IndustrielInteresting Engineering 29 octobre 2026

Audi teste des robots humanoïdes mobiles qui pourraient prendre en charge le tri de pièces dans les usines automobiles

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Audi teste des robots humanoïdes mobiles qui pourraient prendre en charge le tri de pièces dans les usines automobiles

Audi teste des humanoïdes mobiles Agile One, développés par le Munichois Agile Robots, pour automatiser le séquencement de pièces dans son Production Lab d'Ingolstadt, en Allemagne. Le projet, annoncé le 21 octobre lors du NVIDIA GTC Berlin, est une preuve de concept. Les robots doivent prélever des composants dans des bacs et les ranger dans l'ordre exigé par les postes d'assemblage. Agile One combine une portée à hauteur humaine, une manipulation à deux bras et une base à roues. Dassault Systèmes construit un jumeau virtuel de l'environnement logistique avec DELMIA et la plateforme 3DEXPERIENCE, tandis que les bibliothèques NVIDIA Omniverse simulent l'environnement physique et les interactions robotiques. La logistique d'Audi représente environ un million de prélèvements par jour. Ce chiffre décrit le flux actuel, pas une performance des robots. L'annonce ne donne ni cadence, ni taux d'erreur, ni calendrier de déploiement élargi.

Le séquencement est l'un des derniers îlots résistants à l'automatisation en logistique automobile. Les pièces varient en forme, en emballage et en position, et certaines, souples ou semi-rigides, se déforment pendant la saisie. Les robots conventionnels, conçus pour des objets précis dans des environnements contrôlés, y réussissent mal. Si l'approche tient ses promesses, un humanoïde sur base roulante pourrait s'insérer dans des flux existants sans refonte de l'usine autour de postes fixes. C'est l'argument central des intégrateurs et des directions industrielles. La démarche mérite aussi attention pour sa méthode: valider faisabilité, temps de cycle, ergonomie et sécurité en simulation avant les essais physiques limite les interruptions de production. En revanche, l'absence de métriques mesurées interdit de conclure que le fossé entre démonstration et réalité industrielle est comblé. À ce stade, il s'agit d'un pilote en environnement de laboratoire, pas d'un déploiement en ligne de production.

Ce pilote s'inscrit dans la multiplication des essais d'humanoïdes chez les constructeurs automobiles. BMW travaille avec Figure, Mercedes-Benz avec Apptronik et Hyundai avec Boston Dynamics, chacun cherchant à prouver une utilité concrète hors des vidéos de démonstration. Agile Robots se positionne comme un acteur européen capable d'associer robotique, IA et partenaires de simulation, avec le soutien de l'écosystème NVIDIA, ce qui compte pour les industriels européens soucieux de proximité technologique. Pour Audi, le Production Lab sert à évaluer des technologies avant tout passage à l'échelle dans ses usines. Les prochaines étapes à surveiller sont la publication de résultats chiffrés (cadence de prélèvement, taux d'erreur, disponibilité), le passage éventuel du laboratoire à une ligne réelle et le coût par prélèvement face aux solutions existantes. Aucun de ces éléments n'a été communiqué pour l'instant.

Impact France/UE

Un constructeur allemand (Audi) teste un humanoïde conçu par l'européen Agile Robots, avec Dassault Systèmes pour le jumeau numérique, ce qui renforce une filière industrielle franco-allemande en robotique.

Dans nos dossiers

Boston Dynamics Apptronik Apollo

À lire aussi

1Pandaily

Leju Robotics déploie 15 humanoïdes sur une ligne de chargement de pièces automobiles, avec environ 98 % de réussite

