Chine/AsiePandaily 10 octobre 2026

Maniformer lance une plateforme participative qui rémunère des personnes pour filmer des tâches du quotidien destinées aux robots

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Maniformer, entreprise shanghaienne spécialisée dans les données d'entraînement pour l'IA physique, a ouvert le 23 septembre à Shanghai une plateforme de crowdsourcing qui rémunère des particuliers pour filmer des tâches quotidiennes destinées à l'apprentissage des robots, selon Leiphone. Sous le slogan « tout le monde peut être enseignant », l'entreprise la présente comme la première plateforme de crowdsourcing multi-catégories de données physiques de haute qualité. Elle repose sur deux couches. La première est l'infrastructure : les dispositifs de capture MEgo, une application mobile et le MEgo Engine pour le post-traitement. Le MEgo View est un casque dont les caméras couvrent plus de 300 degrés, tandis que le MEgo Gripper reconstruit le mouvement avec une précision millimétrique, avec un capteur tactile 3D en option. La seconde couche est un réseau de sites de travail réels et de collecteurs. Après inscription sous leur vrai nom et réception d'un équipement, les utilisateurs choisissent une mission, l'enregistrent, passent un contrôle qualité puis sont payés, avec des retraits annoncés sous deux minutes et la fiscalité gérée par la plateforme. Le catalogue compte 22 catégories, plus de 5 000 types de tâches et plus de 50 000 scènes réelles. Lors d'un test fermé du 15 août au 15 septembre, près de 20 000 utilisateurs se sont inscrits, et 16 bêta-testeurs ont reçu le titre de « robot trainer ».

Pour les roboticiens et les décideurs industriels, l'enjeu est le goulot d'étranglement des données. Le PDG Yao Maoqing affirme que ce qui empêche les robots d'entrer dans les usines, les commerces et les foyers n'est ni l'algorithme ni le matériel, mais le manque de données massives de mouvement humain réel. C'est une thèse largement partagée par les équipes qui développent des modèles VLA (vision-langage-action), dont la performance dépend de la diversité des scènes bien plus que de la quantité de démonstrations collectées en laboratoire. Un modèle de crowdsourcing rémunéré, fondé sur des capteurs portés par l'humain plutôt que sur des robots téléopérés, réduit fortement le coût marginal de la donnée. Plusieurs réserves s'imposent toutefois : les chiffres d'inscrits ne disent rien du volume de données réellement validées, la qualité d'une collecte distribuée entre des milliers d'amateurs reste à démontrer, et le transfert de gestes humains vers des morphologies de robots variées demeure un problème de recherche ouvert. L'affirmation d'une présence dans 40 villes est, à ce stade, une déclaration de l'entreprise.

Maniformer accompagne le lancement d'un plan de subventions de 100 millions de RMB, détaillé par son vice-président commercial Zhang Zhifu : 50 millions pour les tâches, 20 millions pour les équipements, 30 millions pour un réseau de services physiques dans 40 villes et 2 millions pour l'assurance des personnes et du matériel. Un système de progression en cinq niveaux, de M1 à M5, doit soutenir l'objectif de 1 million d'utilisateurs actifs quotidiens et 1 million de robot trainers d'ici deux ans, un cap très ambitieux au regard des 20 000 inscrits du test. L'entreprise prépare avec l'Académie chinoise des technologies de l'information et de la communication un rapport sur les données d'IA incarnée issues du crowdsourcing, a constitué une alliance de données de scènes avec 12 membres initiaux et a publié une initiative de sécurité des données couvrant les règles de collecte et la protection de bout en bout. Elle évolue dans un secteur où la collecte de données devient un marché à part entière, entre téléopération, capture égocentrique et simulation. Les prochains jalons à surveiller sont la publication du rapport, la taille réelle du jeu de données et les premiers modèles entraînés sur ce corpus.

