Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Groceryshop 2026 montre que les robots de commerce de détail sont prêts pour le passage à l'échelle et l'IA
IndustrielRobotics Business Review 

Groceryshop 2026 montre que les robots de commerce de détail sont prêts pour le passage à l'échelle et l'IA

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Lors de Groceryshop 2026, salon consacré à la distribution alimentaire, Simbe Robotics a annoncé avoir terminé le déploiement de 3 000 robots Tally dans le monde, chez plusieurs enseignes et dans plusieurs pays. Un déploiement en cours chez un distributeur de premier rang doit faire grimper rapidement ce chiffre. Simbe a aussi étoffé la couche logicielle autour de ses relevés de rayons, avec des tableaux de bord analytiques et des visites virtuelles de magasin. Badger Technologies, adossé à Jabil pour l'ingénierie et la fabrication, se repositionne sous la direction de son nouveau PDG John Gehre. L'entreprise se présente désormais comme une société d'intelligence retail plutôt que comme un fabricant de robots. Elle explore l'exploitation des données collectées en continu pour estimer le volume de produit restant en rayon, anticiper le réassort et repérer le moment de fraîcheur optimale. ShelfOptix, qui s'appuie sur BrainOS pour la vision par ordinateur, vise les petits formats (pharmacie, proximité, dollar stores, supérettes régionales) avec un robot pliable qu'un employé accompagne d'un magasin à l'autre. Blue Collar Robotics, nouvel entrant, a été finaliste du concours de startups. Aucun prix, taux de retour sur investissement ou chiffre de disponibilité n'a été communiqué.

L'enjeu est le passage de la preuve de concept à l'échelle. Avec 3 000 unités en service, les craintes qui freinaient les premiers pilotes (peur des suppressions de postes, des collisions avec les clients, de la gêne en allée) n'apparaissent plus comme des obstacles. Le goulot d'étranglement se déplace vers l'usage des données. Les robots produisent des informations de rayon quasi temps réel, mais les systèmes de merchandising, de réapprovisionnement et de pricing en place les absorbent encore peu. Les fournisseurs de robots montent donc dans la chaîne de valeur, au risque de chevaucher des éditeurs établis. Le modèle itinérant de ShelfOptix est aussi un signal pour les intégrateurs : il rend la robotique rentable là où un robot dédié par magasin ne l'est pas. Ce retour d'expérience vient toutefois d'un observateur du secteur sur un salon, et non de mesures indépendantes.

Ce basculement s'inscrit dans plus de dix ans de robots d'inventaire en rayon, une catégorie passée de l'expérimentation aux déploiements récurrents. Simbe, Badger (via Jabil) et ShelfOptix, qui s'appuie sur la plateforme de Brain Corp, y occupent des positions distinctes : l'échelle logicielle pour Simbe, la plateforme multifonction et la capacité industrielle pour Badger, l'économie des petits formats pour ShelfOptix. Les questions ouvertes sont de savoir jusqu'où Simbe peut développer seul ses outils d'analyse, à quelle vitesse les solutions établies intégreront ces flux de données, et si Badger saura transformer ses atouts industriels en vitesse d'exécution. Les prochaines étapes à surveiller sont l'extension du déploiement Tier 1 de Simbe et la capacité de Badger à livrer ses estimations de stock et de fraîcheur en conditions réelles.

À lire aussi

Webinaire sur la sécurité et le passage à l'échelle des flottes de robots en entrepôt
1Robotics Business Review 

Webinaire sur la sécurité et le passage à l'échelle des flottes de robots en entrepôt

