Aider les robots à s'intégrer dans l'environnement de travail humain

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Robust AI, la startup cofondée en 2019 par le professeur émérite du MIT Rodney Brooks (aujourd'hui directeur technique) et Anthony Jules (directeur de l'innovation), commercialise Carter, un robot mobile qui ressemble à un chariot utilitaire sur roues. Il est équipé d'une poignée sensible à la force, d'un système de vision piloté par IA et de roues holonomes qui lui permettent de se déplacer instantanément dans toutes les directions. Un opérateur peut le pousser ou le tirer d'une seule main, lui couper la route, le diriger par gestes ou via l'écran tactile embarqué. Selon l'entreprise, les robots sont déjà déployés dans des entrepôts logistiques et sur des lignes d'usine, où ils assistent les opérateurs pour le prélèvement et le réapprovisionnement des rayonnages, et transportent des articles de façon autonome. Plusieurs workflows existent : guider un opérateur vers un emplacement précis, le suivre jusqu'à un point de chargement, ou transférer des charges d'un poste à un autre. L'article ne fournit ni payload, ni prix, ni nombre d'unités déployées, ni noms de clients.

L'intérêt tient au positionnement : Robust AI ne vise pas la pleine autonomie mais un système où robot, humains et logiciels de back-end se partagent le travail, avec une réelle capacité d'intervention de l'opérateur. Jules rappelle que seuls environ 5 % des usines disposent de systèmes entièrement automatisés à 50 à 200 millions de dollars, tandis que la grande majorité n'a pas même de convoyeur et ne remplacera pas ses installations. Pour un intégrateur ou un COO, l'argument est celui d'une automatisation progressive, sans refonte du site, dont l'intégration au poste de travail est laissée au client. Cette thèse répond à un écueil connu : une étude évaluée par les pairs, citée par Leila Takayama (vice-présidente de l'interaction homme-robot), montre que dans de nombreux hôpitaux, des robots de transport étaient éteints et rangés contre les murs, les infirmiers les jugeant en panne. Brooks explique que ces robots s'arrêtaient net face à une personne dans un couloir, bloquant le passage d'un brancard. À noter que les affirmations de performance restent déclaratives, sans métrique publiée de productivité ni de temps de cycle, et que l'estimation de 30 000 pas par jour pour un opérateur provient de l'entreprise.

Côté historique, Brooks a enseigné au MIT de 1984 à 2010, dirigé le CSAIL de 1997 à 2007 et cofondé iRobot (introduit en bourse en 2005) puis Rethink Robotics, déjà centré sur la robotique collaborative, avec un parcours industriel mitigé. Jules, passé par le CSAIL dans les années 1990, a cofondé Sapient, rachetée par Publicis en 2015. Robust AI est née fin 2019 autour d'un logiciel comparé à un moteur de jeu vidéo pour l'entraînement des robots, a pivoté pendant le Covid-19 vers des robots de désinfection de surfaces, puis a dû abandonner cette voie lorsqu'il est apparu que le virus ne se transmettait pas par les surfaces. L'entreprise a alors choisi la logistique et la fabrication, en s'appuyant sur des années d'entretiens clients, et a accepté de construire du matériel. Elle évolue dans un segment des AMR collaboratifs où opèrent notamment Locus Robotics et Zebra (Fetch), et ne se situe pas dans la course aux humanoïdes. Aucune échéance de nouveau pilote ni levée de fonds n'est mentionnée.

À lire aussi

Brain Corp s'associe à l'UC San Diego pour aider les robots à opérer dans des environnements complexes

Illustration générée par IA

1The Robot Report

Brain Corp s'associe à l'UC San Diego pour aider les robots à opérer dans des environnements complexes

