Aller au contenu principal
Comau développe un système robotisé de préparation de commandes pour l'e-commerce de DecathlonIllustration générée par IA
IndustrielRobotics & Automation News 

Comau développe un système robotisé de préparation de commandes pour l'e-commerce de Decathlon

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 uniqueImpact UE

Comau, groupe italien d'automatisation industrielle, a conçu et validé un système de préparation de commandes testé dans les opérations logistiques e-commerce de Decathlon. Les essais s'inscrivent dans MASTERLY, une initiative européenne qui vise à faire passer l'industrie de la production de masse classique à des systèmes flexibles et personnalisés. La solution repose sur le cobot MyCo de Comau, piloté par une architecture logicielle ROS2, et associe des capteurs intelligents à une couche de perception. Le communiqué disponible ne donne ni cadence, ni taux de prise réussie, ni nombre de références manipulées, ni durée ou site précis du test. Il s'agit donc d'un pilote validé en conditions d'essai, pas d'un déploiement commercial annoncé.

L'intérêt est moins technologique que démonstratif. La préparation de commandes e-commerce, avec ses milliers de références hétérogènes et ses pics saisonniers, reste l'un des derniers maillons peu automatisés de l'entrepôt. Un cobot standard sur une pile logicielle ouverte ROS2 laisse espérer un coût d'intégration plus faible que des cellules propriétaires, un point à surveiller pour les intégrateurs. Sans métriques publiées, la question de l'écart entre démonstration et exploitation reste entière.

Côté contexte, Comau s'appuie sur sa gamme de cobots et sur des programmes européens pour valider des cas d'usage hors de l'automobile. Decathlon, enseigne française, fournit un terrain logistique réel. Le segment du picking robotisé est déjà occupé par des acteurs comme Exotec (France, systèmes goods-to-person), RightHand Robotics ou Dexterity. La suite dépendra d'éventuels résultats chiffrés et d'un passage à l'échelle sur plusieurs sites, aucun n'étant annoncé à ce stade.

Impact France/UE

Un pilote logistique e-commerce chez Decathlon, enseigne française, dans le cadre du programme européen MASTERLY, illustre l'usage de cobots sur pile ROS2 ouverte pour le picking en Europe.

À lire aussi

Un cadre d'apprentissage par renforcement neuromorphique pour la planification de chemin efficace dans les systèmes robotisés de préparation de commandes
Illustration générée par IA
1arXiv cs.RO 

Un cadre d'apprentissage par renforcement neuromorphique pour la planification de chemin efficace dans les systèmes robotisés de préparation de commandes

Une équipe de chercheurs a publié sur arXiv (référence 2606.20031) le framework SDQN-RMFS, une chaîne de traitement complète qui associe apprentissage par renforcement et calcul neuromorphique pour la navigation de robots mobiles dans les systèmes d'exécution d'entrepôts (RMFS, Robotic Mobile Fulfillment Systems). Le pipeline fonctionne en deux temps : une politique est d'abord entraînée sur un réseau de neurones artificiel (ANN) classique, en pleine précision, via une stratégie d'entraînement autorisant les collisions afin de densifier les trajectoires informatives. Elle est ensuite convertie en réseau de neurones impulsionnels (SNN, Spiking Neural Network) grâce à une distillation de connaissance à labels durs (hard-label knowledge distillation), technique qui compense le décalage de distribution entre les deux architectures. Déployé sur puce neuromorphique, le système atteint jusqu'à 11 281 fois d'économies d'énergie par rapport à une baseline GPU haute performance, avec une réduction de latence de près de 2×, sans dégradation mesurable de la qualité de décision. Ces résultats sont significatifs pour quiconque opère un entrepôt automatisé à grande échelle : l'énergie consommée par les unités de calcul embarquées constitue un poste de coût non négligeable dès que la flotte dépasse quelques centaines d'AMR (autonomous mobile robots). La contribution technique principale est de démontrer, sur matériel réel et non en simulation, qu'une politique RL peut survivre à la conversion ANN-vers-SNN sans effondrement de performance, un point de friction longtemps considéré comme rédhibitoire pour le déploiement neuromorphique industriel. Le travail valide également l'approche sim-to-real dans un contexte d'entrepôt dense et dynamique, là où les méthodes classiques de planification de chemin (A*, règles heuristiques) peinent à répondre en temps réel sous contrainte de ressources. Les RMFS sont au coeur des entrepôts d'Amazon Robotics (issu de l'acquisition de Kiva Systems), de Geek+ ou d'Hai Robotics, mais aussi du français Exotec, dont le système Skypod mobilise des flottes de plusieurs milliers de robots. Le calcul neuromorphique mobilise des acteurs comme Intel (puce Loihi 2) et des laboratoires académiques européens autour de BrainScaleS. Ce preprint n'a pas encore été soumis à révision par les pairs, et les conditions exactes des expériences matérielles (type de puce, taille de l'entrepôt simulé, densité de flotte) mériteraient d'être précisées avant tout benchmark concurrentiel. Les prochaines étapes logiques seraient un pilote en entrepôt réel et une évaluation sur flottes hétérogènes.

