Industriel — page 3

FANUC renforce l'intégration de ses robots avec NVIDIA Isaac Sim

FANUC a annoncé début mai 2026 un renforcement de l'intégration entre son logiciel de simulation ROBOGUIDE et le framework NVIDIA Isaac Sim, articulé autour de deux modes d'opération complémentaires. Dans le premier, Isaac Sim pilote l'interface utilisateur tandis que ROBOGUIDE tourne en arrière-plan pour garantir la fidélité des trajectoires : les opérateurs manipulent le robot en temps réel via un pupitre virtuel ou physique connecté à ROBOGUIDE, comme sur une machine réelle, avec possibilité d'enseigner des programmes et de vérifier les résultats directement dans l'environnement simulé. Le second mode intègre le moteur physique NVIDIA PhysX dans ROBOGUIDE, permettant de simuler des scénarios de bin picking avec des pièces en vrac modélisées par physique procédurale, associées au système de vision 3D de ROBOGUIDE pour les opérations pick-and-place. En parallèle, FANUC a présenté ce mois-ci un démonstrateur de pliage de T-shirts basé sur le modèle fondation GR00T N de NVIDIA, exécuté sur la plateforme embarquée Jetson Thor via apprentissage par imitation. La collaboration avait été démontrée pour la première fois à l'IREX de Tokyo en décembre 2025. L'enjeu industriel est double. La promesse d'éliminer le "sim-to-real gap" (l'écart de comportement entre robot simulé et robot réel) repose sur l'utilisation des mêmes algorithmes de contrôle dans les deux environnements ; si elle tient en production, cela réduirait significativement le temps de mise en service virtuelle (virtual commissioning), poste de coût majeur pour les intégrateurs industriels. La simulation de bin picking avec PhysX répond par ailleurs à un besoin concret : ce type de cellule nécessitait jusqu'ici de longs essais physiques avec de vraies pièces. Une réserve s'impose cependant : les vidéos de démonstration sont sélectionnées pour leur succès et ne permettent pas de conclure sur la robustesse à l'échelle avec des géométries complexes ou des conditions d'éclairage variables. L'intégration d'Isaac Lab pour l'apprentissage par renforcement et par imitation ouvre également la voie à la génération de politiques de contrôle sans programmation explicite, un gain de temps réel pour les petites séries. FANUC, fondé en 1972 à Oshino au Japon et premier fournisseur mondial de commandes numériques et de robots industriels avec plus de 900 000 unités installées, consolide ici un partenariat avec NVIDIA initié autour des plateformes Jetson et Omniverse. La concurrence directe est significative : ABB propose RobotStudio, KUKA son environnement KUKA.Sim, Universal Robots URSim, mais aucun n'affiche encore une intégration bi-directionnelle aussi étroite avec l'écosystème NVIDIA. Du côté des constructeurs d'humanoïdes (Figure, 1X, Agility Robotics), la simulation haute-fidélité est aussi un levier clé pour l'entraînement des modèles VLA (vision-language-action), segment que FANUC ne cible pas mais dont l'outillage converge vers les mêmes briques technologiques. Les prochaines étapes annoncées portent sur l'extension du support aux composants flexibles (câbles, textiles) et le déploiement commercial de la cellule de pliage basée sur GR00T N, dont les timelines n'ont pas encore été précisées.

Deep Robotics lance un robot hybride roues-pattes pour l'inspection industrielle et les interventions d'urgence

Deep Robotics, entreprise chinoise spécialisée en robotique mobile fondée en 2018 à Hangzhou, a annoncé le Lynx M20S, robot hybride à roues et pattes de nouvelle génération. Successeur direct du Lynx M20, ce modèle cible l'inspection industrielle en milieux contraints et les interventions d'urgence sur terrain accidenté. Selon le communiqué de lancement, les améliorations portent sur trois axes : capacité de charge utile (payload), niveau de protection mécanique et environnementale (indice IP non précisé dans l'annonce), et vitesse de déplacement. Les chiffres exacts de ces paramètres n'ont pas été publiés au moment du lancement, ce qui limite l'évaluation indépendante des performances annoncées. L'architecture roues-pattes répond à une contrainte réelle des déploiements industriels : naviguer efficacement sur sol plat (où les pattes seules sont lentes et énergivores) tout en franchissant obstacles et escaliers inaccessibles aux AMR classiques. Pour un intégrateur ou un COO industriel, ce type de plateforme réduit le besoin de préparer l'environnement (ramps, marquages au sol), ce qui abaisse les coûts d'intégration. Le positionnement sur l'urgence (emergency response) suggère également une résistance renforcée aux conditions extrêmes, bien que les certifications correspondantes ne soient pas encore confirmées publiquement. Deep Robotics a commercialisé le Lynx M20 dans plusieurs applications d'inspection pétrolière, minière et de centrales électriques, notamment en Chine et au Moyen-Orient. Sur ce segment hybride, les concurrents directs incluent ANYbotics (ANYmal D, basé en Suisse) et Boston Dynamics (Spot), ainsi que Unitree avec le B2-W. Les prochaines étapes attendues sont la publication de fiches techniques complètes et l'annonce de pilotes industriels, probablement à l'occasion de foires sectorielles comme CIROS ou IROS 2026.

