Aller au contenu principal
$8,000 : ce robot est prêt à s'occuper de toute la lessive et de faire les litsIllustration générée par IA
IA physiqueNew Atlas Robotics 

$8,000 : ce robot est prêt à s'occuper de toute la lessive et de faire les lits

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Weave Robotics dévoile Isaac 1, un robot domestique facturé 8 000 dollars et présenté comme capable de plier le linge, ranger le salon et faire le lit à la demande. La startup avait annoncé son tout premier robot plieur de linge il y a seulement cinq mois ; ce nouveau modèle élargit donc les tâches ménagères couvertes tout en conservant, selon l'entreprise, un design plus soigné et plus avenant que celui de son prédécesseur. Les tags associés à l'annonce (télé-opération, robot assistant) suggèrent que certaines de ces tâches restent supervisées ou pilotées à distance plutôt que totalement autonomes, un point que le communiqué ne détaille pas explicitement.

Ce lancement illustre la cadence accélérée des startups de robotique domestique, capables de faire évoluer leur gamme en quelques mois à peine, et la course à un prix d'entrée grand public pour des robots polyvalents à la maison. Historiquement, le pliage de linge autonome reste l'une des tâches les plus difficiles à automatiser de façon fiable en raison de la manipulation de tissus déformables ; l'ajout du rangement du salon et du bordage de lit signale une ambition de couvrir plusieurs corvées ménagères avec une seule plateforme plutôt qu'un robot mono-tâche. Reste à vérifier, comme souvent dans ce secteur, l'écart entre les démonstrations marketing et la fiabilité réelle en conditions d'usage quotidien, notamment le niveau d'autonomie effectif par rapport à la télé-opération mentionnée.

Le contexte précis de Weave Robotics (origine, financement, équipe) n'est pas précisé dans l'annonce, qui se concentre sur le produit. La startup s'inscrit dans une vague plus large d'acteurs de la robotique d'assistance domestique cherchant à sortir des simples démonstrateurs pour proposer des produits commercialisables à un prix inférieur à celui des humanoïdes généralistes. Aucune date de disponibilité, zone de commercialisation ni volume de production n'est communiqué à ce stade, ce qui limite la portée de l'annonce à un teaser produit plutôt qu'à un déploiement confirmé.

À lire aussi

Robbyant lance LingBot-Touch pour doter les robots du sens du toucher
Illustration générée par IA
1Robotics & Automation News 