UEExotec (Skypod) et les laboratoires européens autour de BrainScaleS sont directement concernés par cette avancée en calcul neuromorphique qui pourrait réduire drastiquement les coûts énergétiques des flottes AMR à grande échelle.

IndustrielOpinion
1 source
Teradyne Robotics et Sereact s'associent pour développer des solutions d'IA physique pour le commerce de détail et la logistique
Illustration générée par IA
2Robotics & Automation News 

Teradyne Robotics et Sereact s'associent pour développer des solutions d'IA physique pour le commerce de détail et la logistique

Teradyne Robotics et Sereact ont annoncé un partenariat associant la plateforme d'IA physique de Sereact aux robots collaboratifs (cobots) de Universal Robots, filiale de Teradyne. Les applications visées sont le commerce de détail, la logistique et la manufacture, plus précisément des opérations réelles jusqu'ici difficiles à automatiser. Le communiqué ne donne ni payload, ni temps de cycle, ni nombre de sites, ni calendrier, ni prix. Il s'agit donc d'une annonce de partenariat commercial, sans déploiement client chiffré ni produit conjoint livré à ce stade. Pour les intégrateurs et les responsables d'exploitation, l'intérêt tient à la répartition des rôles. Le matériel cobot est déjà éprouvé et largement installé, tandis que la couche logicielle d'IA, qui gère la perception et la préhension d'objets variés et non structurés, reste le point de blocage des applications de picking et de manipulation hors cadre. Si l'intégration fonctionne, elle abaisserait le coût de programmation et d'adaptation pour des références changeantes. Seuls des chiffres de taux de prise réussie, de cadence et de disponibilité sur site client permettront de trancher entre promesse et réalité industrielle. Sereact est une start-up allemande basée à Stuttgart, spécialisée dans les modèles d'IA pour la manipulation robotique, ce qui donne une visibilité européenne à ce rapprochement avec Universal Robots, d'origine danoise. Teradyne Robotics regroupe Universal Robots et les robots mobiles autonomes MiR. Le groupe cherche à enrichir son offre logicielle face à des concurrents qui misent sur des modèles de fondation pour la manipulation, comme Physical Intelligence ou Covariant. Les pilotes et jalons commerciaux restent à annoncer.

UEPartenariat associant la start-up allemande Sereact et Universal Robots (Danemark), renforçant l'offre européenne de cobots dotés d'IA physique pour la logistique et la manufacture.

IndustrielActu
1 source
Comment Locus s'attaque à la préhension, l'un des plus grands défis de la robotique
Illustration générée par IA
3The Robot Report 

Comment Locus s'attaque à la préhension, l'un des plus grands défis de la robotique

