulées de fonctionnement sur des sites commerciaux réels, un volume de données terrain que peu d'acteurs académiques peuvent atteindre seuls. L'enjeu industriel est direct. Les modèles vision-language-action (VLA) et les architectures generatives transforment rapidement ce qu'un robot peut faire, mais leur fiabilité en déploiement réel reste le principal frein à la commercialisation à grande échelle. Ce que Brain Corp et l'UCSD tentent de résoudre, c'est précisément le "sim-to-real gap" appliqué à la perception sémantique: un robot capable d'interpréter une scène dans un simulateur ou un environnement contrôlé ne garantit pas la même robustesse dans un entrepôt logistique avec 200 opérateurs humains. La cartographie 3D sémantique, contrairement aux approches purement end-to-end basées sur la vision brute, conserve une représentation structurée de l'espace -- ce qui facilite l'orchestration de flottes hétérogènes et l'intégration de capteurs fixes avec des agents IA mobiles. L'objectif affiché de Brain Corp n'est pas de résoudre une seule tâche robotique, mais de construire une infrastructure de plateforme capable de coordonner ces systèmes à l'échelle enterprise, ce qui positionne BrainOS comme un système d'exploitation pour flottes plutôt qu'un simple firmware d'AMR. Brain Corp, fondée en 2009 et basée à San Diego, a construit sa position sur BrainOS, plateforme d'autonomie embarquée initialement déployée sur des autolaveuses commerciales de marques comme Tennant et Nilfisk. La collaboration avec l'UCSD s'inscrit dans une tendance sectorielle plus large où les éditeurs de logiciels robotiques cherchent à ancrer leur R&D dans des partenariats académiques pour accéder à une recherche fondamentale en perception et mapping -- une stratégie comparable à celle de Boston Dynamics avec le MIT, ou de Agility Robotics avec Oregon State. Les concurrents directs sur le segment de l'orchestration de flottes incluent Fetch Robotics (Zebra Technologies), 6 River Systems (Shopify) et MiR (Teradyne). Le CTO de Brain Corp, John Black, détaillera cette approche lors du Robotics Summit and Expo 2026 à Boston la semaine prochaine. Aucune timeline de déploiement commercial pour cette couche sémantique n'a été communiquée à ce stade.

IndustrielPaper

1 source

2Robotics Business Review

Comment concevoir des rails de robot et des systèmes à 7ème axe pour les environnements réels

Güdel Inc., filiale américaine du groupe suisse Güdel Group AG, organise un webinaire technique le 12 mai 2026 à 14h heure de l'Est, intitulé "Harsh and Dirty by Design: Engineering Robot Tracks and 7th Axis Systems for Real-World Environments". Deux expertes prendront la parole : Molly Lynch, account manager pour la région Midwest chez Güdel avec 15 ans d'expérience en automatisation industrielle, et Brenda Courim, directrice des ventes et du marketing de Güdel, forte de plus de 30 ans dans le secteur manufacturier dont environ 20 ans en ingénierie de conception principalement dans l'industrie automobile, diplômée en génie mécanique de l'Université du Michigan. La session s'adresse aux ingénieurs robotique, intégrateurs système, concepteurs d'automatisation et responsables de maintenance confrontés à des environnements industriels sévères. Les rails de translation et systèmes de 7e axe sont parmi les composants les plus exposés d'une cellule d'automatisation, et c'est précisément là que réside le problème structurel que le webinaire cherche à adresser. Conçus pour des environnements propres et contrôlés, ces systèmes sont soumis en conditions réelles à des projections de soudure, des poussières abrasives, de l'humidité, des produits chimiques, des overspray de cabines de peinture et des écarts de température extrêmes. Les modes de défaillance typiques identifiés incluent le contournement des joints d'étanchéité (seal bypass), l'endommagement des roulements, la corrosion et la perte d'alignement. Les intervenantes défendront des approches de conception spécifiques, notamment les guidages à rouleaux (roller guideways), les galets suiveurs (cam followers), les racleurs mécaniques, les capots de protection de rail et les traitements de surface protecteurs. La thèse centrale est que la maintenance préventive ne peut pas rester une réaction aux pannes : elle doit être intégrée dès la phase de conception du système, ce qui implique des choix d'architecture de rail et de configuration influençant directement l'exposition à la contamination et l'accessibilité pour l'entretien. Güdel Group AG, fondé en Suisse en 1954, est l'un des acteurs historiques des systèmes de mouvement linéaire et des rails de déplacement pour robots industriels, avec une présence significative dans les secteurs automobile, logistique et métallurgie. Le marché des 7e axes pour robots articultés comprend également des solutions de Rollon (désormais intégré dans Nadella Group), de constructeurs comme KUKA ou Fanuc via leurs divisions d'accessoires, et diverses offres d'intégrateurs régionaux. Cet événement est à classer comme un webinaire promotionnel d'un fournisseur, non comme la publication d'une étude indépendante ou d'un benchmark sectoriel, et aucune donnée comparative externe n'est annoncée au programme.