Fanuc renforce son partenariat avec Nvidia pour la simulation de robots IA et les jumeaux numériques

Fanuc a approfondi son partenariat avec Nvidia en intégrant Isaac Sim, le framework ouvert de simulation robotique de Nvidia, directement dans RoboGuide, le logiciel de simulation et de programmation hors-ligne propriétaire de Fanuc. Cette interconnexion permet désormais aux opérateurs de piloter des robots Fanuc au sein d'environnements d'usine entièrement virtuels, et de générer des jumeaux numériques haute-fidélité exploitables pour la planification de production et la validation de trajectoires. La technologie a été présentée en démonstration lors de l'International Robot Exhibition (IRE) de Tokyo en décembre 2025, où Fanuc a montré un flux d'importation de mouvements robotiques entre les deux plateformes. L'enjeu industriel est significatif : RoboGuide est l'un des outils de programmation hors-ligne les plus déployés dans l'automatisation industrielle, Fanuc ayant franchi le cap des 900 000 robots installés à l'échelle mondiale. Connecter cet outil à Isaac Sim, qui s'appuie sur le moteur de simulation physique Omniverse d'Nvidia, réduit concrètement l'écart sim-to-real lors de la mise en service : les programmes validés en virtuel arrivent sur la cellule réelle avec moins de cycles d'ajustement. Pour un intégrateur ou un COO industriel, c'est une réduction directe des temps de commissioning et des risques de redémarrage en production. Fanuc intègre progressivement l'IA à son catalogue depuis plusieurs années, notamment via des modules de vision et d'inspection basés sur l'apprentissage profond. Nvidia, de son côté, multiplie les partenariats similaires avec Universal Robots, Boston Dynamics, Agility Robotics et Figure pour imposer Isaac Sim comme infrastructure standard de la robotique physique. Cette annonce est pour l'instant une démonstration technologique, pas un déploiement commercial confirmé ; les modalités de disponibilité pour les intégrateurs tiers n'ont pas été précisées.

Des quadrillages aux entrepôts : adapter la planification multi-agents légère en un coup pour les robots à guidage automatique

Une équipe de chercheurs a publié le 21 mai 2026 (arXiv:2605.15799) un nouveau cadre algorithmique baptisé MAWPF (Multi-Agent Warehouse Pathfinding), conçu pour adapter les méthodes classiques de planification multi-agents (MAPF) aux véhicules guidés automatisés (AGV) à transmission différentielle réellement déployés en entrepôt. Contrairement aux formulations MAPF standards qui supposent une grille 2D à quatre connexions avec des déplacements unitaires, MAWPF intègre quatre contraintes physiques réalistes : les agents ne peuvent effectuer que des mouvements rectilignes ou des rotations sur place, les rotations ont un coût multi-étapes (non unitaire), les phases d'accélération et de décélération sont modélisées explicitement, et les collisions par l'arrière entre robots suiveurs sont interdites. Les auteurs ont adapté et comparé quatre algorithmes sous-optimaux représentatifs issus de la littérature MAPF : PP (Prioritized Planning), LNS2 (Large Neighborhood Search 2), PIBT (Priority Inheritance with Backtracking) et LaCAM. Les benchmarks montrent que PP et LNS2 peinent à résoudre des instances à grand nombre d'agents, tandis que les approches basées sur PIBT offrent une meilleure scalabilité, au prix d'un coût de solution plus élevé. Ce travail comble un écart concret entre la recherche en planification combinatoire et les contraintes opérationnelles des entrepôts automatisés, où les AGV à transmission différentielle dominent le marché (flottes Locus Robotics, 6 River Systems, Exotec Skypod). Le fait que les rotations et la cinématique soient désormais intégrées dans le modèle de collision élimine une source fréquente d'échec au déploiement, le "sim-to-real gap" cinématique, sans abandonner la tractabilité de la recherche combinatoire discrète. Pour un intégrateur ou un COO, cela signifie que les algorithmes de planification peuvent être qualifiés sur des métriques proches du comportement réel des véhicules, réduisant les ajustements coûteux en production. Le MAPF classique, formalisé depuis les années 2010 avec des algorithmes comme CBS (Conflict-Based Search) et ses variantes, a longtemps été critiqué pour son manque de réalisme physique. Des travaux récents comme MAPF avec agents de taille variable ou avec contraintes temporelles ont ouvert cette direction, mais la cinématique différentielle restait peu traitée. Sur le plan concurrentiel, Amazon Robotics et Waymo Via investissent dans des approches d'optimisation de flotte propriétaires, tandis que des startups comme Exotec (France) ou Autostore misent sur des architectures matérielles contraintes qui simplifient le problème de planification. La prochaine étape naturelle serait l'extension à la planification lifecycle (avec objectifs de livraison dynamiques) et des tests sur des entrepôts physiques instrumentés, non encore annoncés par les auteurs.

FANUC et NVIDIA développent des robots au comportement identique en simulation et en réalité

FANUC, le géant japonais de la robotique industrielle, et NVIDIA ont annoncé en mai 2026 une extension significative de leur partenariat visant à éliminer l'écart entre simulation et déploiement réel en usine. L'intégration technique combine NVIDIA Isaac Sim avec le logiciel de simulation propriétaire de FANUC, ROBOGUIDE, pour créer des jumeaux numériques où les robots virtuels reproduisent exactement les mêmes trajectoires et temps de cycle que leurs homologues physiques, en s'appuyant sur des algorithmes de contrôle identiques. Deux modes de fonctionnement sont proposés : dans le premier, Isaac Sim orchestre l'environnement virtuel tandis que ROBOGUIDE synchronise les comportements en arrière-plan, avec support des pupitres de programmation physiques et virtuels. Dans le second, ROBOGUIDE prend la main pendant que le moteur physique PhysX de NVIDIA gère la simulation, notamment pour des tâches comme le bin picking, où le robot doit identifier et saisir des pièces empilées en vrac. En parallèle, FANUC a présenté un système bi-bras composé de deux robots collaboratifs CRX capables de plier des T-shirts en temps réel, entraînés par imitation learning via le modèle de fondation robotique Isaac GR00T N de NVIDIA. La plateforme Jetson Thor équipe désormais le robot d'évitement humain de FANUC, avec une puissance de calcul multipliée par 7,5 par rapport à l'ancienne génération Jetson AGX Orin. L'enjeu industriel est direct : le problème du sim-to-real gap coûte des semaines de recalibration sur site à chaque nouveau déploiement. Si FANUC et NVIDIA tiennent leur promesse d'une fidélité totale entre simulation et réalité, les intégrateurs pourraient valider des cellules complètes en virtuel avant même d'avoir commandé les équipements physiques, compressant drastiquement les timelines de mise en production. La démonstration du pliage de textile est également notable : les objets déformables restent l'un des angles morts historiques de la robotique industrielle, et un système capable de gérer le linge en temps réel avec retour visuel ouvre des perspectives concrètes pour la logistique e-commerce et le textile. Le chiffre de 7,5x de gain en calcul sur Jetson Thor est cohérent avec les besoins croissants des pipelines vision-action (VLA) embarqués. Il convient toutefois de noter que les démonstrations présentées, notamment le pliage de T-shirts, restent des prototypes de laboratoire : aucun déploiement en production à grande échelle n'est annoncé à ce stade. FANUC avait une première fois montré cette intégration Isaac Sim / ROBOGUIDE à l'International Robot Exhibition de Tokyo fin 2024, mais la version actuelle approfondit substantiellement la communication entre les deux systèmes. FANUC, avec plus de 700 000 robots installés dans le monde, est l'un des rares acteurs à pouvoir valider ce type d'approche à l'échelle industrielle réelle plutôt qu'en conditions de laboratoire. Sur le terrain concurrentiel, cette initiative s'inscrit dans une course directe avec ABB et son partenariat Isaac Sim, ainsi qu'avec KUKA et Universal Robots qui développent leurs propres pipelines de simulation physique. NVIDIA, de son côté, consolide Isaac comme couche d'abstraction standard pour la simulation robotique industrielle, une position stratégique face à des alternatives open-source comme Gazebo ou MuJoCo. Les technologies seront présentées en conditions réelles lors de l'Open House FANUC prévu en mai 2026, premier test public de la robustesse de l'intégration hors cadre contrôlé.

