Aller au contenu principal
IndustrielInteresting Engineering 

Un robot de tri des déchets à vision identifie en temps réel les matériaux recyclables à forte valeur

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE
Un robot de tri des déchets à vision identifie en temps réel les matériaux recyclables à forte valeur
▶ Voir sur YouTube

Danu Robotics, start-up basée en Écosse, vient de lever 5 millions de dollars en seed pour son robot de tri de déchets baptisé H.E.R.O. Le système combine des caméras, une IA embarquée et des bras robotisés équipés de pinces pour identifier et extraire les matériaux recyclables d'un flux de déchets sur tapis roulant. Les caméras alimentent en continu l'IA, qui classe chaque objet selon sa « valeur de recyclage », c'est-à-dire sa viabilité économique, certains matériaux coûtant plus cher à récupérer qu'ils ne rapportent. Danu a choisi des pinces plutôt que des ventouses, jugées moins efficaces sur les objets lourds ou de forme irrégulière. Côté chiffres, l'entreprise annonce un coût d'environ 160 000 dollars à l'achat, environ 24 000 dollars de maintenance annuelle, et un gain de revenu d'au moins 485 000 dollars pour un site équipé. Elle revendique au moins deux lettres d'intention d'achat, environ 500 000 dollars de contrats signés et près de 200 prospects dans son pipeline. Aucune vente ferme n'est confirmée à ce jour.

L'intérêt tient à l'économie du tri, point faible chronique de la filière. Le tri manuel sur tapis reste lent, sujet aux erreurs et pénible pour les opérateurs, ce qui limite la pureté des flux et donc leur valeur de revente. Un tri guidé par la valeur économique plutôt que par la seule nature du matériau est un angle pertinent pour les exploitants de centres de tri, qui raisonnent en marge par tonne. Les chiffres de retour sur investissement (environ 485 000 dollars de gain pour 160 000 dollars d'investissement) sont toutefois des estimations du fabricant. L'article ne précise ni la cadence de tri, ni le taux de reconnaissance, ni le taux de prise réussie, ni le nombre de degrés de liberté du bras, ni les hypothèses du calcul. Sans ces données, ni le gain annoncé ni la comparaison avec un opérateur humain ne peuvent être évalués. Les lettres d'intention et les contrats signés n'équivalent pas à des déploiements en exploitation.

Le contexte est celui d'un secteur où le tri robotisé par vision existe déjà, avec des acteurs établis comme AMP Robotics ou ZenRobotics, face auxquels Danu devra démontrer un avantage mesurable. L'entreprise, fondée il y a six ans, n'a pas encore commercialisé le produit et décrit un système qui doit gagner en maturité avant sa mise en vente. Sa fondatrice, Amy Ma, a indiqué à TechCrunch viser à terme une version miniaturisée, autonome, destinée aux événements, centres commerciaux, hôpitaux et aéroports, afin de recycler les emballages à la source plutôt qu'en centre de tri. Cette perspective reste, pour l'instant, une ambition sans calendrier. Les prochaines étapes à surveiller seront la conversion des lettres d'intention en commandes, les premières installations en site réel et la publication de performances vérifiables.

À lire aussi

De la planification en temps réel à l'exécution fiable : une coordination évolutive pour des flottes hétérogènes de robots en environnement industriel
1arXiv cs.RO 

De la planification en temps réel à l'exécution fiable : une coordination évolutive pour des flottes hétérogènes de robots en environnement industriel

Traduction demandée : je rédige directement l'article en français selon les consignes éditoriales. Une équipe de recherche présente SCALE, un framework de coordination réactive en temps réel pour flottes de robots hétérogènes en environnement industriel, détaillé dans un article publié le 2 juillet 2026 sur arXiv (2607.00591v1). Le système s'attaque à un problème concret : quand plusieurs robots aux capacités de mouvement différentes évoluent à forte densité dans un même espace, les délais de communication et les aléas d'exécution font dévier les trajectoires des hypothèses temporelles calculées en amont, ce qui provoque des attentes en cascade et des embouteillages qui se propagent dans toute la flotte. Pour y remédier, les chercheurs introduisent un mécanisme de réduction des conflits induits par le mouvement, permettant de générer en ligne des trajectoires réalisables, ainsi qu'un hypergraphe de précédence conjuguée généralisé (CAPH) qui réajuste dynamiquement l'ordre de passage entre robots face aux perturbations. Le dispositif a été validé par des expérimentations poussées et un déploiement de trois jours en conditions réelles dans un entrepôt. Cette approche s'attaque directement à un angle mort classique de la robotique de flotte : la plupart des systèmes de planification multi-robots fonctionnent bien en simulation ou sur petits échantillons, mais s'effondrent dès que la densité de robots augmente ou que des retards de communication s'accumulent dans un entrepôt réel. En proposant un mécanisme réactif capable d'ajuster les priorités de passage à la volée plutôt que de recalculer un plan global, SCALE vise le compromis que cherchent les intégrateurs logistiques : maintenir un temps de cycle stable sans multiplier les arrêts et les blocages quand la flotte grossit ou se diversifie en types de robots (AMR, bras manipulateurs, etc.). Le sujet s'inscrit dans une littérature de recherche active sur la coordination multi-agents en environnement partagé, où les hypergraphes de précédence et les méthodes de résolution de conflits en ligne remplacent progressivement les approches de planification centralisée jugées trop rigides face aux flottes hétérogènes en croissance rapide dans l'e-commerce et l'industrie manufacturière. Le passage d'une validation en laboratoire à un déploiement réel de plusieurs jours en entrepôt reste l'étape la plus significative de ce travail, même si l'abstract ne détaille pas encore les métriques précises de réduction des temps d'attente obtenues sur site.

