InfrastructureTechNode 16 octobre 2026

Apprendre aux robots la forme du réel : Kosmo de Hesai transforme des lieux réels en actifs 3D

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Le 14 octobre, lors de son Kosmo AI Day à Shanghai, le fabricant de lidar Hesai a lancé Kosmo, un « moteur de données 3D du monde » qui transforme des lieux physiques en espaces numériques haute fidélité, destinés à l'entraînement de robots, au développement de modèles du monde et à la création de contenus immersifs. Le système combine lidar, imagerie et données de mouvement pour reconstruire une scène, puis complète les zones manquantes et étiquette les objets par IA. Les scènes sont ensuite adaptées à la simulation robotique, et Hesai affirme qu'une seule capture peut générer plus de 10 000 trajectoires d'entraînement. Lors d'une démonstration chez Dairy Queen avec le roboticien Sharpa, un scan de 15 minutes aurait remplacé environ 300 heures de modélisation manuelle, et le robot aurait atteint 99 % de réussite de tâche dans le décor reconstruit. Pour le cinéma, une scène de la place du campus de Pixar (1,25 million de splats) a servi à un tutoriel RenderMan, compatible Houdini. Côté cartographie, des reconstructions de la Gravity Art Museum et de la PIFO Gallery ont été intégrées au « Flying Street View » d'Amap. Kosmo s'intègre à NVIDIA Isaac Sim, Isaac Lab, Unreal Engine, RenderMan et Houdini, et donne un accès ouvert aux données brutes et aux actifs 3D.

L'enjeu est celui de la donnée. Contrairement à l'IA numérique, qui s'appuie sur d'immenses corpus en ligne, l'IA physique manque de données du monde réel à la fois précises, abordables et disponibles à grande échelle. Hesai se positionne en fournisseur d'infrastructure pour combler ce manque, avec une logique de « scan once, train many » : numériser un site réel une fois, puis le réutiliser en simulation pour des milliers de scénarios. Pour un intégrateur ou un responsable d'exploitation, l'intérêt potentiel est de réduire le coût et le délai de création de jumeaux numériques de sites clients avant déploiement, et de limiter l'écart simulation-réalité en partant de géométries mesurées plutôt que modélisées à la main. Les chiffres annoncés appellent toutefois de la prudence : le ratio de 15 minutes contre 300 heures et le taux de 99 % proviennent de la démonstration de l'éditeur, sur un seul environnement, sans précision sur la tâche, le protocole ni le nombre d'essais, et ne disent rien de la robustesse hors de ce cadre. Il s'agit à ce stade d'un produit présenté et de démonstrations partenaires, pas d'un déploiement industriel documenté.

Hesai, spécialiste chinois du lidar jusqu'ici surtout connu dans l'automobile, étend ainsi son activité vers la robotique et les données spatiales, en proposant des solutions matérielles et logicielles ainsi que des services de données spatiales. L'entreprise a annoncé des partenariats avec Galbot et Dexmal pour l'IA incarnée, en plus de Sharpa. Elle avance sur un terrain où se retrouvent les moteurs de simulation et de génération de mondes, notamment l'écosystème NVIDIA (Isaac Sim, Omniverse), avec lequel elle choisit de s'intégrer plutôt que de rivaliser, ainsi que les approches de reconstruction par splats gaussiens. Aucun acteur européen n'est cité dans l'annonce. Les prochaines étapes à surveiller sont la publication de benchmarks reproductibles, la tarification, et l'adoption par des fabricants de robots au-delà des démonstrations de vitrine.

Dans nos dossiers

IA physique & VLA NVIDIA Isaac & Cosmos

À lire aussi

1Pandaily

Hesai lance Kosmo, un moteur de données du monde en 3D doté d'une caméra spatiale IA 8K