Robbyant lance LingBot-Touch pour doter les robots du sens du toucher

Robbyant, la filiale d'IA embarquée d'Ant Group, a publié en open source LingBot-Touch, un modèle de fondation tactile destiné à donner aux mains robotiques une perception du toucher exploitable. Le modèle a été pré-entraîné sur près de 5 000 heures de données tactiles réelles et couvre les trois grandes familles de capteurs du marché : magnétique, visuo-tactile et piézorésistif. Leurs signaux hétérogènes sont convertis en une représentation tactile unifiée, sous forme de « tokens » tactiles. Robbyant a mené 26 tests en conditions réelles sur deux mains dextres, la Sharpa Wave et la XHand, avec quatre modèles d'action : LingBot-VLA, π0.5, Diffusion Policy et T-Rex. Le gain moyen de taux de réussite se situe entre 14 et 26 points de pourcentage par rapport à une exécution sans retour tactile. Sur le test le plus mis en avant, le dévissage d'un bouchon de bouteille par T-Rex piloté sur la Sharpa Wave, le taux passe de 56,25 % sans toucher et 62,5 % avec les signaux bruts injectés directement, à 90 % avec la représentation de LingBot-Touch. Tous ces essais ont utilisé la version légère, LingBot-Touch-Tiny (environ 5,3 millions de paramètres), qui n'ajoute que 0,13 à 0,16 % à la taille totale des modèles hôtes. Une version plus grande existe et continue de progresser à mesure que les données s'accumulent. L'enjeu est moins la performance brute que le découplage entre capteur, main et politique de contrôle. Aujourd'hui, un modèle entraîné sur un type de capteur est difficilement réutilisable dès que le matériel change, ce qui force à recollecter des données et à réentraîner, un coût que supportent fabricants de mains, intégrateurs et développeurs de modèles. Robbyant propose une couche de perception générique entre capteurs et modèles d'action, capable d'absorber à la fois des données de gants tactiles portés par des humains et de téléopération de mains robotiques. Le test le plus parlant porte sur la XHand : son capteur magnétique n'apparaissait pas dans les données de pré-entraînement, et toute l'expérience magnétique du modèle provenait de gants humains. Les paramètres de LingBot-Touch ont été gelés et seul le modèle d'action a été entraîné sur les démonstrations de la XHand. Si ces résultats se confirment hors du laboratoire, ils soutiennent l'idée qu'un pré-entraînement tactile mutualisé peut remplacer les pipelines propres à chaque capteur, et que le toucher peut devenir une modalité réutilisable comme la vision l'est devenue pour les VLA. Il faut toutefois relativiser : les chiffres viennent de Robbyant lui-même, sans validation indépendante, le nombre d'essais par tâche n'est pas précisé et les tâches (tourner des pages, dévisser un bouchon, identifier des tuiles de mahjong) restent des démonstrations de dextérité, pas des cycles industriels mesurés. Aucun temps de cycle, aucune cadence ni aucun déploiement client n'est annoncé. Cette publication s'inscrit dans la stratégie de Robbyant, qui a déjà ouvert sa famille LingBot, dont le VLA du même nom, et cherche à fédérer un écosystème autour de ses briques logicielles, à la manière de ce que font Physical Intelligence avec π0.5 ou NVIDIA avec GR00T côté modèles d'action. Le positionnement est ici différent : plutôt qu'un modèle de politique de plus, Robbyant vise la couche d'interface tactile, un terrain encore peu structuré où les capteurs commerciaux restent immatures et où plusieurs technologies devraient coexister, en raison de coûts et d'usages différents. Le fait que l'évaluation couvre des modèles tiers (π0.5, Diffusion Policy) et des mains tierces, dont la Sharpa Wave, plaide pour une logique de standard ouvert plutôt que de module captif. Reste à voir si les fabricants de mains et de capteurs, notamment en Europe où la dextérité reste un axe de recherche actif, adopteront cette représentation, et si des équipes indépendantes reproduiront les gains annoncés. Robbyant indique que l'architecture est conçue pour accueillir de nouveaux types de capteurs, et que la montée en échelle des données reste la principale piste d'amélioration.

IA physiqueActu
1 source
La transmission directe mise sur les robots à roues-pattes pour franchir le premier obstacle de l'IA incarnée : se lever
Illustration générée par IA
2Pandaily 

La transmission directe mise sur les robots à roues-pattes pour franchir le premier obstacle de l'IA incarnée : se lever

Direct Drive, entreprise chinoise basée à Dongguan, développe une famille de robots à roues-pattes conçus pour franchir les obstacles que les robots mobiles classiques ne savent pas gérer. Lancé en 2021, Xingtian est présenté par la société comme le premier robot bipède à roues entièrement à entraînement direct au monde, combinant la vitesse du roulage et la capacité de saut des pattes. En 2023, le modèle TITA a ajouté huit degrés de liberté ainsi que des interfaces modulaires pour accueillir capteurs et calculateurs d'IA embarqués. En 2025, la troisième génération modulaire, baptisée D1, franchit des rebords de 70 centimètres et transporte jusqu'à 100 kilogrammes en mode reptation à quatre roues, tout en se combinant à d'autres modules pour former des configurations multiples. Direct Drive affirme avoir déjà livré plusieurs milliers d'unités dans le monde, déployées dans l'inspection industrielle, la logistique et la gestion de parcs intelligents. Cette approche déplace le débat central de l'IA incarnée : plutôt que de se demander si le "cerveau" d'un robot est assez intelligent, Direct Drive pose que le vrai verrou est l'accès physique à l'environnement. De nombreux robots qui impressionnent en démonstration peinent à passer à l'échelle une fois déployés sur un site réel, et certains clients doivent aménager leur environnement (rampes dédiées, marqueurs de positionnement visuel, couloirs de circulation contraints) pour accueillir la machine, ce qui alourdit le coût unitaire de déploiement et compromet la rentabilité. Les robots purement à roues sont efficaces sur de longues distances mais bloqués par une marche ou un trottoir cassé ; les robots purement à pattes franchissent les obstacles mais consomment beaucoup d'énergie pour maintenir leur équilibre, au détriment de la charge utile et de l'autonomie. En misant sur une architecture hybride, Direct Drive cherche à répondre concrètement à l'écart bien identifié entre démonstration scénique et usage industriel réel, un argument qui parle directement aux intégrateurs et décideurs B2B confrontés à des sols mixtes : bitume, pierre, rampes, ascenseurs, escaliers, terrain boueux. La technologie repose sur le remplacement des réducteurs classiques par des moteurs à entraînement direct, qui font aussi office de moyeux de roue et d'articulations, une architecture censée simplifier la mécanique plutôt que de compenser ses limites par du logiciel. Ce choix structure toute la gamme de l'entreprise depuis Xingtian jusqu'à D1, dans un secteur où d'autres acteurs misent en parallèle sur des humanoïdes bipèdes ou sur des modèles fondation vision-langage-action pour piloter la manipulation. Direct Drive ne communique pas de calendrier précis de nouveaux déploiements pilotes, mais revendique une doctrine claire : les roues restent plus efficaces que les pattes, et les pattes permettent de franchir ce que les roues ne peuvent pas, une combinaison jugée nécessaire avant même d'envisager l'entrée des robots dans les foyers, que l'entreprise voit arriver "en roulant" plutôt "qu'en marchant".

