IA physiqueRobotics Business Review 19 octobre 2026

Daimon Robotics construit la couche d'infrastructure de l'intelligence tactile

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Daimon Robotics positionne son offre comme une couche d'infrastructure pour l'intelligence tactile plutôt que comme un fabricant de capteurs isolés ou un développeur de modèle de fondation. La société construit une chaîne qui relie capteurs tactiles, collecte de données, simulation et modèles d'IA, avec un retour tactile fonctionnant à 30 Hz. Son Partner et VP Technology, le Dr Zhu, l'a résumé à The Robot Report : Daimon ne vise pas à devenir développeur de modèles, mais à fournir l'infrastructure à ceux qui en construisent. L'entreprise dit avoir évoqué plus de 10 000 heures de données collectées, et son initiative à plus long terme, Daimon-Infinity, cible plus d'un million d'heures de données tactiles incarnées. Les données humaines sont recueillies avec le dispositif Umi. À l'IROS 2026, Daimon a montré des tâches délicates : application de motifs par transfert thermique sur des tote bags, enfilage de bracelets, et ramassage puis emballage de verre brisé, présenté comme l'illustration d'un modèle entraîné sur des scénarios variés et piloté par instruction. Aucun prix, volume de déploiement ni client nommé n'a été communiqué.

L'intérêt tient à un angle mort bien connu des modèles vision-langage-action (VLA) actuels : la caméra ne dit rien des forces, du glissement ou de la bonne insertion d'une pièce. Pour l'assemblage et le conditionnement, où le robot doit réagir au contact plutôt que suivre une trajectoire figée, le toucher devient une condition de fiabilité. Le discours de Zhu est aussi plus franc que la moyenne sur la simulation : il juge son état actuel « pas assez bon, plutôt terrible » pour le tactile, ce qui contredit les récits d'un sim-to-real déjà résolu. L'approche de Daimon consiste à calibrer le simulateur sur des mesures réelles (frottement, forces de contact) avant d'y transférer les données. Les décideurs doivent toutefois lire ces chiffres avec prudence : les démonstrations IROS sont sélectionnées, sans taux de réussite ni temps de cycle, et les 10 000 heures restent une déclaration non auditée, tandis que le million d'heures est un objectif.

Le tactile reste un maillon peu industrialisé de la manipulation, alors que l'essentiel des efforts autour de modèles généralistes se concentre sur la vision et le langage. En se présentant comme fournisseur de capteurs, d'outils de collecte, de logiciels et d'évaluation, Daimon parie sur une division du travail où d'autres entreprises construisent les modèles et les applications. Zhu reconnaît que « tout faire soi-même ne suffisait pas » et souligne l'importance de collaborations internationales avec des acteurs aval, sans en nommer. La suite dépendra de la publication de benchmarks reproductibles, de partenaires identifiés et de la capacité de l'entreprise à prouver que ses données tactiles améliorent mesurablement les taux de réussite sur des tâches industrielles, au-delà des démonstrations de salon.

Dans nos dossiers

IA physique & VLA ICRA / IROS / CoRL

À lire aussi

1arXiv cs.RO

Transférer l'intelligence des VLM au contrôle robotique

Un papier de recherche publié sur arXiv (2609.22966v1) présente RoboDawn, une interface qui permet à un modèle vision-langage (VLM) généraliste de piloter un robot sans entraînement spécifique à la tâche, via un jeu restreint de commandes discrètes de translation, rotation et pince, exécutées en boucle fermée d'observation, de raisonnement et d'action. Un mécanisme d'apprentissage en contexte fournit au modèle quelques démonstrations pour lui apprendre l'usage de l'interface et la stratégie de la tâche. Sur le banc d'essai RoboTwin 2.0 C2R, le taux de réussite passe de 53,2% en zero-shot à 73,6% avec une seule démonstration, dépassant la référence pi-0.5 (46,0%) ; sur RoboDojo, il grimpe de 35,67% à 47,17%. Le système est aussi testé sur un bras Franka réel, pour des tâches de rangement et d'empilement de cubes. Le résultat questionne l'hypothèse dominante selon laquelle un contrôle robotique fiable exige d'entraîner ou d'affiner un modèle vision-langage-action sur de vastes jeux de démonstrations robotiques collectées tâche par tâche, comme le font pi-0, GR00T N2 ou Helix. RoboDawn suggère qu'un VLM généraliste, jamais entraîné sur des données robot, peut être compétitif via une simple interface d'action et quelques exemples en contexte, ce qui réduirait le coût de collecte de données pour les intégrateurs. Pour les décideurs évaluant leur pile de contrôle robotique, c'est un argument pour des architectures VLM plus interface plutôt qu'un fine-tuning coûteux par tâche. Le bémol : les gains les plus marquants restent mesurés en simulation, et la validation réelle se limite à deux tâches simples sur un seul bras, avec des taux de réussite qui restent sous 75%. RoboDawn s'inscrit dans le débat sur les modèles vision-langage-action porté par Physical Intelligence (pi-0, pi-0.5), NVIDIA (GR00T N2) ou Figure (Helix), qui misent sur un entraînement spécifique sur des données robotiques. L'approche inverse consiste à garder le VLM tel quel et à n'ajouter qu'une couche d'interface et un protocole de prompting en contexte, sans réentraînement. Classé comme nouvelle soumission sur arXiv, le papier n'a pas encore été publié en conférence et ne correspond à aucun produit commercial ; la suite logique serait d'étendre la validation réelle au-delà du bras Franka et des deux tâches testées.