Brain Corp a annoncé cette semaine un partenariat de recherche élargi avec l'Université de Californie à San Diego (UCSD), centré sur le développement d'une couche dite de "contextual grounding" pour robots autonomes. Concrètement, il s'agit d'une représentation numérique intelligente des espaces physiques, permettant à des AMR, drones et véhicules autonomes de comprendre leur environnement en temps réel et d'y réagir de manière adaptative. Le projet est piloté par le Dr. Nikolay Atanasov, directeur de l'Existential Robotics Laboratory au sein du département Electrical and Computer Engineering de la Jacobs School of Engineering. Les deux partenaires ciblent les environnements commerciaux et industriels complexes, là où la variabilité des conditions -- présence humaine, obstructions dynamiques, modifications de layout -- met en échec les approches SLAM classiques. La collaboration s'appuie sur la base opérationnelle de Brain Corp: plus de 50 000 AMR déployés dans le monde et plus de 25 millions d'heures cumulées de fonctionnement sur des sites commerciaux réels, un volume de données terrain que peu d'acteurs académiques peuvent atteindre seuls. L'enjeu industriel est direct. Les modèles vision-language-action (VLA) et les architectures generatives transforment rapidement ce qu'un robot peut faire, mais leur fiabilité en déploiement réel reste le principal frein à la commercialisation à grande échelle. Ce que Brain Corp et l'UCSD tentent de résoudre, c'est précisément le "sim-to-real gap" appliqué à la perception sémantique: un robot capable d'interpréter une scène dans un simulateur ou un environnement contrôlé ne garantit pas la même robustesse dans un entrepôt logistique avec 200 opérateurs humains. La cartographie 3D sémantique, contrairement aux approches purement end-to-end basées sur la vision brute, conserve une représentation structurée de l'espace -- ce qui facilite l'orchestration de flottes hétérogènes et l'intégration de capteurs fixes avec des agents IA mobiles. L'objectif affiché de Brain Corp n'est pas de résoudre une seule tâche robotique, mais de construire une infrastructure de plateforme capable de coordonner ces systèmes à l'échelle enterprise, ce qui positionne BrainOS comme un système d'exploitation pour flottes plutôt qu'un simple firmware d'AMR. Brain Corp, fondée en 2009 et basée à San Diego, a construit sa position sur BrainOS, plateforme d'autonomie embarquée initialement déployée sur des autolaveuses commerciales de marques comme Tennant et Nilfisk. La collaboration avec l'UCSD s'inscrit dans une tendance sectorielle plus large où les éditeurs de logiciels robotiques cherchent à ancrer leur R&D dans des partenariats académiques pour accéder à une recherche fondamentale en perception et mapping -- une stratégie comparable à celle de Boston Dynamics avec le MIT, ou de Agility Robotics avec Oregon State. Les concurrents directs sur le segment de l'orchestration de flottes incluent Fetch Robotics (Zebra Technologies), 6 River Systems (Shopify) et MiR (Teradyne). Le CTO de Brain Corp, John Black, détaillera cette approche lors du Robotics Summit and Expo 2026 à Boston la semaine prochaine. Aucune timeline de déploiement commercial pour cette couche sémantique n'a été communiquée à ce stade.

