Business

FORT Robotics acquiert Mapless AI pour étendre ses capacités de téléopération

FORT Robotics, spécialiste américain de la sécurité pour l'IA physique, a annoncé l'acquisition de Mapless AI, une startup fondée à Boston et Pittsburgh développant des technologies de télé-opération et de sécurité active embarquée. Le montant de la transaction n'a pas été divulgué. L'objectif affiché est d'intégrer deux briques technologiques au sein de la Trust Platform de FORT : un système de télé-opération à distance baptisé "Human-in-the-Loop from Anywhere", permettant à un opérateur déporté de superviser et d'intervenir sur plusieurs véhicules simultanément, et un module de perception embarquée pour la détection et l'anticipation d'obstacles en temps réel. Ces ajouts étendent le positionnement de FORT au-delà du contrôle machine certifié pour viser une architecture complète d'autonomie supervisée, applicable à la construction, la logistique, l'agriculture et la défense. L'acquisition répond à un problème structurel bien documenté dans le secteur : le fossé entre démonstrations convaincantes et déploiements scalables. La capacité à maintenir un opérateur humain dans la boucle sans l'exposer physiquement aux environnements dangereux est un prérequis que les gestionnaires de flottes industrielles réclament explicitement avant de valider des déploiements à grande échelle. En ajoutant une couche de perception prédictive, FORT positionne la sécurité comme un accélérateur commercial plutôt qu'un frein réglementaire, ce qui représente un changement de paradigme notable pour les intégrateurs B2B évaluant des solutions d'autonomie sur site. La décision de découpler physiquement les travailleurs des zones à risque tout en conservant une supervision humaine significative adresse directement les contraintes HSE (hygiène, sécurité, environnement) qui bloquent de nombreux projets pilotes en milieu industriel non contrôlé. FORT Robotics a été fondée en 2018 et revendique aujourd'hui 27 brevets, plus de 19 000 unités déployées et une base de plus de 600 clients à l'international. Mapless AI, de son côté, s'était distinguée par son expérience dans des environnements non structurés, notamment les aéroports, bien plus complexes que les entrepôts standardisés où opèrent la plupart des AMR (robots mobiles autonomes). Sur le marché de la sécurité pour l'IA physique, FORT se retrouve en concurrence indirecte avec des acteurs comme Pilz, SICK ou encore Honeywell pour la certification sécurité, et avec des plateformes d'autonomie supervisée comme Phantom Auto ou Designated Driver pour la télé-opération. Aucun calendrier de déploiement ni pipeline client n'a été communiqué à ce stade, ce qui maintient l'annonce dans la catégorie acquisition stratégique plutôt que produit immédiatement disponible.

Mecka AI obtient 60 millions de dollars pour développer ses robots IA

La startup new-yorkaise Mecka AI a annoncé le 1er juin 2026 une levée de fonds totale de 60 millions de dollars pour accélérer le développement de son infrastructure de données destinée à la robotique intelligente. Ce financement se décompose en deux tours menés par Framework Ventures : une série A de 25 millions de dollars bouclée en novembre 2025, suivie d'un second tour de 35 millions. Parmi les autres investisseurs figurent Menlo Ventures, SV Angel, Kindred Ventures et Ted Xiao, ancien chercheur chez Google DeepMind. La société affirme déjà avoir sécurisé des contrats lui permettant de viser 100 millions de dollars de revenus annuels. Fondée par Josh Gao et Mogen Cheng, qui n'ont aucun passé dans les grands laboratoires d'IA mais viennent de la fintech et de la crypto, Mecka AI développe des dispositifs propriétaires combinant capteurs corporels et iPhone pour enregistrer à grande échelle les gestes, déplacements et interactions physiques des humains. L'enjeu central est de résoudre un problème fondamental de la robotique moderne : le manque de données dites "incarnées". Contrairement à l'IA générative, qui s'entraîne sur du texte, des images ou de l'audio, un robot qui doit agir dans le monde physique a besoin de comprendre comment un corps humain coordonne ses mouvements. Mecka AI transforme ces comportements en données d'entraînement structurées, offrant aux modèles robotiques une base plus naturelle et plus riche que la téléopération classique, où un humain pilote directement le robot pour générer des exemples d'apprentissage. Cette approche pourrait accélérer le développement de robots polyvalents capables d'opérer dans des environnements non contrôlés, de l'entrepôt logistique au domicile. Le financement de Mecka AI s'inscrit dans un repositionnement plus large du capital-risque technologique. Après des années d'investissements massifs dans les grands modèles de langage, une fraction croissante du capital se déplace vers l'IA physique, ce segment qui cherche à connecter les capacités algorithmiques à des actions concrètes dans le monde réel. Wayve, de son côté, entraîne ses systèmes de conduite autonome sur des flux vidéo embarqués, tandis que MicroAGI collecte des données dans des foyers américains pour sa robotique domestique. Mecka AI ambitionne d'industrialiser cette collecte à travers des verticales multiples et d'en faire une couche d'infrastructure partagée pour l'ensemble de l'écosystème robotique. L'originalité du profil de ses fondateurs, venus de la fintech plutôt que de la recherche académique, suggère une approche davantage orientée vers la scalabilité commerciale que vers la publication scientifique.

