IndustrielRobotics Business Review 7 août 2026

Robots d'entrepôt conçus pour résister aux conditions difficiles

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Nomagic, spécialiste polonais de la robotique d'entrepôt, a présenté son général manager Amérique du Nord Josh Cloer dans l'épisode 256 du podcast The Robot Report, publié début août 2026. Cloer, ancien membre fondateur de l'équipe nord-américaine de Mujin où il a bâti la stratégie commerciale de l'entreprise depuis ses débuts, pilote désormais l'expansion de Nomagic sur le marché nord-américain avec des systèmes de "physical AI" destinés aux opérations de préparation de commandes (order fulfillment). Le même épisode relaie trois actualités du secteur : un accord pouvant atteindre 900 millions de dollars signé par HII avec Path Robotics et GrayMatter Robotics pour de la robotique industrielle, l'annonce par Google DeepMind que Gemini Robotics 2 permet un contrôle corporel complet des robots, et l'ouverture par l'Université de Floride d'un nouveau laboratoire dédié à la construction industrialisée par robots.

Pour les intégrateurs et décideurs logistiques, ces annonces confirment une bascule vers des systèmes d'IA physique capables de s'adapter à la variabilité réelle des entrepôts, plutôt que des cellules robotiques figées programmées pour une tâche unique. L'expansion nord-américaine de Nomagic illustre la concurrence croissante face à des acteurs établis comme Mujin sur le créneau du picking automatisé, tandis que l'accord HII à près d'un milliard de dollars signale que les grands industriels américains structurent désormais des budgets robotiques de long terme plutôt que des pilotes ponctuels. L'annonce de Gemini Robotics 2 par DeepMind s'inscrit dans la course aux modèles vision-langage-action (VLA) censés unifier perception et contrôle moteur, un terrain où Google concurrence directement les approches de type Pi-0, GR00T N2 ou Helix, même si l'ampleur réelle du "contrôle corporel complet" annoncé reste à valider en conditions industrielles plutôt que sur démonstration.

Ce format, animé par Mike Oitzman pour The Robot Report, mêle habituellement une revue d'actualités hebdomadaire à un entretien approfondi avec un dirigeant du secteur ; il s'inscrit dans la préparation de la conférence RoboBusiness 2026, dont les inscriptions étaient ouvertes au moment de la diffusion. Nomagic, fondée en Pologne et financée notamment par des investisseurs technologiques européens, cible historiquement l'automatisation du picking en entrepôt par bras robotisés et vision par ordinateur ; son arrivée aux États-Unis la place directement face à des concurrents nord-américains déjà implantés comme Mujin, Dexterity ou RightHand Robotics sur le même segment du e-commerce fulfillment.

Impact France/UE

Nomagic, entreprise polonaise soutenue par des investisseurs technologiques europeens, etend son empreinte via une expansion nord-americaine, mais cette actualite precise ne concerne pas directement le marche francais ni une reglementation europeenne.

Dans nos dossiers

IA physique & VLA NVIDIA GR00T Gemini Robotics

À lire aussi

1arXiv cs.RO

Des quadrillages aux entrepôts : adapter la planification multi-agents légère en un coup pour les robots à guidage automatique

