Chine/AsiePandaily 26 octobre 2026

Tutu, le chien robot d'Amap, commence ses patrouilles sur le campus Xixi d'Alibaba et transforme ses preuves en ordres de travail

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Amap, la plateforme de cartographie et de navigation d'Alibaba, a déployé son chien robot quadrupède Tutu pour des rondes d'inspection régulières sur le campus Xixi d'Alibaba à Hangzhou. Lors de la conférence Qincheng 2026 d'Alibaba, l'équipe d'IA incarnée d'Amap a publié une étude de cas de campus intelligent et une solution conjointe avec la direction des affaires générales du groupe et Qincheng Zhihui, l'unité de services de campus, selon le média chinois Robot Qianzhan. Amap ne fabrique pas le robot et n'exploite pas le campus : l'entreprise fournit l'intelligence spatiale et l'exécution de tâches, pilote un corps robotique et se connecte aux systèmes de tâches et d'exploitation du campus. Ces derniers mois, Tutu a été testé pour le guidage de personnes malvoyantes, les visites, l'aide aux achats, l'inspection et la livraison du dernier kilomètre. Le logiciel, baptisé ABot, comprend trois couches : données (ABot-World et ABot-Earth, modèle du monde et base spatiale pour la simulation), modèles (ABot-N1 pour la navigation, ABot-M0.5 pour la manipulation) et agents (ABot-AgentOS et ABot-ER, pour la planification, l'exécution, la mémoire et le suivi des états d'objets). La navigation repose sur deux vitesses : le cloud planifie à haut niveau à partir de la tâche et de la carte, tandis que le robot génère sa trajectoire localement à partir des caméras pour contourner couloirs étroits, foules et obstacles temporaires sans s'arrêter. Aucun chiffre de payload, d'autonomie, de nombre de robots ni de coût n'est communiqué.

La nouveauté tient à la boucle de bons de travail. La solution convertit un catalogue de services, des cibles d'inspection, une fréquence et des critères d'acceptation en tâches exécutables, reliées aux cartes, aux droits d'accès, aux équipements et aux ordres de travail. Pour une porte coupe-feu, le robot doit atteindre le bon point, ajuster son angle de vue pour que la photo satisfasse l'exigence d'inspection, puis renvoyer la preuve au personnel, qui la contrôle et agit. Les cas difficiles sont revus et annotés par des humains, puis réinjectés dans l'évaluation des modèles. Une mission ponctuelle, comme vérifier un chantier temporaire, peut s'insérer avant la reprise de la ronde. Les rôles sont répartis : les affaires générales fixent tâches et standards, Qincheng Zhihui gère l'exploitation et la recette, Amap fournit navigation et exécution multi-étapes, et les professionnels du campus décident en dernier ressort.

L'intérêt pour les intégrateurs et décideurs B2B est moins la locomotion que l'intégration : un robot n'a de valeur en exploitation que si sa sortie devient une preuve exploitable, rattachée à un ordre de travail et à une chaîne de responsabilité. Cette approche logicielle, indépendante du matériel, rappelle que la différenciation se déplace vers la couche tâche et la conformité plutôt que vers le châssis. Il faut toutefois rester prudent : il s'agit d'un campus maîtrisé, propriété du groupe qui développe la solution, et aucune métrique de fiabilité, de taux de réussite ou de retour sur investissement n'est publiée. Le périmètre reste celui d'un premier cas d'usage, la patrouille de sécurité, et non d'un déploiement à grande échelle.

Ce projet s'inscrit dans la montée en puissance d'Amap en IA incarnée, après ses publications récentes de Lambda-0 en open source et d'ABot-Earth 0.7. Amap se positionne en couche logicielle face aux acteurs verticalement intégrés, comme Unitree côté quadrupèdes ou Boston Dynamics avec Spot, très présent dans l'inspection industrielle. Les prochaines étapes annoncées sont la livraison légère, les visites d'accueil et l'appui à la sécurité incendie, sans calendrier précis. La vraie question est celle de la réutilisation : la même pile pourra-t-elle servir sur d'autres campus tout en respectant les standards et les lignes de responsabilité propres à chaque tâche ? Aucun acteur européen n'est mentionné dans l'annonce.

