HumanoïdesRobotics Business Review 7 août 2026

Avatar Robotics lève un tour d'amorçage pour répondre aux contraintes de main-d'œuvre industrielle

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Avatar Robotics, startup basée à San Francisco et fondée en 2024, a annoncé cette semaine une levée de fonds seed de 6,5 millions de dollars menée par AlleyCorp, faisant suite à un tour pré-seed dirigé par defy.vc. Parmi les autres investisseurs figurent Headline, Henry Ford III, Refashiond, Paul Vogel, Jack Huffard et Samuel Udotong. Les fondateurs, Colin Webb (CEO) et Nenye Anagbogu, diplômés du MIT, viennent du secteur des véhicules autonomes ; Webb a travaillé sur des voitures autonomes et des drones pilotés par IA avant de cofonder une première startup avec Anagbogu. L'équipe technique compte des ingénieurs issus de Cruise, Apple, Tesla, Intuitive Surgical, Unity et du MIT. Les fonds serviront à déployer davantage de flottes de robots semi-humanoïdes, étendre les déploiements clients, améliorer le logiciel d'autonomie et renforcer les équipes d'ingénierie. Depuis son lancement, Avatar Robotics affirme que ses manipulateurs mobiles ont traité et aidé à expédier plus de 900 000 produits dans des entrepôts clients réels, dont ceux d'un distributeur mondial de produits de beauté, et la société a entamé une phase d'expansion post-pilote avec un opérateur d'entrepôts multi-milliardaire pour des tâches de tri et de picking.

Le modèle repose sur une approche human-in-the-loop : des opérateurs humains télé-opèrent les robots à distance pour exécuter picking, packing, kitting, tri, comptage de cycle et manutention, sans réaménagement lourd des sites. Les données générées alimentent ensuite des modèles fondation robotiques, avec l'objectif de transférer progressivement les tâches routinières vers l'autonomie complète et de permettre à terme à un seul opérateur de superviser plusieurs robots. Cette stratégie reconnaît implicitement que l'autonomie complète reste hors de portée à court terme : plutôt que de promettre une autonomie immédiate, Avatar Robotics utilise la téléopération comme pont commercial tout en constituant des jeux de données de contrôle robotique, une ressource que l'industrie manque selon les investisseurs. Pour les intégrateurs confrontés à des pénuries de main-d'œuvre sur des tâches répétitives, l'approche offre un déploiement immédiat sans attendre la maturation des modèles VLA. Le chiffre de 900 000 produits traités, communiqué sans période de référence ni part réelle d'autonomie, reste toutefois une déclaration d'entreprise non vérifiée indépendamment, et les 6,5 millions levés demeurent modestes comparés aux centaines de millions engrangés par Figure AI ou Apptronik.

Avatar Robotics s'inscrit dans une vague de startups misant sur la téléopération comme étape intermédiaire vers l'autonomie des humanoïdes, une philosophie proche de celle de Figure AI avec Helix ou de 1X Technologies avec Neo. Amy Yin, partenaire chez defy.vc, a salué la vision de Colin Webb, estimant que ce modèle pourrait aider Avatar à bâtir l'une des plus grandes flottes de robots humanoïdes au monde. Brannon Jones, principal chez AlleyCorp, a souligné que le système human-in-the-loop d'Avatar performe à un niveau compétitif avec des opérateurs humains qualifiés dans les workflows déjà en production chez ses clients. La suite dépendra de la transformation du partenariat post-pilote avec l'opérateur d'entrepôts multi-milliardaire en déploiement à grande échelle, tout en poursuivant la bascule progressive des tâches télé-opérées vers l'autonomie logicielle. Cette levée s'ajoute à une dynamique de financement soutenue dans le secteur humanoïde, où Figure, 1X ou Agility Robotics cherchent tous à démontrer une traction commerciale réelle en environnements logistiques plutôt que de simples démonstrations en laboratoire.

