Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel

FR/EU ecosysteme

50 sur 122 articles

L'écosystème robotique français et européen : Wandercraft, Enchanted Tools, Pollen Robotics, Exotec, Stanley Robotics, Balyo, Akeoplus, CEA-List, INRIA.

HumanoïdesIA physiqueIndustrielChine/AsieRechercheBusinessExosquelettesRegulationInfrastructureSociete/EthiqueAutre
JAKA contre-attaque Teradyne Robotics dans le litige de brevets
1Robotics Business Review FR/EU ecosystemeActu

JAKA contre-attaque Teradyne Robotics dans le litige de brevets

Le fabricant chinois de bras collaboratifs JAKA Robotics a riposté le 3 septembre après avoir été poursuivi la semaine précédente par Teradyne Robotics, maison mère du danois Universal Robots, pour violation de brevets portant sur le matériel et le logiciel de ses cobots. Dans un communiqué transmis à The Robot Report, JAKA affirme avoir engagé une action en justice demandant une injonction contre ce qu'elle qualifie de déclarations publiques "fausses, trompeuses et préjudiciables" de la part de Teradyne. La société, basée à Shanghai, dit n'avoir reçu aucune communication directe de Teradyne ni de ses représentants légaux, et n'avoir vu aucun document judiciaire lié à l'affaire: elle affirme avoir appris les accusations uniquement via une annonce de Teradyne sur les réseaux sociaux. Selon JAKA, ses conseils juridiques n'avaient trouvé, au 2 septembre, aucune procédure pour contrefaçon de brevet ouverte contre elle, et The Robot Report n'avait à ce stade identifié aucun document de justice confirmant le dossier. JAKA revendique plus de 300 brevets déposés dans le monde et affirme avoir commandé deux analyses indépendantes de liberté d'exploitation avant son entrée sur le marché européen, sans qu'aucune ne signale de risque de contrefaçon. David Brandt, vice-président R&D et directeur technique d'Universal Robots, a répondu que la plainte avait bien été déposée devant les tribunaux de Copenhague et n'avait peut-être pas encore été signifiée à JAKA, ajoutant que le nombre de brevets détenus par JAKA importe peu, seule comptant leur solidité. Cette querelle, rendue publique de façon inhabituelle pour un contentieux de brevets dans la robotique, illustre les tensions croissantes entre fabricants occidentaux établis et nouveaux entrants chinois sur le marché des cobots. JAKA accuse Teradyne d'associer ses produits à une sécurité ou une qualité moindre en raison de leur "origine chinoise", une allégation qu'elle juge infondée puisque la sécurité d'un cobot dépend de l'intégration et de l'évaluation des risques, pas du pays de fabrication. JAKA parle d'une tentative de créer une "incertitude anticoncurrentielle" sur le marché. Pour les intégrateurs et décideurs industriels, l'affaire ajoute un facteur de risque juridique à considérer lors du choix de bras collaboratifs chinois en Europe, à un moment où ces fournisseurs gagnent des parts de marché face à Universal Robots, longtemps leader incontesté du secteur. Universal Robots, pionnier danois des cobots fondé en 2005 et racheté par l'américain Teradyne en 2015, défend ainsi une position dominante face à JAKA Robotics, fondée à Shanghai en 2014 et en pleine expansion en Europe. La plainte de Teradyne vise la filiale allemande de JAKA et a été déposée devant un tribunal de Copenhague, sur le terrain historique d'Universal Robots. JAKA affirme de son côté avoir lancé une procédure distincte en Allemagne contre les déclarations publiques de Teradyne. Aucun document judiciaire n'a encore été rendu public de part et d'autre, et le statut exact de la signification reste incertain. The Robot Report indique poursuivre son suivi de l'affaire à mesure que de nouveaux dépôts et déclarations seront disponibles.

UELe litige oppose le cobotier danois Universal Robots (filiale Teradyne) au chinois JAKA devant les tribunaux de Copenhague et en Allemagne, ajoutant un risque juridique pour les intégrateurs européens qui envisagent des bras collaboratifs chinois.

1 source
Vidéo : Hugging Face dévoile un minirobot en forme de canard capable de marcher, apprendre et patiner
2Interesting Engineering 

Vidéo : Hugging Face dévoile un minirobot en forme de canard capable de marcher, apprendre et patiner

Hugging Face a présenté Microduck, un petit robot bipède open source en forme de canard, développé avec l'entreprise française Pollen Robotics. Vendu 399 dollars, l'appareil doit commencer à être livré avant Noël 2026. Haut de 25 centimètres pour un poids inférieur à 800 grammes, Microduck embarque 15 moteurs, une caméra, un petit capteur de profondeur et deux centrales inertielles (IMU). Son bec articulé lui permet de saisir des objets, combinant locomotion et manipulation simple. Le robot sait marcher, s'asseoir, s'accroupir, se relever après une chute et même faire du roller skate. Il est livré avec des comportements pré-entraînés utilisables via une manette de jeu ou en suivant un point laser, mais ceux-ci ne sont qu'un point de départ : le logiciel complet (contrôle, simulation, apprentissage par renforcement, transfert sim-to-real) est publié en open source via deux dépôts distincts, l'un pour le SDK et le pilotage du robot, l'autre dédié à l'entraînement par renforcement. Ce lancement illustre une approche différente de la course aux humanoïdes dominée par des acteurs comme Figure, Tesla (Optimus) ou Physical Intelligence (Pi-0) : plutôt que viser des déploiements industriels à grande échelle, Hugging Face et Pollen Robotics misent sur l'accessibilité pour démocratiser l'expérimentation en IA physique. La taille réduite et la légèreté de Microduck rendent l'apprentissage par renforcement praticable sur un bureau ou en salle de classe, un processus coûteux et risqué sur des robots de taille humaine. La capacité de récupération après chute réduit aussi le besoin d'intervention manuelle entre deux essais, un point pratique souvent sous-estimé dans les démonstrations de recherche. Pour les intégrateurs et chercheurs, l'intérêt réside moins dans les prouesses physiques du robot que dans l'accès à une pile logicielle complète et ouverte pour tester le transfert simulation-vers-réel, un défi toujours non résolu de façon fiable en robotique malgré les progrès des modèles VLA à grande échelle. Ce lancement s'inscrit dans l'expansion des efforts robotiques de Hugging Face, qui cherche à étendre son modèle open source au-delà du logiciel vers le matériel physique, après d'autres initiatives de plateformes robotiques low-cost. Pollen Robotics, société française déjà connue pour ses travaux en robotique open source, apporte son expertise en conception matérielle et logicielle à ce projet. Microduck se positionne aussi comme un outil pour l'expérimentation multi-robots, avec des scénarios évoqués comme des courses ou du football entre plusieurs unités, permettant d'étudier la robotique multi-agents sans recourir à des robots humanoïdes coûteux. Le produit reste pour l'instant au stade de l'annonce, avec une commercialisation effective attendue d'ici la fin de l'année, et son adoption réelle par la communauté des développeurs et chercheurs déterminera si cette approche accessible peut réellement accélérer la recherche en apprentissage physique.

UEPollen Robotics, entreprise française, co-développe le matériel et le logiciel de Microduck avec Hugging Face, renforçant la place de la France dans la robotique open source accessible.

FR/EU ecosystemeActu
1 source
Boucler la boucle sur le robot humanoïde Poppy : locomotion bipède par commande linéaire-quadratique et fonctions de coût apprises
3arXiv cs.RO 

Boucler la boucle sur le robot humanoïde Poppy : locomotion bipède par commande linéaire-quadratique et fonctions de coût apprises

Le Poppy Humanoid, robot bipède open source et bas coût conçu pour la recherche et l'enseignement en intelligence artificielle, ne disposait jusqu'ici d'aucune méthode publiée permettant une marche bipède fiable et sans assistance sur son matériel standard. Un nouvel article publié sur arXiv (2608.26505v1) comble cette lacune en présentant un contrôleur de marche en boucle fermée basé sur le régulateur linéaire quadratique (LQR), une technique classique de suivi de trajectoire. La méthode part de données collectées lors de la lecture en boucle ouverte d'une trajectoire de marche nominale, puis apprend une fonction de coût quadratique adaptée au contrôleur LQR pour améliorer la fiabilité du mouvement. Les auteurs valident empiriquement leur approche et démontrent une amélioration statistiquement significative des performances de marche par rapport à la simple lecture en boucle ouverte de la trajectoire. Ce travail illustre qu'un problème pratique persistant, la marche bipède fiable sur du matériel abordable, peut être résolu par du contrôle classique combiné à une fonction de coût apprise, sans recourir à des modèles massifs de type VLA (vision-language-action) ni à des actionneurs coûteux. Pour les équipes de recherche et les établissements d'enseignement qui utilisent des plateformes humanoïdes low-cost, ce résultat offre une méthode reproductible et documentée là où la littérature restait silencieuse, à l'opposé des annonces spectaculaires mais souvent peu vérifiables des programmes humanoïdes commerciaux. L'apport tient moins à la performance brute qu'à la démonstration qu'une boucle fermée bien conçue referme l'écart entre trajectoire planifiée et exécution réelle sur un robot contraint en puissance et en précision d'actionnement. Poppy est un projet robotique ouvert né dans les laboratoires français, historiquement associé à l'équipe Flowers de l'Inria à Bordeaux, pensé dès l'origine pour être imprimable en 3D, peu coûteux et accessible aux chercheurs et enseignants plutôt qu'à un usage industriel. Il se distingue nettement des programmes humanoïdes commerciaux à forte capitalisation comme Figure, Tesla Optimus ou Unitree, qui misent sur des actionneurs propriétaires haut de gamme. L'article ne mentionne pas de déploiement au-delà du cadre expérimental, mais ouvre la voie à des extensions vers des allures plus dynamiques et à une adoption communautaire élargie de la méthode.

UELe robot Poppy, issu des laboratoires français et historiquement lie a l'équipe Flowers de l'Inria a Bordeaux, bénéficie d'une méthode de marche reproductible utile aux équipes de recherche et d'enseignement européennes utilisant cette plateforme open source.

FR/EU ecosystemePaper
1 source
Teradyne Robotics intensifie sa lutte contre les copies de cobots
4Robotics Business Review 

Teradyne Robotics intensifie sa lutte contre les copies de cobots

Teradyne Robotics, maison mère du fabricant de cobots Universal Robots, a déposé une plainte pour contrefaçon de brevets contre la filiale allemande de l'entreprise chinoise JAKA Robotics. La plainte, déposée devant la division locale de Copenhague de la Juridiction unifiée du brevet (UPC), vise plusieurs brevets couvrant à la fois le matériel et le logiciel des bras collaboratifs d'Universal Robots. Selon David Brandt, vice-président R&D et directeur technique d'Universal Robots, l'entreprise a acheté un robot JAKA après avoir constaté des ressemblances frappantes avec ses propres bras à limitation de force et de puissance, et l'examen du produit a révélé une possible contrefaçon. Le choix de Copenhague s'explique par des actes d'infraction allégués survenus au Danemark et dans d'autres États membres de l'UE. Il s'agit du second contentieux majeur de Teradyne Robotics contre un acteur chinois en Europe cette année : en février 2026, l'entreprise avait déjà attaqué la filiale allemande d'Elite Robots pour contrefaçon de droits d'auteur, obtenant en avril une injonction préliminaire du tribunal régional de Hambourg interdisant à Elite Robots Allemagne de commercialiser les logiciels et produits litigieux, procédure toujours en cours. JAKA n'a pas répondu aux sollicitations du Robot Report. Une décision de l'UPC aurait une portée géographique large : elle pourrait s'appliquer dans 17 des 18 États membres de l'UE participant à l'UPC, ainsi que dans des pays tiers comme le Royaume-Uni et l'Espagne. Pour les intégrateurs et acheteurs de cobots, cette affaire illustre un durcissement net de la défense de propriété intellectuelle face à la montée de fabricants chinois proposant des bras collaboratifs aux caractéristiques très proches des standards occidentaux. Une victoire de Teradyne pourrait forcer des ajustements de gamme, des retraits de marché ou des accords de licence pour plusieurs fournisseurs chinois actifs en Europe, et pèsera sur les décisions d'achat des industriels, qui évaluent désormais la solidité juridique de leurs fournisseurs autant que le prix. Jean-Pierre Hathout, président du groupe Teradyne Robotics, a affirmé que l'entreprise n'accepterait pas la copie illégale de technologies protégées, un discours qui traduit une stratégie assumée de contentieux répétés plutôt qu'un cas isolé. Universal Robots structure aujourd'hui son offre en deux gammes : la UR Series (UR8 Long, UR15, UR18, UR20, UR30), avec des charges utiles de 10 à 35 kg et une portée allant jusqu'à 1750 mm, et l'e-Series, plus compacte (UR3e, UR7e, UR12e, UR16e), avec des charges de 3 à 16 kg et des portées de 500 à 1300 mm. JAKA aligne un catalogue tout aussi étendu, articulé autour des séries Zu, Pro, S, AL, A et Mini, plus le MiniCobo. La famille Zu s'étend du Zu3 au Zu30, avec par exemple le Zu5 (5 kg, 954 mm) et le Zu18 (18 kg, 1073 mm), tandis que la série Pro (Pro5, Pro12, Pro16) cible des usages plus exigeants. Cette comparaison de portefeuilles, mise en avant par Teradyne lui-même à l'appui de sa plainte, devrait occuper une place centrale dans l'instruction du dossier devant l'UPC.

UEUne décision de l'UPC siégeant a Copenhague pourrait s'appliquer dans 17 des 18 Etats membres de l'UE, affectant directement l'accès au marche européen des fabricants chinois de cobots comme JAKA et pesant sur les choix d'approvisionnement des industriels français et européens.

FR/EU ecosystemeReglementation
1 source
Votre robot est-il vraiment écologique ? Et autres questions gênantes
5Robohub 

Votre robot est-il vraiment écologique ? Et autres questions gênantes

Présenté lors d'ICRA en juin, le projet Robotics Eco-Label, piloté par Bram Vanderborght de la Vrije Universiteit Brussel (Belgique), propose un outil web léger pour quantifier l'empreinte environnementale des robots sur l'ensemble de leur cycle de vie, de l'extraction de terres rares jusqu'à la fin de vie. Le toolkit décompose un robot en sept catégories (matériaux, sources d'énergie, capteurs, processeurs, actionneurs, conception, recyclabilité) évaluées selon cinq métriques : conservation des ressources, prolongation du cycle de vie, empreinte carbone, efficacité énergétique et circularité. Ces scores sont combinés dans une matrice pondérée pour produire un Eco-Score de 0 à 100, avec un outil d'autoévaluation interactif déjà accessible en ligne. Le projet fait partie d'une série d'initiatives financées par les IEEE RAS Sustainability Grants, dont une seconde, dirigée par Antun Skuric, a développé une plateforme open-source pour dimensionner les cobots : l'utilisateur définit l'espace de travail, la charge utile (payload) et la trajectoire requis, et l'outil identifie le robot de masse minimale capable de répondre au besoin, avec visualisation interactive de l'espace atteignable et des configurations. Une troisième initiative, SolarPeer 360, menée par Umar Adetola Abdulganiyy, étudiant à la Federal University of Technology de Minna (Nigeria), applique la robotique solaire à la pauvreté énergétique qui prive plus de 90 millions de Nigérians d'un accès fiable à l'électricité. Ces initiatives répondent à un angle mort du secteur : la robotique se vend souvent comme un outil de durabilité (nettoyage de rivières, tri des déchets, inspection d'infrastructures renouvelables) sans que personne ne mesure le coût environnemental de fabrication et d'exploitation des robots eux-mêmes. En donnant aux ingénieurs et aux acheteurs un score comparable, l'Eco-Label pourrait devenir un argument concurrentiel pour les fabricants et un critère d'achat pour les intégrateurs, sur le modèle d'une étiquette énergétique appliquée à la robotique industrielle. L'outil de Skuric cible un problème plus concret pour les décideurs B2B : la surspécification, c'est-à-dire l'achat de robots plus gros ou plus capables que nécessaire, qui gonfle inutilement le coût matériel, l'empreinte énergétique et l'usure sur toute la durée de vie d'un cobot. Ces deux projets partagent toutefois une limite : les pondérations utilisées pour calculer l'Eco-Score ne sont pas encore fixées, ce qui en fait pour l'instant des prototypes de recherche plutôt que des standards industriels prêts à l'emploi. Ces travaux s'inscrivent dans l'effort plus large de l'IEEE Robotics and Automation Society pour faire de la durabilité un axe visible de la recherche, de l'enseignement, de la conception et du déploiement en robotique, via son programme de Sustainability Grants dont plusieurs lauréats ont été présentés à ICRA en juin. Contrairement aux standards environnementaux déjà matures dans l'électronique grand public ou l'automobile, la robotique ne disposait jusqu'ici d'aucun outil dédié pour chiffrer son empreinte, un vide que l'équipe de Vanderborght cherche à combler en ajoutant des fonctionnalités communautaires permettant aux chercheurs de comparer leurs approches et de partager des études de cas. La suite dépendra en grande partie de la capacité du consortium à fixer des pondérations consensuelles pour l'Eco-Score et à obtenir une adoption au-delà du cercle académique, tandis que SolarPeer 360, encore à un stade universitaire au Nigeria, montre que cette réflexion sur la durabilité s'étend désormais au-delà des laboratoires occidentaux vers des contextes où la robotique pourrait directement contribuer à réduire la pauvreté énergétique.

UELe projet Eco-Label est pilote par la Vrije Universiteit Brussel (Belgique) via les IEEE RAS Sustainability Grants et pourrait donner aux intégrateurs et acheteurs européens un premier critère standardise pour comparer l'empreinte environnementale des robots industriels.

FR/EU ecosystemePaper
1 source
Le beanbot inspiré du haricot sauteur se déplace de façon surprenante sans moteur ni logiciel
6Interesting Engineering 

Le beanbot inspiré du haricot sauteur se déplace de façon surprenante sans moteur ni logiciel

Des chercheurs du département de robotique bio-inspirée souple de l'Institut italien de technologie (IIT) ont développé BeanBot, un robot dépourvu de moteurs, de batteries, d'électronique et de calculateur embarqué. Inspiré du haricot sauteur mexicain, dont les mouvements erratiques sont en réalité causés par une larve de papillon logée dans la gousse, l'appareil combine un ressort en alliage à mémoire de forme (SMA) et une coque légère en forme de haricot imprimée en 3D. Des aimants maintiennent le ressort comprimé pendant qu'il emmagasine de l'énergie thermique ; une fois chauffé entre 70 et 80°C, il libère brusquement cette énergie et propulse le robot dans les airs. La forme de la coque, un côté courbe et deux côtés plats, détermine ensuite si l'engin roule, glisse, bascule ou se stabilise pour rebondir. Les essais montrent des sauts atteignant 30 centimètres de haut, des roulements sur environ 80 centimètres, et une capacité à grimper des pentes de 10 à 18 degrés selon le réglage de la force magnétique. La coque pèse 3,8 grammes et le module de saut environ 8 grammes. Sur 92 sauts testés, 81,5 % ont généré des mouvements secondaires (roulement, glissement, rebond ou bascule). Le cycle complet reste lent : 30 à 180 secondes pour s'activer, puis 130 à 140 secondes de récupération entre deux sauts. L'intérêt de BeanBot ne réside pas dans la performance mais dans le principe démontré : c'est l'interaction entre la forme du corps et la surface rencontrée qui produit la diversité des mouvements, sans capteur ni logiciel de contrôle. Ce concept, dit de calcul morphologique, tranche avec la trajectoire dominante de la robotique humanoïde actuelle, où des modèles vision-langage-action de plus en plus lourds (VLA) pilotent des machines toujours plus instrumentées. Pour les chercheurs en robotique souple et en micro-robotique, ce type d'approche ouvre des pistes pour des robots low-cost, résistants aux chocs et capables de se déplacer dans des environnements imprévisibles (gravats, terrains accidentés) sans dépendre d'une électronique fragile ou d'une puissance de calcul embarquée. Le phénomène du haricot sauteur, connu depuis longtemps en biologie, sert ici de point de départ conceptuel plutôt que de modèle à copier fidèlement : les chercheurs ont recombiné le principe du déclenchement thermique avec une géométrie de coque optimisée pour multiplier les modes de déplacement. BeanBot s'inscrit dans la lignée des recherches en robotique passive et en dynamique corporelle exploitée comme substitut au contrôle actif, un champ où l'IIT est déjà actif via son département de robotique souple bio-inspirée. Aucune application commerciale ni déploiement n'est annoncé à ce stade : il s'agit d'une démonstration de faisabilité en laboratoire. Les auteurs indiquent vouloir améliorer les matériaux à mémoire de forme pour abaisser la température de déclenchement et réduire le temps de cycle, condition nécessaire avant d'envisager des usages pratiques au-delà de la preuve de concept.