Dans nos dossiers

Boston Dynamics Unitree IA physique & VLA

À lire aussi

1Pandaily

Alibaba lance Qwen-Robot, sa première famille de modèles d'IA incarnée

Alibaba a publié mardi la suite Qwen-Robot, sa première famille de modèles d'IA incarnée, destinée à relier les grands modèles de langage à l'action robotique dans le monde physique. La suite comprend trois modèles : Qwen-RobotNav pour la navigation visuo-langagière, entraîné sur 15,6 millions d'échantillons en unifiant instruction following, navigation par cible et suivi d'objets ; Qwen-RobotManip pour la manipulation robotique via une architecture VLA (Visual Language Action) basée sur un backbone Qwen3.5-4B VL couplé à une tête de diffusion par flow matching, entraîné sur plus de 38 100 heures de données issues exclusivement de sources open source ; et Qwen-RobotWorld, un modèle de monde prédit des futurs physiquement cohérents pour la manipulation, la conduite et la navigation via une interface en langage naturel. La démonstration centrale met en scène un robot quadrupède Unitree Go2 sur hardware NVIDIA Jetson Thor, équipé d'une unique caméra basse résolution : sans cartographie préalable, il navigue dans un appartement inconnu en suivant des instructions verbales, avec une latence d'inférence de 196 millisecondes. Alibaba a également présenté Qwen-RobotClaw, un framework agent permettant aux modèles Qwen VLM d'appeler les outils Qwen-Robot pour gérer des tâches longues et la mémoire de contexte, et mis en open source Chat2Robot, une plateforme d'évaluation navigateur supportant Qwen-RobotManip sur 50 tâches via le dataset RoboTwin-Clean. Pour les intégrateurs et décideurs industriels, deux points méritent attention. L'entraînement de Qwen-RobotManip exclusivement sur des données open source est un choix architectural significatif : il abaisse les barrières de reproduction et contourne le verrou des données propriétaires qui bloque nombre d'acteurs du secteur. La latence de 196 ms sur Jetson Thor illustre la viabilité de l'inférence embarquée pour la navigation, même si cette performance a été mesurée dans un environnement contrôlé et non en production industrielle. La robustesse à grande échelle reste à démontrer : les vidéos présentées constituent une preuve de concept, pas un déploiement validé. L'architecture Qwen-RobotClaw adresserait un problème concret si elle tient ses promesses en production : la gestion de tâches multi-étapes sans reprogrammation manuelle, qui reste le verrou central de l'adoption robotique en environnements non structurés. Alibaba entre tardivement dans l'espace des modèles de fondation robotiques face à des acteurs déjà positionnés : Physical Intelligence (pi0, levée de 400 M$ en 2024), Figure AI (Figure 03, partenariat BMW), Google DeepMind et NVIDIA avec GR00T N2. En Chine, Unitree (fournisseur du Go2 de la démo), Zhiyuan Robot et Agibot développent leurs propres stacks logicielles embarquées. En Europe, Enchanted Tools et Pollen Robotics avancent sur des plateformes collaboratives, mais sans modèle VLA de cette envergure à ce stade. Les prochaines étapes annoncées incluent l'extension de Chat2Robot à de nouvelles plateformes et tâches robotiques, ainsi qu'une intégration commerciale potentielle via Alibaba Cloud.

UEL'entrée d'Alibaba avec une suite VLA entraînée sur données open source creuse l'écart technologique avec les acteurs européens (Enchanted Tools, Pollen Robotics) qui ne disposent pas encore de modèles de fondation robotiques comparables, même si la stack open source pourrait leur servir de base de développement.