IndustrielActu

1 source

3Interesting Engineering

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

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.

UEABB 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.

IndustrielOpinion

1 source

4arXiv cs.RO

SOAR : optimisation conjointe en temps réel pour l'allocation des commandes et l'ordonnancement des robots mobiles

Des chercheurs, en collaboration avec Geekplus, ont publié SOAR (Simultaneous Order Allocation and Robot Scheduling), un framework d'apprentissage par renforcement profond conçu pour optimiser en temps réel la coordination des robots dans les systèmes de préparation de commandes automatisés (RMFS, Robotic Mobile Fulfillment Systems). Déposé sur arXiv en mai 2026 (arXiv:2605.03842), le système unifie deux sous-problèmes classiquement découplés, l'allocation des commandes et la planification des robots mobiles, en un seul agent décisionnel. Sur des données industrielles réelles fournies par Geekplus, SOAR réduit le makespan global de 7,5 % et le temps moyen de complétion des commandes de 15,4 %, avec une latence de décision inférieure à 100 ms. La viabilité du système a été confirmée par un déploiement en environnement de production via une procédure sim-to-real. Techniquement, le problème est formulé comme un processus de décision de Markov piloté par événements (Event-Driven MDP), où l'agent réagit à des événements asynchrones (fin de tâche, arrivée de commande) grâce à un Heterogeneous Graph Transformer encodant l'état de l'entrepôt, complété par une stratégie de reward shaping pour gérer la rareté du signal de récompense sur les longues séquences. Les RMFS équipent aujourd'hui les grands centres logistiques : des flottes de robots mobiles (AMR) transportent des étagères entières vers des postes de picking humains ou automatisés. Le goulot d'étranglement traditionnel vient du couplage fort entre allocation et ordonnancement : les approches décomposées sacrifient l'optimalité globale pour garantir la réactivité, tandis que les modèles d'optimisation classiques comme les MILP ou CP-SAT sont trop lents pour des environnements à haute cadence. SOAR casse ce compromis en prouvant qu'un agent de deep RL peut raisonner globalement tout en répondant en moins de 100 ms, ce qui constituait un verrou industriel reconnu. Plus significatif encore, la validation sim-to-real en conditions de production distingue ce travail de la majorité des publications académiques qui restent cantonnées à la simulation. Geekplus, fondé en 2015 à Pékin, est l'un des leaders mondiaux des AMR pour la logistique d'entrepôt, avec des déploiements dans plus de 40 pays chez des clients comme Decathlon et JD.com. Sa participation directe à cette recherche signale une intégration croissante entre laboratoires académiques et industriels pour raccourcir le cycle lab-to-production. Sur le marché, Geekplus concurrence Hai Robotics et AutoStore, mais aussi en Europe des acteurs comme Exotec (France), dont le système Skypod adresse des problèmes similaires de coordination multi-robots à grande échelle. SOAR s'inscrit dans un corpus actif de travaux sur le RL multi-agent pour la planification en entrepôt, mais se distingue par son approche unifiée et son ancrage en production confirmé. Le code est disponible en open source sur GitHub, ce qui devrait faciliter son adaptation à d'autres architectures RMFS.

UELe code open-source SOAR, validé en production chez des clients de Geekplus dont Decathlon, constitue une référence technique directe pour Exotec et les intégrateurs AMR européens confrontés aux mêmes problèmes de coordination multi-robots à grande échelle.

IndustrielPaper

1 source