Genesis AI lance Nyx, Quadrants et Genesis World 1.0, une plateforme physique pour évaluer les modèles de robotique à grande échelle

Genesis AI a lancé Genesis World 1.0, une plateforme de simulation conçue pour accélérer le développement des modèles de fondation en robotique. La suite se compose de quatre éléments : un moteur physique, Nyx (un moteur de rendu par lancer de rayons en temps réel), Quadrants (un compilateur Python vers GPU), et une interface de simulation. Le problème que tente de résoudre cette plateforme est concret : évaluer une politique robotique sur une centaine de tâches avec plusieurs centaines d'épisodes chacune nécessite normalement plus de 200 heures de fonctionnement continu avec un opérateur humain et un seul robot. Genesis World 1.0 ramène cette même évaluation à moins de 30 minutes, sans intervention humaine ni matériel physique, avec une reproductibilité bit à bit des résultats. C'est un gain d'environ deux ordres de grandeur sur le temps de cycle d'évaluation. Ce bond de performance change fondamentalement la manière dont les équipes de recherche peuvent comparer des variantes de modèles. Jusqu'ici, la lenteur de l'évaluation réelle obligeait à faire des choix brutaux sur le nombre de checkpoints testés, biaisant de facto les décisions de développement. Genesis AI a délibérément choisi d'utiliser la simulation pour l'évaluation avant de l'utiliser pour la génération de données d'entraînement, et ce pour une raison méthodologique précise : si entraînement et évaluation partagent la même distribution simulée, un gain de performance peut simplement refléter une meilleure adaptation au simulateur, et non un progrès réel. L'approche retenue, baptisée "zero-shot real-to-sim", consiste à évaluer en simulation des politiques entraînées exclusivement sur des données réelles. Les résultats de corrélation sont probants : la corrélation de Pearson entre les performances en simulation et sur robot physique atteint 0,8996 (intervalle de confiance à 95 % : [0,7439 ; 0,9314]), calculée sur trois variantes de modèles (Small, Medium, Large), 14 tâches et 200 épisodes par tâche, avec un million d'itérations bootstrap. Le Mean Maximum Rank Violation (MMRV) s'établit à 0,0166, ce qui signifie que le simulateur préserve fidèlement le classement relatif des modèles entre eux. Genesis AI évolue dans un secteur en pleine structuration, où des acteurs comme Google DeepMind, Physical Intelligence ou encore Boston Dynamics investissent massivement dans les modèles de fondation pour la robotique généraliste. La qualité du simulateur est devenue un avantage compétitif direct : Genesis revendique un écart de réalité réduit de 45 % par rapport au meilleur simulateur concurrent, mesuré par le score FID sur leur jeu de données. Pour diagnostiquer précisément les sources de divergence simulation-réalité, l'équipe a construit un banc de test côte à côte permettant de faire fonctionner simultanément le simulateur et un robot physique depuis la même initialisation, en permutant les sources d'observations (caméra, proprioception) pour isoler si les écarts viennent de la physique, du rendu, des communications ou du contrôle. Nyx, le moteur de rendu intégré, vise des images 1080p sans bruit en moins de 4 millisecondes sur un GPU grand public haut de gamme, en s'appuyant sur le lancer de rayons matériel et des splats gaussiens 3D pour les zones où la reconstruction en maillage reste insuffisante.

💬 200 heures d'évaluation robotique ramenées à 30 minutes, c'est pas un gain marginal, c'est un changement de paradigme dans la façon dont on peut itérer sur les modèles. Ce qui m'intéresse surtout, c'est leur choix de séparer les distributions d'entraînement et d'évaluation : simuler les deux ensemble, c'est se mentir à soi-même, et ils l'ont compris. Bon, la corrélation à 0,89 est impressionnante sur le papier, reste à voir si ça tient sur des tâches vraiment hors distribution.

Fort Robotics acquiert Mapless AI pour étendre sa plateforme d'IA physique et d'autonomie supervisée

Fort Robotics, spécialiste américain des plateformes de sécurité pour systèmes autonomes industriels, a annoncé l'acquisition de Mapless AI, entreprise basée à Boston et Pittsburgh spécialisée dans la téleopération de véhicules et la supervision d'autonomie. Cette opération enrichit la Trust Platform de Fort de deux capacités distinctes : la téleopération avec humain dans la boucle (human-in-the-loop) à distance, et la sécurité active embarquée (onboard active safety). Les modalités financières de la transaction n'ont pas été divulguées. L'intégration de la téleopération supervisée dans une plateforme de sécurité répond à une réalité opérationnelle que les déploiements à grande échelle d'AMR et de véhicules industriels autonomes ont mis en évidence : l'autonomie complète reste hors de portée dans les environnements non structurés, et les opérateurs ont besoin d'une reprise de contrôle fiable et rapide. L'autonomie supervisée devient ainsi une couche intermédiaire incontournable entre téléopération pure et pleine autonomie. En intégrant ces deux briques dans une offre unifiée, Fort simplifie l'architecture de sécurité pour les intégrateurs et les directions industrielles, qui n'ont plus à assembler des solutions tierces hétérogènes. Fort Robotics, fondé en 2018 et historiquement positionné sur la sécurité des chariots élévateurs et AMR d'entrepôt, accélère ici sa montée en gamme vers les véhicules autonomes de terrain plus complexes. Mapless AI, dont l'approche "sans carte HD" vise les environnements dynamiques difficiles à cartographier en amont, complète cette trajectoire. Sur ce segment, Fort entre en concurrence directe avec des acteurs comme Phantom Auto ou Formant dans la supervision à distance, ainsi qu'avec les offres intégrées des constructeurs de flottes autonomes eux-mêmes.

Slamcore lève 14 millions de dollars, dont un investissement de Rockwell Automation

Slamcore, startup britannique spécialisée dans les logiciels d'intelligence spatiale, a annoncé un tour de table de 14 millions de dollars avec ROKStar Ventures, le véhicule d'investissement de Rockwell Automation, parmi les investisseurs principaux. Rockwell Automation est l'un des plus grands groupes mondiaux d'automatisation industrielle et de transformation numérique. Ce financement porte le total levé par Slamcore à 40 millions de dollars, avec un portefeuille d'investisseurs qui inclut également Toyota Ventures, Interwoven Ventures et MMC Ventures. L'entrée de Rockwell Automation au capital est un signal fort pour le secteur : Rockwell équipe des milliers d'usines dans l'automobile, l'agroalimentaire, la chimie et la logistique, et son implication suggère une volonté d'intégrer la perception spatiale directement dans des environnements industriels existants. Pour les intégrateurs et les décideurs industriels, cela valide l'approche software-first du SLAM (Simultaneous Localization and Mapping) comme couche d'infrastructure réelle, pas seulement comme technologie de démonstration. Le fait que Toyota Ventures soit également présent au capital illustre l'intérêt croisé des constructeurs automobiles pour les capacités de navigation autonome embarquée. Fondée à Londres, Slamcore développe des algorithmes de perception spatiale permettant aux robots et systèmes autonomes de se localiser en temps réel sans infrastructure externe, une alternative logicielle aux solutions reposant sur des LiDAR dédiés ou des marqueurs au sol. La startup s'est positionnée initialement sur les AMR d'entrepôt avant d'élargir son périmètre vers des plateformes embarquées et des robots de service. Elle concurrence des acteurs comme NavVis, ainsi que les stacks propriétaires de fabricants d'AMR tels que MiR ou Körber. Le partenariat stratégique avec Rockwell ouvre potentiellement un accès direct à sa base installée de clients industriels.