Locus Robotics, spécialiste des robots mobiles autonomes (AMR) crédité de plus de 6 milliards de picks réalisés en entrepôt, s'attaque désormais à la préhension robotique. L'entreprise était entrée sur ce marché en mars 2025 avec Array, un manipulateur mobile équipé d'un bras de picking guidé par vision et d'une ventouse standard. Plus d'un an après, Locus a racheté Nexera Robotics, société basée à Vancouver connue pour sa technologie de préhension NeuraGrasp, des pinces souples capables de saisir aussi bien de petits contenants que des sacs en polybag poreux ou des articles en tissu. Selon Roy Belak, ancien PDG de Nexera et désormais vice-président senior en charge de la préhension robotique chez Locus, NeuraGrasp en était déjà à sa sixième génération de produit au moment de la rencontre entre les deux entreprises, lors du salon MODEX en 2025. Locus avait alors déjà largement avancé le développement d'Array, mais l'architecture existante, alimentation pneumatique et électrique notamment, s'est révélée compatible avec l'intégration de la technologie Nexera. Belak n'a pas communiqué de calendrier précis, mais anticipe que la prochaine présentation publique d'Array intégrera NeuraGrasp. Cette acquisition illustre un enjeu central pour l'industrie de la logistique automatisée: la préhension universelle reste le principal goulot d'étranglement du picking robotisé, bien plus que la navigation ou la localisation, déjà largement maîtrisées par les AMR. D'après Belak, la ventouse seule couvre 60 à 70% des cas d'usage en entrepôt, mais échoue sur les 30 à 40% restants, articles déformables, poreux ou irréguliers, qui nécessitent une approche hybride combinant succion et pince. Pour les intégrateurs et décideurs B2B, ce mouvement confirme une tendance de fond du secteur: la préhension pinch gagne du terrain face à la succion pure pour atteindre des taux de couverture élevés sur des catalogues de SKU hétérogènes. Il s'agit toutefois pour l'instant d'une annonce de feuille de route et non d'un déploiement massif: Array circule encore chez les premiers clients avec sa ventouse d'origine, et les données d'usage nécessaires pour optimiser NeuraGrasp à grande échelle restent à collecter. Le rapprochement s'inscrit dans la course plus large à la manipulation robotique généraliste en entrepôt, où plusieurs acteurs développent des grippers universels ou des bras dotés de modèles vision-langage-action pour élargir la couverture SKU au-delà de la ventouse classique. Nexera apportait des années de R&D sur ses effecteurs souples mais cherchait un partenaire capable d'industrialiser et déployer sa technologie à grande échelle, un besoin auquel répond directement le réseau client de Locus, où une longue liste d'entreprises attend déjà l'accès à Array. Belak décrit une fenêtre d'opportunité étroite: un an de retard supplémentaire dans l'acquisition aurait rendu l'intégration technique beaucoup plus difficile compte tenu de l'avancement du développement d'Array. Les prochaines étapes attendues sont l'intégration effective de NeuraGrasp dans les unités Array déployées, la remontée de données terrain permettant d'affiner les algorithmes de préhension, puis une diffusion progressive de la technologie combinée auprès des clients existants et futurs de Locus.

IndustrielActu
1 source
Robust.AI choisit le système de perception IA d'Aptiv pour son robot d'entrepôt Carter nouvelle génération
Illustration générée par IA
4Robotics & Automation News 

Robust.AI choisit le système de perception IA d'Aptiv pour son robot d'entrepôt Carter nouvelle génération

Aptiv, groupe technologique industriel connu pour ses systèmes de capteurs automobiles, a annoncé que Robust.AI, spécialiste des robots mobiles autonomes pour l'entrepôt, a choisi sa solution de perception intelligente pour équiper la troisième génération de son robot collaboratif Carter. Le système repose sur une fusion de capteurs pilotée par intelligence artificielle et apprentissage automatique, autour du capteur Aptiv Pulse. Cette annonce prolonge une collaboration déjà engagée entre les deux entreprises, qui associent l'expertise d'Aptiv en perception embarquée, historiquement développée pour l'automobile, aux robots mobiles collaboratifs de Robust.AI destinés aux entrepôts et centres de distribution. Pour l'industrie de l'automatisation logistique, ce partenariat illustre une tendance de fond: les fournisseurs de capteurs automobiles, confrontés à un marché des véhicules autonomes plus lent que prévu, redéploient leur technologie de perception vers la robotique industrielle et les AMR (robots mobiles autonomes). Pour les intégrateurs et décideurs B2B en logistique, l'enjeu est la fiabilité de la navigation et de la détection d'obstacles en environnement partagé avec des opérateurs humains, un point critique pour la certification sécurité des robots collaboratifs. L'annonce reste toutefois formulée en termes généraux, sans données chiffrées sur les gains de performance, la portée des capteurs ou le calendrier de déploiement, ce qui invite à la prudence sur l'ampleur réelle du changement technique. Robust.AI, fondée par Aaron Edsinger et soutenue notamment par des investisseurs de la robotique, développe sa gamme Carter depuis plusieurs années comme alternative aux AMR déjà déployés par des acteurs comme Locus Robotics ou 6 River Systems (Ocado). Aptiv, de son côté, cherche à valoriser son portefeuille de capteurs et de logiciels de perception au delà de l'automobile. La suite dépendra des premiers déploiements concrets du Carter Gen 3 chez des clients entrepôts, qui permettront de vérifier si ces gains de perception se traduisent par une adoption élargie.

IndustrielActu
1 source