Chine/AsieOpinion

1 source

2Pandaily

TwinDEX de X Square Robot apprend une expérience de chimie en 24 étapes sans aucune donnée d'entraînement sur le robot

La société X Square Robot, basée à Shenzhen, a présenté un robot dextre qui exécute une expérience de chimie standardisée complète, soit 24 sous-actions enchaînées en une seule prise sans coupure, avec une politique entraînée uniquement sur des données collectées sans robot. La démonstration repose sur TwinDEX, système introduit en septembre qui associe un exosquelette portable pour la collecte de données à une main robotique très proche pour le déploiement. Le robot ouvre un flacon de réactif, prélève de la poudre avec une spatule fine, presse une pipette à bulbe en caoutchouc, transfère liquides et solides, puis plaque une baguette de verre quasi transparente contre un bécher pour guider un versement, en changeant d'outil et en coordonnant ses deux mains. La politique a été entraînée de zéro sur quelques centaines d'épisodes sans robot, sans téléopération ni données d'intervention. Les deux dispositifs partagent une architecture à trois doigts et neuf degrés de liberté dont sept actifs, les mêmes axes d'articulation et proportions, les mêmes matériaux de contact et capteurs tactiles aux mêmes endroits. Images multi-vues, poses du poignet, états des doigts et signaux tactiles sont synchronisés, ce qui évite tout retargeting. Selon X Square, l'efficacité de collecte atteint 5,3 fois celle de la téléopération, mesurée sur cinq tâches. L'enjeu est le goulot d'étranglement de la donnée en manipulation fine. La téléopération immobilise un robot et un opérateur, ce qui limite le passage à l'échelle. Un opérateur, une table et un exosquelette suffisent ici, et la collecte peut se faire en parallèle dans des bureaux ou des cuisines. Si les résultats se confirment, ils indiquent que des données humaines sans robot peuvent égaler la téléopération épisode par épisode, selon la société sur un benchmark multi-tâches. La tâche choisie est exigeante pour la perception seule : le dévissage repose sur des mouvements latéraux des doigts, la pipette demande un ajustement de force après contact, et la baguette transparente est difficile à suivre par caméra. Prudence toutefois : il s'agit d'une démonstration unique, le gain de 5,3 fois est un chiffre du constructeur, et aucun article technique ni taux de réussite sur répétitions n'est publié. Les limites sont reconnues : une seule table, un jeu d'objets restreint, une ergonomie des longues sessions non étudiée, et des tâches plus difficiles pourraient exiger plus de doigts ou d'articulations. Cette approche s'inscrit dans la course aux données d'entraînement pour les modèles vision-langage-action, où gants, exosquelettes et vidéos humaines concurrencent la téléopération. X Square, déjà connue pour son modèle ouvert WALL-OSS, a aussi présenté HOST, qui apprend des compétences à partir de courtes vidéos, et le modèle WALL-B. Selon Leiphone, le pipeline fonctionne avec WALL-OSS et peut s'adapter à d'autres modèles de fondation comme pi0.5. Sharpa, avec sa main dextre et son gant haptique, travaille dans une direction voisine. La suite annoncée comprend un article technique « bientôt disponible » et l'extension de la collecte aux environnements ouverts et aux tâches de longue traîne. Il s'agit pour l'instant d'une démonstration de recherche, sans produit livré ni déploiement client.