Locus Robotics rachète Nexera Robotics

Locus Robotics, spécialiste américain de l'automatisation logistique d'entrepôt, a annoncé l'acquisition de Nexera Robotics, startup canadienne basée à Vancouver spécialisée dans la préhension robotique avancée. L'opération intègre la technologie propriétaire NeuraGrasp de Nexera, un end-effector conçu pour la saisie d'objets variés, directement dans la plateforme "physical AI" de Locus. Cet ajout élargit les capacités de la suite Locus Array, qui couvrait jusqu'ici principalement le transport autonome de charges (AMR), vers la manipulation bout en bout dans les entrepôts. Les conditions financières de la transaction n'ont pas été divulguées. Cette acquisition marque un pivot stratégique pour Locus Robotics : passer de la navigation AMR à la manipulation complète, autrement dit le "dernier mètre" longtemps considéré comme le verrou technologique de l'automatisation logistique. La capacité à saisir, orienter et déposer des références variables sans reprogrammation est le différenciateur clé que les intégrateurs et COO logistiques attendent pour justifier un déploiement à grande échelle. En intégrant NeuraGrasp nativement, Locus évite la dépendance aux end-effectors tiers et peut proposer une offre AMR plus manipulation sous une seule architecture logicielle, simplifiant les cycles d'intégration. Fondée en 2014 à partir du spin-off de Quiet Logistics, Locus Robotics a traversé une période difficile en 2023 avec des restructurations et des recherches de financement, rendant cette acquisition d'autant plus significative comme signal de repositionnement. Le marché de la logistique robotisée est en pleine consolidation, avec des acteurs comme Exotec (France, système Skypod), Geek+ et 6 River Systems (Shopify) qui renforcent eux aussi leurs offres en manipulation. Nexera avait développé NeuraGrasp autour de la dextérité multi-références. L'intégration dans le portfolio Locus Array est annoncée sans calendrier de déploiement précisé à ce stade.

Faraday Future lève 25 millions de dollars pour livrer 1 500 robots d'ici la fin de l'année

Faraday Future, constructeur automobile électrique basé à Los Angeles fondé en 2014, a annoncé la semaine dernière une levée de 25 millions de dollars via l'émission de billets à ordre convertibles auprès d'investisseurs privés. Cumulée au financement de 45 millions de dollars obtenu en avril 2026, la société totalise désormais 70 millions de dollars levés en deux mois. Sur les 25 millions, 12,5 millions sont débloqués immédiatement sur le compte opérationnel de l'entreprise, les 12,5 millions restants étant conditionnels à des critères de performance définis contractuellement. L'objectif affiché est de livrer 1 500 robots d'ici fin 2026, après n'en avoir expédié que 68 depuis le lancement commercial en février 2026 et 200 unités visées pour le seul deuxième trimestre. La gamme comprend trois modèles à pattes -- FF Futurist, FF Master et FX Aegis -- avec un quatrième robot annoncé pour juin 2026. Un accord de mémorandum d'entente a également été signé avec RobotShop, plateforme e-commerce nord-américaine spécialisée en robotique, qui distribuera les produits Faraday Future à l'international. Le chiffre d'affaires du premier trimestre 2026 s'élève à 512 000 dollars, en hausse de 62 % par rapport aux 316 000 dollars du T1 2025, et représente déjà 95 % du revenu annuel total 2025 (536 000 dollars) -- dont 26 % proviennent de licences logicielles et de packs de compétences (SKILLS). Ces chiffres illustrent à la fois la dynamique et les limites d'une stratégie de pivot vers la robotique. 68 unités livrées face à une cible annuelle de 1 500 représente un ratio d'exécution de 4,5 %, ce qui rend l'objectif difficile à tenir sans accélération industrielle significative. La structure de financement -- billets convertibles non immédiatement négociables, avec la moitié des fonds séquestrés -- traduit une prudence des investisseurs plus qu'un vote de confiance inconditionnel. Pour les intégrateurs et décideurs B2B, le signal réel est la présence sur RobotShop : Faraday Future mise sur un canal de distribution à volume plutôt que sur des déploiements industriels profonds, ce qui positionne ses robots davantage comme des produits grand public ou PME que comme des solutions d'automatisation enterprise. Faraday Future s'est construit une réputation difficile dans l'automobile électrique -- la FF 91 n'a jamais atteint une production significative, et l'entreprise a traversé plusieurs crises financières depuis 2021. Son repositionnement dans la robotique incarnée (EAI, Embodied AI) suit une logique de survie plus que de stratégie organique. Dans un secteur dominé par Figure AI (Figure 03), Boston Dynamics, Agility Robotics (Digit), 1X Technologies et le Tesla Optimus Gen 3, Faraday Future aborde le marché avec des robots à pattes non humanoïdes, un segment moins concurrentiel mais aussi moins structuré commercialement. Aucun acteur européen ou français n'est directement impliqué dans ce dossier. Les prochaines étapes à surveiller : le lancement effectif du robot de juin 2026, le rythme réel de livraison au T2, et la conversion des 1 200 pré-commandes non contraignantes en commandes fermes.