IA physiqueActu
1 source
NVIDIA et Hugging Face apportent de nouveaux modèles et frameworks à LeRobot pour la communauté robotique ouverte
Illustration générée par IA
3NVIDIA Blog Robotics 

NVIDIA et Hugging Face apportent de nouveaux modèles et frameworks à LeRobot pour la communauté robotique ouverte

NVIDIA et Hugging Face annoncent l'intégration du modèle NVIDIA Isaac GR00T 1.7 et du framework NVIDIA Isaac Teleop dans LeRobot, la bibliothèque open source de Hugging Face pour la robotique, avec l'arrivée prochaine de NVIDIA Cosmos 3, un modèle monde pour l'IA physique. Isaac Teleop capture des démonstrations humaines via des dispositifs externes dans des formats standardisés, directement dans LeRobot, pour constituer et partager des jeux de données. Isaac GR00T 1.7, présenté par NVIDIA comme le premier modèle fondation robotique open source et commercialement exploitable, facilite le post-entraînement et le déploiement via les workflows LeRobot sur de nouvelles morphologies de robots, avec des benchmarks publiés. Ces briques s'appuient sur des ressources déjà connectées à LeRobot: le plus grand jeu de données open source d'IA physique, téléchargé plus de 15 millions de fois, avec plus de 350 000 trajectoires réelles et simulées et 57 millions de prises (grasps); les frameworks de simulation Isaac Sim et Isaac Lab; Isaac Lab-Arena, intégré au LeRobot Environment Hub pour prototyper des environnements et entraîner des politiques généralistes comme GR00T, Pi ou SmolVLA; et l'intégration de Jetson Thor avec le robot humanoïde open source Reachy 2 pour déployer des modèles VLA (vision-langage-action). Thomas Wolf, cofondateur et chief science officer de Hugging Face, décrit cette collaboration comme un moyen de faire passer la recherche avancée à un stade où la communauté peut l'étudier, l'adapter et la faire évoluer. Pour les intégrateurs et équipes R&D, l'enjeu est de standardiser un pipeline jusque-là fragmenté, collecte de données, entraînement, évaluation, déploiement, en connectant les 3 millions de développeurs robotique de NVIDIA aux 16 millions de builders IA de Hugging Face. Cela réduit le coût d'entrée pour tester des modèles VLA sur du matériel réel sans dépendre d'une pile propriétaire fermée. La mise en avant du caractère "commercialement viable" de GR00T 1.7 tranche avec des modèles concurrents (Pi de Physical Intelligence, Helix de Figure) souvent montrés en démonstration mais rarement publiés en open source avec benchmarks vérifiables. Coupler cela à un futur modèle monde comme Cosmos 3, censé générer des données synthétiques quand les données réelles sont trop chères ou rares à collecter, répond directement à l'un des goulots d'étranglement les plus documentés du secteur humanoïde. Cette annonce prolonge un partenariat plus ancien entre NVIDIA et Hugging Face autour de LeRobot, devenu une référence pour le partage ouvert de données et de politiques robotiques. Elle s'inscrit dans la stratégie de verticalisation physical AI de NVIDIA, de la simulation (Isaac Sim, Isaac Lab) au calcul embarqué (Jetson Thor) en passant par les modèles fondation et, prochainement, les modèles monde. Elle positionne NVIDIA face à des acteurs misant sur des piles intégrées fermées, comme Figure ou Physical Intelligence, en jouant la carte de l'infrastructure ouverte et mutualisée. Aucun acteur français n'apparaît directement, mais Reachy 2 est développé par Pollen Robotics, racheté par Hugging Face, ce qui donne une visibilité indirecte à cet acteur français dans l'écosystème. Les prochaines étapes annoncées restent pour l'instant limitées à la sortie de Cosmos 3 dans LeRobot, sans calendrier de déploiement industriel précisé.