Une équipe de chercheurs a publié le 21 mai 2026 (arXiv:2605.15799) un nouveau cadre algorithmique baptisé MAWPF (Multi-Agent Warehouse Pathfinding), conçu pour adapter les méthodes classiques de planification multi-agents (MAPF) aux véhicules guidés automatisés (AGV) à transmission différentielle réellement déployés en entrepôt. Contrairement aux formulations MAPF standards qui supposent une grille 2D à quatre connexions avec des déplacements unitaires, MAWPF intègre quatre contraintes physiques réalistes : les agents ne peuvent effectuer que des mouvements rectilignes ou des rotations sur place, les rotations ont un coût multi-étapes (non unitaire), les phases d'accélération et de décélération sont modélisées explicitement, et les collisions par l'arrière entre robots suiveurs sont interdites. Les auteurs ont adapté et comparé quatre algorithmes sous-optimaux représentatifs issus de la littérature MAPF : PP (Prioritized Planning), LNS2 (Large Neighborhood Search 2), PIBT (Priority Inheritance with Backtracking) et LaCAM. Les benchmarks montrent que PP et LNS2 peinent à résoudre des instances à grand nombre d'agents, tandis que les approches basées sur PIBT offrent une meilleure scalabilité, au prix d'un coût de solution plus élevé. Ce travail comble un écart concret entre la recherche en planification combinatoire et les contraintes opérationnelles des entrepôts automatisés, où les AGV à transmission différentielle dominent le marché (flottes Locus Robotics, 6 River Systems, Exotec Skypod). Le fait que les rotations et la cinématique soient désormais intégrées dans le modèle de collision élimine une source fréquente d'échec au déploiement, le "sim-to-real gap" cinématique, sans abandonner la tractabilité de la recherche combinatoire discrète. Pour un intégrateur ou un COO, cela signifie que les algorithmes de planification peuvent être qualifiés sur des métriques proches du comportement réel des véhicules, réduisant les ajustements coûteux en production. Le MAPF classique, formalisé depuis les années 2010 avec des algorithmes comme CBS (Conflict-Based Search) et ses variantes, a longtemps été critiqué pour son manque de réalisme physique. Des travaux récents comme MAPF avec agents de taille variable ou avec contraintes temporelles ont ouvert cette direction, mais la cinématique différentielle restait peu traitée. Sur le plan concurrentiel, Amazon Robotics et Waymo Via investissent dans des approches d'optimisation de flotte propriétaires, tandis que des startups comme Exotec (France) ou Autostore misent sur des architectures matérielles contraintes qui simplifient le problème de planification. La prochaine étape naturelle serait l'extension à la planification lifecycle (avec objectifs de livraison dynamiques) et des tests sur des entrepôts physiques instrumentés, non encore annoncés par les auteurs.

UELes intégrateurs de flottes AGV en Europe, et notamment Exotec (France, Skypod), peuvent s'appuyer sur ce cadre MAWPF pour qualifier leurs planificateurs sur des métriques cinématiques réalistes, réduisant les coûteux ajustements de production liés au sim-to-real gap différentiel.

IndustrielPaper

1 source

2Robotics Business Review

Les robots peuvent améliorer les conditions des travailleurs en manufacture plutôt que les remplacer

En 2024, 542 000 robots industriels ont été installés dans le monde, soit plus du double du volume déployé dix ans auparavant selon l'International Federation of Robotics (IFR). Derrière cette courbe d'adoption, une réalité moins visible s'impose : un peu plus de la moitié des fabricants mondiaux adoptent désormais les robots principalement pour améliorer la qualité, et non plus seulement pour gagner en cadence. Parallèlement, 70 % des industriels capturent encore leurs données de production manuellement, révélant un écart infrastructurel considérable entre les ambitions de l'automatisation et la réalité des ateliers. L'exemple du café Dawn au Japon, opéré par OryLab, illustre un modèle alternatif : des personnes en situation de handicap y téléopèrent des robots depuis chez elles, démontrant que l'automatisation peut élargir le bassin de travailleurs plutôt que le réduire. Ce modèle commence à trouver des équivalents dans l'industrie manufacturière. L'obstacle central à l'autonomie robotique n'est pas d'ordre technique mais épistémique : c'est le fossé de connaissance entre ce que font les opérateurs et pourquoi ils le font ainsi. Les gestes d'un technicien expérimenté, affinés sur des années voire des décennies, deviennent en grande partie instinctifs et résistent à la formalisation. Des capteurs de mouvement couplés à des systèmes d'IA générative permettent aujourd'hui de progresser sur la captation des actions physiques, mais transposer la logique contextuelle derrière ces actions reste un problème ouvert. Sans résoudre cette équation, les robots ne peuvent pas dépasser l'exécution de tâches basiques à l'échelle, et l'autonomie complète demeure hors portée pour la majorité des processus complexes. Ce constat remet en question les discours anticipant un remplacement massif à court terme, et souligne que la vraie condition préalable à l'automatisation avancée est une refonte des workflows de données, de fond en comble. La transformation numérique de l'industrie fait évoluer structurellement les compétences recherchées : pensée stratégique, résolution de problèmes, design de processus, maîtrise des données. La capacité manuelle libérée par les robots sur les tâches à faible valeur ajoutée peut être réorientée vers la supervision, les relations fournisseurs, la conformité réglementaire et l'architecture des systèmes IA. L'article adopte une posture prospective et généraliste plutôt qu'il ne rapporte des déploiements concrets ou des produits identifiables, ce qui limite la portée opérationnelle immédiate de son analyse. Aucun intégrateur, OEM ou startup robotique n'est cité nommément au-delà d'OryLab. Le RoboBusiness 2026 est mentionné en filigrane comme espace de discussion pour ces enjeux. Le défi reste d'ordre organisationnel autant que technologique : l'infrastructure de données et les processus de capture de connaissance tacite constituent le vrai prérequis à l'autonomie robotique industrielle.