Pourquoi les fondateurs les plus prospères en robotique sont des penseurs systémiques

L'épisode 244 du podcast The Robot Report, publié cette semaine, met en vedette Ajay Agarwal, associé chez Bain Capital Ventures (BCV), où il investit depuis plus de vingt ans dans des sociétés technologiques en phase précoce, avec un focus sur les logiciels, l'IA, la logistique et l'automatisation industrielle. L'entretien couvre son thèse d'investissement en robotique, sa méthode pour identifier les fondateurs à fort potentiel, et son regard sur la montée en puissance des robots humanoïdes. L'émission aborde également les actualités de la semaine : la publication des lauréats 2026 des RBR50 Robotics Innovation Awards, la nouvelle version Stretch 4 de Hello Robot (plus grande, plus rapide et plus puissante que ses prédécesseurs), et le dévoilement de la SmartBay d'Automated Tire, une station autonome de changement de pneus. La thèse centrale d'Agarwal, implicite dans le titre de l'épisode, est que les fondateurs les plus performants en robotique sont des "systems thinkers" : ils ne conçoivent pas des composants isolés, mais des systèmes complets intégrant mécanique, software, logistique et modèle économique. Ce cadre analytique, forgé au fil de deux décennies d'investissements, a une pertinence directe pour les décideurs industriels et les intégrateurs : il suggère que la sélection de partenaires technologiques devrait se faire sur la capacité à penser bout-en-bout, pas uniquement sur la performance technique d'un sous-système. Dans un marché où les démos restent souvent déconnectées de la réalité opérationnelle, ce type de discernement investisseur constitue un signal utile sur les entreprises réellement bancables à l'échelle. Agarwal est notamment connu pour avoir piloté l'investissement historique de BCV dans Kiva Systems, la société de robots de manutention entrepôt rachetée par Amazon en 2012 pour 775 millions de dollars et rebaptisée Amazon Robotics, devenue depuis une référence structurante du secteur AMR (autonomous mobile robots). Cette prise de position précoce illustre sa capacité à identifier des changements de paradigme avant qu'ils ne deviennent évidents. Aujourd'hui, il observe de près l'essor des humanoïdes, un segment dominé par Figure AI, 1X Technologies, Agility Robotics (filiale Amazon), Boston Dynamics et Tesla Optimus, avec des acteurs européens comme Enchanted Tools ou Wandercraft encore à l'écart des grands cycles de financement américains. La prochaine étape concrète mentionnée dans l'épisode est le Robotics Summit & Expo 2026, co-organisé par The Robot Report, qui réunit plus de 70 intervenants confirmés issus de Tesla, Toyota Research Institute, AWS ou Brain Corp, et constitue un baromètre sectoriel pour les mois à venir.

5 leçons pour les entrepreneurs en robotique tirées du pivot stratégique d'Aescape

Aescape, startup new-yorkaise spécialisée dans les stations de récupération corporelle automatisées, vient de traverser une restructuration profonde après avoir levé 83 millions de dollars il y a un peu plus d'un an. La société, fondée il y a neuf ans comme organisation de R&D, commercialise un système composé de deux cobots force-sensitifs Franka Robotics Research 3 (FR3) positionnés au-dessus d'une table de massage standard. L'utilisateur sélectionne les zones à traiter sur une tablette, allongé face vers le bas, et la séance se déroule sans supervision humaine. La cible commerciale principale est le secteur hôtelier et les salles de sport, où le système exploite des espaces sous-utilisés avec une disponibilité 24h/24. Après cette levée censée mener à l'adoption massive, la société a procédé à un "general assignment" début 2026, mécanisme juridique américain comparable à une liquidation contrôlée mais moins coûteux et plus favorable aux investisseurs qu'une faillite franche. Frank Britt, venu du capital-risque et ancien cadre chez Starbucks, a repris la direction en remplaçant le co-fondateur Eric Litman. L'entreprise repart avec une base clients existante et une nouvelle direction commerciale. Le cas Aescape illustre une tension structurelle qui mine de nombreuses startups de robotique en service : le modèle RaaS (Robotics as a Service) est séduisant sur le papier, mais incompatible avec le capital-risque dès lors que le hardware constitue un actif lourd. Britt formule le problème clairement : le capital-risque est conçu pour scaler des logiciels à coût marginal quasi nul, pas pour financer et porter une flotte de robots physiques qui se déprécient. En conservant la propriété du matériel et en facturant des abonnements récurrents, Aescape se retrouvait à la fois startup technologique à capital cher et opérateur d'actifs industriels, deux rôles aux logiques financières opposées. La restructuration force une reconfiguration vers ce que Britt appelle des "platform-powered robots", un modèle hybride où la technologie logicielle embarquée devient l'argument de valeur différenciant, sans que l'entreprise soit nécessairement le porteur financier de chaque machine déployée. Cette trajectoire n'est pas isolée dans le secteur. De nombreuses startups de robotique commerciale, des AMR (robots mobiles autonomes) au cobotisme, ont expérimenté le RaaS entre 2018 et 2023 avant de pivoter sous la pression des investisseurs ou des contraintes de bilan. Aescape avait passé neuf ans en mode R&D pure avant sa mise sur le marché, ce qui lui a permis de construire un système d'IA incarnée sophistiqué, mais a retardé l'apprentissage des réalités opérationnelles et commerciales. Britt cite son passage chez Starbucks comme révélateur : un business à l'échelle est avant tout une "machine d'exécution", pas un laboratoire d'ingénierie. La prochaine étape pour Aescape sera de démontrer que son nouveau modèle commercial permet effectivement une croissance rentable sur sa base clients hôtelière et fitness existante, sans reproduire le déséquilibre structurel qui a failli emporter l'entreprise.