IA physiqueOpinion

1 source

2Robotics Business Review

La couche manquante dans l'assurance de sécurité des robots

Plusieurs recherches récentes révèlent que le comportement d'un robot d'IA physique peut être détourné sans prise de contrôle directe de la machine. Dès 2017, l'attaque BadNets avait montré qu'un modèle de vision pouvait fonctionner normalement tout en échouant face à un déclencheur caché, par exemple en classant un panneau stop comme un panneau de limitation de vitesse. Présentée à NeurIPS 2025, BadVLA étend ce principe aux modèles Vision-Language-Action (VLA), qui traduisent perception et instructions en mouvements robotiques : en présence d'un déclencheur, le modèle dévie de sa trajectoire tout en gardant des performances normales après transfert de tâche ou fine-tuning. Une autre étude de 2025, GoBA, montre qu'un objet aussi banal qu'une tasse à café peut servir de déclencheur fiable, avec 97% de réussite d'attaque sans dégrader les performances sur des entrées propres. En septembre 2025, la faille Bluetooth UniPwn, qualifiée de « vermifère », a été divulguée sur des robots quadrupèdes et humanoïdes d'un grand fabricant non identifié dans l'article : clés cryptographiques codées en dur, authentification contournée, exécution de code avec des droits root. Une démonstration de VicOne Lab R7 a montré qu'enchaîner trois exploits sans fil suffit à provoquer un comportement robotique incontrôlé en moins de 60 secondes. Ces résultats mettent en lumière un angle mort dans la validation des modèles : un système peut réussir toute sa qualification et pourtant produire un comportement corrompu en opération, dès qu'un déclencheur caché apparaît. Pour les intégrateurs qui déploient des modèles VLA comme couche de contrôle générique de robots, la sécurité ne peut plus se limiter à la robustesse mécanique ou logicielle classique : elle doit couvrir toute la chaîne, de l'entraînement du modèle au middleware embarqué. Des vulnérabilités dans des piles comme ROS 2 ou les systèmes DDS peuvent en effet permettre l'exécution de code arbitraire ou l'envoi de commandes non authentifiées, jusqu'à remplacer les poids d'un modèle sans même toucher à son architecture. Le risque n'est donc plus seulement la panne visible, mais un robot qui continue d'opérer en apparence normalement tout en exécutant des commandes dont l'intégrité a été compromise, un enjeu qui prend du poids à mesure que les flottes de robots humanoïdes et quadrupèdes connectés se multiplient sur le terrain. Ces travaux prolongent une lignée de recherche sur les portes dérobées en apprentissage automatique ouverte par BadNets en 2017, désormais étendue à la robotique physique à mesure que les modèles VLA se généralisent dans l'industrie. La démonstration UniPwn et les outils de test cités proviennent de VicOne, éditeur spécialisé en cybersécurité des systèmes physiques, dont l'outil de validation Radeis s'appuie sur la plateforme de simulation NVIDIA Isaac Sim pour tester l'effet d'entrées visuelles manipulées avant le déploiement réel d'un robot, un discours qui sert aussi à mettre en avant ses propres solutions. Ni le fabricant touché par UniPwn ni un calendrier de correctifs ne sont précisés dans l'article, qui plaide surtout pour une gestion des vulnérabilités étendue à chaque couche du système, de l'entraînement du modèle jusqu'à l'infrastructure réseau, alors que le secteur commence tout juste à structurer cette approche.

IA physiqueOpinion

1 source

3Pandaily

Shanghai AI Lab lance Intern W0, un modèle du monde physique pour la robotique à retour de force et tactile