Dans nos dossiers

IA physique & VLA Manipulation robotique

À lire aussi

1Pandaily

Maniformer lance une plateforme de données d'IA physique tout-en-un pour préparer l'ère de l'AGI

Maniformer, startup chinoise spécialisée dans l'infrastructure de données pour l'IA physique, a officiellement lancé sa plateforme de services de données en un seul guichet, accompagnée de la gamme matérielle MEgo et du système de gouvernance MEgo Engine. La gamme MEgo comprend trois composants : le MEgo Gripper pour la capture de données de manipulation robotique, le MEgo View, un dispositif de collecte portable à tête montée, et le MEgo Engine pour le traitement et la gouvernance des données. Ces outils affichent une précision millimétrique, une synchronisation sub-milliseconde et une perception panoramique supérieure à 300 degrés. Le système est nativement compatible avec le robot G2 Air, garantissant la cohérence entre environnements simulés et réels. Selon Yao Maoqing, président-directeur général, l'entreprise vise une capacité de production de dizaines de millions d'heures de données d'ici 2026, puis des dizaines de milliards d'heures d'ici 2030. Le problème que Maniformer cherche à résoudre est structurel : les données d'interaction physique réelle disponibles pour l'IA incarnée représentent moins de 1/20 000 de ce qui existe pour les grands modèles de langage. Ce déficit, combiné à l'absence de standards, à des problèmes de qualité hétérogène et à des inadéquations entre offre et demande, freine concrètement la commercialisation des robots autonomes. En proposant une infrastructure full-stack couvrant la télé-opération réelle, la collecte sans robot dédié et la génération synthétique par simulation, Maniformer cherche à décorréler la production de données de la disponibilité des plateformes robotiques elles-mêmes, une approche qui, si elle tient ses promesses, pourrait accélérer significativement le cycle sim-to-real pour les intégrateurs et les équipes R&D. L'analogie revendiquée avec l'électricité ou l'eau comme utilities est ambitieuse ; elle reste à valider à l'échelle industrielle. L'entreprise s'inscrit dans un contexte de course mondiale aux données d'entraînement pour robots humanoïdes et manipulateurs, où des acteurs comme Physical Intelligence (Pi-0), Boston Dynamics, Figure AI ou Unitree investissent massivement dans leurs propres pipelines de données propriétaires. La stratégie de Maniformer est différente : se positionner en fournisseur tiers d'infrastructure, à la manière d'un AWS pour la donnée physique. L'initiative "Hive" annoncée vise à fédérer des partenaires mondiaux pour co-construire des standards sectoriels, une démarche de standardisation qui, si elle aboutit, pourrait bénéficier à l'ensemble de l'écosystème, y compris aux acteurs européens comme Enchanted Tools ou Wandercraft qui peinent à constituer des datasets suffisants. La prochaine étape annoncée est le déploiement d'un réseau global de collecte de données, sans calendrier précis communiqué au-delà de l'horizon 2026.

UESi l'initiative 'Hive' de standardisation aboutit, les acteurs européens comme Enchanted Tools ou Wandercraft pourraient bénéficier d'une infrastructure de données partagée pour accélérer leurs pipelines sim-to-real.

Chine/AsieActu

1 source

2Interesting Engineering

Une entreprise chinoise va déployer 100 robots humanoïdes dans des foyers pour les tâches quotidiennes