Leju Robotics et l'équipementier automobile Zhaofeng ont mis en exploitation courante 15 robots humanoïdes sur une ligne de chargement de pièces de l'usine n°3 de Zhaofeng, à Xiaoshan (Hangzhou). La solution conjointe a été présentée sur site le 15 octobre. Les robots prélèvent de petits composants, comme des roulements de moyeu de roue de 80 à 120 mm de diamètre intérieur, dans des bacs en treillis métallique, puis les déposent à des positions prédéfinies sur des machines d'usinage. Selon un représentant de Zhaofeng cité par Securities Times, la flotte couvre 15 postes et plus de 10 références, avec un taux de réussite stable à 98 %. Le déploiement tourne depuis plus de deux mois, soit environ 1 000 heures cumulées et plus de 60 000 pièces produites. Ces chiffres sont déclarés par les deux entreprises, sans audit indépendant, et le taux de succès n'est pas défini précisément (par cycle, par pièce, avec ou sans intervention humaine). Le point faible reste la vitesse. Un cycle de chargement dure moins de 40 secondes d'après Securities Times (environ 35 secondes selon Jiemian), contre une quinzaine de secondes pour un opérateur qualifié au même poste. Le président de Zhaofeng indique que les bras robotisés fixes de l'usine atteignent 10 à 15 secondes sur certaines opérations, et que les humanoïdes devront approcher 15 secondes pour justifier une adoption élargie, ce qu'il attend d'ici six mois à un an. Le choix de l'humanoïde dans une usine déjà automatisée s'explique par la nature des commandes: certaines commandes de pièces de rechange destinées à l'export ne portent que sur 250 à 300 jeux, avec beaucoup de références et des changements de série fréquents. Les humanoïdes prennent en charge les tâches de transfert, de chargement et d'ajustement entre les étapes automatisées, sans remplacer la ligne. L'intérêt de cette annonce tient moins à la performance brute qu'à son statut: un déploiement multi-robots, sur plusieurs semaines, avec des heures et des volumes chiffrés, ce qui la distingue des démonstrations ponctuelles. Elle montre aussi que le critère décisif pour les intégrateurs sera le temps de cycle et la reconfiguration rapide, davantage que la dextérité. Un robot deux à trois fois plus lent qu'un humain n'est rentable que dans les environnements à forte variété et faibles séries, ce que confirme le discours de Zhaofeng. Leju affirme avoir découpé la compétence de chargement en plus de 30 modules de base, assemblables sans programmation bas niveau, ce qui ramènerait le développement de plusieurs mois à quelques semaines. Une plateforme d'ordonnancement multi-robots diffuse la compétence à toute la flotte, et des modules de sécurité détectent chutes de pièces, collisions et excès de vitesse. Jiemian rappelle toutefois que le transfert vers d'autres usines exigera de s'adapter à de nouvelles pièces, interfaces machines et règles de sécurité. Ce projet s'inscrit dans la course chinoise au déploiement industriel d'humanoïdes, où UBTECH avance avec FAW-Volkswagen, de l'inspection qualité vers la logistique d'usine, et où Inovance vient de dévoiler son humanoïde à roues InoBot W1. Leju mise sur la donnée: la flotte génère plus de 40 000 enregistrements par mois, et les deux partenaires vont verser un jeu de données de chargement de pièces automobiles, issu d'opérations réelles, à la communauté OpenLET de la fondation OpenAtom. Le PDG de Leju, Chang Lin, fait de la vitesse la priorité, notamment par un meilleur usage des deux bras pour saisir plusieurs pièces à la fois. Le prochain jalon à surveiller est donc l'objectif d'environ 15 secondes par cycle, attendu dans un délai de six à douze mois.

UEPas d\'impact direct sur la France/UE

IndustrielActu

1 source

2TechNode

Xiaomi fait le point sur ses robots humanoïdes en usine automobile, avec 98 % de réussite sur certaines tâches