UEImpact indirect: Reachy 2, développe par Pollen Robotics (racheté par Hugging Face), gagne en visibilité via l'intégration Jetson Thor, mais aucun acteur français n'est directement implique dans cette annonce NVIDIA/Hugging Face.

IA physiqueActu
1 source
Le contexte est roi : comment Avride utilise des VLM cloud comme filet de sécurité pour les robots de livraison
Illustration générée par IA
4The Robot Report 

Le contexte est roi : comment Avride utilise des VLM cloud comme filet de sécurité pour les robots de livraison

Avride, entreprise texane spécialisée dans la robotique de livraison autonome, a intègre des modèles de vision-langage (VLM) hébergés dans le cloud pour renforcer la surveillance de ses robots de livraison sur trottoir. Chaque jour, des centaines de ces robots circulent dans des rues urbaines en autonomie quasi totale, traitant localement les données de leurs capteurs pour gérer les manoeuvres standards, les piétons et les feux de signalisation. Le nouveau système, surnomme "VLM-watcher", ne pilote pas le robot en temps réel : toutes les quelques secondes, une image des cameras embarquées est transmise au cloud, après anonymisation locale des visages et plaques d'immatriculation directement sur le robot. Le modèle de vision-langage analyse ensuite la scene dans son ensemble et lui attribue des tags de situation a fort enjeu, par exemple la présence d'un périphérique de police, d'une scene de crime active ou d'un chantier non cartographie avec du ciment frais. Si une situation critique est détectée, une alerte est envoyée a une équipe d'assistance a distance qui peut visionner le flux en direct et intervenir pour faire céder le passage a des secours ou éviter une zone restreinte. Cette approche illustre une tendance de fond dans la robotique de livraison autonome : la pile de perception embarquée, aussi performante soit-elle pour la détection d'objets (cyclistes, enfants, fauteuils roulants, véhicules d'urgence), atteint ses limites face a des scenarios qui exigent une compréhension contextuelle globale plutôt qu'une simple liste d'éléments détectés. Distinguer un policier qui rentre chez lui après son service d'une scene de crime active, par exemple, relève d'un raisonnement sémantique que les réseaux de neurones locaux ne sont pas conçus pour faire seuls. En choisissant de garder les VLM hors de la boucle de pilotage temps réel, pour des raisons de latence et de dépendance réseau, Avride positionne ces modèles lourds comme un filet de sécurité supervise par des humains, et non comme un substitut a l'autonomie embarquée. Cette architecture hybride pourrait devenir un standard de facto pour l'industrie, a mesure que les opérateurs de flottes de robots cherchent a rassurer régulateurs et municipalités sur la gestion des situations sensibles sans sacrifier la réactivité opérationnelle. Avride, fondée par d'anciens ingénieurs du projet Yandex de véhicules autonomes, déploie déjà ses robots de livraison dans plusieurs villes américaines en partenariat avec des enseignes de restauration et de commerce. L'entreprise précise ne pas vouloir lier son infrastructure a un seul fournisseur de modèles, présentant ce nouveau bloc cloud comme une architecture ouverte et modulaire, appelée a évoluer au rythme des progrès des modèles de vision-langage. Cette flexibilité s'inscrit dans un contexte de concurrence croissante sur la livraison autonome sur trottoir, un secteur ou la confiance du public et des autorités locales reste un facteur déterminant pour l'obtention d'autorisations d'exploitation a grande échelle.

IA physiqueActu
1 source