IndustrielPaper

1 source

Les robots explorent des environnements inconnus grâce à un lidar avancé

Illustration générée par IA

2Interesting Engineering

Les robots explorent des environnements inconnus grâce à un lidar avancé

Ouster, spécialiste du lidar basé à San Francisco, et FieldAI, développeur d'IA robotique californien, ont annoncé un partenariat centré sur l'intégration du capteur lidar numérique Rev8 d'Ouster avec la plateforme Field Foundation Models de FieldAI. L'objectif : permettre à des robots généralistes de se déployer sur de nouveaux sites industriels sans cartographie préalable, sans infrastructure dédiée et sans modification de l'environnement. La plateforme FieldAI est conçue comme un "cerveau" universel capable d'opérer sur des types de robots très différents, dans des conditions changeantes : chantiers de construction, mines, sites énergétiques, installations souterraines et zones industrielles sans couverture GPS. Le Rev8 apporte une couche de perception couleur native aux données lidar classiques, combinant ainsi la précision de la mesure de distance par impulsions laser avec une interprétation chromatique de l'environnement. Aucun chiffre de déploiement, de prix ou de volume client n'a été communiqué dans l'annonce, il s'agit à ce stade d'une collaboration technologique déclarée, pas d'un produit expédié. Ce partenariat pointe vers un verrou structurel du secteur : la dépendance des robots industriels aux environnements précartographiés. Les systèmes AMR (autonomous mobile robots) conventionnels exigent typiquement des semaines de mapping, des marquages au sol ou des balises fixes avant de pouvoir opérer. La proposition de FieldAI, entrer sur un site comme un nouvel employé, évaluer l'environnement et commencer à travailler sans connaissance préalable, représente un changement de paradigme si elle se confirme à l'échelle. L'ajout du lidar couleur Rev8 renforce l'interprétabilité des décisions du robot (distinguer un obstacle fixe d'un opérateur en mouvement, identifier des équipements par leur apparence) et améliore la sécurité dans des contextes où caméras seules ou GPS sont insuffisants. Pour un intégrateur ou un COO industriel, cela se traduit potentiellement par une réduction significative des coûts et délais de mise en service, le principal frein commercial des déploiements robotiques en environnements non structurés. FieldAI s'est construit sur la conviction que les grands modèles de fondation, entraînés à comprendre le monde physique plutôt qu'une tâche spécifique, constituent la brique manquante pour généraliser l'autonomie robotique. Ouster, de son côté, est issu de la vague lidar initiée par Velodyne et ses concurrents ; son passage au lidar numérique (SPAD-based) lui a permis de réduire les coûts et d'augmenter la résolution. Sur le marché des capteurs de perception pour robots industriels, Ouster concurrence Hesai (Chine), Innoviz (Israël) et Luminar (États-Unis), tandis que FieldAI se positionne face à des plateformes d'intelligence robotique comme Boston Dynamics AI Institute, Intrinsic (Google) ou ANYbotics. Aucun acteur européen n'est impliqué dans ce partenariat. Les prochaines étapes annoncées incluent l'intégration du Rev8 dans les déploiements en cours de FieldAI chez ses clients industriels, sans calendrier précis communiqué.

IndustrielOpinion

1 source

PSYONIC s'associe à ABB Robotics pour introduire le toucher humain dans la dextérité des robots

Illustration générée par IA

3The Robot Report

PSYONIC s'associe à ABB Robotics pour introduire le toucher humain dans la dextérité des robots

ABB Robotics LLC et la startup californienne PSYONIC ont annoncé un partenariat visant à accélérer la manipulation dextère en robotique industrielle. Les deux entreprises combinent le bras collaboratif GoFa d'ABB, un robot force- et power-limited conçu pour travailler aux côtés des humains, avec l'Ability Hand de PSYONIC, une main prothétique à cinq doigts équipée de capteurs de pression, de retour vibrotactile et de mécaniques souples. Le principe central du projet: utiliser les données de mouvement, de contact et de force de préhension collectées sur les 300 patients prothétiques déjà équipés de l'Ability Hand pour entraîner des systèmes robotiques. La main est approuvée par la FDA, remboursée par Medicare aux États-Unis, et Meta en a été un acheteur précoce lors du lancement grand public. PSYONIC, fondée en 2015 à San Diego par le Dr Adeel Akhtar, vend désormais davantage côté robotique que côté médical, une inversion survenue en moins d'un an sous l'effet de l'essor du physical AI. L'enjeu n'est pas anodin: la manipulation manuelle reste l'un des verrous les plus résistants de l'automatisation industrielle. Les préhenseurs à ventouse ou à mâchoires parallèles imposent des changeurs d'outils, sources de délais, de pannes et de maintenance chronophage, notamment sur les lignes à fort mix et faible volume. Une main à cinq doigts avec retour tactile permet de saisir des objets déformables (textiles, emballages souples) et de travailler dans des cellules conçues autour du format humain, sans reconfiguration mécanique. La valeur ajoutée de PSYONIC réside dans la continuité matérielle: le même Ability Hand porté par un patient génère des données d'apprentissage directement transférables à un robot équipé du même effecteur, supprimant une partie du gap sim-to-real qui plombe encore beaucoup de pipelines d'entraînement VLA (vision-language-action). Selon la Fédération Internationale de Robotique, une meilleure intégration de la préhension et du numérique pourrait réduire le temps d'ingénierie de mise en oeuvre jusqu'à 30 %. ABB Robotics s'inscrit dans une trajectoire de transformation profonde: le groupe ABB a cédé sa division robotique à SoftBank pour 5,3 milliards de dollars en octobre 2025, avec pour feuille de route l'"Autonomous Versatile Robotics" (AVR), une vision de robots capables de percevoir, raisonner, se déplacer et manipuler avec précision dans des environnements dynamiques. Le partenariat avec PSYONIC s'intègre dans cette ambition de physical AI, en parallèle d'une course aux effecteurs dextres que se livrent aussi des acteurs comme Sanctuary AI, Dexterous et les équipes internes de Tesla (Optimus) ou Figure. Aucune date de commercialisation ni de déploiement pilote industriel n'a été communiquée: il s'agit pour l'instant d'une collaboration R&D entre les équipes techniques des deux entreprises, pas d'un produit expédié ni d'un déploiement terrain confirmé.