UEL'IIT, institut de recherche italien reconnu en robotique bio-inspirée, illustre la capacité de l'écosystème de recherche européen à explorer des alternatives low-cost aux robots pilotés par IA lourde.

FR/EU ecosystemePaper
1 source
Souveraineté robotique : l’Europe doit-elle avoir son propre « Airbus des robots » ?
7Robot Magazine FR 

Souveraineté robotique : l’Europe doit-elle avoir son propre « Airbus des robots » ?

L'argument central de ce texte d'analyse est que l'Europe, qui a construit Airbus dans l'aéronautique ainsi que des filières spatiale, nucléaire et automobile de premier plan, n'a pas d'équivalent industriel pour la nouvelle génération de robots. La robotique, longtemps cantonnée à des bras industriels programmés pour des tâches répétitives en environnement contrôlé, évolue vers des machines mobiles polyvalentes (cobots, robots mobiles, humanoïdes) grâce aux progrès de l'intelligence artificielle, de la vision par ordinateur et des systèmes de préhension. Aux États-Unis, les investissements massifs en IA se prolongent désormais dans l'humanoïde et la « Physical AI ». La Chine, elle, mise sur son avantage industriel : une chaîne d'approvisionnement déjà capable de produire à grande échelle moteurs, batteries, capteurs, électronique et pièces mécaniques. Le texte ne cite aucun chiffre d'investissement précis ni date d'échéance : il s'agit d'un plaidoyer stratégique et non d'une annonce de programme concret, et cette absence de données chiffrées mérite d'être notée. L'enjeu dépassé la course à la démonstration la plus spectaculaire en vidéo. Ce qui déterminera les rapports de force, selon l'auteur, c'est la maîtrise de toute la chaîne de valeur : composants, fabrication, logiciels, modèles d'IA, données d'entraînement, maintenance, et surtout la capacité à produire des milliers puis des millions d'unités. Si les robots deviennent assez polyvalents pour exécuter une large gamme de tâches, ils cesseront d'être un simple investissement industriel pour devenir une nouvelle forme de force de travail, ce qui déplace la question vers un enjeu de souveraineté comparable à l'aéronautique ou aux semi-conducteurs. Pour les intégrateurs et décideurs industriels européens, le message est clair : l'Europe dispose déjà d'industriels reconnus, de laboratoires solides et d'un tissu manufacturier étendu (automobile, aéronautique, logistique, énergie, santé, agroalimentaire) pouvant servir de terrain d'expérimentation, mais elle bute historiquement sur le passage à l'échelle, faute de capital, à cause de la fragmentation du marché et du manque de coordination entre États. C'est ce constat qui motive la comparaison avec Airbus, né du regroupement des compétences, financements et ambitions de plusieurs pays européens face à une industrie capitalistique dominée par les Américains. L'auteur ne propose pas de fusionner les fabricants européens ni de créer un humanoïde unique, mais de mutualiser les technologies critiques que toute l'industrie devra maîtriser : actionneurs, moteurs, capteurs, systèmes de vision, électronique embarquée, modèles d'IA dédiés au monde physique et logiciels de contrôle. Aucun pilote, financement ou calendrier n'est annoncé à ce stade ; le texte reste une réflexion prospective, qui se termine d'ailleurs sur une phrase inachevée évoquant les « futurs champions européens », sans nommer d'acteurs précis ni de feuille de route.

UECe texte plaide directement pour une stratégie industrielle robotique européenne mutualisée, sur le modèle d'Airbus, présentée comme un enjeu de souveraineté pour l'UE face aux Etats-Unis et a la Chine.

FR/EU ecosystemeOpinion
1 source
Guardian : détection des erreurs de planification et d'exécution robotiques par modèles vision-langage
8arXiv cs.RO 

Guardian : détection des erreurs de planification et d'exécution robotiques par modèles vision-langage

Des chercheurs du laboratoire Willow, rattaché à l'INRIA et à l'École normale supérieure de Paris (di.ens.fr/willow), ont publié Guardian, un modèle vision-langage (VLM) entraîné pour détecter les erreurs de planification et d'exécution dans la manipulation robotique. Pour l'entraîner, l'équipe a construit GuardianFail-36k, un jeu de données de 36 000 exemples générés automatiquement en perturbant des trajectoires de manipulation réussies, à la fois dans le simulateur RLBench et sur le jeu de données réel BridgeDataV2 (bras robotiques réels). Ces perturbations produisent des échecs jugés représentatifs de la distribution réelle des pannes, chacun accompagné d'un raisonnement structuré étape par étape généré par des VLM. Guardian, conçu pour raisonner sur plusieurs points de vue caméra simultanément, est ensuite testé sur trois benchmarks qu'il n'a jamais vus à l'entraînement: RoboFail, RoboVQA, et UR5-Fail, un nouveau benchmark introduit par les auteurs eux-mêmes. Le papier, référencé arXiv:2512.01946 (version 4, republication), met à disposition code, données et modèles en accès libre. L'enjeu dépasse la simple classification d'erreurs: les modèles VLA (vision-language-action) qui pilotent aujourd'hui les bras et humanoïdes manquent d'un mécanisme fiable pour savoir quand ils échouent, ce qui limite leur robustesse en environnement réel. Les auteurs pointent explicitement le goulot d'étranglement du secteur, la rareté et le manque de diversité des données d'échec pour entraîner ces détecteurs, et y répondent par une génération synthétique à grande échelle plutôt que par une simple collecte. Résultat concret rapporté dans le papier: une fois couplé à une politique de manipulation pilotée par LLM, Guardian améliore de façon mesurable le taux de succès des tâches, aussi bien en simulation qu'en conditions réelles. Cela suggère qu'une boucle de détection d'échec et de reprise, plutôt qu'une exécution en boucle ouverte, devient un ingrédient nécessaire pour fiabiliser des politiques de manipulation à l'échelle industrielle. Il s'agit toutefois d'un résultat de recherche évalué sur benchmarks académiques, non d'un déploiement commercial ou d'un produit intégré à une flotte de robots. Ce travail s'inscrit dans la lignée des recherches sur les politiques génératives de manipulation (VLA), où des benchmarks comme RoboFail et RoboVQA existaient déjà mais souffraient justement du manque de données d'échec exploitables, limitant la capacité de généralisation des détecteurs entraînés dessus. En publiant conjointement un pipeline de génération de données, un dataset à 36 000 exemples et un nouveau benchmark UR5, Willow cherche à établir un standard reproductible pour la vérification d'échecs en robotique, un sujet jusqu'ici traité de façon fragmentée. L'ouverture du code et des modèles laisse la porte ouverte à une intégration par d'autres équipes de recherche ou industriels développant leurs propres piles VLA, sans qu'aucun calendrier de déploiement pilote ou d'industrialisation ne soit mentionné à ce stade.

UELe laboratoire Willow (INRIA/ENS Paris) publie en open source un modèle et un dataset renforçant la recherche européenne en robustesse des politiques VLA pour la manipulation robotique.

FR/EU ecosystemePaper
1 source
CAVERS : données SLAM multimodales d'une grotte karstique naturelle avec capture de mouvement de référence
9arXiv cs.RO 

CAVERS : données SLAM multimodales d'une grotte karstique naturelle avec capture de mouvement de référence

Une équipe de robotique de l'université de Malaga, en Espagne, a publié CAVERS, un jeu de données multimodal pour la navigation autonome en grotte, doté d'une vérité terrain de mouvement par capture de mouvement. Les enregistrements ont eu lieu dans deux salles distinctes de la Cueva de la Victoria, une grotte karstique naturelle près de Malaga, sous forme de 24 séquences totalisant environ 335 Go. Le dispositif combine une caméra RGB-D-I Intel RealSense D435i, une caméra thermique proche infrarouge Optris PI640i et un LiDAR Velodyne VLP-16, portés à la main ou montés sur un robot à roues, dans l'obscurité totale comme sous éclairage artificiel. Un système Optitrack installé directement dans la grotte fournit, pour la plupart des séquences, une pose à 6 degrés de liberté et une vitesse précises au millimètre, échantillonnées à 120 Hz. Sept algorithmes de SLAM et d'odométrie de l'état de l'art ont été testés, couvrant les approches visuelles, visuo-inertielles, thermo-inertielles et par LiDAR, ainsi qu'un pipeline de reconstruction 3D. L'ensemble est publié en libre accès sur GitHub, sous le dépôt spaceuma/cavers. Contrairement aux mines ou tunnels artificiels, les grottes karstiques combinent géométrie irrégulière, surfaces mouillées réfléchissantes, éclairage quasi nul et galeries ramifiées, un cocktail qui met en échec de nombreux algorithmes de localisation conçus pour des environnements plus structurés. Les jeux de données publics couvrant ce terrain restent rares et limités en modalités de capteurs, ce qui freine la comparaison rigoureuse des méthodes existantes. En associant une vérité terrain millimétrique à quatre modalités de capteurs synchronisées, CAVERS permet d'évaluer objectivement la dérive et la robustesse des pipelines visuels, thermiques et LiDAR en conditions extrêmes, un enjeu direct pour la robotique de spéléologie automatisée, les missions de recherche et sauvetage souterraines, et l'exploration de cavités planétaires comme les tubes de lave lunaires ou martiens, un terrain suivi de près par les agences spatiales. Le projet émane du laboratoire de robotique spatiale SPACEUMA de l'université de Malaga, dont les travaux portent habituellement sur la navigation de rovers pour l'exploration extraterrestre, ce qui explique le choix d'une grotte karstique comme analogue terrestre de cavités planétaires difficiles d'accès. Il s'agit d'une publication de recherche accompagnée de code et de données ouvertes, et non d'un produit commercialisé : aucun déploiement opérationnel n'est annoncé, seulement un benchmark destiné à la communauté scientifique. La version disponible correspond à une révision, v2, d'un article déjà soumis sur arXiv. D'autres jeux de données existent pour les mines et tunnels, notamment issus du DARPA Subterranean Challenge, mais CAVERS cible spécifiquement l'environnement karstique naturel avec une vérité terrain de très haute précision, ouvrant la voie à de futures comparaisons entre robots à roues et capteurs portés à la main.

UECe jeu de données est publie par le laboratoire SPACEUMA de l'université de Malaga (Espagne), renforçant les ressources européennes ouvertes pour la recherche en navigation robotique souterraine et spatiale.

FR/EU ecosystemePaper
1 source
Schaeffler prévoit la production en série de réducteurs pour robots humanoïdes en 2027
10Robotics Business Review 

Schaeffler prévoit la production en série de réducteurs pour robots humanoïdes en 2027

Schaeffler Technologies AG, groupe industriel allemand basé à Herzogenaurach (avec un siège américain à Fort Mill, en Caroline du Sud), a annoncé avoir achevé les tests de validation de ses réducteurs à onde de déformation "formés" (formed strain wave gearboxes), conçus spécifiquement pour les actuateurs de robots humanoïdes. L'entreprise prévoit de démarrer la production en série en 2027, d'abord en Allemagne, puis dans d'autres régions du monde. Contrairement à l'usinage de précision classique, qui façonne la géométrie des dents par enlèvement de matière et prend plusieurs minutes, Schaeffler utilise un procédé de formage qui obtient la forme voulue en quelques secondes grâce à des forces de pressage élevées. Le fabricant affirme obtenir des couples et rendements comparables à ceux des réducteurs usinés classiquement, avec une réduction des coûts de fabrication de plus de 25% et une baisse de la consommation de matière de plus de 75%. Schaeffler indique avoir déjà livré plus de deux millions de ces réducteurs formés à l'industrie automobile mondiale au cours des dix dernières années, une expertise qu'elle entend transposer à la robotique humanoïde. David Kehr, président de la division robotique humanoïde du groupe, a porté l'annonce. Les réducteurs à onde de déformation sont des composants centraux des actuateurs, qui représentent à eux seuls environ la moitié du coût total de fabrication d'un robot humanoïde. En identifiant l'usinage de précision comme un goulot d'étranglement potentiel pour la montée en volume du secteur, Schaeffler se positionne non pas comme constructeur de robots, mais comme fournisseur de composants critiques, un rôle "pelles et pioches" qui pourrait peser lourd dans la baisse du coût total des humanoïdes si les intégrateurs et les fabricants de robots adoptent cette technologie. Pour les décideurs industriels, l'enjeu dépasse la démonstration technologique: il s'agit de savoir si la chaîne d'approvisionnement des actuateurs peut suivre le rythme des annonces de déploiement des humanoïdes, un point sur lequel le secteur reste encore largement en phase de préproduction plutôt que de fabrication de masse effective, l'échéance 2027 avancée par Schaeffler restant à confirmer. Schaeffler s'appuie sur son expérience automobile et sa maîtrise industrielle du réducteur à onde de déformation, un composant qu'elle produit depuis des décennies pour d'autres applications, pour légitimer son entrée sur ce marché. Le groupe précise qu'il déploie déjà des robots humanoïdes au sein de sa propre chaîne de valeur mondiale, ce qui lui donne, selon Kehr, une connaissance directe des exigences de cette technologie avant même de vendre le composant à des tiers. Ce positionnement l'oppose à des fournisseurs spécialisés existants dans les réducteurs harmoniques et cycloïdaux, tandis que le secteur des humanoïdes, porté par des acteurs comme Figure, Tesla ou Boston Dynamics, cherche justement à réduire drastiquement le coût de ses actuateurs pour espérer une commercialisation à grande échelle.

UESchaeffler, groupe industriel allemand, ancre en Allemagne la production de reducteurs critiques pour humanoides, renforçant potentiellement la chaine d'approvisionnement europeenne du secteur.

FR/EU ecosystemeOpinion
1 source
GOAG : un planificateur de préhension génératif et agnostique à l'objet pour la manipulation robotique dextérique
11arXiv cs.RO 

GOAG : un planificateur de préhension génératif et agnostique à l'objet pour la manipulation robotique dextérique

CEA-List, laboratoire public français rattache au CEA Tech, publie sur arXiv (2608.19759) GOAG, un planificateur génératif de prises pour mains robotiques multi-doigts, conçu pour se généraliser a de nouveaux objets sans données d'entrainement spécifiques. Le modèle apprend uniquement la distribution des points de contact propres a une pince donnée, en exploitant le fait que pince et objet partagent la même géométrie de surface au point de contact; les caractéristiques de l'objet ne sont intégrées qu'au moment de l'inférence. Teste sur le protocole standard MultiDex, en simulation et en conditions réelles avec plusieurs pinces issues de la littérature, GOAG atteint un taux de réussite moyen de 86,93%, un niveau comparable aux meilleures méthodes entraînées spécifiquement sur ce jeu de données, avec une génération de prises nettement plus rapide. Code source et vidéos de démonstration sont publies sur cea-list.github.io/goagweb. Cette approche cible directement le principal frein a l'industrialisation de la manipulation dexterale: la plupart des planificateurs appris échouent des qu'ils rencontrent un objet absent de leur jeu d'entrainement, imposant un cycle de collecte de données couteux a chaque nouvelle référence. En découplant l'apprentissage du gripper de celui des objets, GOAG promet aux intégrateurs logistiques et industriels une adaptation plus rapide a de nouveaux produits, sans ré-entrainement systématique. Les chiffres avances, 86,93% de réussite et une vitesse de génération supérieure, restent toutefois ceux d'un benchmark académique contrôle et d'un preprint non encore évalué par les pairs: la généralisation a des objets totalement inédits en environnement de production reste a démontrer a plus grande échelle. Ce travail s'inscrit dans la recherche en planification de prise par apprentissage profond, un domaine largement domine par des méthodes entraînées objet par objet, des pinces parallèles simples aux mains anthropomorphes a haut nombre de degrés de liberté. En choisissant de généraliser via la géométrie du gripper plutôt que via des jeux de données d'objets toujours plus vastes, CEA-List se positionne sur un axe distinct de celui des groupes misant sur des modèles vision-langage-action entraines a grande échelle. Aucun pilote industriel ni calendrier de transfert technologique n'est annonce dans l'article; la suite logique consiste a valider l'approche sur un plus large éventail de pinces dexterales et d'objets non vus, avec une intégration possible dans des plateformes robotiques existantes.

UECEA-List, laboratoire public francais rattache au CEA Tech, publie une methode de planification de prise robotique dexterale dont le code ouvert pourrait interesser les integrateurs industriels europeens en logistique et manufacturing.

FR/EU ecosystemePaper
1 source
CoToGrasp : synthèse de prise dextérique conditionnée par la topologie de contact via apprentissage d'espace de travail canonique
12arXiv cs.RO 

CoToGrasp : synthèse de prise dextérique conditionnée par la topologie de contact via apprentissage d'espace de travail canonique

Des chercheurs du CEA-List, l'institut des systèmes numériques intelligents du Commissariat à l'énergie atomique, publient sur arXiv (référence 2608.19776, préimpression datée du mois d'août 2026) un nouveau système baptisé CoToGrasp, dédié à la synthèse de prises dextres pour mains robotiques. Contrairement aux planificateurs de prise classiques qui optimisent uniquement la stabilité physique d'un objet saisi, CoToGrasp conditionne la génération de la prise sur une topologie de contact précise, c'est-à-dire la manière dont les doigts doivent se répartir sur l'objet pour permettre une tâche fonctionnelle en aval, comme tenir un outil par le bon endroit pour l'utiliser ensuite. Pour éviter le recours à des jeux de données annotés objet par objet, jugés trop coûteux à constituer, le modèle est entraîné de façon entièrement agnostique à l'objet, via un espace de travail canonique qui projette les caractéristiques locales de l'objet dans un référentiel centré sur la pince, découplant ainsi l'intention fonctionnelle de la géométrie propre à chaque objet. Évalué sur le jeu de données à grande échelle DexGraspNet, CoToGrasp revendique des performances supérieures aux planificateurs existants guidés par taxonomie, et une généralisation en zero-shot à des objets jamais vus à l'entraînement. Les auteurs indiquent aussi avoir validé la faisabilité cinématique des prises générées sur une plateforme robotique physique. L'intérêt de ce travail réside dans la distinction qu'il pose entre pouvoir saisir un objet et le saisir correctement pour l'usage prévu, un problème que la plupart des planificateurs industriels ignorent en se limitant à la stabilité mécanique. En contournant le besoin de données annotées par objet, l'approche s'attaque à un goulot d'étranglement connu du conditionnement par taxonomie de prise humaine, ce qui pourrait intéresser les intégrateurs travaillant sur la manipulation dextre fonctionnelle, comme la préhension d'outils ou le transfert d'objets à un humain, plutôt que le simple pick-and-place. Le travail s'inscrit dans la recherche académique en manipulation dextre, où DexGraspNet sert de référence de comparaison standard pour les planificateurs guidés par taxonomie. Il s'agit d'une préimpression arXiv non encore évaluée par les pairs, avec une seule plateforme robotique physique testée à ce stade: la validation reste donc préliminaire, et les auteurs renvoient au site du projet, cea-list.github.io/cotograspweb, où le code doit être publié pour permettre une vérification indépendante des résultats annoncés.