Les commandes de robots en Amérique du Nord stagnent en début d'année 2026

Au premier trimestre 2026, les entreprises nord-américaines ont commandé 9 055 robots pour une valeur totale de 543 millions de dollars, selon les données publiées par l'Association for Advancing Automation (A3). En comparaison avec le premier trimestre 2025, le volume d'unités commandées reste quasi stable (-0,1 %), mais le chiffre d'affaires associé recule de 6,4 %. Le principal facteur explicatif est la chute brutale des commandes des constructeurs automobiles (OEM) : -35,1 % en unités et -48,2 % en revenus sur un an. Ce secteur, par son poids structurel dans le marché robotique nord-américain, a tiré l'ensemble des indicateurs agrégés vers le bas malgré une dynamique globalement positive dans le reste de l'industrie. La lecture sectorielle révèle en effet une réalité bien plus nuancée que les chiffres globaux ne le laissent paraître. Hors constructeurs automobiles, la demande progresse sur presque tous les segments : les équipementiers automobiles (tier 1 et 2) ont augmenté leurs commandes de 28,1 % en unités, avec un décalage cyclique habituel par rapport aux OEM. Les sciences de la vie, pharmaceutique et biomédical affichent la plus forte croissance en valeur (+70,2 % en revenus, +54,1 % en unités), suivis par les semi-conducteurs et l'électronique (+79,2 % revenus, +31,7 % unités), le plastique et le caoutchouc (+32,6 % revenus, +25,2 % unités) et l'agroalimentaire (+16,3 % revenus, +16,0 % unités). Ces chiffres signalent une diversification structurelle de la demande en automatisation, portée par des pressions convergentes : pénuries de main-d'oeuvre, exigences qualité, résilience des chaînes d'approvisionnement et compétitivité internationale. Pour les intégrateurs et les décideurs industriels, ce rééquilibrage sectoriel représente une opportunité commerciale concrète au-delà du seul marché automobile. Le segment des cobots (robots collaboratifs à force et puissance limitées) constitue le fait marquant de ce trimestre. Avec 1 637 unités commandées pour 69,8 millions de dollars, soit +55,6 % en unités et +78,2 % en revenus sur un an, les cobots représentent désormais 18,1 % de l'ensemble des robots commandés et 12,9 % des revenus totaux. Leur adoption est particulièrement forte en sciences de la vie (60,7 % des commandes robotiques du secteur) et en semi-conducteurs/électronique (45,9 %). Ce dynamisme s'inscrit dans une tendance de fond observée depuis plusieurs trimestres : le marché robotique nord-américain sort progressivement de sa dépendance historique à l'automobile pour s'orienter vers des déploiements plus flexibles, adaptés à des environnements moins standardisés. Les principaux fournisseurs de cobots actifs sur ce marché incluent Universal Robots (filiale de Teradyne), FANUC, KUKA et ABB, avec une concurrence croissante de fabricants asiatiques. L'A3 anticipe que cette diversification continuera de soutenir la santé long terme du marché, même si les prochains trimestres resteront sous l'influence des cycles d'investissement automobile, traditionnellement longs et concentrés.

