IndustrielRobohub 25 septembre 2026

Une approche open source de l'IA physique par Intrinsic

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Intrinsic, la division robotique d'Alphabet issue du laboratoire X, a ouvert en open source une partie de sa plateforme sous le nom d'Intrinsic Core, un ensemble de briques compatibles ROS pour construire des applications robotiques. L'ensemble comprend Intrinsic Control, un framework de contrôle temps réel agnostique au matériel qui adapte la trajectoire du robot selon les retours capteurs et génère des chemins sans collision, sans réécriture des pilotes lors d'un changement de bras, de pince ou de capteur. S'y ajoutent une estimation de pose en six degrés de liberté (6 DOF), un moteur de planification de mouvement et de prise adaptant automatiquement la préhension à l'orientation de la pièce, des services de simulation continue, un outil de calibration automatique de caméra et des pilotes Intrinsic-ROS préconfigurés. Intrinsic publie également l'Open Machine Tending Solution (OMTS), un design de référence clé en main pour l'alimentation de machines-outils, téléchargeable dès à présent sur GitHub.

Cette ouverture marque un changement de posture : Intrinsic vendait jusque-là sa pile logicielle comme une offre intégrée et se rapproche désormais du modèle d'infrastructure partagée de ROS. Pour les intégrateurs, cela abaisse la barrière d'entrée en rendant gratuites des briques de perception, de planification et de prise auparavant développées en interne ou achetées auprès de fournisseurs propriétaires comme ABB, Fanuc ou Universal Robots. L'annonce ne concerne ni robot humanoïde ni modèle fondation VLA, contrairement à Figure 03, GR00T N2 ou Helix : il s'agit d'une pile pour bras industriels classiques, et l'OMTS reste un gabarit de référence, Intrinsic ne communiquant aucun chiffre d'adoption ni déploiement client validé.

Intrinsic est née en 2021 comme spin-off du laboratoire de paris technologiques X d'Alphabet, avec pour mission de simplifier la programmation robotique industrielle par le logiciel et l'IA, une trajectoire renforcée par le rachat de Vicarious en 2022. Cette publication s'inscrit dans une vague plus large d'ouverture en IA physique, aux côtés des modèles fondation publiés par Physical Intelligence (Pi-0) ou NVIDIA (GR00T), bien qu'Intrinsic Core reste une couche logicielle classique de robotique industrielle plutôt qu'un modèle généraliste vision-langage-action. Aucun calendrier de pilotes n'a été communiqué au-delà de la disponibilité immédiate du code sur GitHub.

Impact France/UE

Les intégrateurs européens de robotique industrielle utilisant ROS pourraient accéder gratuitement a des briques de perception, planification et prise auparavant propriétaires, sans qu'aucun déploiement ou partenariat européen ne soit annonce.

Dans nos dossiers

Figure IA physique & VLA NVIDIA GR00T Physical Intelligence — π0

À lire aussi

1Robotics & Automation News

Intrinsic vise l'IA physique : construire l'usine pilotée par logiciel

Intrinsic, la filiale de robotique logicielle d'Alphabet issue du laboratoire de recherche X, présente son ambition pour l'IA physique autour d'un concept qu'elle nomme l'usine pilotée par logiciel. L'entreprise part d'un constat : depuis des décennies, l'automatisation industrielle a gagné en vitesse et en capacité robotique, mais son modèle sous-jacent est resté figé, avec des systèmes conçus pour des tâches spécifiques qui rendent toute flexibilité coûteuse et longue à mettre en œuvre. Ce modèle est, selon Intrinsic, de plus en plus remis en cause, les fabricants industriels étant soumis à une pression croissante pour adapter plus vite leurs lignes de production. L'enjeu concerne directement les intégrateurs et décideurs industriels : si le logiciel devient le principal levier de flexibilité plutôt que le réoutillage matériel, la reconfiguration des cellules robotiques pour de nouvelles tâches pourrait s'accélérer, un point critique face à des cycles produits plus courts et à la demande croissante de petites séries personnalisées. L'annonce s'inscrit dans une tendance sectorielle plus large autour de l'IA physique, présentée comme la prochaine étape après des années où la promesse de flexibilité a souvent été contredite par la réalité des déploiements. Elle reste toutefois formulée comme une ambition stratégique, sans chiffres vérifiables de clients ou de sites à l'appui. Intrinsic opère depuis plusieurs années comme la branche d'Alphabet dédiée à la robotique logicielle industrielle, héritée du programme X, dans un paysage où grands automaticiens et jeunes pousses spécialisées en IA physique visent tous une usine plus reprogrammable. L'article ne précise ni calendrier de déploiements pilotes ni date de disponibilité commerciale, laissant pour l'instant cette annonce au stade du positionnement stratégique plutôt que de la démonstration opérationnelle à grande échelle.