UECEA-List, institut francais du CEA, publie une avancee de recherche en manipulation dextre robotique, renforcant l'expertise academique francaise dans un domaine cle pour l'industrie et la robotique de service en France/UE.

FR/EU ecosystemePaper
1 source
Brightpick étend son partenariat avec Dr. Max Group
13Robotics & Automation News 

Brightpick étend son partenariat avec Dr. Max Group

Brightpick, fournisseur de robotique d'entrepôt pilotée par IA, annonce l'extension de son partenariat avec Dr. Max Group, la plus grande chaîne de pharmacies d'Europe. Après une phase d'exploitation réussie et une montée en charge progressive au centre de distribution de Prague, en République tchèque, l'entreprise va déployer 44 robots mobiles autonomes Autopicker supplémentaires dans d'autres entrepôts tchèques et slovaques. Le communiqué ne précise ni le volume total de la flotte résultante ni de calendrier de livraison détaillé, ce qui invite à la prudence sur l'ampleur réelle de l'opération à ce stade. Cette extension confirme un mouvement de fond dans la logistique pharmaceutique européenne: après la phase pilote, les robots mobiles autonomes de picking passent à un déploiement multi-sites, signe que la technologie tient au-delà d'une démonstration isolée. Pour les intégrateurs et décideurs B2B du secteur, c'est l'indication que l'automatisation robotisée des centres de distribution pharmaceutiques, où traçabilité et précision de prélèvement sont critiques, sort du stade expérimental. Cela renforce aussi la position de Brightpick face aux autres acteurs européens des AMR d'entrepôt, comme le français Exotec, dans un marché où la preuve par l'usage compte plus que les annonces. Dr. Max Group exploite un vaste réseau de pharmacies et de centres de distribution en Europe centrale et de l'Est, une échelle qui explique le choix de valider d'abord la robotisation sur un site pilote avant d'étendre le modèle. Prague a servi de site de référence, avant un élargissement en République tchèque et en Slovaquie, ce qui laisse entrevoir une extension future vers d'autres marchés du groupe, même si Brightpick n'a pas communiqué de calendrier précis pour ces prochaines étapes.

UELe déploiement de robots Autopicker s'étend à des entrepôts pharmaceutiques en République tchèque et en Slovaquie, confirmant la maturité de l'automatisation logistique dans l'UE face à des acteurs comme le français Exotec.

FR/EU ecosystemeActu
1 source
INNOROBO by SIDO : l’innovation au cœur de la robotique
14Robot Magazine FR 

INNOROBO by SIDO : l’innovation au cœur de la robotique

Le salon SIDO Lyon accueille les 16 et 17 septembre 2026, au Centre de Congres de Lyon, sa zone d'exposition INNOROBO consacrée a la robotique augmentée et aux systèmes autonomes. Integree au salon depuis 2023, cette zone a été rachetée en 2018 par le groupe Infopro Digital, éditeur de SIDO, et développée avec sa fondatrice Catherine Simon. L'édition 2026 structure l'offre autour de quatre piliers : systèmes robotiques et physical AI (robots, cobots, AMR, AGV, UGV, humanoïdes, drones), composants et perception (mécatronique, intelligence embarquée, vision industrielle, énergie), intelligence et logiciels (pilotage, IA Edge, MLOps, gestion de flottes, cybersécurité OT/IT connectee aux MES, ERP et GMAO) et intégration/services (ingénierie de cellules robotisées, conseil, maintien en conditions opérationnelles). L'organisateur annonce un public compose a 44 % de décideurs (CTO, directeurs R&D et innovation), 38 % de responsables métiers (production, logistique, maintenance, qualité) et 18 % de dirigeants (PDG, DG, vice-présidents), issu a 60 % de l'industrie B2B (manufacturing, énergie, aérospatial, agroalimentaire, BTP), 37 % du tertiaire (distribution, transport, santé, luxe) et 3 % du secteur public. Le cycle de conférences associe aborde l'IA générative appliquée a la robotique, la cobotique, la souveraineté technologique et la cybersécurité des infrastructures robotisées, avec un accès réserve aux professionnels sur inscription. Ce repositionnement traduit une bascule que le secteur observe depuis l'irruption de l'IA générative et des modèles de fondation dans la robotique : la valeur d'un système ne tient plus seulement a sa mécanique, mais a l'empilement logiciel qui l'entoure, perception, IA embarquée, orchestration de flottes, interconnexion avec les systèmes d'information de l'usine. Pour les intégrateurs et les décideurs industriels, ce glissement complexifie les achats, ou choisir un robot engage aussi une pile logicielle et une stratégie de cybersécurité OT/IT. La répartition du public, dominée par des décideurs techniques issus a 60 % de l'industrie B2B classique, signale un événement oriente vers l'adoption opérationnelle plutôt que la démonstration grand public, un positionnement qui tranche avec l'écart souvent constate entre démonstrations spectaculaires d'humanoïdes et déploiements industriels réels. INNOROBO existe depuis plus d'une décennie sous l'impulsion de Catherine Simon, avant d'être racheté par Infopro Digital en 2018 puis intègre au salon SIDO Lyon a partir de 2023. Son élargissement en 2026 vers la robotique augmentée et les agents intelligents accompagne la montée en puissance mondiale des acteurs de la robotique humanoïde et des modèles vision-langage-action, qui redessinent les attentes d'automatisation des industriels français et européens. Le programme met explicitement en avant la souveraineté technologique, thème récurrent pour les acteurs français face a la concurrence américaine et chinoise sur les composants, capteurs et modèles d'IA embarquée. Rendez-vous les 16 et 17 septembre 2026 au Centre de Congres de Lyon, accès réserve aux professionnels sur inscription préalable via le site officiel de l'événement.

UELe salon SIDO Lyon et sa zone INNOROBO reunissent a Lyon les decideurs industriels francais et europeens autour de l'adoption operationnelle de la robotique augmentee et de la souverainete technologique.

FR/EU ecosystemeActu
1 source
Gravis Robotics lève 200 millions de dollars pour la construction autonome
15Robotics Business Review 

Gravis Robotics lève 200 millions de dollars pour la construction autonome

Gravis Robotics, société basée à Zurich et fondée en 2022 en essaimage de l'ETH Zurich, a annoncé que SoftBank investit 200 millions de dollars dans son tour de série A, ce qui constituerait selon l'entreprise la plus importante levée de fonds jamais réalisée dans la robotique de construction. La société est dirigée par Ryan Luke Johns (CEO) et Dominic Jud (CTO). Son produit, le Gravis Rack, est un kit de rétrofit qui ajoute autonomie et logiciel embarqué à des engins de chantier existants, notamment des pelleteuses. Il a déjà été installé sur des machines Caterpillar, Case, Develon, John Deere, JCB, Hitachi, Sumitomo, Yanmar et Volvo. Gravis affirme combler l'écart entre simulation et réalité grâce à des modèles entraînés sur des données synthétiques représentant des milliards de mètres cubes de matériaux virtuels, de l'argile molle aux sols rocheux, combinés à la télémétrie machine (vibrations moteur, résistance hydraulique) pour réagir en quelques microsecondes aux forces souterraines. L'entreprise ne communique en revanche aucun chiffre de déploiement réel : ni nombre de machines en service, ni client nommé, ni temps de cycle mesuré, ni prix du kit. Ce financement, présenté comme le plus important jamais recensé dans le secteur, confirme que les investisseurs considèrent désormais les chantiers de construction comme une nouvelle frontière de l'IA physique, après les véhicules autonomes et les robots humanoïdes. La différence structurelle avec la conduite autonome classique, qui navigue dans un environnement globalement fixe, tient à ce que le terrassement modifie activement le terrain : c'est ce défi de monde dynamique que Gravis cible en priorité. Avec environ deux tiers de la demande mondiale d'engins lourds situés hors des trois plus grands fabricants, l'entreprise mise sur une approche agnostique au matériel plutôt que sur un écosystème fermé propre à une marque, un choix censé séduire des entrepreneurs attachés à leurs flottes existantes et à leurs relations régionales avec les concessionnaires. Pour les intégrateurs et décideurs industriels, l'enjeu est de réduire la dépendance à une main-d'oeuvre d'opérateurs qualifiés rares, tout en accélérant des chantiers stratégiques : logements, modernisation des réseaux électriques, centres de données pour l'IA, projets de relocalisation industrielle et de défense aux Etats-Unis. L'annonce reste néanmoins d'ordre financier et stratégique, pas une preuve chiffrée de déploiement à grande échelle sur des chantiers commerciaux. Cet intérêt s'inscrit dans un contexte de retard chronique d'automatisation dans la construction, alors que la demande grimpe pour la réparation d'infrastructures, la construction de centres de données liés à l'IA, et les projets de relocalisation industrielle et de défense aux Etats-Unis. Gravis présente sa stratégie comme distincte de celle des spécialistes de la conduite autonome ou des robots humanoïdes : son modèle du monde généraliste, construit à partir des caractéristiques de plusieurs marques d'engins plutôt que par imitation d'un opérateur unique, permettrait selon l'entreprise au même logiciel de piloter une mini-pelle comme une machine cinq fois plus grosse sans reprogrammation dédiée. Les dirigeants présentent ce tour de table comme une étape vers un déploiement généralisé du Gravis Rack sur les grands chantiers et un recrutement accru d'ingénieurs, mais sans calendrier de pilotes ni jalons intermédiaires précis. Le succès de ce pari dépendra de la capacité de Gravis à démontrer, au-delà du laboratoire et de la simulation, une précision comparable à celle d'un opérateur expérimenté sur des chantiers réels et non scriptés.

UECette levée record conforte la Suisse et l'ETH Zurich comme pôle europeen de robotique deep-tech, meme si le deploiement commercial vise surtout le marche americain.

FR/EU ecosystemeActu
Aussi surRobotics & Automation News
Robot recycleur récupère des pièces sur des machines cassées
16IEEE Spectrum Robotics 

Robot recycleur récupère des pièces sur des machines cassées

L'Institut de technologie de Karlsruhe (KIT), en Allemagne, a développé un système robotique capable de désassembler automatiquement des machines industrielles cassées tout en préservant les pièces réutilisables. Conçu par une équipe menée par le chercheur Jan Baumgärtner, le système combine un algorithme prédictif et des manipulateurs robotiques : il s'appuie sur un modèle CAD du dispositif défectueux et de chacune de ses pièces, ainsi que sur un modèle mathématique permettant d'anticiper la nature du dommage. Concrètement, le robot manipule légèrement chaque composant pour observer ses degrés de liberté réels (rotation, translation) et les compare à ceux attendus : une pièce corrodée bougera moins que prévu, une vis desserrée bougera davantage, une pièce déformée présentera des degrés de liberté inattendus. Le système ajuste ensuite sa stratégie de démontage en temps réel. Dans une démonstration vidéo, lorsqu'une vis est volontairement bloquée par un chercheur pour simuler une panne, le système détecte que la vis reste immobile et bascule automatiquement vers un fraisage pour retirer la pièce plutôt que de continuer à tenter de dévisser. L'opérateur peut aussi indiquer au préalable quelles pièces doivent être sauvegardées intactes en priorité. Cette avancée répond à un problème structurel de l'industrie robotique : selon la Fédération internationale de robotique, plus de 4 millions de robots industriels sont actuellement en service dans le monde, un chiffre que les chercheurs projettent à plus de 16 millions d'ici 2030. Aucune filière équivalente n'existe pourtant pour leur fin de vie. Le désassemblage manuel de robots cassés est coûteux et imprévisible, contrairement à l'assemblage qui suit des étapes standardisées sans déviation. Baumgärtner souligne que la difficulté tient à l'incertitude du mode de défaillance: retirer 100 vis avant de découvrir que la dernière est grippée fait perdre un temps considérable si la bonne méthode n'a pas été anticipée dès le départ. Pour les intégrateurs et décideurs industriels, ce système ouvre la voie à une automatisation du recyclage et de la remise en état des robots, un maillon jusqu'ici absent de la chaîne de production automatisée, et pourrait réduire les coûts de maintenance et de récupération de composants à mesure que le parc mondial de robots vieillit. Le projet s'inscrit dans une logique d'économie circulaire, où les anciens équipements sont démontés pour réutiliser leurs pièces plutôt que d'être mis au rebut, un objectif que Baumgärtner formule directement comme une contribution à la préservation des ressources planétaires. Il ne s'agit pas d'un produit commercial déployé mais d'un prototype de recherche, illustré par des démonstrations vidéo en conditions simulées de panne. L'article ne précise ni de partenariat industriel, ni de calendrier de commercialisation, ni de comparaison chiffrée avec des méthodes de démontage manuel existantes. Ce travail se positionne néanmoins dans un champ de recherche émergent sur le désassemblage robotique adaptatif, distinct des efforts plus médiatisés sur les robots humanoïdes ou les bras manipulateurs pour la production, en ciblant spécifiquement l'aval du cycle de vie industriel plutôt que l'amont.

UELe KIT, institut de recherche allemand, illustre la capacité de l'écosystème universitaire européen à innover sur le désassemblage robotique, un enjeu clé pour l'économie circulaire promue par l'UE.

FR/EU ecosystemePaper
1 source
New ergoCub, un humanoïde, s'adapte aux mouvements humains lors de tâches de levage partagées
17Interesting Engineering 

New ergoCub, un humanoïde, s'adapte aux mouvements humains lors de tâches de levage partagées

ergoCub est un robot humanoïde capable de s'adapter en temps réel aux mouvements d'un partenaire humain lors de tâches de levage partagées, réduisant la fatigue physique et les risques pour la sécurité au travail. Il a été développé par une équipe conjointe de GenerativeBionics, de l'Istituto Italiano di Tecnologia (IIT) et de l'université de Manchester, sur la base d'un nouveau cadre de conception dit "human-aware". Contrairement à l'approche classique, qui fige d'abord le matériel puis compense ses limites par le logiciel, l'équipe a optimisé simultanément la morphologie du robot (longueur des membres, placement des articulations, répartition du poids), ses capteurs, ses actionneurs et ses algorithmes de contrôle, en intégrant explicitement un modèle du partenaire humain dans le processus de conception. ergoCub, construit sur la base du robot de recherche iCub de l'IIT, met à jour en continu un modèle interne de la personne avec qui il travaille à partir de ses données de capteurs, ce qui lui permet d'anticiper ses mouvements, de synchroniser son assistance et de s'adapter à des gabarits et des forces différentes. Lors d'essais de levage collaboratif, le robot a suivi la posture humaine en ajustant dynamiquement son effort. Sa capacité déterminante consiste à estimer le couple exercé sur l'articulation lombo-sacrée, la zone du bas du dos la plus exposée lors du port de charges, afin de réduire la charge biomécanique estimée par rapport à un levage effectué sans assistance. L'étude, relayée par TechXplore, indique aussi qu'ergoCub marche plus vite et consomme moins d'énergie que son prédécesseur. Cette approche s'attaque à un problème très concret pour les industriels: les troubles musculo-squelettiques liés au port de charges figurent parmi les premières causes d'arrêts de travail en logistique et en manufacture, un terrain où les exosquelettes occupent aujourd'hui l'essentiel du marché de l'assistance au levage. Un humanoïde capable de coporter une charge en ajustant son comportement à la biomécanique de son partenaire ouvrirait une piste différente, moins contraignante à porter qu'un exosquelette mais plus complexe à sécuriser dans un environnement partagé. À noter toutefois: ni l'étude ni sa reprise par TechXplore ne donnent de chiffre précis de réduction de charge, de conditions de test détaillées, ni de capacité de charge utile, ce qui limite pour l'instant la portée de la démonstration à un résultat de laboratoire plutôt qu'à une performance validée en conditions industrielles. ergoCub prolonge la lignée d'iCub, plateforme de recherche humanoïde que l'IIT développe depuis le milieu des années 2000 pour étudier la cognition et la locomotion robotique. Le partenariat avec GenerativeBionics et l'université de Manchester pousse cette recherche vers la cobotique physique, un segment où des acteurs comme Apptronik (Apollo), Agility Robotics (Digit) ou Sanctuary AI (Phoenix) avancent déjà avec des humanoïdes orientés production en entrepôt plutôt que recherche académique. L'équipe indique avoir commencé à étendre cette philosophie de conception intégrée à Gene.01, un robot de nouvelle génération, sans préciser à ce stade de calendrier de déploiement, de partenaire industriel pilote ou de site de test au-delà du laboratoire.

UELa recherche est menée par l'Istituto Italiano di Tecnologia (Italie) en partenariat avec l'université de Manchester, renforçant la position de l'Europe dans la recherche en cobotique humanoïde, mais sans pilote industriel ni calendrier de déploiement annoncé en France ou en UE.

FR/EU ecosystemePaper
1 source
Igus lance une chaîne porte-câbles avec rotation de 600 degrés pour robots industriels
18Robotics Business Review 

Igus lance une chaîne porte-câbles avec rotation de 600 degrés pour robots industriels

Igus GmbH, spécialiste allemand des plastiques pour mouvement basé à Cologne, a annoncé une nouvelle chaîne porte-câbles baptisée twisterchain, conçue pour les robots industriels compacts. Le dispositif autoportant permet une rotation supérieure à 600 degrés tout en assurant une gestion fiable des câbles d'alimentation et de données. Le module rotatif s'installe en boucle autour de la base du robot : à mesure que celui-ci tourne, la chaîne se soulève progressivement par paliers, ce qui permet une rotation complète à 360° sans collision avec la plaque de connexion. Le système ne nécessite que deux points de fixation, sans goulotte de guidage ni alignement complexe. Il s'ouvre sur son rayon intérieur pour faciliter l'insertion des câbles, intègre des séparateurs internes amovibles et une prétension réglable selon le poids des câbles et l'angle de rotation, pour garantir la répétabilité des mouvements. Igus cible deux usages précis : l'axe 1 à la base des petits robots industriels, montable au sol ou sur un socle surélevé, et l'axe 5 des robots de palettisation et de manutention, montable sur le bras ou en bout d'outil. Cette annonce répond à deux problèmes concrets du secteur. D'un côté, les robots compacts utilisés pour le vissage, le collage, l'assemblage ou le pick-and-place souffrent depuis longtemps d'un manque de solutions fiables pour alimenter leur premier axe, qui tourne rapidement. De l'autre, sur le cinquième axe des robots de palettisation, les tuyaux ondulés mal maîtrisés entrent souvent en collision avec l'outil. En proposant un mouvement défini sur deux niveaux, igus dit permettre aux câbles de suivre des rotations complètes même avec des profils de mouvement très dynamiques. Pour les intégrateurs, l'intérêt tient surtout à la simplicité d'installation, sans goulotte coûteuse, et à la maintenance facilitée grâce à l'accès aux câbles. Reste que les gains annoncés en termes de fiabilité et de durée de vie s'appuient sur les tests internes d'igus, sans validation indépendante encore documentée. Leader mondial revendiqué des chaînes porte-câbles, câbles flexibles et paliers lisses en polymères tribologiques, igus emploie 4 600 personnes dans 31 pays et a réalisé 1,15 milliard d'euros de chiffre d'affaires en 2022. L'entreprise, dont le siège américain se trouve à Rumford, dans le Rhode Island, propose environ 234 000 références disponibles sur stock et a multiplié ces dernières années les filiales internes, notamment sur les roulements à billes, les actionneurs robotiques, l'impression 3D et la plateforme RBTX dédiée à la robotique low-cost. Elle mène aussi le programme de recyclage « chuck » pour les chaînes usagées et participe à un projet de transformation de déchets plastiques en huile, la twisterchain étant elle-même annoncée comme recyclable en fin de vie.