Mind Robotics lève 400 millions de dollars pour déployer ses robots à IA dans l'industrie manufacturière

Mind Robotics, startup américaine basée à Palo Alto, a annoncé le 13 mai 2026 une levée de fonds de 400 millions de dollars, portant son financement total à plus d'un milliard de dollars depuis sa création. Ce tour a été mené par Kleiner Perkins, avec la participation de nouveaux investisseurs comme Meritech Capital, Redpoint Ventures, SV Angel et Garuda Ventures, aux côtés d'acteurs déjà présents tels qu'Andreessen Horowitz, Accel, Bain Capital Ventures et Greenoaks. La startup, fondée par RJ Scaringe, avait enchaîné un seed de 115 millions de dollars fin 2025 puis une Série A de 500 millions en mars 2026, soit trois tours en moins de six mois. Mind Robotics se positionne comme constructeur d'une "plateforme full-stack" combinant modèles de fondation pour la robotique physique, hardware dédié et infrastructure de déploiement, ciblant l'automatisation de tâches manufacturières dextres et à fort contenu décisionnel. Rivian, le constructeur de véhicules électriques, est à la fois premier client, partenaire stratégique et actionnaire, fournissant un environnement de production à haut volume pour l'entraînement des modèles et alimentant ce que la société appelle un "data flywheel" d'itération continue. À ce stade, Mind Robotics reste une annonce plus qu'un produit déployé : le site de la société ne publie aucune image de robot, aucune fiche technique n'est disponible (payload, degrés de liberté, cadence de cycle), et les démonstrations publiques sont absentes. Ce point mérite d'être noté, car la plupart des levées comparables dans le secteur humanoïde ou manufacturing (Figure, 1X, Apptronik, Agility) s'accompagnent au minimum de vidéos opérationnelles. L'accès à l'usine Rivian comme terrain d'entraînement est un avantage réel pour réduire le sim-to-real gap, mais la promesse de généralisation inter-tâches et inter-domaines reste à valider empiriquement. Pour les décideurs industriels, la question centrale n'est pas le montant levé mais la capacité à démontrer une fiabilité en conditions réelles avant 2027, dans un secteur où le fossé entre démo et déploiement à l'échelle reste le principal obstacle commercial. RJ Scaringe, qui a co-fondé Rivian en 2009 et conduit l'entreprise jusqu'à son introduction en bourse en 2021, a créé Mind Robotics en novembre 2025 en s'appuyant sur l'expertise manufacturière accumulée chez Rivian. La société s'insère dans une vague de financements massifs autour de la "physical AI" : Boston Dynamics, Figure (2,6 milliards levés à date), Physical Intelligence avec Pi-0, ou encore 1X Technologies en Europe. En France et en Europe, des acteurs comme Wandercraft (exosquelettes), Enchanted Tools (Miroki) ou Pollen Robotics (Reachy) avancent sur des segments plus ciblés avec des modèles économiques plus définis. Les prochaines étapes à surveiller pour Mind Robotics : une première démonstration publique de son hardware, l'annonce d'un second client industriel hors Rivian, et la publication de métriques de déploiement concrètes qui permettront de juger si l'ambition "general-purpose" tient face à la réalité de la chaîne de production.

ROBOTICS SUMMIT & EXPO 2026, Boston au cœur de la nouvelle économie robotique

Le Robotics Summit & Expo 2026 se tiendra les 27 et 28 mai à Boston, confirmant la place de la ville comme capitale mondiale de la robotique. L'événement réunit cette année des acteurs issus de secteurs historiquement cloisonnés : robotique industrielle, recherche académique et automatisation logistique. Ce rassemblement annuel, devenu l'un des rendez-vous incontournables du secteur, illustre une transformation structurelle profonde de l'industrie, où les frontières entre ces univers distincts s'effacent progressivement au profit d'un écosystème intégré. Cette convergence a des implications concrètes pour les entreprises et les investisseurs. Un bras robotique industriel peut désormais intégrer des algorithmes issus de la recherche universitaire et être déployé dans un entrepôt logistique, des silos qui ne communiquaient pas il y a cinq ans. Pour les industriels, cela signifie des cycles d'innovation raccourcis et des opportunités de financement croisé entre acteurs publics, privés et académiques. Boston, avec son dense tissu de startups, de laboratoires universitaires (MIT, Harvard, Boston Dynamics) et de fonds spécialisés, cristallise mieux que nulle part ailleurs cette dynamique. La ville du Massachusetts s'est imposée comme référence mondiale en matière de robotique en grande partie grâce à l'écosystème né autour de Boston Dynamics et des programmes de recherche du MIT. Le Robotics Summit s'inscrit dans ce contexte de consolidation d'une filière en pleine maturité, portée par la demande croissante en automatisation dans l'industrie, la santé et la défense. Les éditions à venir devraient accentuer encore cette logique de convergence, à mesure que l'IA embarquée redéfinit ce qu'un robot peut faire de manière autonome.

💬 Boston, c'est vraiment le bon endroit pour observer ce qui se passe vraiment dans la robotique, pas juste les démos. Ce qui m'intéresse là-dedans, c'est la convergence industrielle/académique/logistique : ça fait des années qu'on en parle, et là ça devient une réalité de déploiement. Reste que pour les acteurs européens, regarder Boston de loin sans écosystème équivalent, ça fait un peu mal.