Hesai, connu pour ses lidars automobiles, a lancé Kosmo, un « moteur de données du monde 3D » destiné à lever un goulot d'étranglement de la Physical AI : la disponibilité de données réelles de haute qualité à grande échelle. La pile associe Kosmo One, présentée par le groupe comme la première caméra spatiale IA 8K, et la plateforme cloud Kosmo World. L'appareil combine un lidar haute résolution, un capteur d'image d'un pouce et une centrale inertielle (IMU) de précision, synchronisés à la microseconde pour capturer ensemble géométrie, couleur, texture et pose de caméra. La reconstruction repose sur le 3D Gaussian Splatting (3DGS), avec une précision géométrique annoncée de l'ordre du millimètre et une restitution des matériaux, de la lumière et des ombres. Le « 8K » désigne la résolution maximale de capture, les fichiers exportés plafonnant à 6K. Selon Hesai, un opérateur scanne environ 100 m² d'intérieur en 15 minutes, et Kosmo World génère les modèles jusqu'à cinq fois plus vite que des produits comparables. Le moteur Kosmo Spatial Core produit en une seule passe un 3DGS, un maillage et des données de profondeur cohérents, avec génération pour combler les zones non scannées et segmentation sémantique des objets. Pour les roboticiens, l'enjeu est la création d'environnements de simulation à partir de lieux réels, sans modélisation manuelle. Hesai cite un magasin Dairy Queen : environ 300 heures de modélisation manuelle auparavant, contre 15 minutes de scan et de reconstruction avec Kosmo. Dans ce cadre, un robot de Sharpa aurait atteint 99 % de réussite de tâche, avec un taux d'échec divisé par dix. Un seul espace capturé produirait en outre plus de 10 000 trajectoires d'entraînement, soit plus de 100 fois plus de données de qualité à coût égal. Ces chiffres proviennent uniquement de Hesai. Ils ne précisent ni la tâche, ni le point de comparaison, ni la part de la réussite due à la reconstruction plutôt qu'à la politique du robot, et aucune validation indépendante n'est publiée. Les vues peuvent être adaptées aux caractéristiques de la caméra du robot pour réduire l'écart entre simulation et réel (sim-to-real gap), un point qui reste à démontrer hors des démonstrations du fournisseur. Si l'approche tient ses promesses, elle déplacerait le coût de la donnée de la modélisation 3D vers la capture, plus simple à industrialiser pour les intégrateurs. Hesai, un des grands fournisseurs de lidar pour l'automobile, cherche ici à valoriser sa maîtrise des capteurs dans la robotique et les contenus immersifs, un mouvement cohérent avec la création par ses trois cofondateurs de la startup de robotique générale Sharpa, qui a dévoilé au salon IROS 2026 le robot tactile D01, la main dextre W02 et le gant haptique AE01. Kosmo s'intègre à un écosystème ouvert : NVIDIA Isaac Sim et Isaac Lab, Unreal Engine, RenderMan de Pixar et Houdini, ce qui le place face aux outils de capture et de reconstruction 3D existants et aux pipelines de simulation d'acteurs comme NVIDIA. Hesai annonce des partenariats avec les entreprises d'IA incarnée Galbot, dont le humanoïde bipède ET1 démarre à 79 000 yuans, et Dexmal. Le groupe travaille aussi avec Amap sur des reconstructions « Flying Street View » déjà en ligne pour la Gravity Art Museum et la PIFO Gallery, avec Yuemo Studio sur le cinéma assisté par IA, et avec TRIC sur la préservation numérique de la chaumière de Du Fu à Chengdu. Aucun calendrier commercial ni prix n'est communiqué, et le produit est présenté sans volume de déploiement.

InfrastructureActu

1 source

2Robotics Business Review

AMD dévoile le module Kria pour le contrôle en temps réel et la mémoire unifiée des robots