IndustrielPaper
1 source
Communication multimodale des états et intentions du robot, lisible et intuitive, validée en ligne et sur le terrain
2arXiv cs.RO 

Communication multimodale des états et intentions du robot, lisible et intuitive, validée en ligne et sur le terrain

Des chercheurs ont publié le 24 juin 2026 une étude comparative systématique sur la lisibilité des stratégies de communication robot-vers-humain pour des robots mobiles non-humanoïdes en environnement industriel partagé. L'équipe a confronté deux approches : une stratégie expressive minimale basée uniquement sur des LEDs (unimodale), et une stratégie hautement expressive multimodale combinant regard robotique, gestes et voix. Cinq types de messages ont été testés, conformément aux standards industriels existants pour les robots industriels : signalisation d'intention de virage, demande d'attention, état d'erreur, robot bloqué, et fonctionnement normal. La validation s'est déroulée en deux phases parallèles, une étude en ligne à grande échelle et des expériences en présentiel, permettant de mesurer l'écart entre les deux contextes d'évaluation. Les résultats montrent des preuves solides que la communication multimodale expressive est perçue comme significativement plus lisible et intuitive que la signalisation par LEDs seule. Mais la contribution la plus importante de cette étude est ailleurs : elle quantifie un écart virtuel-réel notable dans la légibilité perçue. La lisibilité globale baisse de manière significative lors des évaluations en présentiel par rapport aux études en ligne, avec un effet particulièrement marqué pour les LEDs. La confiance des participants dans l'interprétation des messages diminue également en conditions réelles. Pour les intégrateurs industriels qui s'appuient sur des études de validation en ligne pour choisir leurs interfaces AMR, ce résultat est un signal d'alerte concret : les benchmarks virtuels surestiment la lisibilité des systèmes purement lumineux. Cette recherche s'inscrit dans un chantier plus large sur la sécurité cognitive dans les espaces de travail humain-robot partagés, un enjeu croissant avec le déploiement massif d'AMRs (autonomous mobile robots) en logistique et en manufacture. Les standards actuels pour les robots industriels prescrivent des typologies de messages, mais laissent largement ouverte la question des modalités d'expression. Les acteurs européens comme Exotec, dont les systèmes Skypod opèrent aux côtés d'humains dans des entrepôts à haute densité, ou Enchanted Tools avec son robot Miroki, sont directement concernés par ces conclusions. L'étape suivante naturelle serait une validation avec des populations d'utilisateurs plus diverses, opérateurs non-formés, seniors, personnes en situation de handicap, pour généraliser les recommandations au-delà des panels universitaires.

UEExotec (Skypod) et Enchanted Tools (Miroki) sont explicitement cités comme directement concernés : leurs robots mobiles opèrent en environnement industriel partagé en France, et cette étude remet en cause la validité des benchmarks en ligne sur lesquels s'appuient les intégrateurs pour choisir leurs interfaces AMR.

IndustrielPaper
1 source
ANSCER Robotics boucle un tour de table de série A pour la manutention industrielle
3Robotics Business Review 

ANSCER Robotics boucle un tour de table de série A pour la manutention industrielle