UEPas d\'impact direct sur la France/UE

Chine/AsieActu

1 source

3TechNode

Comment Excelland Robotics met ses robots au travail

Excelland Robotics, fondée à Shenzhen en 2013, prépare une introduction en bourse à Hong Kong sous la raison sociale Excelland Robotics (Wuxi) Co. Ltd. Selon son prospectus, la société avait vendu, à mars 2026, plus de 114 600 robots à plus de 5 100 clients dans le monde. Son premier produit, le robot de livraison intérieure Yomie, sort en 2016, suivi en 2017 par Yodee, à plus grande capacité et destiné aux lieux de loisirs, puis par la gamme Yogel pour la livraison à la demande sur campus. Les volumes cumulés dépassent 2 500 unités en 2019 et franchissent 10 000 en 2021. Excelland élargit ensuite son offre avec la ligne de nettoyage Yoxiaogu, lancée en intérieur en 2022 puis en extérieur en 2023, et avec Yoshop, une famille de robots distributeurs pour le commerce sans personnel. Ses machines opèrent aujourd'hui dans des hôtels, bureaux, lieux de divertissement, campus, centres commerciaux, hubs de transport et parkings souterrains. Ce parcours illustre une approche différente de la course aux robots actuellement dominée par les annonces d'humanoïdes qui génèrent beaucoup de battage médiatique mais peu de déploiements vérifiables. Excelland construit son activité sur des tâches étroites, mesurables et difficiles à pourvoir en personnel, la livraison puis le nettoyage, plutôt que sur une machine universelle capable de tout faire. Pour les intégrateurs et décideurs industriels, le chiffre de plus de 114 600 unités vendues, tiré d'un document réglementaire destiné aux investisseurs et donc à lire avec la prudence habituelle réservée aux prospectus d'introduction en bourse, montre qu'un modèle de robotique de service spécialisée peut atteindre une échelle commerciale réelle sans recourir à l'IA générale ni à des architectures de type VLA. L'opération confirme aussi la maturité du marché chinois de la robotique commerciale, où plusieurs fournisseurs de robots de livraison et de nettoyage visent désormais la bourse de Hong Kong pour financer leur expansion. Excelland a débuté comme fournisseur de systèmes de contrôle robotique avant de se lancer dans la fabrication de robots de service complets, à une époque où convaincre les entreprises de confier des tâches courantes à des machines restait en soi un argument de vente. Le passage du nettoyage intérieur au nettoyage extérieur, entre 2022 et 2023, a exposé les robots à des conditions bien plus variables que le couloir d'hôtel ou le hall d'entreprise : chaleur, gaz d'échappement et circulation dans les parkings souterrains, revêtements irréguliers, luminosité changeante et piétons en extérieur. Ce mouvement place Excelland aux côtés d'autres fabricants chinois de robots de livraison et de nettoyage tels que Pudu Robotics ou Keenon Robotics, engagés eux aussi dans une expansion internationale et, pour certains, des démarches de cotation à Hong Kong. L'introduction en bourse annoncée, si elle aboutit, doit surtout servir à financer l'extension de ce catalogue vers des environnements encore plus complexes plutôt qu'à lancer un produit inédit.

Chine/AsieOpinion

1 source

4SCMP Tech

L'unité d'Alibaba affirme qu'une IA cinq-en-un dote les robots d'un cerveau, d'un corps et de membres unifiés

Note : l'extrait fourni est très court et s'arrête au milieu d'une phrase, sans aucune donnée chiffrée (DOF, payload, temps de cycle, date, sites de déploiement). Je rédige donc un texte fidèle à ce qui est réellement communiqué, sans inventer de métriques absentes de la source. Amap, la filiale cartographie et navigation du groupe Alibaba, a présenté une mise à jour de son système ABot, décrit comme le premier framework technologique au monde à unifier "pieds, mains, cerveau, nerfs centraux et nerfs moteurs" d'un robot au sein d'un seul système. L'annonce s'inscrit dans le champ dit de l'"embodied intelligence" (intelligence incarnée), qui vise à doter les machines des capacités de perception et de décision nécessaires pour naviguer et accomplir des tâches physiques. Aucune date de commercialisation, aucun chiffre de performance ni aucun site de déploiement n'ont été précisés dans la communication d'Alibaba, ce qui place pour l'instant ABot au stade de l'annonce technologique plutôt que du produit livré. Cette initiative confirme l'intérêt croissant des géants technologiques chinois pour l'IA appliquée à la robotique, dans un secteur où la maîtrise conjointe de la perception, de la planification de trajectoire et du contrôle moteur reste un verrou technique majeur, notamment pour le passage de la simulation au réel. Qu'un acteur d'abord connu pour la cartographie numérique (Amap est l'équivalent chinois de Google Maps) se positionne sur ce terrain illustre la manière dont les compétences en localisation et navigation urbaine peuvent être redéployées vers la robotique mobile et humanoïde, un axe stratégique pour les intégrateurs suivant la montée en puissance de l'écosystème IA chinois. Amap appartient à Alibaba Group Holding, qui investit plus largement dans l'IA générative et les modèles fondation via son écosystème Qwen. L'unité s'inscrit ainsi dans une compétition plus vaste entre groupes technologiques chinois cherchant à décliner leurs modèles d'IA vers des applications physiques, aux côtés d'autres initiatives locales dans l'embodied intelligence. Les prochaines étapes concrètes du déploiement d'ABot, pilotes industriels ou partenariats matériels, n'ont pas été détaillées à ce stade et restent à confirmer.

Chine/AsieActu

1 source