Les robots mobiles en entrepôt peuvent être sécurisés sans interrompre la production, selon un webinaire gratuit prévu le mercredi 26 août à 14h00 (heure de l'Est) intitulé « When Robots and People Share the Floor: Safety That Keeps Fleets Moving ». L'événement virtuel réunit trois intervenants: John Calcio, vice-président des partenariats chez Redpoint Positioning (Newton, Massachusetts), fabricant de systèmes de positionnement et de sécurité industriels en ultra-large bande (UWB) déployés à plus de 50 000 exemplaires dans le monde, dont le système phare Crew Safety System, certifié SIL2/PLd selon les normes IEC 61508 et ISO 13849-1, conçu pour les fabricants d'AGV et d'AMR; John Santagate, fondateur du cabinet de conseil EMP Advisors, ancien analyste chez IDC et ex-vice-président senior de la robotique mondiale chez Infios; et Jonathan Cortellacci, professionnel de l'automatisation d'entrepôt chez Geek+, passé auparavant cinq ans chez Walmart sur des initiatives d'automatisation à grande échelle. Les panélistes doivent aborder l'évaluation des risques à mesure que les flottes de véhicules guidés automatisés (AGV), de robots mobiles autonomes (AMR) et de chariots élévateurs autonomes s'agrandissent, l'interopérabilité avec les systèmes de stockage et de récupération automatisés (ASRS), les points où les pratiques de sécurité actuelles freinent la productivité, ainsi que les retours d'expérience sur l'évitement de collision et la protection du personnel. Pour les intégrateurs et décideurs logistiques, l'enjeu dépasse le simple format webinaire: la sécurité reste un frein structurel à l'adoption et au passage à l'échelle des flottes robotiques en entrepôt, souvent à cause de frictions entre équipes conformité et équipes opérations, et d'arrêts de production déclenchés par des mesures de précaution trop rigides. L'argument mis en avant par Redpoint, à savoir qu'un système de sécurité certifié permet à un opérateur humain d'intervenir au sein d'une flotte active sans déclencher un arrêt général, répond directement à une inquiétude opérationnelle concrète: chaque arrêt de flotte coûte en throughput. Ce positionnement illustre une tendance plus large du secteur des AMR et AGV, où la certification fonctionnelle (SIL2/PLd) et les technologies de localisation en temps réel (RTLS/UWB) deviennent des arguments de vente différenciants face à des solutions de sécurité perçues comme trop conservatrices, freinant la cohabitation homme-robot à grande échelle. Le contexte est celui d'un marché de l'automatisation d'entrepôt en pleine expansion, où la cohabitation entre opérateurs humains et flottes robotiques multiplie les cas d'usage à risque, notamment avec la croissance simultanée des AGV, AMR et chariots élévateurs autonomes sur un même site. Geek+, acteur chinois de premier plan dans les AMR de préparation de commandes, apporte une perspective d'intégrateur confronté à des défis d'exploitation complexes chez ses clients. Le webinaire, gratuit et accessible en direct avec session de questions-réponses ainsi qu'en rediffusion à la demande, s'inscrit dans une série d'initiatives de sensibilisation du secteur plutôt que dans l'annonce d'un nouveau produit: il ne s'agit pas d'un lancement technologique mais d'un partage de bonnes pratiques opérationnelles, avec inscription requise pour y assister.

IndustrielActu
1 source
ANYbotics lance Shift pour simplifier la gestion des flottes de robots et passer les inspections à l'échelle
2Robotics Business Review 

ANYbotics lance Shift pour simplifier la gestion des flottes de robots et passer les inspections à l'échelle