Vendredi vidéo : des engins de chantier lourds fonctionnent de façon autonome

Cette semaine dans le panorama robotique publié par IEEE Spectrum, la démonstration la plus concrète provient d'ETH Zurich, qui présente la première solution d'autonomisation complète déployée sur un engin de manutention de matériaux industriels de 40 tonnes en conditions réelles, un manipulateur hydraulique équipé d'une pince libre sous-actionnée traditionnellement opéré par un conducteur humain dans les secteurs des déchets, de la construction et de la démolition. La Norwegian University of Science and Technology (NTNU) a publié en open-source son Unified Autonomy Stack, une architecture de navigation combinant LiDAR, radar, vision et centrale inertielle pour robots aériens et terrestres à pattes, validée en environnements GNSS-dégradés ; le système intègre raisonnement visio-langagier, planification multi-comportements et couches de sécurité par fonctions de barrière de contrôle. En parallèle, Figure AI a diffusé une vidéo de rangement de chambre sans préciser le modèle de robot utilisé ni les conditions de tournage. Unitree a présenté un véhicule civil habité transformable pesant environ 500 kg avec conducteur à bord. La startup Lumos a annoncé NIX, un robot humanoïde orienté danse urbaine et IA incarnée, disponible gratuitement pour des partenaires sélectionnés parmi des universités, laboratoires de robotique et technologues créatifs. L'autonomisation d'engins lourds présente un ratio effort/impact plus favorable à court terme que le déploiement humanoïde grand public : les machines de 40 tonnes opèrent sur des cycles répétitifs en environnements semi-structurés, rendant la tâche plus tractable pour les systèmes actuels. L'intégration réalisée par ETH Zurich est notable parce qu'elle s'appuie sur un engin existant, sans reconstruire une nouvelle plateforme dédiée. L'open-sourcing du stack NTNU répond à un verrou réel : la navigation robuste sans GPS reste un frein majeur pour les déploiements en intérieur industriel ou en zones isolées. Sur les humanoïdes, l'éditorial d'IEEE Spectrum formule explicitement une mise en garde contre les revendications de "niveau humain" sur des tâches de manipulation : les humains sont structurellement très performants dans ce type de travail, et les évaluer correctement exige des benchmarks rigoureux, un rappel pertinent pour les décideurs B2B qui instruisent des pilotes. Rodney Brooks, cofondateur et CTO de Robust.AI, classé 44e au Forbes 250 America's Greatest Innovators, s'est exprimé sur les défis structurels de l'innovation robotique et la signification de la vague IA actuelle pour le secteur, soulignant que la difficulté fondamentale reste l'intégration fiable en monde ouvert. Agility Robotics, dont le bipède Cassie est évoqué comme référence historique de la recherche en locomotion, poursuit sa trajectoire vers son humanoïde Digit. Du côté de la recherche fondamentale, la méthode EFGCL (reinforcement learning guidé par forces assistives) démontre des mouvements dynamiques, sauts, backflips et vrilles latérales, sur robots à pattes, une direction qui alimente les futures plateformes de loco-manipulation. L'University of Southern California explore pour sa part l'utilisation de robots à pattes pour la récolte légumière en contexte agricole réel, un cas d'usage concret dont les performances à l'échelle restent à documenter.

Cirtronics va évoquer la fabrication de robots humanoïdes à grande échelle au Robotics Summit

Cirtronics, sous-traitant américain spécialisé dans la fabrication de systèmes électroniques complexes pour la robotique, prendra part au Robotics Summit & Expo 2026 les 27 et 28 mai au Thomas M. Menino Convention & Exhibition Center de Boston. L'entreprise, certifiée ISO 9001, ISO 13485, enregistrée auprès de la FDA et conforme ITAR, sponsorisera et animera un panel intitulé "Robotics Commercialization: Beyond the Breakthrough", prévu le 27 mai à 11h30 ET en salle 253 ABC. La table ronde réunira Jennifer Apicella, directrice exécutive du Pittsburgh Robotics Network (modératrice), Dave Petrosky, PDG de RedZone Robotics, le Dr. David Galati, CTO de Titan Robotics, et le Dr. John G. Blitch, président de Blitz Solutions LLC. Les thèmes abordés incluront le passage du prototype à la production, la résilience de la chaîne d'approvisionnement, le développement accéléré par l'IA physique, les contraintes réglementaires, et les leviers d'adoption par les utilisateurs finaux. Ce panel pointe un blocage structurel que le secteur robotique ne peut plus ignorer : la capacité à industrialiser les innovations. La robotique humanoïde et les systèmes autonomes accumulent les démos convaincantes, mais la chaîne entre prototype validé et unités livrables à grande échelle reste le vrai goulot d'étranglement pour les intégrateurs et les décideurs industriels. La question du manufacturing readiness, de la sourcing stratégique et de la qualification des composants en contexte de production réelle est centrale pour tout acteur qui cherche à deployer au-delà des pilotes. Ce panel ne présente pas de produit nouveau ni de déploiement concret, c'est une discussion de praticiens sur des défis opérationnels bien réels, ce qui lui confère une valeur différente des annonces produit habituelles du secteur. Cirtronics, basé dans la région de Boston, opère depuis plusieurs décennies dans la fabrication pour des secteurs exigeants : défense, médical, industriel, sécurité. Sa participation au Robotics Summit s'inscrit dans un positionnement de fournisseur de capacité de production pour les startups et scale-ups robotiques qui externalisent leur manufacturing. Le Robotics Summit & Expo, organisé par The Robot Report et WTWH Media, rassemble cette année plus de 70 intervenants confirmés issus de Tesla, Toyota Research Institute, PickNik Robotics, Robust AI, Fictiv, Harmonic Drive et maxon, répartis en plus de 50 sessions couvrant l'IA, le design, la santé et la logistique. L'événement est co-localisé avec DeviceTalks Boston, dédié aux dispositifs médicaux. Cirtronics sera également présent au stand 513 pour des échanges sur la stratégie de commercialisation et la production locale aux États-Unis.

Robot Talk, épisode 156 : des robots robustes pour missions dangereuses, avec Gavin Kenneally

Ghost Robotics, startup fondée à Philadelphie par Gavin Kenneally et ses associés, spécialisée dans les robots quadrupèdes à usage défense, sécurité et sécurité publique, s'est exprimée dans le podcast Robot Talk (épisode 156). Kenneally, PhD en ingénierie mécanique de l'Université de Pennsylvanie et auteur de six publications académiques, a notamment piloté la conception mécanique de la Vision 60 Q-UGV (Quadruped Unmanned Ground Vehicle), plateforme phare de la société. Cet entretien porte sur le déploiement de robots quadrupèdes dans des environnements dégradés et à risque, là où les robots à roues ou les drones aériens atteignent leurs limites opérationnelles. L'intérêt de ce positionnement pour les intégrateurs B2B et les donneurs d'ordres militaires est direct : la locomotion quadrupède permet de franchir des obstacles, gravir des escaliers, et opérer sur terrain accidenté sans infrastructure dédiée. Ghost Robotics cible explicitement les missions de surveillance périmétrique, d'inspection en zone dangereuse et d'appui aux forces de sécurité, des cas d'usage où la téléopération ou l'autonomie partielle réduit l'exposition humaine. Le sujet illustre la transition progressive du quadrupède, passé de démonstrateur académique à outil opérationnel documenté. Ghost Robotics a émergé des laboratoires GRASP de l'Université de Pennsylvanie au milieu des années 2010, dans le sillage des travaux fondateurs sur la locomotion à pattes. La société se positionne directement en compétition avec Boston Dynamics (Spot), ANYbotics (ANYmal) et, sur le segment défense, avec Unitree et des acteurs issus du marché MOTS américain. Les prochaines étapes probables incluent l'extension des capacités de charge utile, l'intégration de capteurs ISR (intelligence, surveillance, reconnaissance) et le déploiement élargi auprès d'agences gouvernementales.