UEIgus, entreprise allemande basée à Cologne, renforce son offre de composants pour l'industrie robotique européenne, avec un impact direct sur les intégrateurs et fabricants de robots industriels en Europe.

FR/EU ecosystemeActu
1 source
Le gouvernement américain interdit les Roomba
19The Verge 

Le gouvernement américain interdit les Roomba

Cette annonce du gouvernement américain interdit les « dispositifs robotiques avancés » en provenance de certains pays étrangers, avec une portée qui va bien au-delà des humanoïdes : les aspirateurs-robots comme les Roomba sont explicitement concernés, confirme Katie Gorscak, directrice des relations médias de la FCC, à The Verge. Les appareils déjà approuvés et importés restent autorisés à la vente, et les propriétaires actuels d'aspirateurs connectés ne sont pas affectés. Mais les futurs modèles fabriqués par des entreprises étrangères jugées à risque pourraient être bloqués à l'entrée du territoire américain, au nom de la sécurité nationale. Résultat inattendu : même les fabricants de robots aspirateurs se voient désormais sommés de s'engager sur une fabrication locale aux États-Unis. Cette mesure illustre un changement de paradigme dans la régulation robotique américaine : l'exécutif ne cible plus seulement les usages militaires ou industriels sensibles, mais élargit la définition de « robot à risque » à tout appareil domestique connecté capable de cartographier un intérieur et de transmettre des données. Pour les fabricants chinois notamment, très présents sur ce marché (iRobot ayant lui-même été concurrencé par des marques comme Roborock ou Ecovacs), cela signifie une pression accrue vers la relocalisation de la production ou l'exclusion pure et simple du marché américain. Pour les integrateurs et décideurs B2B du secteur robotique au sens large, ce signal confirme que les barrières commerciales autour de la robotique s'étendent désormais à des catégories de produits jusque-là considérées comme anodines. Cette décision s'inscrit dans la continuité des politiques de l'administration Trump visant à restreindre les technologies étrangères jugées porteuses de risques d'espionnage, un cadre déjà appliqué aux télécommunications (Huawei) et désormais étendu à la robotique domestique et humanoïde. Les modalités précises du dispositif, notamment les critères d'exclusion par pays ou par fabricant, ainsi que le calendrier d'application aux nouveaux modèles, restent à préciser par la FCC dans les prochaines semaines.

FR/EU ecosystemeActu
1 source
Un robot de patrouille monoroue autoéquilibré promet une sécurité plus intelligente et plus légère
20Interesting Engineering 

Un robot de patrouille monoroue autoéquilibré promet une sécurité plus intelligente et plus légère

Une startup estonienne, Rollo Robotics, fondée en 2025, a dévoilé 1ROLLO, un robot de sécurité autonome se déplaçant sur une seule roue de 60 centimètres de diamètre, qu'elle présente comme le premier robot monoroue stable capable d'assurer des rondes réelles. L'engin mesure 110 centimètres de haut pour environ 45 kilogrammes et embarque un volant d'inertie (flywheel) monté verticalement à l'intérieur de la roue, dont les forces gyroscopiques le maintiennent en équilibre à l'arrêt, en mouvement ou sur terrain irrégulier ; pour tourner, ce volant s'incline et fait pencher le robot comme une moto. Des capteurs haute fréquence alimentent en continu le logiciel de contrôle maison pour ajuster l'équilibre, y compris par vent fort. 1ROLLO atteint 30 km/h, tient jusqu'à huit heures sur batterie avant de retourner seul à sa station de charge sans fil, et son boîtier IP65 encaisse pluie, poussière et des températures de -20°C à 55°C. Il embarque une vision à 360 degrés par computer vision et IA embarquée pour détecter personnes, véhicules ou portes ouvertes, une navigation RTK-GNSS sur itinéraires pré-cartographiés, et remonte ses alertes en 4G, 5G ou Wi-Fi vers une plateforme cloud de gestion de flotte permettant vidéo en direct, communication via micro/haut-parleur intégrés et pilotage de plusieurs robots depuis un tableau de bord unique. Le pari de Rollo Robotics est que le format monoroue, plus étroit qu'un robot à quatre roues classique, se faufile mieux dans les couloirs, entrées et zones encombrées des sites industriels, campus, data centers ou aéroports, tout en réduisant le nombre de rondes humaines nécessaires. C'est un signal intéressant pour le secteur de la sécurité robotisée, où la stabilisation gyroscopique reste rare hors du monde des deux-roues motorisés expérimentaux : si le système tient ses promesses en conditions réelles (et pas seulement sur les vidéos de démonstration diffusées par l'entreprise), il ouvrirait une alternative crédible aux plateformes à roues ou chenilles dominantes. Il faut toutefois noter que l'affirmation « premier au monde » et la mention d'un problème de stabilité « résolu » restent des éléments de communication de l'entreprise elle-même, non vérifiés de façon indépendante. Plutôt que de vendre le robot, Rollo Robotics opte pour un modèle par abonnement mensuel incluant matériel, maintenance, mises à jour logicielles et futures évolutions matérielles, une approche qui rapproche 1ROLLO d'acteurs établis de la sécurité robotisée comme Knightscope ou Cobalt Robotics, mais avec un ticket d'entrée plus bas. L'architecture modulaire du robot, compatible caméras thermiques, PTZ, vision nocturne ou lecteurs RFID, laisse entrevoir des déploiements sur mesure selon les sites, sans que l'entreprise n'ait pour l'instant communiqué de calendrier de déploiements pilotes ni de clients nommés.

UERollo Robotics est une startup estonienne, donc un acteur européen émergent sur le marche naissant de la sécurité robotisée, mais aucun déploiement pilote ni client n'est annonce en France ou ailleurs en UE pour l'instant.

FR/EU ecosystemeOpinion
1 source
Mimic Robotics déploie ses « modèles vision-action de pointe » sur la chaîne de production Audi
21Robotics & Automation News 

Mimic Robotics déploie ses « modèles vision-action de pointe » sur la chaîne de production Audi

Robots industriels apprenant des tâches complexes chez Audi ? Voici le résumé factuel de 200-250 mots, sans invention de chiffres absents du communiqué. --- mimic robotics, entreprise suisse de « physical AI » spécialisée dans les Video-Action Models (VAM) pour l'automatisation industrielle, présente FLUX-mimic, un nouveau modèle développé avec Black Forest Labs, le laboratoire allemand connu pour ses modèles de génération d'image FLUX. Le système est censé permettre à des bras robotiques d'apprendre et d'exécuter des tâches de manipulation complexes directement en environnement d'usine, avec une mise en avant explicite d'un déploiement chez Audi. Le communiqué de mimic reste toutefois vague sur les aspects techniques concrets : aucun chiffre communiqué sur le payload, les degrés de liberté, le temps de cycle ou le nombre de sites équipés, ce qui invite à la prudence tant qu'aucune démonstration indépendante n'est disponible. Si la promesse se confirme, l'enjeu dépasse la simple vitrine technologique : faire fonctionner un modèle vision-langage-action dans une usine automobile, environnement réputé exigeant en précision et en fiabilité, constituerait un signal fort pour les intégrateurs industriels cherchant à dépasser le stade de la démonstration en laboratoire. Cela toucherait directement au débat sur l'écart entre annonces spectaculaires et réalité opérationnelle qui traverse le secteur de la robotique dexterous. mimic robotics développe depuis plusieurs années des modèles de manipulation robotique par apprentissage, et ce partenariat avec Black Forest Labs, davantage connu pour la génération d'images que pour la robotique, marque une diversification notable. FLUX-mimic vient ainsi s'ajouter à une compétition déjà dense sur les modèles d'action généralistes, aux côtés de Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure. Le communiqué ne précise pas de calendrier pour un déploiement élargi au-delà d'Audi.

UELe déploiement implique Audi et Black Forest Labs, deux entreprises allemandes, ce qui illustre une adoption concrète de modèles vision-action dans l'industrie automobile européenne, bien qu'aucune métrique vérifiable ne confirme l'ampleur réelle du déploiement.

FR/EU ecosystemeActu
1 source
2 000 robots humanoïdes déployés dans des usines textiles pour une production plus rapide et efficace
22Interesting Engineering 

2 000 robots humanoïdes déployés dans des usines textiles pour une production plus rapide et efficace

Jack Technology, fabricant chinois de machines à coudre industrielles, s'associe à Siemens pour intégrer intelligence artificielle, ingénierie numérique et robotique humanoïde dans la production textile. L'entreprise vise un gain d'efficacité d'au moins 30 % face à des délais de production plus courts, une demande consommateur de plus en plus personnalisée et une pression accrue sur les coûts. Dans ce cadre, Jack Technology a commandé 2 000 robots humanoïdes conçus pour la confection, ce qui en ferait l'un des tout premiers déploiements massifs de ce type dans le secteur textile. En parallèle, un essai a été mené sur le site Siemens d'Erlangen, en Allemagne, avec le robot humanoïde à roues HMND 01 de la startup allemande Neura Robotics, propulsé par la pile logicielle d'IA physique de NVIDIA. Pendant deux semaines, le robot a manipulé des caisses de deux formats différents, les plaçant sur un convoyeur avant de les acheminer vers un poste de reprise humaine, à raison de 60 caisses par heure, plus de huit heures par jour, avec un taux de réussite en préhension et positionnement supérieur à 90 %. Siemens associe aussi à cette offensive le robot quadrupède ANYmal d'ANYbotics, utilisé pour l'inspection de sites chimiques et énergétiques dangereux, capable de cartographier des installations en 3D et de détecter fuites de gaz ou surchauffes via capteurs acoustiques et caméras infrarouges, en s'appuyant sur la plateforme de Roboverse Reply. Cette annonce illustre un test grandeur nature de l'écart habituel entre démonstration marketing et réalité opérationnelle: un cycle de deux semaines avec un taux de succès mesuré au dessus de 90 % pèse davantage qu'une vidéo de présentation isolée, même si l'ampleur exacte de la commande de 2 000 unités reste à confirmer dans son calendrier de livraison réel. Pour les intégrateurs et décideurs industriels, l'intérêt des humanoïdes tient surtout à leur capacité à s'insérer dans des ateliers existants sans réaménagement lourd, contrairement aux robots industriels fixes classiques. Cela renforce l'hypothèse que la manutention répétitive de charges, plutôt que les tâches fines de couture elles-mêmes, sera le premier terrain d'adoption rentable des humanoïdes dans le textile. Le volet quadrupède, lui, consolide le glissement du secteur vers une maintenance prédictive plutôt que réactive sur les sites à risque. Cette initiative s'inscrit dans la stratégie plus large de Siemens, qui cherche à fournir l'infrastructure numérique (jumeaux numériques, interfaces robots-automates, gestion de flotte, réseaux industriels) permettant de transformer des robots isolés en composants coordonnés d'une usine connectée. Sur le marché des humanoïdes industriels, Jack Technology et Neura Robotics viennent ainsi se positionner face à des acteurs comme Figure ou Agility Robotics, davantage focalisés sur la logistique et l'entrepôt, tandis qu'ANYbotics affronte la concurrence de Boston Dynamics sur l'inspection quadrupède. Les prochaines étapes attendues concernent le calendrier réel de déploiement des 2 000 unités commandées par Jack Technology et l'extension des pilotes Siemens à d'autres usines du groupe.

UELe pilote mené sur le site Siemens d'Erlangen (Allemagne) avec le robot humanoïde allemand HMND 01 de Neura Robotics illustre une adoption industrielle concrète de l'IA physique en Europe, portée par des acteurs européens (Siemens, Neura Robotics), même si aucune entreprise française n'est impliquée à ce stade.

FR/EU ecosystemeOpinion
1 source
Teachy Mini : développement et évaluation préliminaire d'un robot social génératif basé sur les connaissances pour l'enseignement supérieur
23arXiv cs.RO 

Teachy Mini : développement et évaluation préliminaire d'un robot social génératif basé sur les connaissances pour l'enseignement supérieur

Une équipe de recherche a développé Teachy Mini, un système de tutorat robotique construit sur la plateforme Reachy Mini, conçu selon des principes de "knowledge-based design" (KBD) censés encadrer le comportement des robots sociaux génératifs (GSR) alimentés par des grands modèles de langage. Concrètement, les chercheurs ont implémenté ces exigences KBD via trois mécanismes techniques : du system prompting, de la génération augmentée par récupération (RAG) et une orchestration de prompts avec état (stateful). Le système a été testé lors d'une étude préliminaire impliquant 24 participants, répartis entre une session de tutorat sur les méthodologies de recherche guidée par Teachy Mini et une session équivalente avec une version témoin ne suivant pas les principes KBD. Résultat mesuré par vérification de manipulation : Teachy Mini a utilisé de façon nettement plus systématique la personnalisation, des explications ancrées sur les supports de cours, le questionnement socratique, le soutien affectif et un feedback adapté à l'apprenant. Ce travail répond à un problème central pour le déploiement de robots sociaux en éducation supérieure : le risque que des LLM embarqués diffusent de la désinformation, manquent de transparence ou renforcent par erreur des réponses incorrectes d'étudiants. L'étude montre qu'un cadrage explicite par conception peut modifier objectivement le comportement du robot perçu comme responsable, sans pour autant se traduire, à ce stade, par un gain significatif d'acceptation, de motivation intrinsèque ou d'efficacité d'apprentissage mesurée directement. Des analyses exploratoires suggèrent toutefois un effet positif sur les gains d'apprentissage objectifs une fois les préférences des apprenants prises en compte, un signal encourageant mais à confirmer sur un échantillon plus large. Le choix de la plateforme Reachy Mini n'est pas anodin : elle est développée par Pollen Robotics, société française rachetée par Hugging Face en 2025, positionnée sur la robotique sociale open source à bas coût plutôt que sur l'humanoïde industriel. Ce travail s'inscrit dans la continuité d'exigences KBD définies dans des travaux antérieurs des mêmes auteurs, et ouvre la voie à des études de plus grande ampleur pour valider si un tutorat robotique responsable peut réellement améliorer l'apprentissage à l'échelle, au delà du seul comportement perçu.

UELe robot utilisé, Reachy Mini, est développé par Pollen Robotics, entreprise française rachetée par Hugging Face en 2025, ce qui met en valeur l'écosystème robotique social français dans la recherche académique internationale.

FR/EU ecosystemePaper
1 source
Robots peuvent désormais apprendre des tâches d'usine à haute dextérité par la vidéo, avec un minimum d'entraînement
24Interesting Engineering 

Robots peuvent désormais apprendre des tâches d'usine à haute dextérité par la vidéo, avec un minimum d'entraînement

Mimic Robotics, société suisse de robotique physique, a dévoilé FLUX-mimic, un modèle vidéo-action de nouvelle génération développé avec Black Forest Labs, capable d'enseigner à des robots industriels des tâches de manipulation fine à partir de simples démonstrations vidéo. Le système s'appuie sur FLUX 3, le modèle de génération vidéo de Black Forest Labs, associé à un décodeur d'actions qui traduit les prédictions visuelles en mouvements robotiques exécutables. Selon Mimic Robotics, FLUX-mimic peut être affiné pour certaines tâches avec seulement 30 minutes de démonstrations robotiques, contre 30 heures ou plus pour les pipelines d'apprentissage conventionnels, un écart présenté par l'entreprise elle-même et donc à prendre avec la prudence habituelle réservée aux chiffres communiqués par le fournisseur. La technologie est actuellement déployée chez le constructeur automobile Audi, dans le cadre d'une évaluation portant sur l'automatisation de tâches à haute dextérité impliquant des matériaux flexibles et une manipulation fine. Cette annonce s'inscrit dans un débat plus large sur la viabilité des modèles vidéo-action (VAM) face aux modèles vision-langage-action (VLA) désormais dominants, à l'image de Pi-0 ou GR00T N2. Contrairement à ces derniers, pré-entraînés sur des paires image-texte statiques et devant apprendre la physique quasi exclusivement via des démonstrations robotiques coûteuses, FLUX-mimic part d'un modèle vidéo déjà entraîné à grande échelle sur la dynamique des objets et des mouvements, ce qui réduirait drastiquement le volume de données spécifiques à collecter. Si la promesse se vérifie en production, elle répond directement à l'un des principaux obstacles à la commercialisation de la robotique industrielle par apprentissage: le coût et la lenteur de la collecte de démonstrations pour chaque nouvelle tâche. Une réduction du cycle de déploiement de plusieurs mois à quelques semaines, telle qu'annoncée, changerait significativement le calcul économique pour les intégrateurs face à des tâches variables et peu standardisées, typiquement délaissées par l'automatisation classique programmée manuellement. FLUX-mimic prolonge les travaux antérieurs de Mimic Robotics sur les modèles vidéo-action, avec une architecture désormais pensée spécifiquement pour l'IA physique en environnement industriel. Le partenariat avec Audi, dont les usines affichent déjà un fort taux d'automatisation, sert de banc d'essai pour mesurer si ces systèmes d'apprentissage tiennent la route hors laboratoire, un test que beaucoup d'approches VLA ou VAM concurrentes n'ont pas encore passé à cette échelle. Les deux partenaires évoquent des perspectives d'extension à d'autres opérations de fabrication et de logistique, sans toutefois communiquer de calendrier précis ni de métriques de performance en production, ce qui place pour l'instant cette collaboration au stade du pilote d'évaluation plutôt que du déploiement industriel validé.

UEAudi teste FLUX-mimic dans ses usines allemandes pour automatiser des tâches de manipulation fine, un cas concret d'adoption industrielle en Europe qui pourrait influencer d'autres constructeurs automobiles de l'UE si le pilote se confirme.