Prix RBR50 2026 de l'innovation en robotique

The Robot Report a publié pour la quinzième année consécutive son palmarès RBR50, sélectionnant 50 organisations mondiales, entre entreprises, associations et institutions académiques, pour leur innovation technologique et commerciale en robotique. L'édition 2026 intègre à la fois des habitués et de nouveaux entrants, avec une couverture allant des capteurs industriels aux rovers martiens, en passant par des solutions de fabrication, de logistique, de nouveaux matériaux et de processeurs. Parmi les distinctions spéciales : Physical Intelligence (San Francisco, fondée en 2023) reçoit le titre de Startup de l'Année ; Harvard University décroche le prix Application de l'Année pour un système d'assistance aux personnes souffrant de limitations motrices du bras ; Tatum Robotics remporte la catégorie Robots for Good pour ses applications auprès de personnes sourdes-aveugles. La cérémonie de remise des prix est prévue lors du dîner de gala du Robotics Summit & Expo à Boston. Le palmarès 2026 reflète plusieurs dynamiques structurantes pour les acteurs industriels : essor des manipulateurs mobiles, développement des systèmes portables (wearables) et accélération de l'IA appliquée à la robotique physique. La distinction accordée à Physical Intelligence est particulièrement significative : la startup a développé pi0, l'un des premiers modèles VLA (Vision-Language-Action) à démontrer des capacités de généralisation sur des tâches physiques variées, sans reprogrammation tâche par tâche. Pour les intégrateurs et décideurs industriels, ce type de reconnaissance signale quels segments technologiques atteignent un seuil de maturité commerciale justifiant un investissement. Le palmarès inclut également les grands fournisseurs de solutions complètes pour la fabrication et la logistique, ainsi que des fabricants de composants critiques (capteurs, actionneurs, processeurs). L'inclusion d'une approche inédite de confection textile automatisée et d'un rover en opération sur Mars illustre la volonté du jury de couvrir l'étendue réelle du champ robotique en 2026. Créé en 2012, le RBR50 s'est imposé comme un repère annuel dans le secteur : selon The Robot Report, plusieurs lauréats passés ont levé des millions de dollars dans les mois suivant leur sélection, et nombre d'entre eux sont revenus sur la liste avec de nouvelles innovations. L'édition 2026 intègre aussi une dimension institutionnelle et politique notable : l'Association for Advancing Automation travaille à convaincre le Congrès américain d'adopter une stratégie nationale en robotique, tandis que MassRobotics accompagne des startups internationales dans leur accès au marché américain. Aucun acteur français ni européen n'est explicitement mentionné dans le communiqué public, bien que des entreprises comme Wandercraft, Enchanted Tools ou Pollen Robotics figurent régulièrement dans ce type de palmarès. À noter : l'article source est un teaser promotionnel invitant au téléchargement d'un rapport complet accessible sur formulaire, et ne détaille pas les critères de sélection par organisation.

Les 10 actualités robotique les plus marquantes d'avril 2026

Avril 2026 a concentré plusieurs signaux forts pour l'industrie robotique. Tesla a confirmé lors de ses résultats T1 2026 un pivot vers la robotique: 3,9 milliards de dollars de cash-flow opérationnel, marge brute GAAP de 21%, et démarrage annoncé de la production Optimus à l'usine de Fremont dès le Q2 2026, en reconvertissant les lignes Model S et Model X pour une capacité d'un million d'unités par an, avec un objectif à terme de dix millions via un futur site au Texas. Pudu Technology a levé près de 150 millions de dollars, portant sa valorisation au-delà de 1,5 milliard et ses financements cumulés à plus de 300 millions. ABB Robotics a lancé sa gamme de cobots PoWa, positionnée entre cobots classiques et robots industriels, dans un marché estimé en croissance de 20% par an jusqu'en 2028. La startup Generalist AI a dévoilé GEN-1, un modèle généraliste pour la robotique revendiquant un taux de réussite de 99% sur des tâches où les modèles précédents plafonnaient à 64%, trois fois plus rapide, avec seulement une heure de données robot par tâche. Sanctuary AI a présenté une démonstration de manipulation in-hand en zero-shot, et Locus Robotics a lancé au salon MODEX son système Locus Array, combinant robot mobile, bras de picking intégré et perception par IA pour une préparation de commandes entièrement autonome. Ces développements indiquent une phase d'industrialisation accélérée. Le pivot de Tesla illustre une conviction croissante dans le secteur: les robots humanoïdes passent du stade de la recherche à la ligne de production planifiée, même si le fossé entre annonce et déploiement réel reste entier. La montée en puissance de la manipulation mobile illustrée par Locus Array répond à des contraintes logistiques concrètes que les AMR seuls ne résolvent plus. Les performances annoncées par GEN-1, publiées sans benchmark public indépendant, méritent confirmation, mais si avérées, elles signaleraient une inflexion dans le débat sur le sim-to-real gap qui freine encore les déploiements VLA à grande échelle. L'entrée d'ABB sur le segment cobot haute performance signale que les grands intégrateurs industriels cessent de laisser ce marché aux seuls pure players. Ce mois d'avril a également été marqué par des reconfigurations stratégiques majeures. Honeywell a annoncé la cession de sa division Warehouse and Workflow Solutions (marques Intelligrated et Transnorm) au fonds de private equity American Industrial Partners, actant son retrait de l'automatisation logistique après une décennie d'investissement. Le tribunal régional de Hambourg a émis une injonction préliminaire contre la filiale allemande d'Elite Robots, poursuivie par Teradyne Robotics pour violation de droits d'auteur, en pleine ouverture du salon Hannover Messe. L'IFR a publié son rapport "World Robotics 2025" confirmant une hausse de la densité robotique (unités pour 10 000 salariés) sur trois continents: Europe, Asie et Amériques. Transitive Robotics a enfin livré la version 2.0 de son framework open-source pour la robotique full-stack, intégrant stockage ClickHouse, visualisation Grafana et alerting via Alertmanager.

NanoCockpit : un framework applicatif optimisé pour la nanorobotique autonome pilotée par IA

Des chercheurs ont présenté NanoCockpit, un framework logiciel conçu pour optimiser les performances des nano-drones autonomes embarquant des modèles d'intelligence artificielle compacts, appelés TinyML. Ces micro-engins de quelques dizaines de grammes, dont le Bitcraze Crazyflie fait figure de référence dans le domaine, ne disposent que de microcontrôleurs fonctionnant sous la barre des 100 milliwatts. NanoCockpit s'appuie sur une architecture de multitâche par coroutines pour orchestrer simultanément l'acquisition d'images en multi-buffer, le calcul multi-cœur, les échanges de données entre microcontrôleurs et la transmission Wi-Fi. Les expériences menées sur trois applications réelles de nano-robotique ont démontré une latence bout-en-bout idéale, c'est-à-dire sans aucun overhead lié à la sérialisation des tâches, une réduction de 30 % de l'erreur de position moyenne, et un taux de réussite des missions passé de 40 % à 100 %. Ces résultats sont significatifs pour un domaine où chaque milliseconde de latence et chaque milliwatt comptent. En robotique embarquée, une mauvaise gestion des ressources logicielles se traduit directement par une instabilité de vol, des collisions ou des missions avortées. Le fait de passer d'un taux de succès de 40 % à 100 % en modifiant uniquement la couche logicielle, sans toucher au matériel, illustre à quel point l'inefficacité du code peut brider des systèmes physiquement capables. Pour les ingénieurs et chercheurs travaillant sur des applications comme la surveillance, l'inspection industrielle ou la navigation en environnements contraints, NanoCockpit offre un gain de performance immédiat sans surcoût matériel. Le domaine des nano-drones autonomes connaît une accélération rapide, portée par les progrès des modèles TinyML capables de faire tourner de la vision par ordinateur sur des puces minuscules. Jusqu'ici, l'absence de couche logicielle adaptée forçait les développeurs à sous-exploiter les ressources disponibles, créant un goulot d'étranglement artificiel. NanoCockpit s'attaque directement à ce problème en standardisant le pipeline de traitement sur le Crazyflie, la plateforme la plus répandue dans la recherche académique. La prochaine étape logique serait l'adoption de ce framework comme socle commun pour la communauté, ce qui faciliterait la reproductibilité des expériences et accélérerait le transfert vers des applications industrielles réelles.