Dans nos dossiers

Figure 1X Technologies Apptronik Apollo Agility Robotics — Digit

À lire aussi

1Interesting Engineering

Boston Dynamics révèle comment Atlas soulève des charges industrielles de 45 kg en production

Boston Dynamics a publié début 2025 un billet technique détaillant comment son robot humanoïde Atlas a appris à manipuler des charges industrielles lourdes grâce au reinforcement learning et à la simulation à grande échelle. La démonstration montre Atlas effectuer une rotation du torse à 180 degrés, se baisser pour saisir un mini-réfrigérateur, puis le transporter sur plusieurs mètres en compensant le déplacement du poids interne de l'objet. La charge nominale d'entraînement se situe entre 23 et 32 kg (50-70 lb), mais le robot a réussi à déplacer un réfrigérateur dépassant les 45 kg (100 lb) lors des tests. Pour percevoir le poids, l'équilibre et la résistance, Atlas s'appuie principalement sur la proprioception, c'est-à-dire la conscience interne de son propre corps, plutôt que sur la vision seule. L'entraînement repose sur des millions d'heures de simulation parallèle sur GPU, où l'on fait varier le poids de l'objet, le frottement au sol, la force de préhension et la position initiale de la charge pour forcer le robot à généraliser ses comportements. Ce que cette publication révèle, au-delà de la performance brute, c'est une avancée méthodologique sur le problème dit du "sim-to-real gap" : l'écart historique entre les comportements appris en simulation et leur transposition sur le robot physique. Boston Dynamics affirme l'avoir réduit grâce à une architecture matérielle délibérément simplifiée : Atlas n'utilise que deux types d'actionneurs sur l'ensemble du corps, les bras et les jambes sont symétriques, et les câbles ont été éliminés au niveau des articulations, autorisant une rotation continue des joints et réduisant les sources d'usure et de latence. Pour les intégrateurs industriels et les décideurs B2B, cela signifie que la simulation devient un outil de développement comportemental fiable, raccourcissant potentiellement les cycles de mise en production. Le fait que le comportement de levage ait été développé en quelques semaines seulement après le lancement public d'Atlas est un signal fort sur la scalabilité du pipeline d'entraînement. Il faut toutefois noter que la démonstration reste une vidéo sélectionnée en laboratoire : aucun déploiement terrain ni données de fiabilité sur durée longue ne sont communiqués. Boston Dynamics, rachetée par Hyundai en 2021 pour 1,1 milliard de dollars, a rebooté Atlas en version entièrement électrique début 2024, abandonnant la plateforme hydraulique utilisée depuis 2013. Ce nouvel Atlas se positionne explicitement comme un "outil polyvalent pour le travail physique", en concurrence directe avec Figure (Figure 02 et 03 annoncés), Tesla (Optimus Gen 3), Physical Intelligence (Pi-0), Agility Robotics (Digit), et NVIDIA dans l'écosystème GR00T N2. La décision de lier les démonstrations athlétiques d'Atlas, dont des figures au sol et des backflips, à des cas d'usage industriels est une communication stratégique visant à montrer que l'agilité n'est pas une fin en soi mais un proxy pour la robustesse en environnement difficile. Les prochaines étapes annoncées concernent des pilotes en environnement industriel réel, notamment avec BMW, sans calendrier précis communiqué.

UEUn pilote industriel avec BMW (groupe allemand) est évoqué sans calendrier précis, signal pertinent pour les intégrateurs européens qui évaluent les humanoides en environnement de production.

HumanoïdesOpinion

1 source

2arXiv cs.RO

Transfert de style de mouvement humain pour le contrôle physique de robots humanoïdes