FR/EU ecosystemeActu
1 source
Vendredi vidéo : un robot humanoïde italien prend vie
25IEEE Spectrum Robotics 

Vendredi vidéo : un robot humanoïde italien prend vie

Le rendez-vous hebdomadaire Video Friday d'IEEE Spectrum met en avant plusieurs annonces robotiques de la semaine. La startup italienne Generative Bionics dévoile GENE.01, un humanoïde développé en seulement six mois, capable de marcher, percevoir son environnement et interagir grâce à une peau multimodale intégrale détectant le toucher, la proximité, la force et la température. De son côté, Generalist présente GEN-1, un modèle fondationnel pour la robotique conçu pour piloter une large variété d'effecteurs terminaux, des mains à cinq doigts aux outils spécialisés, avec l'ambition de transférer un "sens physique universel" vers de nouvelles configurations de préhension. Un laboratoire de l'AIR Lab a par ailleurs validé en vol une aile volante pliable fabriquée en carton ondulé, assemblée en moins de 15 minutes à partir de trois plaques découpées au laser. Flexion, en partenariat avec Niantic Spatial et NVIDIA, a développé un pipeline permettant de scanner un site de déploiement réel avec du matériel grand public, de le reconstruire en Gaussian splatting photoréaliste, puis d'entraîner des politiques par apprentissage par renforcement massivement parallélisé, transférées ensuite sans réentraînement (zero-shot) sur le robot physique. LimX Dynamics, PNDbotics et EngineAI ont également publié des démonstrations de leurs plateformes humanoïdes, tandis que Wing a communiqué sur son service de livraison par drone pour le South West London Pathology, opérationnel depuis février 2026, acheminant des échantillons médicaux urgents pour le NHS jusqu'à 85 % plus vite que le transport routier. Cette accumulation d'annonces illustre une dynamique importante pour le secteur : la course aux humanoïdes ne se limite plus aux acteurs américains et chinois établis, avec l'émergence rapide d'équipes comme Generative Bionics capables de livrer une plateforme fonctionnelle en six mois. Le pari de Generalist sur un modèle vision-langage-action (VLA) générique, capable de généraliser à travers différents effecteurs, s'inscrit dans le débat central du secteur sur la capacité réelle des modèles fondationnels à passer à l'échelle au-delà des démonstrations contrôlées. La combinaison Gaussian splatting et RL massivement parallèle proposée par Flexion répond directement au problème du sim-to-real, en réduisant le coût de création d'environnements d'entraînement réalistes à partir de sites réels. Ces avancées restent toutefois à nuancer : plusieurs vidéos de la semaine, notamment celle d'un robot manipulant des cônes de glace pour la société Sharpa, sont explicitement présentées comme des productions conceptuelles ne représentant pas le fonctionnement réel en magasin, un rappel que la frontière entre démonstration marketing et déploiement opérationnel reste souvent floue dans la communication du secteur. Ces développements s'inscrivent dans la trajectoire plus large de maturation de la robotique physique amorcée ces dernières années, portée par les progrès des modèles de fondation robotiques (à l'image de Pi-0 ou GR00T) et par la baisse du coût des capteurs et systèmes de perception. Le déploiement du service de drones de Wing pour le NHS marque une étape concrète de passage à l'usage réel dans le secteur médical, au-delà des humanoïdes. Les prochaines échéances du calendrier robotique, dont le Summer School on Multi-Robot Systems fin juillet à Prague, la conférence Actuate en août à San Francisco et IROS 2026 fin septembre à Pittsburgh, devraient permettre de mesurer si ces annonces se traduisent par des déploiements pilotes documentés ou restent au stade de démonstrations vidéo.

UEL'émergence de la startup italienne Generative Bionics, capable de livrer un humanoïde fonctionnel en six mois, illustre une dynamique d'innovation robotique naissante en Europe face aux acteurs americains et chinois etablis.

FR/EU ecosystemeActu
1 source
NEURA Robotics crée NEURA Gym RWTH Aachen pour entraîner l'IA physique
26The Robot Report 

NEURA Robotics crée NEURA Gym RWTH Aachen pour entraîner l'IA physique

NEURA Robotics, fabricant allemand de robotique cognitive basé à Metzingen, a annoncé cette semaine un partenariat avec l'université RWTH Aachen pour créer le "NEURA Gym RWTH Aachen", une installation dédiée à l'entraînement de ses robots par données réelles. Le site sera implanté sur le Hightech Campus Melaten et couvrira environ 3 000 m². Il s'agit du premier maillon allemand d'un réseau de dix centres prévus en Europe, aux États-Unis et en Chine, dont la moitié devrait être opérationnelle d'ici fin 2026. Un second centre allemand ouvrira à l'aéroport de Munich, en collaboration avec la Technical University of Munich (TUM) et son Munich Institute of Robotics and Machine Intelligence (MIRMI) ; il s'étendra sur plus de 2 300 m² et testera des flottes de robots cognitifs et humanoïdes. Ce réseau de "gyms" est financé par la levée Série C de NEURA Robotics, qui a atteint jusqu'à 1,4 milliard de dollars, et alimentera directement Neuraverse, la plateforme de développement cloud ouverte de l'entreprise. L'enjeu affiché est celui de la rareté des données réelles pour l'entraînement des robots physiques : contrairement aux grands modèles de langage, entraînés sur des milliers de milliards de points de données, les robots ne disposent que d'une fraction de ce volume, et la simulation seule ne reproduit pas la friction, la variabilité et l'imprévisibilité d'un environnement réel. En combinant entraînement physique et simulation haute fidélité, NEURA cherche à générer des jeux de données multimodales exploitables à grande échelle, un problème central pour toute l'industrie de la robotique humanoïde et cognitive, où l'écart entre démonstration et déploiement réel reste l'un des principaux points de friction. Pour les intégrateurs et décideurs industriels, l'intérêt est de pouvoir valider un cas d'usage avant tout engagement de déploiement, réduisant le risque d'adoption. Des secteurs comme l'industrie manufacturière, l'automobile, la santé et l'automatisation industrielle ont déjà manifesté leur intérêt pour ces installations. NEURA Robotics, fondée en 2019 par David Reger, s'est fait connaître avec ses cobots MAiRA et son projet de robot humanoïde 4NE1. La stratégie de "gyms" physiques s'inscrit dans une tendance plus large du secteur, où plusieurs acteurs de la robotique humanoïde investissent dans des infrastructures dédiées à la collecte de données réelles pour entraîner leurs modèles vision-langage-action. Si l'installation d'Aachen n'existe pour l'instant que sous forme de rendu et de partenariat annoncé, NEURA prévoit une montée en puissance rapide, avec huit autres sites à ouvrir en Europe, aux États-Unis et en Chine, et une répartition des spécialités selon les partenaires académiques et industriels de chaque région.

UELe projet renforce l'écosystème robotique européen avec deux centres d'entraînement en Allemagne (RWTH Aachen et TUM Munich), positionnant l'Allemagne comme hub de collecte de données réelles pour l'IA physique en Europe.

FR/EU ecosystemeActu
1 source
Vidéo : le nouvel humanoïde Gene.01 doté d'une peau intelligente intégrale pour une collaboration homme-robot plus sûre
27Interesting Engineering 

Vidéo : le nouvel humanoïde Gene.01 doté d'une peau intelligente intégrale pour une collaboration homme-robot plus sûre

Generative Bionics, entreprise italienne de deep-tech, a présenté à l'occasion d'AMD Advancing AI 2026 une version considérablement enrichie de son robot humanoïde industriel Gene.01, développée en seulement six mois. La machine se distingue par une "peau intelligente" multimodale recouvrant l'intégralité du corps, capable de détecter le toucher, la proximité, la force et la température, ce qui lui permet de percevoir la présence humaine avant et pendant tout contact physique. Cette architecture tactile s'appuie sur une intelligence artificielle dite "physics-native", conçue pour optimiser conjointement le matériel, la mécanique, les capteurs et le contrôle du mouvement plutôt que de traiter ces éléments séparément. Le système utilise des modèles numériques du robot et de son partenaire humain pour ajuster déplacement, ergonomie, équilibre et stabilité de marche. Generative Bionics avait dévoilé un premier concept de Gene.01 en janvier 2026 lors du CES. L'entreprise publie par ailleurs le jumeau numérique du robot en open source, distribué via PyPI, conda-forge et le dépôt officiel ROS, afin de faciliter son intégration dans les environnements de simulation et de développement existants. Le premier déploiement industriel est en cours d'élaboration avec le chantier naval italien Fincantieri, où une version soudeuse de Gene.01 est adaptée aux opérations de chantier. L'apport principal de Gene.01 tient à son approche par le toucher plutôt que par la seule vision, un choix qui répond à une limite bien identifiée des systèmes d'apprentissage visuels: l'incapacité à inférer les forces physiques nécessaires à une manipulation fine. La détection de force permet aussi un apprentissage kinesthésique, où un opérateur guide physiquement le bras du robot pour lui montrer l'intensité de préhension requise, une méthode plus intuitive que la programmation classique. Pour les intégrateurs et décideurs industriels, cela ouvre la voie à une collaboration homme-robot plus sûre dans des ateliers partagés, un enjeu central pour l'adoption des humanoïdes en usine. Il faut toutefois distinguer l'annonce du déploiement réel: si Generative Bionics qualifie Gene.01 de plateforme "fully functional", son unique cas d'usage concret, chez Fincantieri, reste en développement et non encore opérationnel en production. La mise à disposition open source du jumeau numérique constitue en revanche une contribution tangible et immédiate pour les développeurs en robotique physique. L'architecture d'intelligence de Gene.01 puise directement dans des travaux publiés dans Nature Machine Intelligence, issus du projet de recherche ergoCub sur l'intelligence incarnée sensible à l'humain. Generative Bionics affirme être la première entreprise à transposer cette méthodologie évaluée par des pairs sur une plateforme commerciale entièrement sensorisée, dans un secteur où Figure, Tesla (Optimus) ou Boston Dynamics avancent surtout sur la perception visuelle et la locomotion. Plutôt qu'un humanoïde généraliste, Gene.01 est pensé comme une base modulable, adaptable en IA, effecteurs et carrosserie selon les secteurs visés (manufacturing, logistique, inspection, santé, sécurité publique). L'entreprise construit également une chaîne d'approvisionnement européenne avec un partenaire industriel, dans une logique de souveraineté technologique face aux acteurs américains et chinois du secteur.

UEGenerative Bionics, entreprise italienne, construit une chaine d'approvisionnement européenne avec un partenaire industriel et déploie son humanoïde Gene.01 chez le chantier naval italien Fincantieri, renforçant la souveraineté technologique de l'UE face aux acteurs américains et chinois de la robotique humanoïde.

FR/EU ecosystemeActu
1 source
Robots capables de ressentir : HBK et Siléane apportent l'intelligence tactile à l'emballage cosmétique haute vitesse
28Robotics & Automation News 

Robots capables de ressentir : HBK et Siléane apportent l'intelligence tactile à l'emballage cosmétique haute vitesse

Siléane, spécialiste français de la robotique avancée, s'est associé à Hottinger Brüel & Kjær (HBK) pour développer une solution de préhension automatisée destinée à un fabricant mondial de cosmétiques. Le projet intègre des capteurs intelligents directement dans l'outil en bout de bras (end-of-arm tooling), permettant une validation en temps réel de la qualité de la prise. L'objectif est de garantir précision et fiabilité sur des lignes de conditionnement à haute cadence et fort volume, dans un secteur soumis à des exigences réglementaires strictes. Le communiqué ne précise ni chiffres de cycle time, ni charge utile, ni volumes de déploiement concrets, ce qui invite à la prudence sur la portée réelle du déploiement à ce stade. Cette approche illustre un axe de différenciation qui monte dans l'automatisation industrielle: remplacer ou compléter la vision par capteurs tactiles embarqués pour fiabiliser la prise d'objets fragiles ou irréguliers, un point sensible en cosmétique où flacons, pots et emballages varient en forme et en matière. Pour les intégrateurs et décideurs B2B, l'enjeu est de réduire les rebuts et arrêts de ligne liés aux erreurs de préhension, un problème récurrent quand les cadences dépassent ce que la seule vision industrielle peut valider en temps utile. Siléane s'est construit une expertise reconnue en robotique de précision pour l'industrie française, tandis que HBK apporte son savoir-faire en capteurs et instrumentation, issu du rapprochement historique entre Hottinger Baldwin Messtechnik et Brüel & Kjær. Le communiqué ne détaille pas de calendrier de déploiement élargi ni les sites concernés, laissant ouverte la question du passage du pilote à une industrialisation à grande échelle.

UECe partenariat renforce l'offre technologique de Siléane, acteur français de la robotique de précision, dans un segment industriel à forte valeur ajoutée pour l'écosystème robotique national.

FR/EU ecosystemeActu
1 source
Boum de forage longue portée : planification de trajectoire paramétrée par pose et filtrage anti-collision par CBF-QP
29arXiv cs.RO 

Boum de forage longue portée : planification de trajectoire paramétrée par pose et filtrage anti-collision par CBF-QP

Une équipe de recherche a développé une méthode de planification de mouvement collision-aware pour le bras de forage longue portée SB60 du fabricant suédois Sandvik, décrite dans un article publié le 24 juillet 2026 sur arXiv. Le système combine une planification paramétrée par pose avec un contrôleur de type CBF-QP (control barrier function quadratic program) basé sur des capsules géométriques, intégré à la cinématique inverse en boucle mesurée. Un planificateur de détours hors ligne filtre les points de passage candidats à partir de 23 distances calculées entre segments de tige et zones du corps de la machine, tandis qu'un filtre en ligne applique 14 contraintes de paires de capsules issues d'un modèle corporel complet à neuf primitives géométriques. La méthode a été testée sur deux tâches de forage dans un modèle Simscape Multibody fourni par le constructeur : un parcours à cinq cibles en orientation restreinte et un parcours à trois cibles en pose complète. Sur plusieurs centaines de milliers d'échantillons, aucun échec de cinématique inverse n'a été enregistré, l'erreur de position finale moyenne reste de l'ordre du millimètre, et aucune marge de sécurité CBF n'est descendue sous les seuils fixés. Ce résultat s'adresse directement aux intégrateurs et décideurs de l'industrie minière et du forage, secteur où le passage d'un contrôle supervisé par opérateur vers une autonomie partielle bute historiquement sur le risque d'auto-collision des bras articulés longue portée. En démontrant un taux d'échec nul sur un volume d'essais important, l'étude apporte une validation quantitative rare dans ce domaine, où les annonces reposent souvent sur des démonstrations ponctuelles plutôt que sur des campagnes statistiques massives, ce qui distingue ici clairement un travail de validation en simulation d'un déploiement terrain réel, qui reste à venir. Sandvik, groupe industriel suédois déjà présent sur les équipements de forage et de mine automatisés, s'appuie ici sur des méthodes de planification et de filtrage de sécurité déjà établies dans la littérature robotique, adaptées à la géométrie spécifique du SB60. L'article ne mentionne pas de calendrier de déploiement sur machine physique ni de partenaire concurrent nommé, laissant ouverte la question du passage de cette validation en simulation vers des essais sur site minier réel.

UESandvik étant un groupe industriel suédois, cette avancée en planification de trajectoire sécurisée renforce directement les capacités de robotique industrielle minière d'un acteur européen majeur du secteur du forage.

FR/EU ecosystemePaper
1 source
U.K. : Humanoid lève 152 millions de dollars en série A
30Robotics Business Review 

U.K. : Humanoid lève 152 millions de dollars en série A

L'entreprise britannique Humanoid, basée à Londres, a annoncé avoir levé 152 millions de dollars lors d'un tour de série A, valorisant la société à 1,35 milliard de dollars post-money. Ce financement porte le total levé depuis sa création à 270 millions de dollars. Fondée en 2024 sous le nom SKL Robotics Ltd, l'entreprise dirigée par Artem Sokolov développe le HMND 01 Alpha Wheeled, un manipulateur mobile bimanuel monté sur roues actuellement proposé en accès anticipé à des clients industriels, ainsi qu'une version bipède encore en développement. Le robot fonctionne sous KinetIQ, un framework logiciel destiné à orchestrer des flottes de robots humanoïdes de bout en bout ; sa déclinaison KinetIQ Ascend ajoute une capacité d'apprentissage par essai-erreur. Les fonds serviront à développer une nouvelle génération de plateforme, à lancer une version bêta des robots au quatrième trimestre 2026 chez des clients en logistique, manufacturing et retail, à démarrer la production en série des versions à roues, et à poursuivre le développement de KinetIQ. Schaeffler, via son PDG Klaus Rosenfeld, et Bosch, via son CTO Mathias Pillin et sa filiale Robert Bosch Robotics GmbH, sont annoncés comme investisseurs stratégiques et partenaires industriels, Bosch endossant notamment le rôle de sous-traitant de fabrication. Ce tour de table, que Humanoid présente comme le plus important jamais levé en série A par une entreprise européenne de robotique humanoïde, illustre l'accélération du financement du secteur bien au-delà des seuls acteurs américains ou chinois. L'implication directe de deux poids lourds industriels allemands comme partenaires commerciaux, et non de simples investisseurs financiers, signale un pari sur le passage de la démonstration technologique au déploiement industriel réel, un cap que la plupart des acteurs du secteur n'ont pas encore franchi. L'annonce mélange toutefois volontairement financement, partenariats et feuille de route produit : les déploiements "long terme" et la bêta prévue au quatrième trimestre 2026 restent des objectifs annoncés, pas des livraisons effectives, et la formule du fondateur selon laquelle l'entreprise aurait accompli "en deux ans ce qui prendrait normalement une décennie" relève davantage de la rhétorique de levée de fonds que d'un fait vérifiable. Le marché du robot humanoïde industriel s'est nettement densifié depuis un an. En Allemagne, NEURA Robotics vient d'ouvrir un tour de série C visant 1,4 milliard de dollars. Aux États-Unis, Figure AI a bouclé en septembre 2025 une série C supérieure au milliard de dollars, tandis qu'Apptronik a enchaîné plusieurs levées, dont une série A de 520 millions de dollars annoncée en février 2026. Agility Robotics a rejoint les marchés publics via une introduction en bourse par SPAC valorisée 620 millions de dollars, et Unitree a également entamé son introduction en bourse. D'autres acteurs comme AI² Robotics, 1X Technologies ou Leju Robotics complètent ce paysage très concurrentiel, dans lequel la levée de Humanoid confirme surtout que l'Europe, jusqu'ici en retrait face aux États-Unis et à la Chine sur ce segment, cherche désormais à peser financièrement dans la course aux humanoïdes industriels.

UEDeux industriels allemands majeurs, Bosch et Schaeffler, s'engagent comme partenaires stratégiques et sous-traitant de fabrication auprès d'une entreprise britannique de robotique humanoïde, renforçant l'ancrage industriel européen face aux Etats-Unis et a la Chine.