La société chinoise GigaAI, basée à Wuhan, a déployé un premier lot de 100 robots humanoïdes SeeLight S1 dans des foyers réels, dans ce que l'entreprise présente comme le premier test à grande échelle d'un robot humanoïde polyvalent à usage domestique en Chine. Dans un appartement de démonstration à Wuhan, deux unités ont exécuté une série de tâches documentées fin mai 2026: l'une a préparé un petit-déjeuner (récupération d'aliments, chauffe au micro-ondes, débarrassage des couverts, chargement du lave-vaisselle), l'autre a sorti le linge d'un sèche-linge, plié des vêtements et rangé une armoire. Selon GigaAI, ces séquences ont été apprises en moins d'un mois de formation sur site. Le SeeLight S1 repose sur ce que l'entreprise appelle un "modèle de fondation incarné" (embodied foundation model), capable de traiter des instructions en langage naturel, d'interpréter son environnement visuel, de planifier une action et de l'exécuter de manière autonome, y compris lorsque la disposition des meubles change en cours de route. Ce déploiement illustre le changement de paradigme central dans la course humanoïde: passer de la démonstration contrôlée au test en conditions réelles, là où réside précisément la difficulté. Contrairement aux environnements d'usine, structurés et prévisibles, les foyers sont imprévisibles: meubles déplacés, objets laissés hors de leur place, conditions lumineuses variables, routines différentes d'un foyer à l'autre. Ce phénomène, connu sous le nom de paradoxe de Moravec, explique pourquoi des tâches en apparence simples comme plier du linge ou saisir un objet sans le renverser restent plus difficiles à automatiser que des problèmes mathématiques complexes. Les limites constatées lors du déploiement sont significatives et méritent d'être signalées: organiser quelques livres peut prendre plusieurs minutes, plier un seul vêtement peut dépasser dix minutes, et le robot a eu des difficultés à manipuler des verres contenant des liquides. GigaAI qualifie elle-même ce déploiement de "plateforme de collecte de données" plutôt que de produit fini, une distinction importante pour les intégrateurs et décideurs industriels qui suivent le secteur. GigaAI s'inscrit dans une vague de startups chinoises qui accélèrent sur le segment humanoïde domestique, en concurrence directe avec des acteurs américains comme Figure (Figure 02), Physical Intelligence (Pi-0) ou encore Tesla (Optimus Gen 2), ainsi qu'avec des compétiteurs locaux tels qu'Unitree Robotics (G1) et UBTECH (Walker S). Le co-fondateur et directeur scientifique Zhu Zheng résume l'enjeu technique en opposant "cervelet" (mouvements acrobatiques, équilibre) et "cerveau" (planification, adaptation au contexte), soulignant que c'est cette seconde dimension qui différencie la robotique domestique de la robotique industrielle classique. L'entreprise prévoit de lancer le SeeLight S2 d'ici fin 2026, avec un châssis plus compact, une autonomie de batterie étendue, une portée de bras améliorée et des algorithmes d'IA plus avancés. Le programme de tests devrait également s'élargir à des foyers avec des personnes âgées et des enfants, deux segments particulièrement exigeants pour l'embodied AI et potentiellement les plus porteurs commercialement.

UESignal concurrentiel indirect pour les acteurs européens de la robotique humanoïde : la Chine franchit le cap du déploiement domestique réel avant les occidentaux, ce qui pourrait accélérer la pression sur les roadmaps et financements européens du secteur.

Chine/AsieOpinion

1 source

3Interesting Engineering

Chine dévoile une plateforme cerveau-robot qui permet de contrôler des machines par la pensée