HECTOR : coordination et supervision hiérarchiques de flottes robotiques centrées sur l'humain pour tâches temporelles continues

Une équipe de chercheurs a publié sur arXiv (référence 2604.10892v2) HECTOR, un cadre de coordination et de supervision hiérarchique centré sur l'opérateur humain pour la gestion de flottes robotiques à grande échelle. Le système repose sur trois couches imbriquées : un protocole d'interaction bidirectionnel et multimodal entre l'opérateur et la flotte entière, un mécanisme d'affectation glissante des tâches connues à des sous-équipes sur un horizon temporel défini, et un module de coordination dynamique intra-équipe déclenchée en temps réel lors de l'exécution. Les tâches supportées sont formulées en logique temporelle, ce qui permet d'exprimer des missions collaboratives complexes et continues, y compris dans des environnements partiellement inconnus ou changeants. Les évaluations reposent sur des simulations human-in-the-loop avec des flottes hétérogènes soumises à diverses configurations d'incertitude environnementale, sans déploiement physique rapporté à ce stade. Ce travail répond à un angle mort récurrent dans la littérature sur la coordination multi-robots : la plupart des architectures existantes supposent soit une autonomie totale, soit un contrôle direct robot par robot, deux extrêmes peu praticables en environnement industriel réel. HECTOR propose explicitement des points d'entrée pour que l'opérateur puisse ajouter des tâches, en annuler, modifier les priorités ou corriger les résultats de planification à la volée, sans remettre en cause la cohérence globale de la mission. Cette granularité d'intervention configurable est un atout concret pour les intégrateurs de flottes AMR en logistique, surveillance ou recherche et secours, où les imprévus terrain sont la norme. La structure hiérarchique réduit également la charge de calcul en isolant les décisions selon leur portée temporelle et spatiale. Le domaine de la coordination multi-agents sous contraintes temporelles est actif depuis plusieurs années, avec des travaux fondateurs sur les automates de tâches et la logique LTL appliquée à la robotique. HECTOR s'inscrit dans cette lignée en y ajoutant une couche d'interaction humaine formalisée, un aspect souvent traité de façon ad hoc dans les prototypes de recherche. Parmi les acteurs du secteur, des entreprises comme Exotec (France), Locus Robotics ou 6 River Systems gèrent déjà des flottes de plusieurs centaines d'AMR, mais leurs interfaces de supervision restent largement propriétaires et empiriques. La formalisation proposée par HECTOR pourrait alimenter les prochaines générations d'outils de fleet management, à condition de franchir l'étape de la validation sur matériel réel, que les auteurs n'ont pas encore annoncée.

GreyOrange lance un simulateur d'entrepôt par IA pour modéliser les performances et les coûts de l'automatisation

GreyOrange a lancé GreyMatter Foundry, une plateforme de simulation d'entrepôts destinée aux opérateurs logistiques souhaitant modéliser des déploiements d'automatisation avant tout engagement sur site. L'outil regroupe dans un environnement unique la conception des flux d'entrepôt, la planification des layouts et le dimensionnement des systèmes d'automatisation. Il supporte la modélisation de flottes hétérogènes de robots, permettant ainsi d'estimer les coûts opérationnels et de prédire les performances système en amont de l'implémentation physique. Aucun chiffre précis sur les temps de cycle, les volumes traités ou les tarifs de la plateforme n'a été communiqué lors de cette annonce. Pour les intégrateurs et les directeurs logistiques, ce type d'outil répond à un problème récurrent : les déploiements d'AMR (autonomous mobile robots) en environnement réel génèrent des coûts d'ajustement post-installation significatifs lorsque le dimensionnement initial est mal calibré. Un simulateur intégré au même écosystème logiciel que l'orchestration des robots réduit théoriquement le gap entre conception et exploitation, à condition que les modèles physiques sous-jacents soient suffisamment fidèles, ce que GreyOrange n'a pas encore documenté publiquement. GreyOrange, fondée en 2011 et dont le siège est à Atlanta, s'est imposée dans la logistique automatisée via sa suite GreyMatter d'orchestration multi-robots et ses robots Ranger. La société concurrence des acteurs comme Symbotic, Locus Robotics, et, dans l'espace simulation, des plateformes spécialisées comme Anylogic ou les outils intégrés de Dematic. GreyMatter Foundry s'inscrit dans une tendance plus large du secteur à proposer des jumeaux numériques pré-déploiement, une approche que Honeywell Intelligrated et KION Group ont également développée ces deux dernières années.