Xiaomi a communiqué de nouveaux résultats sur le déploiement de son robot humanoïde dans une de ses usines automobiles. Après quatre mois d'itérations successives, le taux de réussite du robot sur un poste de vissage d'écrous autotaraudeurs est passé de 90,2 % à 98 %, selon les chiffres avancés par l'entreprise, réduisant l'écart avec le taux de qualification des ouvriers humains à un seul point de pourcentage. Xiaomi a également étendu les tâches confiées à la machine avec deux nouveaux postes : le tri de panneaux latéraux de console centrale et le pliage puis recyclage de bacs à pièces, tous deux affichant un taux de réussite de 90 %. Le poste de tri des panneaux de console constitue, selon le constructeur, la première fois qu'un robot humanoïde effectue des opérations continues de longue durée sur des pièces souples dans une usine automobile. Ces chiffres proviennent de communications internes de l'entreprise, relayées par le média chinois Jiemian, sans validation indépendante. Ce type d'annonce pèse dans le débat sur l'écart entre démonstration et réalité industrielle qui traverse le secteur des robots humanoïdes. Manipuler des pièces souples et non rigides en continu reste l'un des obstacles majeurs à une automatisation généralisable au-delà de tâches répétitives sur objets calibrés, un problème central pour les intégrateurs et les décideurs industriels qui évaluent la maturité réelle de ces machines avant d'investir. Un taux de réussite proche de celui d'un opérateur humain sur un poste de production, si confirmé à plus grande échelle, renforcerait l'argument selon lequel certains modèles de contrôle vision-langage-action commencent à tenir leurs promesses en environnement de production réel, et pas seulement en laboratoire. Xiaomi investit dans la robotique humanoïde depuis la présentation de son robot CyberOne en 2022, dans un contexte où les groupes chinois comme Unitree, UBTech et Fourier Intelligence multiplient les essais en usine, aux côtés d'acteurs occidentaux tels que Figure AI, Tesla avec Optimus ou Agility Robotics. Xiaomi n'a pas communiqué de calendrier de déploiement à grande échelle ni de volumes de production visés, laissant ces annonces au stade d'un pilote industriel interne plutôt que d'un déploiement commercial confirmé.

IndustrielActu

1 source

3Robotics Business Review

Pourquoi les démos de robots humanoïdes échouent encore au test de généralisation

Dans l'épisode 265 du Robot Report Podcast, Jeanine Sinanan-Singh, directrice de la recherche en IA générative chez Appen, explique pourquoi l'humain reste indispensable à l'entraînement des robots. Elle travaille sur les évaluations agentiques, les environnements d'apprentissage par renforcement (RL) et la conception de jeux de données pour le post-entraînement des modèles d'IA de frontière. Son message central est qu'une démonstration spectaculaire ne prouve pas qu'un comportement robotique se généralise à d'autres tâches, objets ou environnements. Elle a fondé une startup d'automatisation de pharmacie reposant sur une plateforme d'impression 3D pour produire des médicaments personnalisés. Elle est diplômée de Harvard et a travaillé chez Microsoft et Surge. L'épisode, qui ne donne aucun chiffre de performance de robot, couvre aussi l'actualité de la semaine. Boston Dynamics a nommé Rohit Prasad, ancien dirigeant d'Amazon, au poste de CEO. Schneider Electric a acquis PTC, ce qui le positionne face à Siemens. Le CEO de Berkshire Grey a évoqué l'IA physique et l'expansion européenne de l'entreprise. Locus Robotics a présenté Nexera, une technologie censée lui donner accès à la manipulation robotique. L'intérêt de cet échange tient à un problème que le secteur humanoïde contourne souvent. Une vidéo de démonstration montre en général une tâche répétée dans des conditions contrôlées, parfois après de nombreux essais, sans indiquer le taux de réussite ni la variabilité des conditions. Pour un intégrateur ou un COO industriel, la question utile n'est pas de savoir si le robot sait faire un geste, mais s'il le refait de façon fiable quand l'objet, l'éclairage ou la cadence changent. Insister sur les évaluations agentiques et les environnements RL revient à dire que la mesure de la généralisation reste un goulot d'étranglement, au même titre que le matériel. Le rôle maintenu des humains dans la boucle (téléopération, annotation, correction) rappelle aussi que l'autonomie annoncée repose encore sur un travail humain coûteux, rarement visible dans les communiqués. Le contexte éclaire ce débat. Les modèles de type VLA (vision-langage-action) promettent une généralisation d'un robot à l'autre et d'une tâche à l'autre, mais leurs évaluations publiques restent hétérogènes et difficiles à comparer. Les annonces de la semaine montrent une industrie qui se structure autour de ces enjeux. Boston Dynamics change de direction à un moment où la course à l'humanoïde s'intensifie. Le rachat de PTC par Schneider Electric traduit la convergence entre logiciels industriels, jumeaux numériques et robotique. Locus et Berkshire Grey cherchent de leur côté à passer du déplacement à la manipulation en entrepôt, un terrain où la généralisation se vérifie en conditions réelles plutôt qu'en vidéo. Reste à voir si ces acteurs publieront des métriques de fiabilité en production, seules capables de départager démonstration et déploiement. RoboBusiness, qui fête ses 20 ans, sera une prochaine occasion d'observer ces positionnements.