Un groupe de chercheurs présente dans un preprint arXiv (2606.03536, soumis le 3 juin 2026) un framework de transfert de style de mouvement pour robots humanoïdes. Le système prend en entrée un court clip humain illustrant un style moteur désiré (rythme de marche, balancement des bras, posture) et un mouvement cible distinct, puis génère un mouvement corps entier stylisé adapté au robot. Le modèle central est un modèle de diffusion latente multi-condition, sensible à la physique, fusionnant conditions de style, de contenu et de trajectoire. La guidance classifier-free permet d'ajuster l'intensité du style sans réentraîner le modèle. Les références générées sont ensuite converties pour le robot Unitree G1 et exécutées par une politique de suivi corps entier entraînée via une stratégie "cluster-and-distill". Sur 125 essais sur robot réel, la méthode atteint un taux de réussite de 96,0 %, avec moins d'artefacts de contact et de jitter que les baselines orientées animation. Ce résultat remet en question le paradigme dominant où chaque comportement expressif d'un humanoïde est soit capturé en démonstration directe, soit scripté manuellement, deux approches coûteuses et non réutilisables entre contenus de mouvement différents. En permettant à un court clip humain de servir de source de style transférable sur des contenus arbitraires, le framework ouvre la voie à une personnalisation motrice procédurale. L'écart simulation-hardware est adressé directement par des régularisations de cohérence de contact et de lissage temporel imposées lors de l'entraînement, un point de friction récurrent dans la chaîne génération-contrôle. Un taux de 96 % sur 125 essais réels représente un résultat solide pour de la recherche académique dans ce domaine, où beaucoup de travaux restent confinés à la simulation. Le Unitree G1 (environ 16 000 dollars) s'est imposé ces 18 derniers mois comme la plateforme de référence pour la recherche humanoïde académique. Ces travaux s'inscrivent dans la tendance des modèles de diffusion appliqués à la génération de mouvement (MDM, MotionDiffuse), prolongée ici jusqu'au contrôle physique sur hardware réel. Dans la course à l'expression motrice des humanoïdes, Boston Dynamics (Atlas), Figure et 1X investissent massivement côté imitation learning et VLA end-to-end, tandis que ce preprint se positionne sur la génération procédurale contrôlée, approche complémentaire. Du côté européen, Wandercraft et Enchanted Tools (France, robot Mirokaï) travaillent sur des problématiques d'expression motrice proches, sur des architectures distinctes. La suite logique serait l'intégration de ce framework dans des pipelines de téléopération ou d'interfaces humain-robot en conditions industrielles réelles.

UEWandercraft et Enchanted Tools (France) travaillent sur des problématiques d'expression motrice similaires et pourraient s'inspirer de cette approche de transfert de style procédural sur hardware réel.

HumanoïdesPaper

1 source

3Interesting Engineering

Atlas de Boston Dynamics montrerait des signes d'intelligence générale pour le travail en usine

Selon un rapport publié par KB Securities, l'humanoïde Atlas de Boston Dynamics franchit un seuil décisif vers le déploiement industriel. L'analyste Kang Sung-jin y documente des progrès significatifs dans ce que le secteur appelle l'«intelligence générale robotique», soit la capacité à s'adapter à des environnements inconnus et à accomplir des tâches variées sans instructions exclusivement préprogrammées. Le facteur technique central : un pipeline d'entraînement accéléré permettant de simuler l'équivalent de millions d'heures de formation robotique en une seule journée, puis de transférer les comportements appris sur le robot physique en environ une heure. Lors de démonstrations récentes, Atlas a déplacé un réfrigérateur de plus de 45 kg alors qu'il avait été entraîné sur des charges de 23 à 32 kg, illustrant une capacité de généralisation au-delà des conditions d'entraînement initiales. La filiale robotique du groupe Hyundai Motor a également montré Atlas exécutant des mouvements de frappe dynamiques nécessitant équilibre, agilité et contrôle moteur précis. Ces avancées reposent sur des partenariats stratégiques avec Google DeepMind, qui contribue son expertise en systèmes d'apprentissage, et Nvidia, qui fournit l'infrastructure de calcul haute performance nécessaire aux simulations à grande échelle. La réduction du «sim-to-real gap», l'écart historiquement problématique entre performances simulées et comportement réel, constitue l'argument technique le plus solide mis en avant par Boston Dynamics. La société l'attribue à une architecture matérielle délibérément simplifiée : Atlas n'utilise que deux types d'actionneurs sur l'ensemble de son corps, avec bras et jambes symétriques. Cette homogénéité facilite la création de simulations fidèles et accélère le transfert des compétences. La suppression des câbles traversant les articulations permet en outre une rotation continue des joints et réduit les exigences de maintenance. Pour les intégrateurs industriels et les décideurs B2B, ces caractéristiques signifient concrètement que les cycles de qualification de nouvelles tâches pourraient passer de plusieurs mois à quelques semaines. KB Securities projette que Boston Dynamics pourrait capturer 15 % du marché mondial des humanoïdes d'ici 2035 et jusqu'à 60 % du segment premium industriel, des estimations ambitieuses à considérer avec précaution sur un marché encore naissant. Boston Dynamics, fondée en 1992 au MIT et acquise par Hyundai Motor Group en 2021 pour 1,1 milliard de dollars, présente avec cet Atlas une rupture architecturale par rapport à ses générations précédentes, entièrement hydrauliques. Sur le terrain concurrentiel, la société fait face à Figure (accords industriels avec BMW et son robot 02), Tesla (Optimus Gen 3), Physical Intelligence (Pi-0, approche VLA), et Agility Robotics (Digit, déployé dans des entrepôts Amazon). En Europe, Enchanted Tools avec son Mirokaï et Wandercraft avec l'Atalante ciblent des niches spécifiques mais restent loin de la polyvalence industrielle visée par Atlas. Les prochains déploiements pilotes annoncés concernent des installations du groupe Hyundai, sans calendrier précis communiqué à ce stade.