AMD a dévoilé sa nouvelle gamme Ryzen AI Embedded X100, associée à la plateforme Kria AI Robotics, pour cibler les charges de calcul de l'IA physique. Le fabricant promet un contrôle temps réel déterministe, une mémoire unifiée entre CPU, GPU et NPU, et une pile logicielle ouverte non liée à un fournisseur unique. Le X100 succède au P100 et devient le SoC phare de la gamme robotique d'AMD. Il vise le temps réel "ferme" via des optimisations Linux et BIOS, avec une latence d'interruption ciblée sous 7 microsecondes, complétées par des fonctions de qualité de service AMD (réservation de cache L3, allocation de bande passante mémoire, isolation des threads). Pour le temps réel "dur", AMD recommande une virtualisation par hyperviseur Zen, une machine virtuelle FreeRTOS et l'isolation de VM. Le module Kria AI SoM, bâti sur ce SoC, adopte le format standard COM-HPC plutôt qu'un connecteur propriétaire, avec une fermeture de boucle de contrôle annoncée à 1,5 microseconde. Selon Rob Bauer, responsable produit chez AMD pour le portefeuille APU embarqué x86, la puce délivrerait trois fois la puissance de calcul FP32 du NVIDIA Thor sur des charges de traitement du signal, un segment où AMD dit rester compétitif malgré l'optimisation poussée de Thor pour l'inférence. Cette annonce vise directement la position dominante de NVIDIA sur l'IA physique, incarnée par ses puces Orin et Thor, en offrant aux intégrateurs une alternative capable, selon AMD, de mettre la pression sur les prix. La mémoire unifiée réduit les copies de données entre unités de calcul, un point sensible pour la perception, la fusion de capteurs et la planification de trajectoire, tâches critiques pour les bras industriels, les robots mobiles autonomes et les humanoïdes. Un stack logiciel ouvert, non verrouillé, répond aussi à une demande croissante des intégrateurs de ne pas dépendre d'un seul écosystème propriétaire. Les chiffres avancés (3,4 fois la performance temps réel du Thor T5000, 1,6 fois de capacité de calcul disponible, 2,3 fois de capacité pour l'IA agentique) restent toutefois des mesures internes d'AMD, sans benchmark indépendant publié à ce stade, ce qui invite à la prudence sur leur portée réelle en conditions de déploiement. L'offensive s'accompagne du lancement du Robotics Development Kit, de la suite logicielle open source AMD Robotics Sophie Suite, et d'un réseau de partenaires robotique. Cette stratégie plein-stack doit être présentée plus en détail lors du salon RoboBusiness 2026. Il s'agit pour l'instant d'une annonce de plateforme et de composants, pas encore de déploiements industriels documentés à grande échelle, un point que le secteur devra vérifier une fois les premiers intégrateurs équipés du Kria AI SoM.

InfrastructureActu

1 source

3Robot Magazine FR

NVIDIA Halos for Robotics : la sécurité des robots industriels entre dans une nouvelle ère

NVIDIA a présenté Halos for Robotics au salon Automate 2026 à Chicago, le positionnant comme le premier système de sécurité intégré conçu spécifiquement pour les robots pilotés par intelligence artificielle physique. L'annonce intervient dans un contexte de transformation accélérée de la robotique industrielle : les robots mobiles autonomes (AMR) transportent des composants entre ateliers, les cobots assistent les techniciens au quotidien, et les premiers robots humanoïdes commerciaux (Figure 03, Tesla Optimus, Agility Digit) commencent à réaliser des tâches de préparation de commandes et de manutention en environnement réel. Le marché mondial de la robotique industrielle est estimé à plus de 80 milliards de dollars d'ici la fin de la décennie selon plusieurs cabinets d'analyse, une projection conditionnée à la résolution du principal verrou restant : la sécurité en environnement partagé homme-machine. Il convient de préciser que Halos est pour l'instant une annonce de plateforme, pas un produit certifié en déploiement production. L'enjeu industriel est structurant. Pendant des décennies, la sécurité robotique reposait sur la séparation physique : cellules fermées, barrières optiques, arrêts d'urgence. Ce paradigme est incompatible avec la nouvelle génération de robots collaboratifs, qui doivent détecter un opérateur traversant leur trajectoire, anticiper ses mouvements et adapter leur comportement en quelques millisecondes. Les certifications en vigueur (ISO 10218, TS 15066 pour les applications cobots) ont été conçues pour des architectures déterministes, pas pour des systèmes piloté par des réseaux de neurones dont le comportement est probabiliste. Pour les intégrateurs et les COO industriels, l'absence d'un cadre de sécurité standardisé pour les robots IA constitue aujourd'hui le principal frein au déploiement à grande échelle, avant même les questions de performance ou de ROI. Une plateforme unifiée capable de couvrir détection, anticipation et certification normative réduirait significativement la charge d'ingénierie sécurité portée par chaque constructeur. NVIDIA construit cette initiative sur sa stack robotique existante, centrée sur les plateformes Isaac et Jetson, déjà adoptées par plusieurs constructeurs de robots humanoïdes et AMR. Le mouvement s'inscrit dans une stratégie plus large : après avoir dominé l'infrastructure d'entraînement des modèles IA, NVIDIA cherche à s'imposer comme couche système incontournable du déploiement robotique, face à des acteurs sécurité établis comme Pilz, SICK et Omron, qui maîtrisent la certification normative mais n'ont pas d'offre native pour les architectures VLA (vision-language-action). Les prochaines étapes annoncées concernent des pilotes avec des constructeurs de robots partenaires ; aucune date de certification ni de déploiement production n'a été communiquée à ce stade.