ANSCER Robotics, startup deeptech fondée à Bengaluru (Inde), vient de boucler un tour de série A de 5,4 millions de dollars (45 crores de roupies), mené par IAN Group avec la participation d'Info Edge Ventures et d'investisseurs angels. Ces fonds sont destinés à accélérer le déploiement mondial de sa flotte de robots mobiles autonomes (AMR) hybrides, ainsi que le développement de son logiciel de gestion de flotte. La société est déjà en déploiement actif en Inde, Thaïlande, Malaisie, Singapour et Indonésie, et vient d'annoncer plusieurs contrats en Amérique du Nord, dont des entreprises de livraison de colis de premier plan. ANSCER sera présente au salon Automate 2026. Ce qui distingue le positionnement d'ANSCER, c'est sa cible explicite : la fabrication industrielle, et non l'entrepôt logistique classique. L'entreprise qualifie ses systèmes d'"hybrides" parce qu'ils combinent la capacité de charge d'un AGV ou d'un chariot élévateur avec la navigation intelligente d'un AMR, conçus pour des environnements complexes, sols d'usine irréguliers, zones de quais de chargement. Le focus affiché sur le "machine tending" (alimentation et déchargement de machines-outils) et le mouvement de matériaux en milieu manufacturier est un pari différenciateur dans un marché dominé par les solutions d'entrepôt. Ce positionnement répond à une demande croissante des intégrateurs industriels qui cherchent des robots capables de naviguer dans des environnements moins structurés que les allées d'un centre de distribution standard. Les affirmations sur la qualité du "navigation stack" et du hardware restent pour l'instant non détaillées publiquement, à vérifier sur les démos terrain à Automate 2026. ANSCER s'inscrit dans une vague de startups AMR issues d'Asie du Sud qui cherchent à s'imposer sur le marché nord-américain, face à des acteurs établis comme MiR (acquis par Teradyne), Locus Robotics ou Seegrid. La levée de 5,4 M$ reste modeste comparée aux rounds récents du secteur (Locus a levé plus de 150 M$ avant ses difficultés), ce qui situe ANSCER dans une phase d'expansion commerciale ciblée plutôt que de croissance agressive. L'entrée sur le marché américain via des contrats avec des opérateurs de livraison de colis est stratégique : ce segment, sous pression sur les coûts de main-d'œuvre, constitue un canal d'acquisition client rapide. Les prochaines étapes à surveiller sont la présence à Automate 2026, les détails sur les contrats nord-américains, et une éventuelle série B pour financer l'industrialisation à plus grande échelle.

IndustrielOpinion
1 source
Comment Maven Robotics compte automatiser le travail industriel, une tâche à la fois
4Robotics Business Review 

Comment Maven Robotics compte automatiser le travail industriel, une tâche à la fois

Maven Robotics, start-up de Santa Clara (Californie) fondée en 2024, affirme avoir conçu quatre itérations de son manipulateur mobile, levé 100 millions de dollars (dont une Série A annoncée le mois dernier) et signé un contrat de production avec son premier client. Selon Hamza Derbas, cofondateur et CEO, les robots tournent aujourd'hui 16 heures par jour, cinq jours par semaine, avec jusqu'à 99 % de disponibilité. Le robot repose sur une base à roues volontairement compacte, capable de passer les portes, tout en conservant une grande allonge : il atteint le fond d'une palette de 48 pouces (121,9 cm) ou des rayonnages jusqu'à 3 m de haut, avec une charge utile de 30 kg. Les deux premiers cas d'usage déployés sont la palettisation de caisses mixtes et la manutention de bacs (totes). Le « système Maven » ne se limite pas au robot : il inclut l'intégration avec l'infrastructure informatique du client, la coopération avec les opérateurs humains ou en flotte, et le « Maven Network », une couche d'apprentissage partagé où une erreur rencontrée en Californie doit permettre à un robot au Japon de la gérer dès le lendemain. Le nom du client et le site de déploiement ne sont pas précisés, et les chiffres de disponibilité sont des déclarations de l'entreprise, sans audit indépendant ni définition de ce que recouvre l'« uptime ». L'intérêt tient à l'approche : partir des tâches à accomplir sur le terrain, puis en déduire la morphologie, plutôt que d'adapter un robot humanoïde à la recherche d'un problème. Maven soutient que la forme bipède n'est pas nécessaire pour un robot polyvalent en usine ou en entrepôt, et que la combinaison base roulante compacte, bras à grande portée et 30 kg de charge couvre déjà une part significative du travail industriel pénible. Pour un intégrateur ou un COO, le signal est la cadence de service annoncée (deux postes par jour, cinq jours sur sept) et le passage du pilote au contrat de production, deux jalons qui séparent encore beaucoup d'acteurs du secteur de la démonstration. Reste à vérifier la tenue sur la durée, le taux d'interventions humaines et le temps de cycle, absents de l'entretien. Maven évoque aussi la généralisation par accumulation de compétences, mais à ce stade il s'agit d'une ambition plus que d'un résultat prouvé au-delà de deux flux de travail. Le contexte est celui d'un marché dominé par le discours humanoïde, où Figure, Tesla (Optimus) ou Agility misent sur les jambes, tandis que des manipulateurs mobiles sur roues, comme ceux de Dexterity ou Mobile Industrial Robots dans d'autres segments, cherchent un déploiement plus rapide. Derbas explique que l'équipe a travaillé avec quelques partenaires dès le départ, sur le terrain plutôt qu'en laboratoire, pour cibler des flux maîtrisables rapidement avant de les étendre. Cette stratégie de pénurie de main-d'œuvre (plus de 500 000 postes industriels non pourvus aux États-Unis, selon lui) vise un marché où l'on peut déjà vendre. La suite dépendra de la capacité de Maven à ajouter de nouvelles compétences sans dégrader la fiabilité, à multiplier les clients au-delà du premier et à démontrer que le réseau d'apprentissage partagé fonctionne à l'échelle. Aucun calendrier de déploiement ni prix n'a été communiqué.

UEPas d\'impact direct sur la France/UE

IndustrielActu
1 source