FR/EU ecosystemeOpinion
1 source
Générateur bionique dévoile un robot humanoïde à détection tactile intégrale
31Robotics Business Review 

Générateur bionique dévoile un robot humanoïde à détection tactile intégrale

Generative Bionics, une entreprise de deep tech spécialisée dans les robots humanoïdes industriels, a dévoilé cette semaine son robot Gene.01 lors de la conférence AMD Advancing AI 2026, marquant ses débuts aux États-Unis. Développé en seulement six mois, Gene.01 combine une peau tactile distribuée sur l'ensemble du corps avec une architecture d'IA que l'entreprise qualifie de "physics-native", conçue pour unifier corps, mécanique et intelligence au sein d'un même système plutôt que de les concevoir séparément. Cette peau tactile détecte le toucher, la température, la proximité et la force, ce qui permet au robot d'anticiper la présence humaine et de réagir avant et pendant un contact physique. Generative Bionics a annoncé un premier cas d'usage industriel via une collaboration avec le chantier naval italien Fincantieri, ciblant des opérations en environnement de construction navale. L'entreprise a aussi choisi d'ouvrir le modèle du robot en open source, en le distribuant sur PyPI, conda-forge et la plateforme officielle de build ROS, permettant une installation via une simple commande pip, conda ou ROS pour l'intégrer aux environnements de simulation ou de robotique existants. Daniele Pucci, PDG de l'entreprise, présente Gene.01 comme une plateforme scalable et personnalisable, et non comme un humanoïde universel. Cette approche répond à un problème concret du secteur: l'apprentissage par démonstration vidéo ne capture pas la force nécessaire pour manipuler un objet, par exemple pour une préhension précise. En intégrant des capteurs de force à l'ensemble du corps, Generative Bionics affirme pouvoir enseigner aux robots non seulement des trajectoires de mouvement mais aussi l'intensité physique requise, un axe que d'autres plateformes VLA comme Pi-0 ou GR00T N2 abordent surtout via la vision. Pour les intégrateurs et décideurs industriels, l'enjeu est de savoir si cette sensorisation tactile complète permet réellement de dépasser l'écart classique entre démonstration en laboratoire et déploiement en usine, un doute qui reste légitime tant que le partenariat avec Fincantieri n'a pas produit de résultats vérifiables sur le terrain. La stratégie d'ouverture du modèle logiciel, elle, vise à construire un écosystème de développeurs autour du matériel avant même la commercialisation à grande échelle, une tactique différente de celle de Figure ou de Tesla, qui gardent leurs plateformes fermées. Gene.01 est conçu comme la base d'une famille de robots spécialisés par secteur: pour chaque application, Generative Bionics prévoit d'adapter l'IA à la tâche visée, l'apparence extérieure au contexte d'exploitation, et les effecteurs terminaux, mains ou pieds, selon le déploiement. L'objectif affiché est de fabriquer une plateforme unique à grande échelle puis de la décliner commercialement dans plusieurs verticales industrielles, une logique proche de celle poursuivie par Figure avec le Figure 03 ou par Tesla avec Optimus Gen 3. Le marché des humanoïdes industriels reste toutefois dominé par des annonces et des pilotes plus que par des déploiements massifs vérifiés, et la collaboration avec Fincantieri sur les chantiers navals constitue pour l'instant le seul engagement concret cité par l'entreprise, sans calendrier précis de mise en production communiqué à ce stade.

UEGenerative Bionics, entreprise deep tech européenne, annonce un premier cas d'usage industriel via un partenariat avec le chantier naval italien Fincantieri, ce qui constitue un déploiement concret pour l'écosystème robotique européen.

FR/EU ecosystemeActu
1 source
Le Fil selon un robot social : enrichir le dialogue humain-robot avec des modèles vision-langage
32arXiv cs.RO 

Le Fil selon un robot social : enrichir le dialogue humain-robot avec des modèles vision-langage

Selon un article publié sur arXiv (2607.16318v1, juillet 2026), une équipe de recherche a testé l'intégration d'un modèle de langage visuel (VLM) sur un robot social Pepper, produit historiquement développé par Aldebaran puis SoftBank Robotics. Le système combine un modèle de langage de Mistral AI avec des capacités de perception visuelle, permettant au robot d'observer non seulement les paroles de son interlocuteur mais aussi son comportement et le contexte de la scène pendant un dialogue humain-robot. Les chercheurs ont mesuré l'impact de cet ajout d'information visuelle sur le temps de réponse du robot, en comparant plusieurs configurations de modèles. Résultat principal: l'ajout du contexte visuel n'augmente que modérément la latence de réponse, tout en enrichissant significativement la compréhension de la situation par le robot, notamment sur les éléments non verbaux de l'échange. Cette expérimentation touche à un problème central pour les robots sociaux déployés en environnement réel, à l'accueil, en médiation ou en assistance: comprendre les codes sociaux implicites sans que l'utilisateur ait à tout formuler explicitement. C'est aussi un signal pour les intégrateurs et décideurs européens: le choix d'un modèle Mistral AI, hébergé en Europe, permet de respecter le RGPD sans dépendre de fournisseurs américains ou chinois, un argument de poids pour des déploiements dans des administrations, hôpitaux ou établissements publics soumis à des contraintes réglementaires strictes. L'étude reste toutefois à un stade préliminaire, avec un nombre limité d'interactions testées, loin d'une validation à grande échelle. Le choix de Pepper, robot social lancé il y a plus d'une décennie et longtemps utilisé dans la recherche en interaction humain-robot, s'inscrit dans la continuité des travaux sur l'intelligence conversationnelle embarquée. Face à des architectures VLA plus orientées manipulation physique comme GR00T N2 ou Helix, cette approche cible spécifiquement le dialogue social et la compréhension contextuelle plutôt que l'action motrice. Le recours à Mistral AI illustre aussi la montée en puissance d'une offre souveraine européenne en IA, alternative crédible à OpenAI ou Google dans des cas d'usage sensibles aux données. Les auteurs annoncent vouloir approfondir ces travaux avec des scénarios d'interaction plus complexes.

UEL'utilisation d'un modèle Mistral AI héberge en Europe pour ce robot social illustre une alternative souveraine conforme au RGPD, pertinente pour des déploiements dans les administrations et hôpitaux français et européens.

FR/EU ecosystemePaper
1 source
Coherence Guard : Palm Garden AI développe une couche décisionnelle relationnelle pour les robots interagissant avec les humains
33The Robot Report 

Coherence Guard : Palm Garden AI développe une couche décisionnelle relationnelle pour les robots interagissant avec les humains

Palm Garden AI, entreprise basée en Allemagne et en Thaïlande, développe Coherence Guard, une couche logicielle décrite comme « agnostique de plateforme » destinée aux robots en interaction directe avec des humains. Selon Joachim Scheuerer, PDG de l'entreprise, ce module ne remplace ni la perception, ni la planification de mouvement, ni l'apprentissage par renforcement, ni les piles de contrôle robotique existantes. Il s'insère plutôt comme une couche d'évaluation pré-action : avant qu'un robot exécute un geste, Coherence Guard évalue si l'action est « relationnellement cohérente » dans un environnement humain réel, en tenant compte du timing, de la proximité, des demandes de limites, du ton émotionnel, de la préservation de la confiance et du retrait respectueux. Le système s'appuie sur l'infrastructure comportementale ANATTA 9 de Palm Garden, bâtie sur le système d'exploitation cloud Transwarp (TCOS), et se positionne au-dessus ou à côté des piles de contrôle robotique classiques (SDK/API, ROS 2, planification, modèles du monde). Baptisé Relational Infrastructure Framework (RIF), ce cadre ajoute une compréhension des rôles, intentions, vulnérabilités et conséquences futures possibles, là où les modèles du monde physique se limitent aux objets, à l'espace et au mouvement. Le RIF est disponible sur demande auprès de Palm Garden AI. À mesure que les robots humanoïdes et robots de service se dirigent vers l'hospitalité, les soins, le commerce de détail, l'éducation, le guidage et le domicile, la gestion des interactions sociales devient un enjeu aussi critique que la mobilité ou la manipulation. Palm Garden AI parie que cette couche relationnelle deviendra une catégorie d'infrastructure nécessaire, au même titre que la perception ou la planification de trajectoire. Pour les intégrateurs et décideurs B2B, l'annonce pointe un angle mort du secteur : la plupart des piles robotiques actuelles savent naviguer, parler et exécuter des tâches, mais ne savent pas juger si un geste techniquement possible est socialement approprié, par exemple continuer une tâche alors qu'une personne exprime un malaise. Ce type de défaillance, plus subtil qu'une panne technique, peut pourtant déterminer l'acceptabilité sociale d'un robot en environnement réel et donc sa commercialisation effective. Reste que Coherence Guard, comme beaucoup d'annonces du secteur, en est au stade du cadre logiciel disponible sur demande plutôt que du produit déployé à grande échelle : aucun chiffre de déploiement, aucun partenaire robotique nommé, aucun benchmark quantitatif indépendant n'accompagne l'annonce, ce qui invite à la prudence sur la portée réelle de la technologie à ce stade. Le concept trouve son origine dans l'expérience de Palm Garden Retreat, un établissement en Thaïlande où l'équipe a observé pendant trois ans des situations d'interaction humaine structurées : arrivée, orientation, silence, vulnérabilité, construction de confiance, malentendu et retrait respectueux. Scheuerer cite comme « benchmark » simple le retrait respectueux : si une personne montre un signe d'inconfort ou demande de l'espace, le robot doit interrompre sa tâche, reconnaître le signal, augmenter la distance si nécessaire, réduire son intensité expressive et revenir à un état neutre. Ces comportements de base couvrent aussi l'accueil et l'orientation, la présence de soutien, l'assistance non intrusive, l'escalade en cas d'incertitude élevée et l'explication préservant la cohérence. Palm Garden AI se positionne ainsi sur un segment encore peu occupé, distinct des efforts des grands acteurs de la robotique humanoïde (Figure, Tesla avec Optimus, ou les modèles VLA comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure), qui se concentrent d'abord sur la manipulation et la mobilité générale. Aucun calendrier de déploiement pilote ni partenaire intégrateur n'a été communiqué à ce stade ; l'entreprise indique seulement que le RIF est accessible sur demande.

UEPalm Garden AI, entreprise basée en Allemagne, développe cette couche logicielle relationnelle, renforçant l'écosystème européen sur un segment encore peu occupé de l'interaction homme-robot.

FR/EU ecosystemeActu
1 source
Monumental obtient de nouveaux fonds pour déployer ses robots de construction aux États-Unis
34Robotics Business Review 

Monumental obtient de nouveaux fonds pour déployer ses robots de construction aux États-Unis

Monumental, entreprise néerlandaise basée à Amsterdam et spécialisée dans la robotique et les logiciels de construction, a annoncé cette semaine une levée de fonds de 32 millions de dollars en Series B, menée par Khosla Ventures avec la participation de Hummingbird, Plural et d'autres investisseurs. Le co-fondateur et PDG Salar al Khafaji a précisé au Robot Report que ces fonds serviront à recruter des ingénieurs hardware et software, à lancer l'entreprise aux Etats-Unis dès cette année, à augmenter le nombre de robots déployés en Europe, et à élargir les tâches de construction couvertes au-delà de la pose de briques. Les robots électriques et autonomes de Monumental utilisent capteurs, vision par ordinateur et bras grutiers pour poser briques et mortier avec une précision millimétrique, le tout piloté par Atrium, la plateforme logicielle propriétaire de l'entreprise. Ils peuvent aussi manipuler des outils additionnels, comme l'insertion de tirants muraux ou le jointoiement. A ce jour, les robots de Monumental ont construit les murs de plus de 100 logements aux Pays-Bas et au Royaume-Uni, ainsi que ceux d'une école, d'un centre communautaire, d'un hôtel et de murs de canaux. Le modèle économique de Monumental, qui facture des murs finis plutôt que la location de robots, transfère le risque financier et technique vers l'entreprise elle-même plutôt que vers les entrepreneurs du bâtiment, ce qui facilite l'adoption sans investissement en capital de leur part. Cette approche répond directement à une pénurie de main-d'oeuvre massive aux Etats-Unis, où il manque chaque mois entre 200 000 et 400 000 ouvriers du bâtiment, et où 2,2 millions de travailleurs supplémentaires seraient nécessaires d'ici trois ans pour répondre à la demande de logements. Pour les décideurs du secteur, cette levée confirme qu'un modèle de robotique de construction en subcontracting, avec des humains toujours présents pour la supervision, la maintenance et les interventions imprévues, peut passer du stade pilote à un déploiement commercial réel sur plus de 100 chantiers, loin des simples démonstrations. L'expansion américaine constitue toutefois un défi différent de l'Europe: le marché y est plus fragmenté, avec des codes du bâtiment, des structures de main-d'oeuvre et des pratiques de construction qui varient d'un Etat à l'autre. Al Khafaji affirme que l'approche logicielle de Monumental, déjà éprouvée face à la diversité des pratiques européennes, permettra d'adapter les déploiements aux méthodes locales. Les investisseurs, selon l'entreprise, ont été convaincus avant tout par ces résultats opérationnels concrets plutôt que par la seule promesse technologique, la Series A ayant servi à valider que le concept fonctionnait réellement sur le terrain.

UEMonumental, entreprise néerlandaise basée à Amsterdam, démontre la viabilité commerciale d'un modèle de robotique de construction en subcontracting déjà déployé sur plus de 100 chantiers aux Pays-Bas et au Royaume-Uni, avant son expansion vers les Etats-Unis.

FR/EU ecosystemeActu
Aussi surRobotics & Automation News
Robotique : les véritables gagnants seront-ils les fournisseurs de composants ?
35Robot Magazine FR 

Robotique : les véritables gagnants seront-ils les fournisseurs de composants ?

Pendant que les projecteurs se braquent sur Tesla, Figure AI, Unitree ou Agility Robotics, une note d'analyse de Morgan Stanley déplace le regard vers les fournisseurs de composants qui équiperont ces machines, quel que soit le vainqueur de la course aux humanoïdes. Son argument central repose sur les roulements de précision : un drone en embarque plusieurs, un robot industriel classique plusieurs dizaines, et un robot humanoïde avancé peut en intégrer plus de 70, répartis dans les épaules, coudes, poignets, hanches, genoux, chevilles et actionneurs des mains. À cette liste s'ajoutent les réducteurs harmoniques, les actionneurs électromécaniques, les moteurs couple, les vis à billes, les encodeurs absolus, les capteurs de force et de couple, les caméras industrielles et les semi-conducteurs spécialisés pour l'IA embarquée, autant de briques technologiques difficilement substituables. La note cite plusieurs industriels européens déjà positionnés sur ce segment : SKF, Schaeffler, THK Europe, Bosch Rexroth et SEW-Eurodrive, tous dotés d'une expertise reconnue en mécanique de précision. Pour les intégrateurs et les décideurs industriels, cette lecture déplace le centre de gravité de la valeur. Plutôt que de parier sur tel constructeur de robot humanoïde, dont la viabilité commerciale reste incertaine, l'analyse invite à regarder les fournisseurs dont les pièces équiperont l'ensemble du marché, indépendamment de l'issue de la compétition entre marques. L'analogie avec les vendeurs de pelles de la ruée vers l'or, ou avec NVIDIA, TSMC et ASML dans la vague IA, reprend une thèse d'investissement classique : dans une phase de compétition ouverte entre nombreux acteurs finaux, ce sont souvent les fournisseurs d'infrastructures qui captent une valeur récurrente et moins risquée. Plus les robots gagnent en dextérité, mains et poignets multi-axes en tête, plus la densité de composants de haute précision par machine augmente, ce qui suggère un marché de composants croissant plus vite, et de façon plus prévisible, que celui des robots finis eux-mêmes. Cette lecture s'inscrit dans un débat plus large sur la souveraineté industrielle européenne. Les tensions récentes sur les semi-conducteurs ont déjà montré les risques d'une dépendance excessive envers un nombre restreint de fournisseurs étrangers pour des composants jugés stratégiques. Dans la robotique, le même schéma pourrait se reproduire : roulements, réducteurs et actionneurs sont indispensables mais restent largement absents des radars politiques, à l'inverse des robots eux-mêmes qui concentrent l'attention médiatique et les annonces spectaculaires. Le maintien d'une base industrielle dans ces composants, portée par des groupes déjà implantés comme SKF ou Schaeffler, est présenté comme un levier de compétitivité pour l'Europe face à la croissance attendue des marchés de la robotique industrielle, logistique, médicale et humanoïde dans la décennie à venir. Reste à voir si ces acteurs traditionnels sauront monter en cadence assez vite pour répondre à des spécifications inédites, notamment pour les mains et poignets multi-DOF des humanoïdes.

UEPlusieurs industriels européens (SKF, Schaeffler, THK Europe, Bosch Rexroth, SEW-Eurodrive) sont déjà positionnes sur le marche des composants de précision pour humanoïdes, ce qui soulève un enjeu de souveraineté industrielle pour l'UE face a la dépendance aux fournisseurs étrangers.

FR/EU ecosystemeOpinion
1 source
Marinarium : une installation expérimentale modulaire pour la robotique de terrain maritime et analogue-spatiale reproductible
36arXiv cs.RO 

Marinarium : une installation expérimentale modulaire pour la robotique de terrain maritime et analogue-spatiale reproductible

Marinarium est une installation expérimentale modulaire dédiée à la robotique de terrain maritime et aux analogues spatiaux, présentée dans un article déposé sur arXiv (2602.23053v2, version corrigée). L'infrastructure combine un volume opérationnel sous-marin et aérien entièrement instrumenté, un système de capture de mouvement (MoCap), un toit rétractable permettant un fonctionnement à l'abri ou en plein air, un jumeau numérique implémenté via SMaRCSim, et une intégration directe avec un laboratoire de robotique spatiale planaire. Cette dernière connexion permet de mener des expérimentations à la fois maritimes et d'analogie spatiale sous-marine au sein d'une même installation. Les auteurs valident les capacités de Marinarium à travers quatre études représentatives : l'identification de système pilotée par les données pour la dynamique de véhicules sous-marins, un rendez-vous robotique hétérogène multi-domaine, un transfert sim-to-real pour la robotique sous-marine reposant sur des résidus de dynamique appris, et une validation croisée de l'autonomie de véhicules spatiaux à l'aide de substituts sous-marins. L'enjeu affiché par les auteurs est de combler un vide méthodologique persistant entre la simulation à faible coût mais peu fidèle et l'expérimentation offshore, coûteuse et difficile à reproduire. Les bassins instrumentés existants n'offrent généralement qu'un capteur limité, des capacités expérimentales restreintes et une intégration faible avec les outils de simulation. En proposant un banc d'essai intermédiaire reproductible, Marinarium s'adresse directement aux équipes de recherche en robotique de terrain qui doivent aujourd'hui choisir entre des simulations peu représentatives et des campagnes en mer onéreuses. Le recours à des substituts sous-marins pour valider de l'autonomie spatiale illustre aussi une piste économique pour tester des comportements normalement réservés à des essais orbitaux ou lunaires coûteux. Le nom SMaRCSim renvoie au Swedish Maritime Robotics Centre, dont les outils de simulation servent de jumeau numérique à l'installation, suggérant une origine académique suédoise pour ce projet. L'article ne précise pas de partenaires industriels ni de calendrier de déploiement commercial : il s'agit d'une infrastructure de recherche destinée à la communauté scientifique, positionnée comme complément aux bassins d'essai existants plutôt que comme concurrent direct des grandes installations offshore. Les quatre études servent de preuve de concept plutôt que de démonstration à l'échelle industrielle.

UECette installation de recherche suédoise (SMaRC) renforce les capacités européennes en robotique de terrain maritime et en analogues spatiaux, sans impact direct sur la France ni sur une régulation européenne.