Vention étend sa plateforme convoyeur avec un système d'automatisation de fin de ligne intégré

Vention, plateforme canadienne d'automatisation industrielle basée à Montréal, a annoncé l'extension de son écosystème convoyeurs pour couvrir l'automatisation complète de fin de ligne. La solution intègre la manutention de matériaux dans trois segments distincts : les lignes d'assemblage, la logistique d'entrepôt et les applications d'emballage end-of-line. L'offre s'inscrit dans l'approche plateforme de Vention, qui unifie sur un seul environnement les étapes de conception, de commande, de déploiement et d'exploitation. L'article source ne fournit pas de métriques spécifiques (cadences, charges utiles, délais de mise en service), ce qui limite l'évaluation indépendante des performances annoncées. Pour les intégrateurs et les décideurs industriels, l'intérêt réside dans la réduction des interfaces entre fournisseurs : un convoyeur conçu dans le même outil que le reste de la cellule automatisée réduit le temps d'ingénierie et les risques d'incompatibilité mécanique ou logicielle. L'extension vers l'emballage end-of-line signale une montée en gamme de Vention au-delà des cellules robotiques standalone, vers des lignes complètes, marché à fort volume où les cycles d'achat sont plus longs mais les contrats plus structurants. Fondée en 2017, Vention s'est imposée avec son approche "automation-as-a-platform" et son MachineLogic comme OS d'automatisation. Elle concurrence directement Bosch Rexroth, FlexLink et Mk Technology Group sur les convoyeurs industriels modulaires, ainsi que des acteurs comme Bastian Solutions ou Dematic sur la logistique d'entrepôt. L'annonce ne précise pas de calendrier de disponibilité ni de déploiements clients confirmés.

GMEX Robotics reçoit sa première commande de robots culinaires Bon Vivant 3.0 pour près de 3 millions de dollars

GMEX Robotics, société australienne développant des systèmes robotiques pilotés par IA, a annoncé la réception de sa première commande commerciale dans le cadre d'un accord-cadre de A$4,2 millions (environ 2,7 millions USD) signé avec un groupe non nommé de restauration et de boissons australien. Ce bon de commande initial porte sur plusieurs systèmes de cuisson automatisée Bon Vivant 3.0 pour une valeur de A$504 000, soit environ 12 % du contrat global. Les modalités de livraison et le nombre d'unités commandées n'ont pas été précisés dans le communiqué. Cette première commande ferme marque le passage d'un accord-cadre signé à un déploiement effectif, étape souvent critique dans le secteur de l'automatisation en restauration où les cycles de vente sont longs et les preuves de concept nombreuses. Le Bon Vivant 3.0 s'inscrit dans un segment en croissance : l'automatisation des tâches de cuisson répétitives en restauration collective et rapide, où la pression sur les coûts de main-d'oeuvre et la régularité de la production restent des enjeux majeurs pour les opérateurs. Cela dit, le communiqué reste avare en métriques techniques (débit, nombre de recettes gérées, temps de cycle), ce qui rend difficile toute évaluation indépendante des performances annoncées. GMEX Robotics opère sur un marché de plus en plus concurrentiel, face à des acteurs comme Miso Robotics (Flippy, déployé chez White Castle aux États-Unis) ou Nala Robotics, qui cible également la restauration multi-format. Côté européen, des initiatives comme celles de Pazzi (pizza robotisée, France) ont montré les limites de la scalabilité dans ce secteur. L'accord-cadre de A$4,2 millions laisse entendre plusieurs tranches de commandes à venir : la capacité de GMEX à les convertir en déploiements opérationnels sera le vrai indicateur de maturité commerciale.

L'automatisation traditionnelle est trop coûteuse et trop rigide, selon Stefan Nusser d'Intrinsic

Stefan Nusser, directeur général d'Intrinsic, filiale d'Alphabet dédiée aux logiciels de robotique industrielle, défend une thèse simple mais structurante : l'automatisation traditionnelle, conçue pour des séries longues et des processus répétitifs à l'infini, est devenue inadaptée aux réalités industrielles contemporaines. Dans une interview récente, il souligne que le modèle hérité de l'ère automobile, celui de lignes fixes pilotées par des robots ultra-spécialisés, a certes livré une efficacité remarquable à grande échelle, mais qu'il s'effondre face à des cycles produits raccourcis, des volumes de production fragmentés et une personnalisation croissante des biens manufacturés. L'enjeu est directement industriel : les intégrateurs et les directeurs opérationnels se heurtent à un coût de déploiement et de reprogrammation qui dépasse souvent la valeur générée dès lors que les séries deviennent courtes ou variables. Intrinsic parie sur une couche logicielle unifiée, capable d'abstraire les différences entre bras robotiques de marques distinctes et de réduire le temps de mise en oeuvre, là où aujourd'hui chaque changement de pièce ou de processus peut mobiliser des semaines d'ingénierie. La position de Nusser rejoint un consensus croissant dans le secteur : le goulot d'étranglement de la robotique industrielle n'est plus mécanique, il est logiciel. Intrinsic a été fondée en 2021 comme spin-off interne d'Alphabet (Google), avec pour mission explicite de démocratiser la programmation robotique via des outils logiciels et l'IA. Elle concurrence indirectement des acteurs comme Vention, Wandercraft sur le segment médical, ou encore les initiatives software-first de Fanuc et ABB, qui intègrent eux aussi des couches d'adaptabilité dans leurs écosystèmes. Les prochaines étapes pour Intrinsic tournent autour du déploiement commercial à plus grande échelle et de la démonstration que la flexibilité logicielle peut tenir ses promesses en environnement de production réel, et pas seulement en conditions de laboratoire.