Le Shanghai Artificial Intelligence Laboratory a présenté W0, un modèle de fondation robotique baptisé Intern physical world model, conçu pour combiner vision, force et toucher dans des tâches physiques à contact riche, avec perception, prédiction, action et correction s'exécutant en parallèle plutôt qu'en chaîne rigide. Deux piliers le définissent : une perception force-tactile native, où la vision fixe cibles et trajectoires d'approche, le retour de contact ajuste qualité de préhension et détection de glissement, et l'état corporel suit pose et mouvement ; et une architecture « duplex » asynchrone à fréquences multiples, planification longue en arrière-plan et commandes moteur à haute fréquence, pour raccourcir le délai entre un changement d'environnement et la correction du geste. W0 diffère du projet NCP-ArchPreview, mené avec le LUMIA Lab de l'université Jiao Tong de Shanghai sur la prédiction du concept suivant en espace latent. Connecté à la plateforme Intern InkStone et au modèle scientifique Intern S2, W0 a fait tourner des boucles fermées en laboratoire humide et sec : évolution dirigée de protéines d'édition génique, synthèse organique de mépivacaïne, préparation de nanoparticules lipidiques avec ajustements dynamiques de paramètres en cours de run. Pour les intégrateurs et décideurs de la robotique industrielle, ce choix diffère du pari humanoïde grand public : plutôt que la démonstration spectaculaire, le laboratoire vise l'automatisation d'expériences scientifiques, où la fiabilité du contact (préhension, glissement, micro-ajustement) prime sur la marche ou la manipulation domestique. Si le couplage force-tactile-vision en duplex tient au-delà des cas montrés, il fournirait un argument concret dans le débat sur le passage à l'échelle des modèles vision-langage-action au-delà de vidéos de démonstration triées, un reproche récurrent fait au secteur. Les résultats de laboratoire humide cités restent toutefois issus en partie de couverture secondaire relayée par le laboratoire lui-même comme preuve précoce, non d'une validation indépendante ni d'un déploiement à grande échelle : une preuve de faisabilité sur un nombre limité de protocoles, pas un produit fini. W0 s'inscrit dans l'effort plus large du Shanghai AI Lab pour bâtir une pile de modèles d'IA physique, distincte de sa branche NCP-ArchPreview menée avec l'université Jiao Tong de Shanghai. Contrairement aux humanoïdes commerciaux orientés logistique ou assemblage industriel, le laboratoire cible en priorité les instruments de paillasse et les protocoles de chimie, biologie et science des matériaux, présentés comme une brique sous les flux Intern InkStone plutôt que comme un robot grand public. La suite dépendra de la capacité du contrôle force-tactile duplex à généraliser au-delà des trois cas démontrés, protéines d'édition génique, synthèse de mépivacaïne, nanoparticules lipidiques ; le laboratoire présente ces résultats comme l'ouverture d'un chemin allant de la déduction de schémas à l'expérience instrumentée, sans calendrier de déploiement ni partenaires pilotes annoncés à ce stade.

IA physiqueOpinion

1 source

4Robotics Business Review

Tutor Intelligence crée une Data Factory pour entraîner ses robots par IA dans le monde réel

Tutor Intelligence a inauguré DF1, sa "Data Factory" installée dans une ancienne manufacture de Watertown, Massachusetts : un parc de 100 robots semi-humanoïdes bimanaux baptisés Sonny, destinés à collecter des données réelles pour entraîner son modèle vision-langage-action (VLA) Ti0. Fondée en 2021 par Josh Gruenstein (CEO) et Alon Kosowsky-Sachs (CTO) issus du MIT-CSAIL, la startup revendique avoir constitué la plus grande infrastructure de ce type aux États-Unis. Elle a levé 34 millions de dollars en Série A en décembre 2025, puis tenu une journée portes ouvertes en avril 2026. Entre 45 et 50 téléopérateurs distants au Mexique et aux Philippines pilotent les robots par téleopération proprioceptive pour leur enseigner des tâches de picking, kitting et préparation de commandes e-commerce. En évaluant simultanément le même comportement sur 100 unités, la détection d'anomalies s'effectue 100 fois plus vite qu'en opération solo : un cas limite normalement visible après 8 heures d'opération sur un robot unique devient détectable en 5 minutes de fonctionnement de la flotte. Une méthode de prétraitement baptisée "velocity normalization" standardise les profils de démonstration entre téléopérateurs pour homogénéiser le corpus d'entraînement. L'enjeu central est de s'affranchir de la dépendance à la simulation, un pari sur la donnée réelle là où la majorité des acteurs humanoïdes s'appuient encore sur des environnements synthétiques pour réduire leurs coûts de collecte. La thèse de Gruenstein est directe : sans équivalent robotique de Wikipédia, le transfert d'intelligence à l'échelle industrielle passe nécessairement par des humains enseignant des machines en conditions réelles. DF1 est conçue comme le premier maillon d'un cycle vertueux, déploiements commerciaux, données à l'échelle, amélioration continue de Ti0. Pour les intégrateurs et décideurs industriels, cette approche ouvre une trajectoire vers un modèle généraliste capable d'absorber de nouvelles tâches sans reprogrammation lourde, précisément le verrou économique du marché actuel. Les performances annoncées restent toutefois auto-déclarées, sans validation indépendante. Tutor Intelligence a émergé du MIT-CSAIL en 2021, avant l'essor commercial des VLA. La startup est membre de la première promotion du Physical AI Fellowship, programme co-animé par AWS, NVIDIA et MassRobotics, qui lui fournit ressources de calcul cloud et expertise technique. Dans un paysage concurrentiel où Physical Intelligence (pi0), Figure, Apptronik et Boston Dynamics développent chacun leurs propres stacks d'entraînement, Tutor se différencie en contrôlant à la fois le hardware d'entraînement (Sonny), la plateforme de téleopération et le modèle VLA, sans dépendre d'une simulation propriétaire. L'objectif déclaré est de lancer le premier déploiement commercial humanoïde généraliste, en alimentant la boucle de données depuis la production réelle pour piloter les itérations suivantes. Les conditions commerciales, les performances comparatives de Ti0 et les éventuels clients pilotes n'ont pas encore été communiqués.

IA physiqueOpinion

1 source