UEImpact indirect sur l'UE via ABB (groupe suisse, désormais filiale SoftBank), dont les industriels européens pourraient bénéficier si la manipulation dextre atteint la maturité commerciale, mais aucun déploiement ou pilote européen n'est annoncé à ce stade.

IndustrielOpinion

1 source

Bâtir des robots pour des environnements imprévisibles et sans infrastructure

Illustration générée par IA

4The Robot Report

Bâtir des robots pour des environnements imprévisibles et sans infrastructure

Burro, entreprise américaine de robotique agricole, a présenté son premier robot en 2018 lors d'une démonstration réussie qui a néanmoins masqué l'ampleur réelle du problème à résoudre. La plateforme Burro est conçue pour transporter, tracter, patrouiller, tondre, pousser ou tirer différents équipements en environnement agricole extérieur, sans infrastructure fixe, sans éclairage contrôlé et souvent sans fiabilité GPS sous couvert végétal. Contrairement à la robotique en environnement fermé, où l'optimisation en conditions contrôlées peut se prolonger des années avant la confrontation au terrain, Burro n'a eu d'autre choix que d'affronter immédiatement les conditions réelles: température allant de sous zéro à environ 49°C, luminosité variable selon l'heure et la saison, sol changeant entre pluie, poussière et boue. L'entreprise dit avoir appris deux choses au contact du terrain: la tolérance quasi nulle des utilisateurs professionnels à toute défaillance dès lors que le robot devient un outil dont dépend leur activité, et le fait qu'un robot fiable dans une condition climatique donnée n'est pas une version légèrement améliorée d'un même système, mais le résultat d'un tout autre travail d'ingénierie construit sur l'exposition réelle et répétée au terrain plutôt que sur la seule simulation. Ce retour d'expérience illustre un écart largement documenté dans le secteur entre la démonstration en conditions favorables et le déploiement réel en production, un point sensible pour les intégrateurs et décideurs industriels qui évaluent des solutions robotiques mobiles ou humanoïdes. Le message central de Burro est que la bascule d'un client, de la curiosité pour un nouvel outil à la dépendance opérationnelle vis-à-vis de celui-ci, s'opère en quelques semaines seulement, ce qui relève d'emblée la barre de fiabilité exigée bien au-delà de ce qu'un environnement de laboratoire permet d'anticiper. Pour les acheteurs B2B de robotique mobile autonome, cela recadre l'évaluation d'un fournisseur: la question n'est pas seulement la performance de pointe démontrée en vidéo, mais la capacité prouvée à accumuler des données opérationnelles réelles, à échouer sans danger et à corriger rapidement, plutôt que la seule sophistication de la simulation utilisée en amont. Burro positionne cette expérience agricole comme transférable à d'autres environnements extérieurs jugés comme la prochaine frontière de la robotique autonome: les cours de ports, qui ajoutent à la variabilité climatique un trafic dense de véhicules lourds et des mouvements humains irréguliers; les campus logistiques, qui combinent terrain extérieur imprévisible et exigences de débit ne tolérant aucune interruption; et les chantiers de construction, dont la configuration physique change chaque jour. Selon l'entreprise, aucun de ces environnements ne peut être résolu depuis un laboratoire ni par la seule simulation, mais uniquement par une présence opérationnelle continue sur site. Ce plaidoyer, publié à l'approche de la conférence RoboBusiness 2026, s'inscrit dans un débat plus large du secteur sur la solidité réelle des architectures VLA et de l'autonomie mobile à grande échelle, au-delà des annonces et des vidéos soigneusement sélectionnées.

IndustrielActu

1 source