FR/EU ecosystemeActu
1 source
Compréhension sémantique du contrôle du corps entier de l'humanoïde par l'audio, en dynamique
37arXiv cs.RO 

Compréhension sémantique du contrôle du corps entier de l'humanoïde par l'audio, en dynamique

Une équipe du Lab Rococo de l'université Sapienza de Rome a publié le 17 juillet 2026 sur arXiv (2607.14182) un système d'orchestration multimodale permettant à un robot humanoïde de choisir et d'exécuter en temps réel des mouvements en réaction à un flux audio continu, sans script préétabli. Le framework distingue deux branches de traitement : la musique, analysée par empreinte audio et embeddings sémantiques pour identifier un morceau et synchroniser temporellement les mouvements avec ses segments, et la parole, ancrée dans une bibliothèque discrète de compétences apprises par imitation pour permettre une interaction directe humain-robot. Les deux flux passent par une interface unifiée qui ordonnance l'exécution des compétences au sein d'un pipeline de contrôle par renforcement. L'approche a été validée en simulation puis transférée sur un humanoïde Unitree G1, avec des résultats montrant un transfert sim-to-real robuste et une sélection de politique cohérente selon le contenu audio. L'intérêt de ces travaux tient moins à la performance spectaculaire qu'à la nature du problème adressé : la plupart des démonstrations de robots humanoïdes dansant ou réagissant à la musique reposent aujourd'hui sur des séquences chorégraphiées à l'avance et déclenchées manuellement, ce qui limite fortement leur autonomie réelle face à un environnement dynamique. En conditionnant la sélection de compétences motrices sur une compréhension sémantique du signal audio plutôt que sur un déclenchement externe, cette recherche s'inscrit dans la tendance plus large des politiques de contrôle vision-langage-action cherchant à rapprocher la réactivité perceptive des robots de celle d'un humain, un axe scruté de près par les intégrateurs et laboratoires travaillant sur l'autonomie des humanoïdes plutôt que sur la simple téléopération ou le scriptage. Le choix du Unitree G1 comme plateforme d'expérimentation illustre son rôle de standard de facto pour la recherche académique en contrôle humanoïde, grâce à son prix contenu comparé aux plateformes de Boston Dynamics ou Figure. Il s'agit ici d'un travail de recherche publié avec matériel supplémentaire en ligne, non d'un produit commercialisé ; les auteurs ne communiquent pas de calendrier de déploiement au-delà de la validation en laboratoire présentée dans l'article.

UECe travail de recherche académique est mène par le Lab Rococo de l'université Sapienza de Rome (Italie), un acteur européen, mais reste une publication de laboratoire sans déploiement commercial ni impact réglementaire annonce en France ou en UE.

FR/EU ecosystemeOpinion
1 source
Apprentissage de compétences avant/arrière à partir d'une seule démonstration inachevée pour tâches de manipulation contraintes
38arXiv cs.RO 

Apprentissage de compétences avant/arrière à partir d'une seule démonstration inachevée pour tâches de manipulation contraintes

Chercheurs de l'Automation and Control Institute (ACIN) de la TU Wien publient un nouveau framework d'apprentissage par démonstration (LfD) pour les tâches de manipulation en contact, dans un article arXiv daté du 16 juillet 2026 (arXiv:2607.13882v1). Contrairement aux méthodes existantes qui exigent plusieurs démonstrations complètes, leur système apprend à la fois l'exécution avant et arrière d'une compétence à partir d'une seule démonstration, potentiellement inachevée. La méthode découpe chaque démonstration en phases sans contact et en phases de contact : les premières sont encodées via des primitives de mouvement dynamiques (DMP), les secondes représentées comme une séquence de primitives de mouvement vissé (screw motion primitives), segmentées grâce à un algorithme de segmentation par direction de torsion géométrique conçu par les auteurs. À l'exécution, ces primitives sont enchaînées sous correction de pose et régulation de vitesse pilotées par admittance, ce qui permet au robot d'aller au-delà de la trajectoire démontrée et de rejouer la tâche à l'envers sans données supplémentaires. Les tests portent sur quatre tâches : insertion de tige (peg insertion), insertion de batterie, ouverture de serrure et vissage. L'enjeu est la réduction drastique du coût d'apprentissage pour les tâches contraintes géométriquement, un point faible connu du LfD classique, qui peine sur les interactions riches en contact et en force. En ne nécessitant qu'une démonstration, même incomplète, la méthode limite le travail de téléopération ou de capture de données habituellement requis pour entraîner un robot industriel à des gestes d'assemblage précis. La capacité d'exécution inverse sans réapprentissage est particulièrement utile pour les cycles assemblage/désassemblage, un besoin fréquent en ligne de production. Les auteurs rapportent des taux de succès et une robustesse supérieurs aux baselines de segmentation et d'apprentissage de trajectoire en un coup, ce qui positionne l'approche comme une alternative crédible pour les intégrateurs cherchant à automatiser des tâches de préhension fine sans multiplier les démonstrations. Le travail s'inscrit dans la lignée des recherches sur les primitives de mouvement (DMP) et la modélisation par torseurs cinématiques pour la robotique de contact, un champ actif face aux limites des approches purement basées trajectoire. Le site du projet (tuwien-asl.github.io/LfD-Screw) propose des démonstrations vidéo ; aucune date de publication de code ni de partenariat industriel n'est mentionnée à ce stade.

UELa recherche émane d'une université autrichienne (TU Wien, ACIN), renforçant l'écosystème européen de R&D en robotique de manipulation, sans partenariat industriel européen annonce a ce stade.

FR/EU ecosystemePaper
1 source
Pense quand c'est important : raisonnement VLM conditionnel pour la navigation sociale avec des politiques RL
39arXiv cs.RO 

Pense quand c'est important : raisonnement VLM conditionnel pour la navigation sociale avec des politiques RL

Le laboratoire à l'origine de ce papier arXiv (référence 2607.10991v1) présente HUMA, une architecture hybride de navigation sociale pour robots mobiles qui combine une politique d'apprentissage par renforcement (RL) avec un modèle vision-langage (VLM). Le principe : la politique RL, rapide et réactive, gère les déplacements courants à faible densité humaine, tandis qu'un VLM post-entraîné prend le relais uniquement quand une personne entre dans la zone de proximité sensible du robot. Évalué sur les benchmarks Social-MP3D et Social-HM3D, HUMA améliore le taux de réussite des tâches de 20% et 3% respectivement par rapport aux meilleures méthodes existantes, tout en réduisant significativement les violations d'espace personnel et les collisions avec des humains. Le système a aussi été testé en conditions réelles sur le robot mobile Mirokaï, conçu par la start-up française Enchanted Tools. Cette approche répond à un compromis central dans la navigation sociale robotique : les politiques RL sont rapides mais peinent à généraliser à des scénarios sociaux complexes, tandis que les VLM offrent un raisonnement sémantique plus fin mais restent trop lents pour un déploiement temps réel. En activant le VLM seulement de façon conditionnelle, HUMA évite l'écueil du tout-VLM (latence, coût de calcul) sans sacrifier la finesse de compréhension sociale dans les moments qui comptent le plus, c'est-à-dire l'interaction rapprochée avec des humains. Pour les intégrateurs et décideurs déployant des robots de service en environnement partagé (hôpitaux, bureaux, commerces), cela suggère une voie concrète pour rendre les VLM exploitables en production sans réécrire toute la pile de contrôle. Le travail s'inscrit dans la tendance récente consistant à substituer ou hybrider les VLM aux politiques RL classiques pour améliorer le raisonnement sémantique en navigation, une piste explorée notamment par des architectures VLA comme Pi-0 ou GR00T N2 dans d'autres contextes robotiques. Les auteurs ont mené des études d'ablation détaillées pour valider chaque composant architectural, et la démonstration sur Mirokaï, robot déployé par Enchanted Tools, ancre l'approche au-delà de la simulation, dans un cas d'usage réel de robot d'accueil et d'assistance en environnement humain.

UELa validation en conditions réelles de HUMA sur le robot Mirokaï, conçu par la start-up française Enchanted Tools, ancre cette avancée de recherche en navigation sociale dans un produit robotique européen déployé en environnement humain.

FR/EU ecosystemePaper
1 source
Bin picking de précision à faible coût grâce à l'estimation de pose 6D : Pickalo
40arXiv cs.RO 

Bin picking de précision à faible coût grâce à l'estimation de pose 6D : Pickalo

Cette recherche, publiée sur arXiv (version 2, article de remplacement) par une équipe rattachée au laboratoire MESH de l'IIT (Istituto Italiano di Tecnologia), présente Pickalo, un pipeline de bin picking basé sur l'estimation de pose 6D et conçu entièrement à partir de matériel bas coût. Une caméra RGB-D montée au poignet explore activement la scène sous plusieurs points de vue, tandis que les flux stéréo bruts sont traités par BridgeDepth pour produire des cartes de profondeur affinées, nécessaires à un raisonnement fiable sur les collisions. Les instances d'objets sont segmentées par un modèle Mask-RCNN entraîné uniquement sur des données synthétiques photoréalistes, puis localisées grâce à l'estimateur de pose zero-shot SAM-6D. Un module de "pose buffer" fusionne les observations multi-vues dans le temps, gère les symétries d'objets et réduit fortement le bruit de pose. Hors ligne, le système génère et sélectionne de larges ensembles de candidats de préhension antipodale par objet ; en ligne, un classement par utilité couplé à une vérification rapide des collisions alimente la planification de préhension. Déployé sur un bras UR5e équipé d'une pince parallèle et d'une caméra Intel RealSense D435i, Pickalo atteint jusqu'à 600 prises par heure avec un taux de réussite de 96 à 99%, et maintient des performances stables sur des sessions de 30 minutes dans des euro-bacs densément remplis. L'intérêt de ces résultats tient moins à la performance brute qu'à l'absence de capteurs 3D industriels coûteux, habituellement jugés indispensables pour gérer l'encombrement et les occlusions en bin picking réel. En combinant une caméra grand public, un entraînement purement synthétique et un estimateur de pose zero-shot, l'équipe montre qu'un pipeline VLA-adjacent peut tenir la cadence attendue en logistique et en manufacturing sans matériel spécialisé, un signal utile pour les intégrateurs et décideurs industriels qui cherchent à réduire le coût d'entrée des cellules de picking robotisées. Les études d'ablation confirment que l'affinement de la profondeur et le module de fusion multi-vues sont les deux leviers déterminants pour la stabilité et le débit en conditions réalistes, plutôt qu'un simple gain marginal. Le bin picking en environnement encombré reste un problème ouvert malgré des années de progrès en vision 3D et en planification de préhension, la plupart des systèmes commerciaux s'appuyant sur des capteurs structurés ou des caméras industrielles onéreuses. Pickalo s'inscrit dans une tendance récente combinant modèles de segmentation zero-shot et estimateurs de pose génériques comme SAM-6D pour s'affranchir de ce matériel dédié. Les auteurs annoncent des vidéos de démonstration sur leur page projet, mais ne précisent pas de calendrier de transfert industriel ni de partenaire de déploiement au-delà du cadre de recherche universitaire.

UERecherche menée par le laboratoire MESH de l'IIT en Italie, un signal positif pour la recherche robotique européenne en manipulation bas cout, mais sans partenaire industriel ni calendrier de transfert annonce.

FR/EU ecosystemePaper
1 source
Robotique fiable en ROS 2 : correction des échecs d'outillage dans iG-LIO pour l'odométrie LiDAR-inertielle GICP incrémentale
41arXiv cs.RO 

Robotique fiable en ROS 2 : correction des échecs d'outillage dans iG-LIO pour l'odométrie LiDAR-inertielle GICP incrémentale

Un rapport technique publié sur arXiv (2607.09947v1) documente un portage ROS 2 Jazzy d'iG-LIO, système d'odométrie LiDAR-inertielle à couplage fort combinant generalized-ICP et contraintes point-to-plane dans un filtre de Kalman à état d'erreur itéré, appliqué sur une carte voxel incrémentale. L'équipe, rattachée au laboratoire Forestry Robotics de l'Université de Coimbra (Portugal), a migré l'implémentation originale ROS 1 sans toucher aux mathématiques d'estimation, mais le code, bien que compilant et s'exécutant normalement, divergeait avec des valeurs internes NaN. Le diagnostic a identifié deux causes purement liées à la chaîne d'outils ROS 2 : une incompatibilité de Quality-of-Service qui supprime et réordonne silencieusement les échantillons IMU, et un accumulateur de réduction parallèle non initialisé provenant de la combinaison oneTBB et Eigen livrée avec les distributions ROS 2 récentes. L'équipe a aussi corrigé le parsing des champs de points Ouster pour les nouvelles révisions de capteurs, ajouté le support du Velodyne Velarray M1600, proposé une voie Livox CustomMsg ainsi qu'un chemin sans pilote dédié pour les capteurs Livox publiant du PointCloud2 standard comme le Mid-360, et exposé la configuration via YAML. La validation a été menée sur un Ouster OS0 Rev7, un OS1 Rev7 et un Livox MID-360. Le code est disponible sur GitHub (Forestry-Robotics-UC/ig_lio, branche ros2-jazzy). L'intérêt de ce travail dépasse le simple portage : il documente un mode de défaillance silencieux et particulièrement traître pour quiconque migre un système d'odométrie ou de SLAM de ROS 1 vers ROS 2. Une divergence numérique de ce type, provoquée par la chaîne d'outils et non par l'algorithme, peut passer inaperçue lors de tests superficiels puisque le programme continue de tourner sans planter. Pour les intégrateurs travaillant sur des robots mobiles, drones ou véhicules forestiers/agricoles dépendant de fusion LiDAR-inertielle, ce rapport constitue un signal d'alerte méthodologique sur les risques de migration ROS 2 et un cas documenté de debugging reproductible, plutôt qu'une innovation algorithmique. iG-LIO s'inscrit dans la lignée des systèmes d'odométrie LiDAR-inertielle tels que FAST-LIO ou LIO-SAM, désormais largement utilisés en robotique de terrain. Les auteurs précisent explicitement que ce rapport sert de référence citable pour le portage lui-même, sans revendication sur l'algorithme sous-jacent publié séparément. Le support multi-capteurs ajouté (Ouster, Velodyne, Livox Mid-360) suggère un usage visé en environnements forestiers et extérieurs, cohérent avec l'affiliation du laboratoire.

UECe correctif ROS 2, produit par le laboratoire Forestry Robotics de l'Université de Coimbra (Portugal), est directement réutilisable par les intégrateurs européens de robotique forestière, agricole ou mobile s'appuyant sur une fusion LiDAR-inertielle.

FR/EU ecosystemeActu
1 source
Mistral AI lance Robostral Navigate
42Robot Magazine FR 

Mistral AI lance Robostral Navigate

Reformuler ce communiqué en article journalistique neutre, en signalant que les chiffres proviennent uniquement de la communication Mistral, sans donnée sim-to-real indépendante. --- Mistral AI a présenté Robostral Navigate, un modèle de navigation robotique construit selon une architecture Vision-Language-Action : une caméra RGB classique et des instructions en langage naturel remplacent la combinaison habituelle LiDAR, caméras de profondeur, centrale inertielle et cartographie SLAM. Le modèle compte 8 milliards de paramètres, une taille pensée pour tourner sur des plateformes embarquées à ressources limitées plutôt que sur des clusters distants. Selon Mistral, l'entraînement s'est appuyé sur près de 400 000 trajectoires générées dans plus de 6 000 environnements simulés, couvrant bureaux, entrepôts, usines et logements. En fonctionnement, le pipeline doit interpréter le flux vidéo, comprendre la consigne, localiser la cible, planifier une trajectoire, éviter les obstacles fixes et mobiles, et corriger sa position en continu, l'ensemble devant tenir dans un budget de quelques dizaines de millisecondes par cycle de décision. L'intérêt pour les fabricants de robots mobiles tient d'abord au coût : une caméra RGB se chiffre en dizaines d'euros contre plusieurs centaines, voire milliers d'euros pour un LiDAR industriel, ce qui allège aussi bien la facture matérielle que l'intégration logicielle. Sur le fond, Robostral Navigate teste à l'échelle de la navigation pure une hypothèse déjà explorée côté manipulation par les modèles VLA : qu'un système entraîné majoritairement en simulation puisse généraliser à des environnements réels variés sans empiler les capteurs. C'est une promesse à vérifier plutôt qu'un résultat acquis, les chiffres de 400 000 trajectoires et 6 000 environnements provenant uniquement de la communication de Mistral, sans benchmark tiers ni donnée publiée sur l'écart sim-to-real en conditions réelles. Pour les intégrateurs et décideurs industriels, la question qui reste ouverte est celle de la robustesse hors simulation, dans des lieux encombrés, mal éclairés ou changeants. Mistral AI, jusque-là identifiée aux grands modèles de langage (Mistral Large, Mixtral) et positionnée comme l'alternative européenne face à OpenAI et Google, franchit ici son premier pas affiché vers la Physical AI, terrain déjà occupé par NVIDIA avec GR00T N2, Figure AI avec Helix, ou Physical Intelligence avec Pi-0. L'entreprise française n'a pas communiqué de calendrier de déploiement industriel ni de partenariat matériel identifié à ce stade ; Robostral Navigate reste, en l'état des informations disponibles, une annonce de capacité logicielle plutôt qu'un produit livré ou testé en flotte réelle.

UEMistral AI, entreprise française et alternative européenne aux géants américains de l'IA, franchit son premier pas vers la robotique physique, ce qui renforce le positionnement technologique de la France et de l'UE face aux acteurs américains et chinois du secteur.

FR/EU ecosystemeActu
1 source
STMicroelectronics acquiert une participation dans Oversonic Robotics, développeur de robots humanoïdes
43Robotics & Automation News 

STMicroelectronics acquiert une participation dans Oversonic Robotics, développeur de robots humanoïdes

Oversonic Robotics, entreprise italienne spécialisée en robotique cognitive, annonce l'entrée à son capital de STMicroelectronics, de la Fondazione ENEA Tech Biomedical et du fonds SpotInvest. L'opération vise à accélérer le développement industriel, technologique et international de la société, créatrice de RoBee, présenté par l'entreprise comme le premier robot humanoïde cognitif certifié conçu pour opérer en environnements complexes. Le montant de l'investissement n'a pas été communiqué, et le communiqué reste flou sur les modalités précises de déploiement industriel prévues. Cette opération est révélatrice d'un mouvement plus large: les fabricants de semi-conducteurs cherchent désormais une exposition directe à la robotique humanoïde, au-delà des seuls contrats de fourniture de puces et capteurs. Pour STMicroelectronics, entrer au capital d'un fabricant de robot plutôt que de rester simple fournisseur de composants traduit une volonté de s'ancrer plus profondément dans la chaîne de valeur émergente des humanoïdes industriels. Pour les intégrateurs et décideurs B2B européens, ce soutien à un acteur italien constitue aussi un signal: face à la concurrence américaine (Figure AI, Tesla avec Optimus) et chinoise sur ce segment, l'Europe cherche à consolider ses propres champions, aux côtés d'autres initiatives comme le français Wandercraft. Oversonic Robotics développe RoBee depuis plusieurs années comme plateforme destinée à des tâches industrielles complexes, revendiquant une certification distinguant son robot des simples démonstrateurs. L'arrivée de ces nouveaux actionnaires, combinant un géant des semi-conducteurs, une fondation liée à la recherche biomédicale et un fonds d'investissement, doit permettre à l'entreprise de passer d'un stade de développement à une phase de commercialisation et de déploiements industriels plus larges, sans que le calendrier précis de ces prochaines étapes ait été détaillé pour l'instant.

UESTMicroelectronics, groupe franco-italien avec des sites de production en France, prend une participation directe dans un fabricant européen de robots humanoïdes, renforçant l'écosystème industriel européen face a la concurrence américaine et chinoise.