💬 Passer de 40 % à 100 % de missions réussies juste en changeant la couche logicielle, ça m'a fait lire l'abstract deux fois. Tout le monde se focalisait sur le matériel, les puces, les modèles TinyML, et personne ne s'occupait sérieusement d'orchestrer tout ça proprement sur des microcontrôleurs à 100 milliwatts. Si tu travailles sur de l'embarqué, c'est le genre de truc qu'on attendait depuis un moment.

MolmoAct : implémentation pour le raisonnement spatial 3D, le suivi de trajectoire et la prédiction robotique

Des chercheurs d'AllenAI ont publié MolmoAct, un modèle multimodal de 7 milliards de paramètres conçu pour raisonner dans l'espace tridimensionnel à partir d'observations visuelles. Le modèle, identifié sous la référence allenai/MolmoAct-7B-D-0812, accepte des entrées multi-vues, c'est-à-dire plusieurs images prises sous différents angles, et génère à partir d'instructions en langage naturel trois types de sorties : une estimation de profondeur, une trajectoire visuelle tracée, et des commandes d'action directement exploitables par un système robotique. Un tutoriel d'implémentation complet a été publié pour permettre aux développeurs de reproduire l'ensemble du pipeline dans Google Colab, en s'appuyant sur PyTorch 2.0 ou supérieur, la bibliothèque Transformers en version 4.52, et une infrastructure GPU standard. Ce type de modèle représente un changement de paradigme dans la robotique pilotée par l'IA : plutôt que de séparer la perception visuelle, la compréhension spatiale et la planification motrice dans des modules distincts, MolmoAct intègre ces trois capacités dans un seul réseau neuronal interrogeable en langage humain. Concrètement, un opérateur peut demander au modèle d'atteindre un objet dans une scène complexe, et le système produit directement la séquence d'actions requise, en tenant compte des distances et obstacles perçus dans les images. Pour les équipes travaillant sur des bras robotiques, des drones autonomes ou des systèmes d'assistance, cette architecture réduit considérablement la complexité d'intégration et ouvre la voie à des robots pilotables par des non-spécialistes. MolmoAct s'inscrit dans une vague de modèles dits "action-reasoning" qui cherchent à combler le fossé entre vision par ordinateur et contrôle robotique. AllenAI, l'institut de recherche fondé par Paul Allen et affilié à l'Université de Washington, développe depuis plusieurs années la famille de modèles Molmo, positionnée comme une alternative ouverte aux modèles multimodaux propriétaires de Google ou OpenAI. La publication d'un tutoriel d'implémentation pas-à-pas, avec un code entièrement reproductible et accessible sur des GPUs grand public, traduit une volonté délibérée de démocratiser ces capacités. La prochaine étape naturelle sera l'évaluation de MolmoAct sur des benchmarks robotiques standardisés et son intégration dans des environnements physiques réels, où la robustesse face aux variations d'éclairage et d'occlusion restera le principal défi.

Les modèles d'IA échouent à contrôler les robots sans structures humaines, mais les agents autonomes comblent cet écart

Des chercheurs de Nvidia, de l'UC Berkeley et de Stanford ont publié un nouveau cadre d'évaluation destiné à mesurer systématiquement la capacité des modèles d'IA à contrôler des robots via du code. Leurs résultats sont sans appel : sans abstractions conçues par des humains, c'est-à-dire sans briques logicielles préfabriquées qui simplifient les tâches complexes, même les meilleurs modèles disponibles échouent à piloter efficacement un robot. En revanche, des approches comme le "test-time compute scaling" ciblé, qui consiste à allouer davantage de puissance de calcul au moment de l'inférence plutôt qu'à l'entraînement, permettent de combler significativement cet écart de performance. Ces conclusions ont des implications directes pour l'industrie de la robotique autonome. Elles remettent en question l'idée que les grands modèles de langage peuvent, seuls et sans infrastructure spécialisée, prendre en charge le contrôle bas niveau de machines physiques. Pour les entreprises qui misent sur des robots autonomes dans la logistique, la fabrication ou les services, cela signifie que la conception humaine reste indispensable, du moins à court terme, et que l'autonomie complète exige encore un travail d'ingénierie non négligeable. Ce travail s'inscrit dans une course plus large entre les laboratoires de recherche et les industriels pour rendre les robots véritablement programmables par l'IA. Nvidia, déjà très présent dans l'infrastructure d'entraînement des modèles, cherche à étendre son influence vers la couche applicative de la robotique. L'approche par échafaudage agentique, qui enchaîne des modules spécialisés plutôt que de tout déléguer à un seul modèle, semble aujourd'hui la piste la plus prometteuse pour franchir ce verrou technique.

💬 Sans abstractions humaines, même les meilleurs modèles ratent le contrôle robotique, et ça, c'est pas vraiment une surprise. La vraie info, c'est que l'échafaudage agentique (enchaîner des modules spécialisés plutôt que tout déléguer à un seul modèle) tient mieux ses promesses que le scaling brut à l'entraînement. Reste à voir si ça tient en prod ou si ça reste un beau résultat de labo Stanford.