IndustrielActu

1 source

2TechNode

L'IA décroche un emploi en usine

Microintelligence, entreprise fondée en 2018 à Changzhou (est de la Chine), prépare son introduction à la Bourse de Hong Kong. Elle a publié le 9 octobre son « post-hearing information pack », l'étape documentaire qui suit l'audition réglementaire. Spécialisée à l'origine dans le contrôle qualité par IA, elle combine désormais capteurs, logiciels et pilotage robotique dans des produits qui inspectent, manipulent et finissent des pièces manufacturées. Son président et directeur général, Zhang Zhiqi, date le tournant vers 2022. Un client, non identifié, voulait inspecter et meuler une grande pièce de fonderie sous pression de plus de deux mètres, avec près de 3 000 positions d'imagerie, en dix minutes. Selon Zhang, un robot suivant une trajectoire de meulage fixe aurait besoin d'environ une heure, alors qu'un ouvrier qualifié y parvient en sept ou huit minutes. Ces chiffres viennent de son témoignage dans une interview publiée et n'ont pas été validés par un benchmark indépendant. L'enjeu dépasse la vitesse. L'ouvrier repère les défauts et concentre son effort là où il le faut, tandis que le robot programmé déroule son parcours quel que soit l'état de la pièce. Sur une pièce moulée, la position et l'ampleur des bavures à retirer varient d'un exemplaire à l'autre. La valeur se déplace donc de la détection vers la boucle perception-action : transformer l'inspection en plan d'intervention propre à chaque pièce. Pour les intégrateurs et les directeurs d'usine, c'est le point où l'IA industrielle cesse d'être un outil de contrôle pour devenir un outil de production, avec une promesse de finition adaptative que la robotique à trajectoires fixes n'offre pas. Il faut toutefois rester prudent : le cas décrit n'a ni client nommé ni volumes de déploiement, et il relève du récit du dirigeant, à l'approche de la cotation. Le parcours de la société explique cette orientation. Ses débuts portaient sur des tâches de vision industrielle plus modestes. Un cas publié par son partenaire technologique Baidu décrit un équipement d'inspection de surface pour petits produits, qui associe vision par ordinateur et apprentissage profond pour localiser et classer les défauts, avec des caméras couvrant plusieurs faces de l'objet. Baidu y cite l'éclairage et les algorithmes comme principales difficultés. Cette expérience a appris à l'entreprise à capturer des images en conditions réelles de production, à respecter les exigences qualité d'une usine et à faire fonctionner matériel et logiciel ensemble. Le projet de fonderie l'a ensuite poussée vers la capture d'images pendant que le bras robotique reste en mouvement et vers la localisation des zones à traiter. Selon le texte, elle a aussi racheté une autre société technologique et fait de la robotique une part croissante de son offre. Les détails de cette acquisition et la part de chiffre d'affaires concernée ne figurent pas dans les éléments disponibles. L'introduction à Hong Kong constituera le test public de cette trajectoire.