UEAucun impact direct sur la France/UE, bien que le constat sur l'écart infrastructurel de capture de données (70 % manuelle) s'applique aux fabricants européens en compétition avec les leaders asiatiques de l'automatisation.

IndustrielOpinion

1 source

3Robotics & Automation News

Pourquoi les robots-chiens surpassent les autres solutions en efficacité industrielle

Les usines modernes sont devenues des environnements vastes et fortement interconnectés, où les équipements fonctionnent en continu et où les processus de production s'étendent sur de larges surfaces physiques : ateliers, salles techniques, couloirs de service et installations extérieures. C'est le constat que dresse Andrew Hamilton, responsable du Digital Process Manufacturing Centre (DPMC) au sein du National Manufacturing Institute Scotland (NMIS), dans une tribune consacrée à la place croissante des robots quadrupèdes, ou « robots-chiens », dans l'industrie manufacturière. Pour les équipes d'ingénierie, disposer d'une visibilité continue et fiable sur l'ensemble de ces zones, dont certaines sont difficiles d'accès, exiguës ou potentiellement dangereuses pour un opérateur humain, constitue selon lui un enjeu opérationnel central des sites de production actuels. L'argument défendu dépasse le simple gadget robotique : il touche à la manière dont les industriels arbitrent entre coût, sécurité et continuité de la surveillance des lignes de production. Contrairement aux robots à roues, les plateformes quadrupèdes franchissent escaliers, seuils et sols irréguliers, ce qui leur permet de couvrir des parcours d'inspection que des chariots automatisés ne peuvent pas suivre, tout en libérant les techniciens des rondes manuelles répétitives. Pour les intégrateurs et décideurs industriels, ce positionnement interroge la répartition future des tâches d'inspection entre capteurs fixes, drones, AMR à roues et robots à pattes, dans des usines où la donnée de terrain devient un actif stratégique pour la maintenance prédictive. Cette analyse s'inscrit dans la mission du NMIS, centre écossais de recherche appliquée en fabrication numérique adossé à l'université de Strathclyde, qui accompagne les industriels dans l'adoption de technologies de production avancées. Le texte de Hamilton s'ajoute à un débat sectoriel plus large sur la maturité des robots quadrupèdes en environnement industriel, popularisés notamment par des plateformes comme Spot de Boston Dynamics, et sur leur capacité à passer du statut d'outil de démonstration à celui de composant standard des chaînes de surveillance d'usine.

IndustrielOpinion

1 source

4Robotics & Automation News

Plus One Robotics diffuse huit heures de performances en direct d'automatisation d'entrepôt

Plus One Robotics, spécialiste américain de l'automatisation des entrepôts basé à San Antonio (Texas), a organisé une démonstration en direct de huit heures de son système d'induction de colis piloté par IA, diffusée simultanément sur ses chaînes YouTube et LinkedIn. L'exercice consistait à montrer un système robotique d'induction de colis fonctionnant en continu, sans interruption, dans des conditions opérationnelles réelles. La durée volontairement longue du stream visait à offrir une fenêtre transparente sur les performances effectives de la robotique d'entrepôt à grande échelle, au-delà des extraits soigneusement montés habituellement présentés dans les démonstrations marketing. L'article ne précise pas les métriques de cadence ou de taux d'erreur atteints pendant ces huit heures, ce qui limite l'évaluation objective de la performance annoncée. La démarche est significative dans un secteur où le gouffre entre démo et réalité terrain reste un sujet brûlant. Montrer huit heures de fonctionnement non interrompu est une réponse directe aux sceptiques qui pointent le cherry-picking des vidéos promo. Pour les intégrateurs logistiques et les COO de centres de distribution, la continuité opérationnelle et la tolérance aux cas limites comptent bien plus que des pics de performance isolés. Si les métriques associées (throughput réel, taux de succès de saisie, types de colis traités) sont publiées, ce stream constituerait une référence utile pour les appels d'offres. Plus One Robotics opère dans un segment très concurrentiel dominé par Mujin, Pickle Robot, Covariant et Symbotic pour la manipulation de colis en entrepôt. La société a notamment des déploiements annoncés chez des opérateurs logistiques majeurs et s'appuie sur une approche Human-in-the-Loop ("Yonder") pour gérer les cas d'exception. Cette démonstration longue durée s'inscrit dans une tendance plus large du secteur vers la validation publique de la robustesse, après une période où les promesses marketing ont précédé les résultats terrain.

IndustrielActu

1 source