Agile Robots devient la dernière entreprise de robotique à s'associer avec Google DeepMind

Agile Robots s'associe à Google DeepMind pour intégrer les modèles fondamentaux de robotique du laboratoire dans ses robots. En échange, Agile Robots collectera des données au profit de la recherche de DeepMind. Cette collaboration s'inscrit dans la tendance croissante des partenariats entre fabricants de robots et grands laboratoires d'IA.

Amazon rachète Rivr : vers des livraisons autonomes plus rapides ?

Amazon a acquis Rivr, une start-up suisse valorisée à 110 millions de dollars, spécialisée dans les robots quadrupèdes sur roulettes capables de franchir des escaliers et de livrer des colis directement devant la porte des clients. Basée à Zurich, Rivr avait déjà testé ses robots en partenariat avec Just Eat et Swiss Post, avec un objectif de 200 livraisons par robot par jour. Ce rachat s'inscrit dans la stratégie d'Amazon d'étendre ses solutions robotiques — déjà plus d'un million de robots en entrepôt — vers la livraison du dernier kilomètre, malgré des défis réels comme l'autonomie des batteries et les environnements urbains imprévisibles.

☕️ Amazon s’offre la startup suisse Rivr et ses robots livreurs des 100 derniers mètres

Amazon a acquis la startup suisse Rivr (anciennement Swiss-Mile), spin-off de l'ETH Zurich fondée en 2023, spécialisée dans les robots de livraison du "dernier kilomètre" équipés de roues et pattes articulées capables de franchir escaliers et obstacles. La startup, dont Jeff Bezos avait déjà participé à la levée de fonds de 22 millions de dollars au printemps 2025, testait ses robots à Regensdorf (Zurich) en partenariat avec Swiss Post et Migros Online, ainsi qu'à Austin avec la société Veho. L'acquisition vise à accélérer le déploiement à grande échelle d'une "IA physique générale" pour la livraison à domicile, selon le CEO Marko Bjelonic.

Amazon acquiert une startup de robotique pour accélérer ses livraisons

Amazon a acquis la startup de robotique autonome Rivr (anciennement Swiss-Mile), basée à Zurich, pour renforcer l'efficacité de ses livraisons à domicile. Valorisée à 110 millions de dollars lors d'un tour de table en août 2024, Rivr avait déjà reçu le soutien d'Amazon et de Bezos Expeditions. Cette acquisition s'inscrit dans la stratégie d'Amazon pour optimiser sa chaîne logistique de bout en bout.

Pokémon Go signe un partenariat avec la société de livraison robotisée Coco Robotics

Niantic Labs, l'éditeur de Pokémon Go, a annoncé un partenariat avec Coco Robotics, révélant publiquement que les données de géolocalisation collectées auprès des joueurs servent à entraîner des modèles d'IA géospatiaux. L'entreprise, fondée en 2010 par John Hanke au sein de Google, a développé un Large Geospatial Model (LGM) alimenté par des milliards d'images géolocalisées partagées par les joueurs, à raison d'1 million de nouveaux points par semaine. Ce partenariat illustre la transition de Niantic d'éditeur de jeux vers fournisseur de technologies géospatiales via sa filiale Niantic Spatial, dont les modèles trouvent désormais des débouchés dans la robotique de livraison.

Databricks rachète Quotient AI pour fiabiliser les agents d’IA

Databricks acquiert Quotient AI pour renforcer la fiabilité des agents d'IA dans ses solutions Genie et Agent Bricks. Quotient AI, spécialisée dans l'évaluation et l'entraînement des agents d'IA, offre des outils d'évaluation précis et des boucles d'apprentissage basées sur le renforcement, adaptés à des contextes spécifiques et aux règles internes des entreprises, réduisant ainsi les risques d'erreurs et de non-conformité.

Mind Robotics, spin-out de Rivian, lève 500 M$ pour des robots industriels dopés à l'IA

Mind Robotics, une startup fondée par RJ Scaringe (créateur de Rivian), a levé 500 millions de dollars pour développer des robots industriels pilotés par l'IA. L'entreprise, issue de Rivian, prévoit d'entraîner ses modèles sur les données des usines Rivian et d'y déployer ses robots en priorité.

Chef de la division matériel et robotique d'OpenAI quitte suite à un accord militaire jugé trop peu réfléchi par elle

Caitlin Kalinowski, directrice des robotiques chez OpenAI, quitte l'entreprise en raison d'un accord avec le Pentagone, critiquant le manque de délibération sur le respect des libertés et l'autonomie létale.

En Pratique: Évaluation des Agents Utilisant des Outils dans des Environnements du Monde Réel avec OpenEnv

OpenEnv, un cadre de simulation, a été utilisé pour évaluer l'efficacité des agents utilisateurs d'outils dans des environnements réels. Les chercheurs ont testé diverses stratégies d'agents dans des scénarios inspirés de la vie réelle, montrant une amélioration significative des performances grâce à l'adaptation et à l'apprentissage. Des exemples concrets incluent la navigation dans des espaces complexes et la manipulation d'objets pour résoudre des tâches, avec des agents démontrant une capacité à s'adapter à des changements imprévus.

Découvrez AgentKit, les nouvelles évaluations et RFT pour les agents

Aujourd'hui, nous dévoilons AgentKit, des évaluations améliorées et le reinforcement fine-tuning pour les agents afin d'accélérer la transition des prototypes vers la production.

OpenAI et NVIDIA annoncent un partenariat stratégique pour déployer 10 gigawatts de systèmes NVIDIA

OpenAI et NVIDIA annoncent une collaboration stratégique pour déployer 10 gigawatts d'installations de centres de données d'IA alimentées par des systèmes NVIDIA, le premier étage prévu pour 2026.

Nouveau navigateur web: une plateforme d'évaluation pour les agents de navigation

BrowseComp est un ensemble de tests destiné à évaluer les agents de navigation, permettant de mesurer leurs performances en termes d'efficacité et de précision lors de la recherche d'informations sur Internet. Il comprend plusieurs scénarios et tâches variés pour tester les capacités des systèmes d'IA dans la navigation et la compréhension des contenus en ligne.