Illustration générée par IAGallop : le nouveau robot humanoïde d'ASUS apprend à emballer de minuscules composants de cartes mères en usine
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
ASUS développe un humanoïde baptisé Gallop, destiné à automatiser des tâches répétitives en fabrication électronique. Le programme a démarré début 2026 et le robot est actuellement testé dans une usine EMS (sous-traitance de fabrication électronique) du groupe ASUS, sur un poste conçu pour des opérateurs humains. Sa première mission consiste à emballer 15 accessoires de cartes mères, souvent petits, fins et glissés dans des sachets plastique transparents, une configuration difficile pour des préhenseurs classiques. L'objectif chiffré est un taux de réussite de 99,5 % en 20 secondes, soit le temps d'un opérateur humain. Les pilotes clients sont prévus en 2027, avec une démonstration à Computex 2027, et la disponibilité commerciale vise le second semestre 2028. Pour l'instant, le robot est monté sur une base fixe à deux bras ; une version à roues et une main dextre développée en interne sont attendues d'ici un an. ASUS n'a pas communiqué de payload, de nombre de DOF, de prix ni de volumes.
L'entraînement combine trois sources. Des ouvriers expérimentés, consentants, portent des caméras sur la tête pour enregistrer leurs gestes ; un logiciel de simulation génère ensuite des variantes de ces démonstrations pour couvrir les écarts de conditions de travail ; enfin, un opérateur en casque VR et gants téléopére Gallop avec les mêmes composants et caméras que sur le poste réel. Les données collectées en production alimenteront ensuite l'apprentissage. L'architecture IA compte quatre couches : planification, supervision (une IA séparée qui surveille l'exécution et révise le plan en cas d'échec), compétences (atteindre, saisir, placer) et contrôle des bras et mains. Les interfaces entre couches sont fixes, ce qui permet de remplacer un modèle sans refondre le robot. Le tout tourne sur un unique calculateur NVIDIA Jetson AGX Thor embarqué. ASUS conçoit corps et mains en interne, avec des capteurs tactiles, et achète moteurs et autres composants à des partenaires.
L'intérêt tient moins à la machine qu'au choix du cas d'usage : un poste réel, une tâche de manipulation d'objets souples et petits, un critère de cadence et de fiabilité mesurable. C'est le terrain où l'écart entre démonstration et production reste le plus visible dans l'humanoïde. Le positionnement de l'imitation par caméras portées plus simulation plus téléopération VR illustre aussi la convergence du secteur vers des données issues du geste humain réel. Prudence néanmoins : le 99,5 % en 20 secondes est une cible, pas un résultat mesuré, et ASUS ne publie aucun taux actuel ni durée d'essai. L'ASUS affirme en outre que Gallop vise à compléter les opérateurs, qui pourraient évoluer vers la supervision et le réglage des robots, un discours courant dont l'effet réel sur l'emploi reste à vérifier. Enfin, l'idée que les compétences se transfèrent d'un poste à l'autre en pick-and-place est une hypothèse, non une preuve.
Gallop arrive dans un champ déjà occupé par Figure (Figure 03 et Helix), Tesla (Optimus), Agility ou Apptronik, ainsi que par des fondations logicielles comme Pi-0 ou GR00T de NVIDIA, dont ASUS utilise ici le matériel. Son avantage potentiel est de disposer de ses propres usines comme banc d'essai et comme premier client, un atout de boucle de données que peu d'acteurs possèdent. La suite se jouera sur la preuve : chiffres de fiabilité en conditions réelles avant les pilotes 2027, puis capacité à passer à des tâches voisines sans réentraînement lourd. Hôpitaux et services sont évoqués, mais sans calendrier.
Dans nos dossiers