Automated Tire sort de la confidentialité avec son système robotisé SmartBay de changement de pneus

Automated Tire, Inc. (ATI), startup américaine se présentant comme une entreprise de "physical AI", sort du mode stealth et annonce SmartBay, une plateforme robotique autonome destinée aux centres de service automobile. Le système cible en priorité trois opérations : le changement de pneumatiques, l'équilibrage de roues, et l'inspection de véhicules. La clientèle visée regroupe les concessions automobiles et les chaînes de service rapide. L'annonce ne communique pas encore de chiffres techniques précis (payload, degrés de liberté, temps de cycle) ni de tarification, ce qui limite l'évaluation concrète des performances réelles. L'automatisation du service bay automobile reste un segment largement sous-mécanisé : la majorité des opérations de montage et d'équilibrage sont encore réalisées manuellement dans les ateliers, avec une forte variabilité de qualité et des contraintes de pénurie de techniciens. Une solution robotique capable d'absorber ces tâches répétitives à cadence fiable représenterait un levier direct sur les coûts salariaux et la productivité pour les opérateurs multi-sites. Toutefois, l'affirmation "industry-first" avancée dans le communiqué mérite réserve : des acteurs comme Fori Automation et plusieurs intégrateurs OEM travaillent depuis des années sur la robotisation partielle de ces opérations. ATI, fondée autour du concept de modernisation du garage traditionnel, s'inscrit dans une vague plus large d'applications robotiques dans les services de proximité, aux côtés d'initiatives comme Machina Labs dans la métallurgie ou Machina Corp dans la logistique. L'entreprise n'a pas encore communiqué sur ses tours de financement, ses pilotes en cours, ni sur ses timelines de déploiement commercial, ce qui positionne cette annonce davantage comme un signal d'existence que comme un produit shipped.

L'IA physique, trait d'union entre rentabilité et durabilité

Omar Asali, président et directeur général de Ranpak, prendra la parole le 27 mai 2026 au Robotics Summit & Expo de Boston (Thomas M. Menino Convention & Exhibition Center, 14h30-15h15) pour présenter les résultats chiffrés de l'IA physique appliquée à la logistique d'entrepôt. Les métriques avancées par Ranpak dans des scénarios de déploiement réels sont les suivantes : réduction de 25 % de la consommation de carton ondulé (corrugate), diminution de 75 % du nombre de références boîtes (SKUs) en stock, et multiplication par 4 à 5 du débit de traitement. L'entreprise positionne ces gains comme une réfutation empirique du "dilemme vert", la présupposition largement répandue dans le secteur logistique selon laquelle les objectifs de durabilité entrent nécessairement en conflit avec la rentabilité opérationnelle. Le concept central mis en avant par Ranpak est celui d'IA physique (physical AI) : des systèmes embarqués, pilotés par capteurs, capables de caractériser en temps réel les objets manipulés pour adapter dynamiquement le format d'emballage. Contrairement aux approches purement logicielles (optimisation de tournées, prévision de la demande), l'IA physique agit directement sur le flux matière, ce qui explique l'impact simultané sur les coûts matière, le footprint de stockage et le débit. Pour un intégrateur ou un COO industriel, l'argument est structurant : si les chiffres sont confirmables à l'échelle, cela invalide le trade-off classique entre capex automation et ROI court terme, et rend les critères ESG directement commensurables aux KPIs opérationnels. Il convient toutefois de noter que les métriques présentées émanent d'un communiqué de promotion de conférence, sans méthodologie publiée ni périmètre de déploiement précisé, à vérifier avant toute extrapolation. Ranpak, fondée en 1972 et cotée au NYSE (PACK), est historiquement spécialisée dans les matériaux d'emballage protecteur en papier. L'entreprise a amorcé depuis 2019 un pivot vers l'automatisation, avec des acquisitions dans la robotique d'emballage (notamment Automated Packaging Systems et des partenariats avec des intégrateurs AMR). Sur le segment de l'optimisation d'emballage piloté par IA, Ranpak se positionne face à des acteurs comme Packsize (dimensionneurs on-demand), Sparck Technologies (boîtes sur-mesure automatisées) et, sur le volet logiciel pur, Nulogy ou Paccurate. Aucun acteur français ou européen de premier plan n'est directement cité dans ce contexte, bien qu'Enchanted Tools et Pollen Robotics travaillent sur des segments adjacents de manipulation en entrepôt. La prochaine étape observable sera la présentation elle-même le 27 mai, et d'éventuelles annonces de pilotes ou de partenariats associées au salon.

Alva Industries apporte sa technologie de moteurs sans cadre au Robotics Summit

Alva Industries, fabricant norvégien de moteurs sans cadre (frameless motors) basé à Trondheim, sera présent au Robotics Summit & Expo 2026 les 27 et 28 mai au Thomas M. Menino Convention & Exhibition Center de Boston, stand 440. L'entreprise y exposera sa famille de moteurs SlimTorq, des moteurs sans cadre et sans encoches (slotless) conçus pour une haute densité de couple, un faible effet de crantage (cogging) et une intégration radiale compacte. La gamme vient de s'élargir avec le modèle STM-190-35, lancé récemment, qui apporte une capacité de couple accrue et une précision améliorée pour les applications d'entraînement direct exigeantes où compacité et liberté de conception sont critiques. Des unités d'évaluation seront disponibles en main sur le stand, avec des démonstrations interactives en continu sur les deux jours. Alva présentera également des échantillons de ses bobinages FiberPrinting, sa technologie propriétaire de fabrication de stators qui permettrait, selon l'entreprise, de produire des moteurs dans quasi n'importe quelle forme ou taille tout en maintenant un encombrement axial minimal et une gestion thermique supérieure, une affirmation à valider indépendamment à l'échelle. Pour les intégrateurs robotiques et les ingénieurs hardware, les moteurs sans cadre constituent un goulot d'étranglement réel dans la conception des articulations de robots humanoïdes et collaboratifs. La combinaison slotless + frameless répond directement au défi d'intégrer des actionneurs compacts à fort couple dans des joints robotiques, des exosquelettes ou des systèmes de positionnement de précision sans surcharge mécanique. Le fait qu'Alva propose des unités d'évaluation physiques au salon est un signal concret pour les équipes R&D en phase de sélection de composants : le discours commercial se confronte à la réalité du test d'intégration. La disponibilité de samples et l'accès direct aux ingénieurs Alva sont plus utiles, en pratique, qu'une keynote sur scène. Alva se positionne sur un marché où les acteurs établis incluent maxon (Suisse, également présent au Summit), Kollmorgen, Tecnotion et Allied Motion. La montée en puissance des robots humanoïdes depuis 2023 a fortement stimulé la demande en actionneurs compacts à fort couple, profitant aux fournisseurs de composants capables de répondre aux contraintes d'intégration des joints. Le Robotics Summit lui-même réunit cette année plus de 70 intervenants confirmés, dont Tesla, Toyota Research Institute, Harmonic Drive et PickNik Robotics, reflétant la convergence croissante entre IA embarquée et hardware. Pour Alva, Boston représente une vitrine stratégique auprès d'une audience d'ingénieurs et de décideurs directement en phase de prototypage ou de sélection de fournisseurs pour leurs prochaines générations de systèmes robotiques.