FR/EU ecosystemeActu
1 source
DemoBridge : une boîte à outils de simulation en boucle pour le retargeting de démonstrations humaines en vue unique
44arXiv cs.RO 

DemoBridge : une boîte à outils de simulation en boucle pour le retargeting de démonstrations humaines en vue unique

Une équipe de l'université KU Leuven (Belgique) publie DemoBridge, un outil qui transforme un enregistrement vidéo unique, en stéréo RGB, d'une démonstration manuelle humaine en une trajectoire de bras robotique exécutable et validée par simulation physique. Décrit dans un preprint arXiv daté du 13 juillet 2026 (arXiv:2607.09519), le système repose sur un planificateur unique conscient des collisions qui optimise la trajectoire articulaire complète en une seule passe, en tenant compte simultanément des poses de préhension alternatives, des collisions du bras et de l'objet saisi, et de la fidélité au geste démontré. Un simulateur physique tourne en boucle pendant la génération, valide chaque phase et revient en arrière en cas d'échec plutôt que d'abandonner la démonstration : le geste est replanifié, pas jeté. Le timing de la prise est déduit automatiquement, et les modules de perception, le modèle de robot et les étapes du pipeline sont interchangeables par configuration. L'équipe a testé l'ensemble du pipeline sur trois tâches réelles et évalué le planificateur seul sur un benchmark synthétique contrôlé. Le code est disponible sur le GitLab de KU Leuven. L'enjeu visé est le fossé d'incarnation ("embodiment gap") : un bras robotique, avec ses longs segments articulés, occupe bien plus de volume de collision qu'une main humaine, si bien que la cinématique inverse appliquée telle quelle à une pose de préhension démontrée n'a souvent aucune solution sans collision. Ce verrou freine l'apprentissage par démonstration à bas coût, où une simple vidéo caméra unique remplacerait la téléopération coûteuse utilisée pour collecter des données d'entraînement de modèles vision-langage-action comme Pi-0 ou GR00T N2. En doublant chaque démonstration retargetée d'un rollout de simulation exploitable pour l'apprentissage de politiques, DemoBridge s'inscrit directement dans la course à des données de manipulation moins chères à générer. Il s'agit d'un travail académique préliminaire, non d'un produit commercialisé : l'évaluation reste limitée à trois tâches réelles et un benchmark synthétique, sans déploiement industriel annoncé. Le choix d'une vue unique plutôt qu'un rig multi-caméras vise justement l'accessibilité, un axe que suivent aussi des laboratoires concurrents cherchant à réduire le coût de collecte de données d'imitation face aux approches par téléopération dominantes chez les acteurs américains du secteur.

UEUne équipe universitaire belge (KU Leuven) publie en open-source un outil de retargeting de démonstrations, réduisant potentiellement le coût de collecte de données d'apprentissage par imitation pour les laboratoires robotiques européens.

FR/EU ecosystemePaper
1 source
Robot humanoïde industriel français : apprentissage accéléré grâce aux démonstrations humaines
45Interesting Engineering 

Robot humanoïde industriel français : apprentissage accéléré grâce aux démonstrations humaines

La startup française UMA a dévoilé le design de son premier robot humanoïde alimenté par IA lors du Machina Summit à Paris. L'engin affiche des proportions à taille humaine, une visière neutre en guise de visage plutôt qu'un visage anthropomorphe, et des articulations mécaniques volontairement visibles. UMA vise en priorité les usines, les entrepôts et les centres logistiques, avec un usage domestique envisagé à terme, et fait de l'Europe son premier marché de déploiement. La société a présenté en parallèle son architecture "Real-Time Learning", un système d'IA qui permet au robot d'apprendre de nouvelles tâches par démonstration humaine plutôt que par programmation manuelle : il observe une tâche, s'entraîne, s'adapte aux conditions changeantes et améliore ses performances avec l'expérience. Aucune spécification technique détaillée (charge utile, degrés de liberté, temps de cycle) n'a été communiquée à ce stade. "Les robots humanoïdes mettront des années à atteindre un déploiement à grande échelle, tout comme Internet et les smartphones ont eu besoin de temps avant de transformer des industries entières", a déclaré Rémi Cadène, PDG et cofondateur d'UMA. L'annonce intervient peu après le dévoilement par l'américain Weave Robotics de son robot domestique Isaac 1, capable de ranger une pièce ou faire la lessive avec assistance humaine à distance. Pour les intégrateurs et décideurs industriels, ce pari sur l'apprentissage par démonstration illustre un basculement plus large du secteur : remplacer la programmation tâche par tâche par des modèles capables de généraliser, la même logique que poursuivent les architectures VLA (vision-language-action) de Physical Intelligence ou de NVIDIA. Si la promesse tient, elle réduirait le temps et le coût d'intégration d'un robot dans une chaîne existante, un frein majeur à l'adoption des humanoïdes en usine. Il faut toutefois noter qu'UMA n'a pour l'instant montré qu'un design et un concept d'architecture, sans vidéo de démonstration ni métrique de performance vérifiable : il s'agit d'une annonce de positionnement, pas d'un produit livré ni d'un déploiement réel. Le choix explicite d'une visière neutre plutôt qu'un visage humain, et l'exposition volontaire des articulations, traduit une volonté de se démarquer des démonstrations spectaculaires façon Tesla Optimus ou Figure, au profit d'un discours centré sur la fiabilité industrielle de long terme plutôt que sur l'effet de démonstration publique. UMA a été cofondée par Rémi Cadène, connu pour avoir dirigé le projet LeRobot chez Hugging Face, une bibliothèque open-source d'apprentissage par imitation qui a contribué à démocratiser l'entraînement de robots par démonstration, un héritage direct dans l'architecture Real-Time Learning présentée aujourd'hui. La startup entre sur un marché déjà occupé par les géants américains (Tesla avec Optimus, Figure et son modèle Helix, Physical Intelligence avec Pi-0) et chinois (Unitree, UBTech), ainsi que par des humanoïdes grand public comme Isaac 1 de Weave Robotics. Face à cette concurrence, UMA mise sur l'écosystème industriel et de recherche européen ainsi que sur la pénurie de main-d'œuvre du continent pour justifier son positionnement. Aucun calendrier précis de commercialisation ni de pilotes clients n'a été communiqué au-delà de cette présentation du design, ce qui laisse ouverte la question du délai entre ce concept et un déploiement industriel effectif.

UEUMA est une startup française qui fait de l'Europe son premier marché de déploiement pour un robot humanoïde industriel, renforçant l'écosystème robotique franco-européen face à la concurrence américaine et chinoise.

FR/EU ecosystemeOpinion
1 source
Course à l'IA physique : l'Europe peut-elle rivaliser avec la Chine et les États-Unis en robotique humanoïde ?
46SCMP Tech 

Course à l'IA physique : l'Europe peut-elle rivaliser avec la Chine et les États-Unis en robotique humanoïde ?

The article text you pasted cuts off mid-sentence after "said David Kehr, president...", I only have the headline and the opening lines, not the actual facts (numbers, deployment sites, competitor positioning, etc.) needed to write the 3-paragraph piece per your brief. Can you paste the full article text? I don't want to fabricate the concrete details (payload, DOF, cycle times, dates, company names) the brief specifically calls for, that would go against the "decoder, pas relayer" posture and the accuracy requirement.

FR/EU ecosystemeOpinion
1 source
Qu’est-ce qu’un AMR ?
47Robot Magazine FR 

Qu’est-ce qu’un AMR ?

Exotec a déployé ses robots Skypod chez Decathlon dans plusieurs centres logistiques européens, avec des résultats chiffrés notables. Au Portugal, la capacité de préparation de commandes est passée de 57 000 à 114 000 commandes traitées, tandis que le nombre de magasins approvisionnés depuis ce site a bondi de 41 à 73. Au Royaume-Uni, la distance parcourue quotidiennement par les préparateurs est tombée sous le kilomètre, contre plus de 10 kilomètres avant l'automatisation, et le taux d'erreur de préparation a été divisé par deux. En parallèle, Amazon a présenté en 2026 une nouvelle génération de son AMR Proteus, désormais capable d'interpréter des consignes en langage naturel grâce à l'IA, une évolution qui vise à faire planifier au robot lui-même ses missions et ses itinéraires plutôt que de simplement suivre des ordres de déplacement. Ces AMR (Autonomous Mobile Robots) se distinguent des AGV classiques par leur usage de lidars, caméras et algorithmes SLAM pour cartographier leur environnement en temps réel, sans infrastructure au sol. Le marché mondial est estimé à plus de 5 milliards de dollars dès 2026, avec une croissance annuelle de 14 à 20 % selon les cabinets d'études. Ces chiffres comptent parce qu'ils déplacent le débat du concept vers l'exploitation industrielle à grande échelle. Le doublement de capacité chez Decathlon et la baisse mécanique de la pénibilité au Royaume-Uni ne sont pas des projections marketing mais des résultats opérationnels mesurés sur plusieurs sites, ce qui donne aux intégrateurs et décideurs B2B un argumentaire de ROI concret plutôt qu'une promesse de laboratoire. Pour Amazon, l'ajout du langage naturel sur Proteus marque une bascule : l'AMR ne se contente plus d'exécuter un plan de navigation figé, il devient un agent capable de recevoir des instructions de haut niveau et d'arbitrer ses priorités, ce qui rapproche la logistique mobile des architectures VLA vues côté robotique humanoïde. Cela confirme aussi que la pénurie de main-d'œuvre dans la logistique reste le moteur principal d'adoption, davantage que la seule quête de vitesse. Cette bascule s'inscrit dans une transition plus large, celle de l'AGV vers l'AMR. Les AGV historiques suivaient des bandes magnétiques ou des QR codes au sol et s'arrêtaient net face au moindre obstacle, contraignant les entrepôts à figer leur agencement. Les AMR s'affranchissent de cette rigidité grâce à la cartographie temps réel, réduisant les coûts d'installation et permettant de reconfigurer un site sans toucher aux infrastructures. Exotec, acteur français, s'impose ainsi comme un concurrent direct des solutions américaines et asiatiques sur ce segment, aux côtés d'Amazon Robotics et d'autres fournisseurs d'AMR pour l'e-commerce, l'automobile ou le secteur hospitalier. La prochaine étape attendue est la généralisation des capacités de planification autonome façon Proteus à d'autres flottes commerciales, ainsi que l'extension de ces déploiements vers des environnements moins structurés que l'entrepôt classique.

UEExotec, entreprise française, démontre des gains opérationnels mesurés (capacité doublée, pénibilité réduite) sur des sites européens chez Decathlon, renforçant sa position face aux acteurs américains et asiatiques du marché des AMR.

FR/EU ecosystemeOpinion
1 source
RoboCup2026 : la ligue humanoïde, jour 2
48Robohub 

RoboCup2026 : la ligue humanoïde, jour 2

La deuxième journée de la RoboCup 2026 s'est achevée sur une nouvelle série de matchs dans la ligue de football humanoïde, avec 17 pays représentés cette année, de la Colombie a la Malaisie en passant par l'Allemagne et l'Australie. La Chine reste le pays le plus présent avec 15 équipes reparties sur les trois divisions (petite, moyenne et grande taille). La journée de la veille a connu le premier carton rouge de la compétition: un robot, déjà averti de deux cartons jaunes pour des tacles dangereux, a été exclu du terrain pour des raisons de sécurité. Cote gabarits, le robot ALICE 4 de l'équipe HERoEHS (Coree du Sud) est le plus lourd et le plus grand du plateau, avec 48 kg pour 1,60 m, devant le Z4 bipède de BigHeroX (37 kg). Plusieurs équipes alignent le Unitree G1, plateforme de 35 kg devenue une base commune. A l'oppose, le robot Chape de l'équipe brésilienne ITAndroids est le plus léger et le plus petit du tournoi, avec seulement 3,8 kg pour 53 cm. Ces chiffres illustrent la maturité grandissante du football humanoïde comme banc d'essai pour la robotique bipède: coexistence de plateformes commerciales standardisées comme le Unitree G1 et de robots conçus sur mesure, allant du quasi-jouet a des machines proches de la taille humaine. L'apparition d'un carton rouge pour tacle dangereux souligne aussi que les organisateurs traitent désormais la sécurité physique entre robots comme un enjeu de règle sportive a part entière, signe que les comportements dynamiques et les contacts deviennent suffisamment réalistes pour poser un risque concret. Pour les équipes de recherche et les intégrateurs qui suivent ces compétitions comme indicateur de l'état de l'art en locomotion et en prise de décision autonome, la densité du plateau (17 pays, dominance chinoise) confirme aussi l'internationalisation rapide du secteur. Avec les tours de qualification presque termines, les compétitions se resserrent. En petite division, CAU Mountain&Sea (China Agricultural University) reste seule invaincue après quatre matchs, 12 points, un seul but concède, devant Hamburg Bit-Bots et GeoHBots. En division moyenne, B-Human domine avec quatre victoires et une différence de buts de +35, suivie par un groupe de quatre équipes a neuf points: HTWK Robots, Rhoban, whIRLwind Amsterdam et THMOS. En grande division, Tsinghua Hephaestus reste la seule équipe parfaite avec neuf points, devant PCMS-HRG et Robo-Erectus. Douze équipes par division se qualifieront pour les phases finales, dont les quarts de finale se disputeront des le lendemain soir.

UEL'équipe française Rhoban figure parmi les équipes de tête de la division moyenne, aux cotes d'équipes allemandes et néerlandaises, illustrant la vitalité de la recherche européenne en robotique bipède lors de cette compétition internationale.

FR/EU ecosystemePaper
1 source
MACHINA 2026 : Paris veut devenir la capitale européenne de la Physical AI
49Robot Magazine FR 

MACHINA 2026 : Paris veut devenir la capitale européenne de la Physical AI

Paris accueille le 7 juillet 2026 la première édition de MACHINA, sommet dédié à la Physical AI organisé à Station F, la veille du RAISE Summit. Les organisateurs annoncent une liste d'intervenants dense pour un événement européen sur la robotique : Jim Fan (directeur recherche Physical AI chez NVIDIA), Marc Raibert (fondateur de Boston Dynamics, aujourd'hui directeur exécutif du RAI Institute), Carolina Parada (robotique chez Google DeepMind), Jeff Cardenas (CEO d'Apptronik), Bernt Børnich (fondateur de 1X), Jonathan Hurst (cofondateur d'Agility Robotics), David Reger (fondateur de NEURA Robotics), Abhinav Gupta (président de Skild AI), Thomas Wolf (Chief Science Officer de Hugging Face), Laura Modiano (OpenAI) et Péter Fankhauser (CEO d'ANYbotics). Le sommet ne se limite pas à des vitrines de machines : il couvre modèles de fondation, simulation, infrastructure de calcul et déploiement industriel, soit l'ensemble de la chaîne qui va du modèle VLA au robot physique. Cette concentration de dirigeants issus de NVIDIA, Google DeepMind, OpenAI, Boston Dynamics et des principaux acteurs humanoïdes américains (Apptronik, Agility Robotics, 1X) sur un événement parisien signale un repositionnement : la Physical AI cherche désormais des relais de visibilité en dehors des États-Unis et de l'Asie. Pour les intégrateurs et décideurs industriels européens, MACHINA offre un accès rare à des interlocuteurs habituellement présents sur les scènes de la Silicon Valley. L'angle retenu, la convergence entre IA générative, simulation et robotique plutôt que la seule performance mécanique, reflète un basculement du secteur où le logiciel et les modèles de fondation pèsent désormais autant que le hardware dans la course humanoïde. Cet événement s'inscrit dans la suite logique de trois années centrées sur les assistants conversationnels et les modèles génératifs, dont les avancées en vision par ordinateur et en simulation commencent à irriguer la robotique. Sur le plan concurrentiel, les États-Unis alignent Apptronik, Agility Robotics et Boston Dynamics, tandis que l'Asie conserve son avance industrielle historique ; l'Europe mise sur des acteurs comme l'allemand NEURA Robotics ou le suisse ANYbotics pour exister dans cette nouvelle vague. La proximité immédiate avec le RAISE Summit, organisé le lendemain, dessine une séquence parisienne pensée pour capter à la fois investisseurs et chercheurs sur une même semaine, un pari sur la capacité de la France à s'imposer comme point de passage européen de la Physical AI plutôt que comme simple spectatrice d'une course menée depuis San Francisco et Shenzhen.

UEL'événement se tient à Paris (Station F) et vise à positionner la France comme plaque tournante européenne de la Physical AI, offrant aux intégrateurs et décideurs industriels français et européens un accès direct à des dirigeants majeurs du secteur (NVIDIA, Google DeepMind, OpenAI, Boston Dynamics) ainsi qu'à des acteurs européens comme NEURA Robotics et ANYbotics.

FR/EU ecosystemeOpinion
1 source
Voir et Bifurquer : branchement par vision pour la programmation interactive de compétences robotiques
50arXiv cs.RO 

Voir et Bifurquer : branchement par vision pour la programmation interactive de compétences robotiques

Une équipe du CIIRC (Czech Institute of Informatics, Robotics and Cybernetics, Prague) publie sur arXiv un framework appelé See & Switch, qui étend la programmation par démonstration (PbD) aux tâches robotiques conditionnelles basées sur la vision. Le système représente une tâche comme un graphe de segments de compétence reliés par des états de décision : lors de l'exécution, un module appelé Switcher analyse les images d'une caméra embarquée dans la main (eye-in-hand) pour sélectionner la branche à suivre ou signaler une situation inconnue nécessitant une nouvelle démonstration. En cas d'erreur ou de cas imprévu, l'opérateur peut intervenir via enseignement kinesthésique, joystick ou gestes manuels. Le système a été évalué sur trois tâches de manipulation dextère impliquant 8 utilisateurs novices, pour un total d'environ 900 séquences d'exécution sur robot réel. Les résultats mesurés sur des fenêtres temporelles définies par l'utilisateur atteignent 90,6 % de précision dans la sélection de branche, et une détection d'anomalies supérieure à 90 % dans 47 des 79 états de décision testés. Ces résultats sont pertinents pour les intégrateurs industriels qui cherchent à déployer la PbD dans des environnements variables sans passer par la programmation explicite de chaque variante. Le principal verrou du secteur est que les systèmes PbD classiques supposent un environnement fixe : un changement de disposition, d'orientation de pièce ou de contexte casse le programme. See & Switch traite ce problème au niveau du graphe de tâche plutôt qu'au niveau du modèle de perception, ce qui le rend modulaire et extensible sans réentraîner un réseau complet. La nuance importante : les performances de branchement sont évaluées en mode offline sur des fenêtres déjà identifiées, ce qui isole le classificateur visuel des erreurs de timing réelles, les chiffres de 90 % ne reflètent donc pas directement la robustesse end-to-end en déploiement non supervisé. La PbD a connu un regain d'intérêt fort depuis 2022 avec les approches VLA (Vision-Language-Action) portées par des systèmes comme Pi-0 (Physical Intelligence), OpenVLA ou ACT (Action Chunking with Transformers). See & Switch se positionne différemment : il n'utilise pas de grand modèle pré-entraîné mais une architecture légère et interprétable, orientée vers l'enseignement interactif sur site par du personnel non expert. Les travaux proviennent du groupe ImitRob au CIIRC, qui publie régulièrement sur la PbD depuis plusieurs années. Le code et les données sont disponibles publiquement. La prochaine étape logique serait de coupler ce graphe de décision avec un backbone de perception plus robuste, ou de tester la scalabilité sur des cellules industrielles multi-postes.

UELe framework See & Switch, issu du groupe ImitRob au CIIRC de Prague (UE), est publié en open source et ne requiert pas de grand modèle pré-entraîné, ce qui le rend directement accessible aux intégrateurs industriels européens souhaitant déployer la programmation par démonstration dans des environnements variables sans expertise en deep learning.

FR/EU ecosystemePaper
1 source