UEPas d\'impact direct sur la France/UE

IndustrielOpinion

1 source

3Robotics Business Review

Comment optimiser le soudage robotique par l'IA chez Path Robotics

Traduction/résumé de l'article. Path Robotics, entreprise basée à Columbus (Ohio), applique l'intelligence artificielle au soudage robotisé pour résoudre un problème de longue date dans l'industrie manufacturière : la difficulté à programmer et calibrer des robots soudeurs sur des pièces variables. Son système utilise la vision en temps réel pour identifier la trajectoire de la torche et guider le robot tout au long de l'opération de soudure, en ajustant la trajectoire à la volée plutôt qu'en suivant un programme rigide préétabli. L'entreprise déploie également des robots quadrupèdes Spot de Boston Dynamics pour des applications de soudage mobile dans la construction navale, un secteur où les pièces à souder sont souvent trop volumineuses ou mal positionnées pour des cellules robotiques fixes classiques. Ces informations ont été détaillées par Andy Lonsberry, cofondateur et PDG de Path Robotics, lors de l'épisode 252 du podcast The Robot Report, aux côtés de Michael Yip, professeur assistant en génie électrique et informatique à l'UC San Diego. Cette approche illustre un mouvement plus large dans la robotique industrielle : remplacer la programmation manuelle fastidieuse des trajectoires de soudure par des systèmes qui perçoivent et s'adaptent à la géométrie réelle des pièces. Pour les intégrateurs et les décideurs industriels, c'est un argument concret en faveur de l'IA physique appliquée à des tâches à forte valeur ajoutée mais chroniquement sous-automatisées, le soudage manuel restant l'un des métiers les plus pénuriques dans l'industrie lourde américaine. L'utilisation de Spot pour le soudage mobile en chantier naval est également révélatrice d'une tendance : recycler des plateformes quadrupèdes déjà éprouvées (initialement conçues pour l'inspection) vers des tâches de fabrication, plutôt que de développer un robot mobile dédié depuis zéro. Cela reste toutefois un déploiement ciblé sur un cas d'usage industriel spécifique, et non une démonstration généraliste. Sur le plan de la recherche, Michael Yip dirige l'Advanced Robotics and Controls Laboratory (ARCLab) à l'UC San Diego, où son équipe travaille sur le contrôle et la planification de mouvement robotique efficaces en données et en calcul, en s'appuyant sur l'apprentissage profond et l'apprentissage par renforcement. Yip, également conférencier distingué IEEE RAS et Hellman Fellow, applique ces méthodes à la robotique chirurgicale et à l'automatisation de procédures médicales, un domaine où la précision du geste et l'adaptabilité en temps réel posent des défis proches de ceux du soudage industriel. L'épisode aborde par ailleurs l'actualité de la semaine, avec la question des robots humanoïdes en chirurgie au-delà du Da Vinci, les propos du cofondateur d'Agility Robotics avant son entrée en bourse à propos de son robot Digit V5, ainsi que les tensions croissantes entre la NHTSA et les véhicules autonomes interférant avec les services d'urgence aux États-Unis.

IndustrielActu

1 source

4The Robot Report

L'IA physique, trait d'union entre rentabilité et durabilité

Omar Asali, président et directeur général de Ranpak, prendra la parole le 27 mai 2026 au Robotics Summit & Expo de Boston (Thomas M. Menino Convention & Exhibition Center, 14h30-15h15) pour présenter les résultats chiffrés de l'IA physique appliquée à la logistique d'entrepôt. Les métriques avancées par Ranpak dans des scénarios de déploiement réels sont les suivantes : réduction de 25 % de la consommation de carton ondulé (corrugate), diminution de 75 % du nombre de références boîtes (SKUs) en stock, et multiplication par 4 à 5 du débit de traitement. L'entreprise positionne ces gains comme une réfutation empirique du "dilemme vert", la présupposition largement répandue dans le secteur logistique selon laquelle les objectifs de durabilité entrent nécessairement en conflit avec la rentabilité opérationnelle. Le concept central mis en avant par Ranpak est celui d'IA physique (physical AI) : des systèmes embarqués, pilotés par capteurs, capables de caractériser en temps réel les objets manipulés pour adapter dynamiquement le format d'emballage. Contrairement aux approches purement logicielles (optimisation de tournées, prévision de la demande), l'IA physique agit directement sur le flux matière, ce qui explique l'impact simultané sur les coûts matière, le footprint de stockage et le débit. Pour un intégrateur ou un COO industriel, l'argument est structurant : si les chiffres sont confirmables à l'échelle, cela invalide le trade-off classique entre capex automation et ROI court terme, et rend les critères ESG directement commensurables aux KPIs opérationnels. Il convient toutefois de noter que les métriques présentées émanent d'un communiqué de promotion de conférence, sans méthodologie publiée ni périmètre de déploiement précisé, à vérifier avant toute extrapolation. Ranpak, fondée en 1972 et cotée au NYSE (PACK), est historiquement spécialisée dans les matériaux d'emballage protecteur en papier. L'entreprise a amorcé depuis 2019 un pivot vers l'automatisation, avec des acquisitions dans la robotique d'emballage (notamment Automated Packaging Systems et des partenariats avec des intégrateurs AMR). Sur le segment de l'optimisation d'emballage piloté par IA, Ranpak se positionne face à des acteurs comme Packsize (dimensionneurs on-demand), Sparck Technologies (boîtes sur-mesure automatisées) et, sur le volet logiciel pur, Nulogy ou Paccurate. Aucun acteur français ou européen de premier plan n'est directement cité dans ce contexte, bien qu'Enchanted Tools et Pollen Robotics travaillent sur des segments adjacents de manipulation en entrepôt. La prochaine étape observable sera la présentation elle-même le 27 mai, et d'éventuelles annonces de pilotes ou de partenariats associées au salon.

UELes métriques annoncées pourraient intéresser les opérateurs logistiques européens, mais aucun déploiement ni partenariat européen n'est confirmé à ce stade.

IndustrielActu

1 source