ANYbotics, l'entreprise zurichoise fondée en 2016 et connue pour son quadrupède ANYmal, a lancé Shift, une plateforme cloud destinée à piloter des flottes de robots d'inspection et à convertir leurs relevés en actions de maintenance. Elle s'organise en quatre modules. Shift Fleet centralise la planification, la supervision et le contrôle des missions multi-robots, qu'un système de contrôle distribué (DCS) peut déclencher directement. Shift Insight croise mesures thermiques, acoustiques, visuelles et gaz avec les conditions de fonctionnement (vitesse moteur, charge, température ambiante) pour ne qualifier d'anomalie que ce que le contexte justifie : surchauffe, décharge partielle, fuite, désalignement. Shift Connect transforme les anomalies confirmées en ordres de travail via des connecteurs prêts à l'emploi et des API REST standard, vers des DCS (Yokogawa), des GMAO, des ERP (SAP, IBM Maximo), des plateformes APM (GE Vernova APM) et des couches de jumeau numérique (Cognite, Oracle). Les notifications passent par e-mail et Microsoft Teams, avec SMS et WhatsApp prévus. Shift Maps fournit un jumeau numérique du site, où les cibles d'inspection sont importées par identifiant d'actif. Un moteur, Shift AI, apprend à partir de l'ensemble des modules. Le produit Data Navigator sera migré automatiquement vers Shift lors d'une prochaine mise à jour. Aucun prix ni calendrier de déploiement client n'a été communiqué dans les éléments disponibles. Pour les industriels, l'enjeu se déplace du robot vers la donnée : la valeur d'une inspection autonome dépend moins de la locomotion que de sa capacité à alimenter les outils de maintenance déjà en place. ANYbotics met en avant le chiffre de 1,4 billion de dollars de pertes annuelles dues aux pannes non détectées pour les 500 plus grandes entreprises mondiales, avec une moyenne de 250 000 dollars par heure d'arrêt. Il s'agit d'estimations de l'entreprise, à prendre comme argument commercial et non comme mesure indépendante. L'approche contextuelle de la détection d'anomalies répond à un frein classique de la robotique d'inspection, les fausses alertes qui noient les ingénieurs fiabilité. Son efficacité réelle reste à démontrer : aucun taux de détection, de faux positifs ni retour client chiffré n'accompagne l'annonce. Les promesses d'économies « de plusieurs millions » citées par le PDG Péter Fankhauser relèvent à ce stade de l'affirmation. L'intégration bidirectionnelle, où un seuil process déclenche une nouvelle ronde robotisée, est en revanche un vrai différenciateur si elle fonctionne en production. Ce lancement s'inscrit dans la montée en gamme logicielle des fabricants de robots d'inspection, qui cherchent à s'ancrer dans les systèmes d'information industriels plutôt qu'à vendre uniquement du matériel. ANYbotics, qui cible l'énergie, la production d'électricité, la métallurgie, les mines et la chimie, y est en concurrence frontale avec Boston Dynamics et son Spot, associé à Orbit, ainsi qu'avec d'autres acteurs du quadrupède d'inspection comme Ghost Robotics et Unitree, plus agressif sur le prix mais moins avancé sur l'intégration industrielle. En s'appuyant sur des standards déjà adoptés par les grands comptes, ANYbotics réduit la charge d'intégration pour un premier client, un point que l'entreprise a défendu auprès de The Robot Report par la voix de Jacob Euler-Rolle, responsable produit. La suite dépendra des premiers déploiements multi-sites et de la publication de résultats mesurables sur la réduction des arrêts non planifiés.

UEANYbotics est une entreprise suisse (non-UE) et la plateforme s'intègre à des outils largement utilisés par les industriels européens (SAP, Yokogawa), mais aucun déploiement en France/UE n'est annoncé.

IndustrielActu
1 source
Raise Robotics discute du passage à l'échelle des robots de terrain à RoboBusiness
3Robotics Business Review 

Raise Robotics discute du passage à l'échelle des robots de terrain à RoboBusiness

Raise Robotics, société de robotique de construction basée à San Francisco, présentera une conférence lors de RoboBusiness 2026, qui se tient les 20 et 21 octobre à Santa Clara, en Californie. Kenrick Tjandra, responsable du déploiement robotique chez Raise, interviendra le premier jour à 13h15 (heure de l'Est) sur le thème « Closing the Capability Gap: A Leadership Framework for Scaling Field Robotics ». Raise détient le record commercial américain de robots autonomes installant des enveloppes de bâtiments en façade de chantiers en cours de construction, via son Autonomous Mobile Fabricator, un système qui fonctionne soit comme véhicule autonome au sol (AGV), soit monté directement sur une nacelle élévatrice Genie. L'entreprise revendique 10 projets menés dans huit États américains, plus de 4 528 heures de fonctionnement robotique cumulées, et zéro incident de sécurité. Tjandra a formalisé cette expérience en un cadre de décision évalué par des pairs via le Project Production Institute en 2026. Il est par ailleurs titulaire d'un M.S. en génie mécanique de Carnegie Mellon, a été intervenant invité à ICRA 2026 et à Stanford, et a conçu le programme de formation des opérateurs adopté par l'International Union of Painters and Allied Trades, aujourd'hui enseigné dans plus de 100 centres aux États-Unis et au Canada. Le message central du talk dépasse le cas Raise et vise les équipes qui tentent de faire passer un robot du prototype de laboratoire à un déploiement terrain généralisé. Selon Tjandra, un robot arrivant chez un client atteint typiquement environ 80% des capacités requises, et combler les 20% restants n'est pas un problème d'ingénierie matérielle mais un arbitrage de leadership : investir dans une correction produit ou construire une discipline opérationnelle chez l'opérateur. Le cadre s'appuie sur deux échecs identifiés : le biais d'échantillonnage, où les trois premiers sites ne représentent pas les trente suivants, et l'empilement de marges, où des tolérances individuellement acceptables (camion, chariot élévateur, palan, porte, sol) se cumulent en série jusqu'à épuiser toute marge de sécurité. Pour les intégrateurs et décideurs industriels, ce cadrage rappelle que le vrai goulot d'étranglement du passage à l'échelle en robotique de terrain se situe rarement dans la fiabilité brute du matériel, mais dans l'allocation des ressources d'ingénierie et la formation des opérateurs, un signal utile face à l'hypothèse répandue que la mise à l'échelle se résout uniquement par de meilleurs capteurs ou algorithmes. Le cadre proposé comprend une taxonomie des ressources, un modèle à trois niveaux pour arbitrer entre correction produit et solution de contournement opérationnelle, ainsi qu'une méthode comparant l'enveloppe de capacité théorique du système à la variance observée sur le terrain, censée anticiper les points de rupture futurs. RoboBusiness 2026, organisé par WTWH Media, reste l'un des rendez-vous majeurs du secteur robotique commercial aux États-Unis, réunissant recherche, tendances industrielles et applications sectorielles en manufacturing, santé, agriculture et logistique. Aucun acteur français ou européen n'est mentionné dans cette annonce, centrée sur le marché nord-américain de la robotique de chantier.