UELes acteurs européens Enchanted Tools et Wandercraft accusent un retard marqué sur la polyvalence industrielle visée par Atlas, accentuant la pression concurrentielle sur l'écosystème humanoïde FR/EU avant même les premiers déploiements pilotes Hyundai.

HumanoïdesOpinion

1 source

4Robotics Business Review

Holiday Robotics lève 105 millions de dollars pour son humanoïde à roues FRIDAY

Holiday Robotics, société basée à Séoul, a levé 105 millions de dollars en série A ce mois-ci pour développer FRIDAY, un semi-humanoïde à base roulante destiné aux tâches industrielles répétitives. Contrairement aux humanoïdes bipèdes, FRIDAY repose sur une base mobile à roues et un buste dédié à la manipulation fine, avec des batteries interchangeables à chaud permettant de tenir une journée complète de production. L'entreprise revendique 64 degrés de liberté, dont 40 concentrés dans les mains, articulations totalement rétro-entraînables au niveau des bras et des mains, et une perception à 360 degrés combinant caméras et lidar pour supprimer les angles morts. Les mains intègrent des capteurs tactiles et un contrôle sensible à la force, censés permettre au robot de sentir le contact et de s'adapter aux variations de friction, de poids ou d'alignement des pièces. Aucun chiffre de prix, de charge utile en kilogrammes ou de temps de cycle n'est communiqué à ce stade, seule la répartition des degrés de liberté étant précisée par l'entreprise elle-même. Cette annonce illustre un repositionnement du discours dans la course aux humanoïdes industriels: après une vague de démonstrations centrées sur la marche et l'interaction, Holiday Robotics choisit de mettre en avant la dextérité manuelle comme véritable goulot d'étranglement de l'automatisation. L'argument rejoint un constat déjà partagé par plusieurs acteurs du secteur, à savoir que la préhension, le contact et la répétabilité fine restent plus difficiles à industrialiser que la locomotion. Sur le plan technique, l'entreprise revendique une approche vision-language-skill (VLS) plutôt qu'un modèle vision-langage-action (VLA) de bout en bout: chaque compétence élémentaire est entraînée et validée séparément, puis orchestrée pour composer des tâches complexes, ce qui faciliterait le diagnostic des échecs et la réutilisation des compétences sur de nouvelles tâches. Reste que ces affirmations proviennent uniquement du communiqué de l'entreprise, sans démonstration indépendante ni client nommé, et qu'aucun déploiement en usine réelle n'est encore documenté avec des métriques vérifiables. Holiday Robotics développe l'ensemble de sa pile en interne: Holiday Sim pour tester et durcir les comportements en simulation avant déploiement, Holiday Lab pour transformer démonstrations et échecs réels en compétences réutilisables, et OASys, encore en développement, pour faciliter le déploiement sur le terrain tout en réinjectant l'expérience opérationnelle dans le système. L'entreprise dit privilégier une stratégie de terrain d'abord, en ciblant des tâches répétitives à forte valeur mesurable plutôt que des démonstrations spectaculaires, une approche qui rappelle les discours prudents d'acteurs comme Figure ou Apptronik sur la nécessité de prouver la fiabilité avant la généralisation. La levée de fonds positionne Holiday parmi les prétendants sérieux du segment coréen de la robotique humanoïde industrielle, sans qu'aucun calendrier de déploiement commercial concret n'ait encore été précisé.

HumanoïdesOpinion

1 source