BrainCo, société chinoise spécialisée dans les interfaces cerveau-machine (BCI), a présenté lors de la World Artificial Intelligence Conference (WAIC) à Shanghai une plateforme intégrée de contrôle de robots par la pensée, qu'elle qualifie de première mondiale du genre. Le système repose sur un casque EEG non invasif qui capte les signaux électriques produits naturellement par le cerveau via des capteurs posés sur le crâne. Des algorithmes d'IA analysent ensuite ces signaux pour déterminer l'action que l'utilisateur souhaite effectuer, puis traduisent cette intention en instructions exécutables par un robot connecté. Nyx He, vice-présidente senior de BrainCo, a expliqué à SCMP que dix ans de recherche en BCI ont permis à l'entreprise de décoder les intentions humaines et de les convertir en actions machine. La plateforme est compatible avec du matériel tiers varié : bras robotiques, robots humanoïdes et robots quadrupèdes. Lors d'une démonstration, un bras robotique a saisi des objets comme une tasse ou une pomme uniquement à partir des signaux cérébraux de l'utilisateur. Au-delà du contrôle mains libres, BrainCo positionne sa technologie comme une réponse à un problème plus large de l'IA incarnée : le manque de données d'entraînement de qualité issues d'interactions réelles. Selon l'entreprise, combiner exécution robotique réelle, démonstrations humaines et simulations virtuelles via cette interface pourrait enrichir les jeux de données nécessaires à l'apprentissage des robots. L'argument mérite d'être nuancé : la présentation reste une démonstration de conférence, pas un produit commercialisé ni un déploiement industriel documenté. Un rapport récent de HSBC rappelle que le secteur chinois des robots humanoïdes manque encore de données réelles de haute qualité et que leur commercialisation à grande échelle reste éloignée de plusieurs années, ce qui replace l'annonce de BrainCo dans un contexte où la promesse dépasse encore largement l'usage industriel avéré. BrainCo se distingue d'acteurs comme Neuralink en misant sur des interfaces non invasives et des technologies prothétiques plutôt que sur des implants chirurgicaux, un positionnement qu'elle développe depuis plusieurs années. L'annonce s'inscrit dans une compétition plus large entre entreprises chinoises et américaines sur l'IA incarnée, où Tesla et Nvidia investissent massivement dans des robots capables de percevoir leur environnement et de manipuler des objets de façon autonome. BrainCo n'a pas communiqué de calendrier de déploiement pilote ni de partenaire industriel confirmé, et reconnaît elle-même que des limitations techniques importantes restent à résoudre avant une adoption à plus grande échelle.

Chine/AsieOpinion

1 source

4TechNode

La Chine lance à Pékin la première plateforme de gestion du cycle de vie des robots humanoïdes

La Chine a lancé à Pékin la première plateforme nationale de gestion du cycle de vie des robots humanoïdes. Chaque robot reçoit, dès sa sortie d'usine, un identifiant numérique unique qui permet un suivi de bout en bout : recherche et développement, fabrication, mise sur le marché, vente, exploitation opérationnelle et recyclage en fin de vie. L'initiative est pilotée par le Comité technique de normalisation pour les robots humanoïdes et l'intelligence incarnée, rattaché au ministère de l'Industrie et des Technologies de l'Information (MIIT). Il s'agit d'une annonce institutionnelle sans précision sur le nombre de robots déjà enregistrés ni sur les fabricants participants. Pour l'industrie robotique, cette plateforme représente un changement structurel significatif : elle introduit une couche de traçabilité réglementaire qui, jusqu'ici, n'existait pas pour cette catégorie de machines. Pour les intégrateurs et les décideurs B2B, cela signifie une clarification des responsabilités en cas d'incident, une meilleure visibilité sur la chaîne d'approvisionnement et un cadre formel de contrôle de marché. C'est aussi un signal politique fort : la Chine anticipe un déploiement à grande échelle de robots humanoïdes dans l'industrie et se dote dès maintenant d'une infrastructure de supervision, avant que les volumes ne rendent la régulation rétroactive impossible. Ce lancement s'inscrit dans une stratégie nationale plus large. Le gouvernement chinois a inscrit les robots humanoïdes comme secteur prioritaire dans plusieurs plans industriels récents, avec des objectifs de production de masse fixés à l'horizon 2027-2030. Des acteurs comme Unitree, Fourier Intelligence ou UBTECH développent activement des plateformes commerciales, tandis que le gouvernement municipal de Pékin et la province du Guangdong ont déjà annoncé des fonds dédiés. À l'échelle internationale, cette initiative de normalisation place la Chine en avance sur l'Europe et les États-Unis, qui n'ont pas encore de cadre équivalent pour la traçabilité des humanoïdes. Les prochaines étapes attendues concernent l'extension du système à des robots non humanoïdes et l'interopérabilité avec des standards industriels existants comme ISO 9283.

UELa Chine prend une avance normative structurelle sur l'Europe en matière de traçabilité réglementaire des robots humanoïdes, créant un risque de leadership sur les standards internationaux avant que l'UE ne dispose d'un cadre équivalent.

Chine/AsieReglementation

1 source