IndustrielActu
1 source
Décision séquentielle par apprentissage multi-échelle pour la préparation de commandes en robotique de manutention
4arXiv cs.RO 

Décision séquentielle par apprentissage multi-échelle pour la préparation de commandes en robotique de manutention

Des chercheurs ont publié en mai 2026 sur arXiv (référence 2605.08758) un framework de décision séquentielle baptisé OLSF-TRS, pour Omni-scale Learning-based Sequential Decision Framework for Tote-handling Robotic Systems. Ce système combine optimisation combinatoire structurée et apprentissage par renforcement multi-agent (MARL) pour coordonner simultanément les décisions liées aux commandes, aux bacs de manutention (totes) et aux robots dans les centres de préparation automatisés. En configuration petite échelle, OLSF-TRS affiche un écart d'optimalité moyen inférieur à 3,5% sur deux architectures système distinctes. En configuration grande échelle, il réduit les mouvements de bacs de 8 à 12% par rapport aux baselines heuristiques classiques, et de plus de 30% par rapport aux approches règle-based de l'état de l'art, tout en maintenant une réactivité en temps réel. L'enjeu concret pour les intégrateurs intralogistiques est significatif : la quasi-totalité des frameworks existants sont conçus sur mesure pour un type de système spécifique, tri-sorter, mini-load AS/RS ou AMR grid-based, ce qui rend tout transfert à un autre contexte laborieux. OLSF-TRS propose une couche de pilotage unifiée et scalable, potentiellement applicable à des architectures hétérogènes. La réduction de plus de 30% des mouvements de bacs se traduit directement en gains énergétiques, réduction de l'usure mécanique et meilleure stabilité du throughput, des KPIs centraux pour les COOs industriels. À noter cependant que les résultats reposent sur des simulations et benchmarks comparatifs sans déploiement terrain documenté, ce qui laisse entière la question du sim-to-real gap en production réelle. Ce travail s'inscrit dans une tendance structurelle de fond : la substitution des palettes par les bacs comme unité logistique primaire, portée par l'explosion du e-commerce et la fragmentation des commandes en petites séries. Des acteurs comme Exotec (France, système Skypod), AutoStore (Norvège) ou Geek+ (Chine) opèrent des déploiements massifs en grid-based robotics confrontés exactement à ces problèmes de coordination ordres-bacs-robots à grande échelle. La convergence entre optimisation combinatoire de type VRP et MARL est un champ de recherche en pleine effervescence, porté par des laboratoires industriels en Europe et en Asie. L'article ne mentionne ni partenariat industriel ni timeline de commercialisation, le positionnant comme une contribution académique précompétitive.

UEExotec (France, Skypod) et AutoStore (Norvège) opèrent des déploiements massifs confrontés exactement aux problèmes de coordination ordres-bacs-robots adressés par ce framework, en faisant une piste de R&D directement pertinente pour l'intralogistique européenne.

IndustrielPaper
1 source