IndustrielActu

1 source

4Interesting Engineering

Les robots humanoïdes arrivent dans les usines, mais peuvent-ils surpasser les robots industriels ?

Selon la Fédération internationale de robotique (IFR), les usines ont installé 542 000 robots industriels en 2024, portant le parc mondial en service à environ 4,66 millions d'unités, avec des installations annuelles supérieures à 500 000 pour la quatrième année consécutive. Les cobots, capables de travailler près des humains et d'être reprogrammés pour différentes tâches, représentaient 10,5% des installations de robots industriels en 2023. Du côté des humanoïdes, les déploiements restent embryonnaires et concentrés sur des tâches répétitives de manutention. Mercedes-Benz teste actuellement l'humanoïde Apollo d'Apptronik pour déplacer des composants et effectuer des contrôles qualité de premier niveau, en se limitant à des opérations de logistique interne plutôt qu'à l'assemblage central des véhicules. Dans la logistique, le prestataire GXO a signé un accord pluriannuel avec Agility Robotics pour déployer son humanoïde Digit ; sur un site de la marque Spanx, ce robot transfère des bacs depuis des robots mobiles autonomes vers des convoyeurs. Ces déploiements illustrent l'écart persistant entre les démonstrations soigneusement montées des fabricants d'humanoïdes et la réalité industrielle actuelle : aucun humanoïde ne circule encore de façon autonome entre des dizaines de postes de travail différents. Pour les intégrateurs et décideurs industriels, le message est clair : le bras robotique fixe reste, pour l'instant, le choix économique dominant. Un bras spécialisé ne nécessite ni marche, ni équilibre, ni compréhension globale de l'usine ; il exécute un mouvement défini avec rapidité et précision, parfois des milliers de fois par jour, ce qui le rend généralement plus rapide, plus fiable et plus facile à entretenir qu'une plateforme polyvalente. Les humanoïdes ne trouvent un intérêt économique que lorsque la restructuration d'une ligne de production pour une tâche irrégulière ou ponctuelle ne se justifie pas. Leur promesse tient dans leur capacité à évoluer dans des environnements conçus pour le corps humain (escaliers, chariots, étagères, outils) sans convoyeurs ni cages de protection, et à cumuler plusieurs fonctions sur une seule plateforme logicielle reconfigurable. Cette dynamique s'inscrit dans une industrie où les robots industriels classiques bénéficient de décennies d'avance : un écosystème mature de fabricants, développeurs logiciels, fournisseurs de composants, spécialistes de la sécurité et techniciens de maintenance permet déjà de calculer précisément le retour sur investissement d'un bras dédié au soudage, à la peinture, à la palettisation ou à l'assemblage. Les humanoïdes, portés par des acteurs comme Apptronik et Agility Robotics, doivent donc se positionner non pas contre les robots d'hier, mais contre une technologie établie qui devient elle-même plus sûre et plus adaptable grâce aux cobots. Des obstacles techniques subsistent, notamment l'autonomie des batteries : Agility Robotics a indiqué en 2025 travailler sur des mises à niveau pour prolonger le temps de fonctionnement de Digit. La suite dépendra largement des résultats économiques des pilotes en cours chez Mercedes-Benz et GXO, qui détermineront si les humanoïdes élargissent réellement le périmètre de l'automatisation industrielle ou s'ils restent cantonnés à combler les tâches que les robots industriels classiques ne peuvent pas justifier économiquement.

IndustrielOpinion

1 source