UELes intégrateurs européens utilisant Isaac et Jetson pourraient bénéficier d'un cadre de sécurité unifié pour robots IA, réduisant la charge de certification normative (ISO 10218, TS 15066) pour les déploiements cobots et AMR, mais uniquement si la plateforme obtient les certifications requises.

InfrastructureOpinion

1 source

4Pandaily

Hesai dévoile sa stratégie et de nouveaux produits pour redéfinir l'infrastructure d'IA physique, de l'automobile à la robotique

Le 17 avril 2026, Hesai Technology (NASDAQ: HSAI, HKEX: 2525) a tenu son Technology Open Day annuel pour dévoiler le Picasso SPAD-SoC, présenté comme le premier chip LiDAR 6D full-color au monde. Ce circuit intègre à la fois la détection couleur RGB et la mesure de distance par temps de vol (TOF) au niveau pixel, générant directement des nuages de points colorés sans post-traitement. Le LiDAR traditionnel se limite aux trois dimensions spatiales XYZ ; le Picasso ajoute la teinte (RGB), portant à six les dimensions de perception simultanée. Son efficacité de détection photonique (PDE) dépasse 40 %, ce qui permet de détecter des objets plus lointains et de mieux performer en faible luminosité. Ce chip alimente la série ETX, plateforme LiDAR full-color dépassant 1 000 lignes, disponible en configurations 1 080, 2 160 et 4 320 lignes. En version haute résolution, le ETX affiche une portée jusqu'à 600 mètres, 400 mètres à 10 % de réflectivité, et est capable d'identifier une barrière de chantier à 300 mètres, un petit animal à 280 mètres, ou un bloc de bois à 150 mètres. La mise en production de masse est prévue pour le second semestre 2026, avec un déploiement sur des modèles phares attendu entre 2027 et 2028. L'annonce repositionne Hesai sur un marché en pleine redéfinition : le passage de la voiture autonome de niveau 2+ vers le L3 exige que le LiDAR passe du statut de composant optionnel à celui de système de sécurité critique. Les architectures véhicules basculent vers des configurations multi-LiDAR (typiquement 3 à 6 capteurs pour une couverture 360°), ce qui démultiplie les volumes par véhicule. Le fait que Hesai soit aujourd'hui le seul fabricant de LiDAR à développer en interne l'intégralité de ses sept composants clés, lasers, détecteurs, drivers, TIA, ADC, DSP et contrôleurs, lui confère une autonomie verticale rare dans un secteur très dépendant des fournisseurs asiatiques de semi-conducteurs. Avec 21 puces certifiées AEC-Q, 230 millions d'unités livrées cumulées et des commandes constructeurs dépassant les 6 millions d'unités pour les seuls produits basés sur le Fermi C500 (lancé en novembre 2025 sur architecture RISC-V), Hesai présente des métriques de commercialisation réels, pas seulement des démonstrations de laboratoire. Fondée à Shanghai, Hesai a construit son écosystème chip en cinq générations de R&D. La dénomination "Picasso", référence au peintre cubiste et à sa maîtrise de la représentation multidimensionnelle, marque symboliquement le pivot stratégique de l'entreprise vers ce qu'elle appelle l'"intelligence spatiale", matérialisé par le nouveau produit Kosmo (hardware IA spatial) et une direction inédite autour de modules d'alimentation pour la robotique. Sur ce dernier segment, Hesai entre en compétition directe avec des acteurs comme Ouster (désormais Ouster-Velodyne fusionné avec Sense Photonics), Luminar, ou encore RoboSense, qui ciblent tous la robotique humanoïde et les AMR industriels. Hesai prévoit que ses livraisons cumulées dépasseront 300 millions d'unités d'ici fin 2026. Les prochaines étapes attendues concernent les homologations L3 par les constructeurs partenaires et les premières intégrations Kosmo dans des environnements de test physique AI, mais aucun client ni calendrier précis n'a été communiqué sur ces deux points.

InfrastructureActu

1 source