Fabrication industrielle par cellules robotisées et solutions de chargement machine

Les cellules robotisées et les solutions de machine tending redéfinissent l'organisation des lignes de production industrielles. Ces dispositifs combinent un robot manipulateur, des équipements périphériques (préhenseurs, convoyeurs, systèmes de vision) et une enceinte de sécurité pour automatiser des tâches répétitives : chargement et déchargement de machines-outils CNC, presses, centres d'usinage ou moulage par injection. L'objectif central est de réduire les temps morts machine et de rendre possible le fonctionnement en mode "lights-out", c'est-à-dire sans opérateur présent. L'enjeu industriel est direct : le taux d'utilisation d'une machine-outil tenue manuellement oscille typiquement entre 60 et 70 %, là où une cellule automatisée peut dépasser 90 % sur trois équipes. Pour un intégrateur ou un directeur d'exploitation, c'est le levier de retour sur investissement le plus mesurable de l'automatisation en atelier. La montée en puissance des cobots (robots collaboratifs, sans cage de protection systématique) d'acteurs comme Universal Robots, FANUC ou KUKA abaisse aujourd'hui le seuil d'entrée pour les PME industrielles, qui représentent une part croissante des déploiements. Ce mouvement s'inscrit dans une décennie de convergence entre robotique industrielle classique et flexibilité logicielle. Les principaux fournisseurs de cellules clés en main (ABB, Yaskawa, Stäubli, et en Europe des intégrateurs comme Actemium ou BA Systèmes) proposent désormais des offres modulaires reconfigurables, réduisant les délais de mise en service. La prochaine étape visible du secteur est l'intégration de perception 3D et de planification de trajectoire adaptative, pour traiter des pièces sans fixation rigide, dernier verrou technique majeur avant une adoption plus large dans la sous-traitance mécanique.

SI-Diff : cadre d'apprentissage pour la recherche et l'insertion haute précision par diffusion dans le domaine des forces

Des chercheurs ont publié en mai 2025 sur arXiv (2605.12247) SI-Diff, un framework d'apprentissage par imitation qui traite dans un seul modèle les deux phases de l'assemblage de précision : la recherche de position (search) et l'insertion proprement dite (high-precision insertion). Le système repose sur une politique de diffusion opérant dans le domaine des forces, couplée à un mécanisme de conditionnement par mode qui permet au réseau de distinguer les deux comportements d'action sans changer de poids ni de modèle. Un policy enseignant (teacher policy) génère en amont des trajectoires diversifiées, dont les démonstrations réussies et efficaces servent à l'entraînement supervisé. À l'inférence, le modèle prend en entrée les retours tactiles et la vitesse de l'effecteur terminal pour produire les commandes motrices. Résultat clé annoncé : SI-Diff tolère des désalignements x-y allant jusqu'à 5 mm, contre 2 mm pour TacDiffusion, le baseline état de l'art, et démontre un transfert zéro-shot sur des géométries non vues à l'entraînement. Ce résultat mérite attention pour les intégrateurs industriels, car le principal frein au déploiement de l'assemblage robotisé de précision n'est pas la vitesse mais la robustesse aux incertitudes de pose, tolérances d'usinage, variabilité du picking, dérive thermique. Passer de 2 à 5 mm de tolérance sans recalibration ni modèle supplémentaire est un écart opérationnellement significatif sur une ligne de production réelle. Le choix du domaine force plutôt que vision pure pour la politique est aussi un signal : là où les VLA visuelles peinent sur les contacts sub-millimétrique, le retour tactile reste le vecteur le plus direct pour les tâches peg-in-hole. La transférabilité zéro-shot, si elle se confirme hors conditions de labo, réduit le coût de reconfiguration lors des changements de référence produit. Le paper se positionne explicitement contre TacDiffusion (2024), qui reste la référence académique sur l'insertion tactile par diffusion. Plus largement, il s'inscrit dans la vague des politiques de diffusion pour la manipulation de contact, popularisées notamment par les travaux de Physical Intelligence (Pi-0) et les frameworks ouverts issus de Columbia et Stanford. Le peg-in-hole est un benchmark historique de la robotique d'assemblage, présent depuis les travaux de Nevins et Whitney dans les années 1970, ce qui rend les comparaisons directes interprétables. Il s'agit pour l'instant d'un résultat de recherche (preprint, pas encore évalué en peer review), sans déploiement industriel annoncé ni partenariat commercial mentionné. Les prochaines étapes naturelles seraient une validation sur cellule d'assemblage réelle multi-référence et une comparaison avec des approches hybrides force-vision.

Décision séquentielle par apprentissage multi-échelle pour la préparation de commandes en robotique de manutention

Des chercheurs ont publié en mai 2026 sur arXiv (référence 2605.08758) un framework de décision séquentielle baptisé OLSF-TRS, pour Omni-scale Learning-based Sequential Decision Framework for Tote-handling Robotic Systems. Ce système combine optimisation combinatoire structurée et apprentissage par renforcement multi-agent (MARL) pour coordonner simultanément les décisions liées aux commandes, aux bacs de manutention (totes) et aux robots dans les centres de préparation automatisés. En configuration petite échelle, OLSF-TRS affiche un écart d'optimalité moyen inférieur à 3,5% sur deux architectures système distinctes. En configuration grande échelle, il réduit les mouvements de bacs de 8 à 12% par rapport aux baselines heuristiques classiques, et de plus de 30% par rapport aux approches règle-based de l'état de l'art, tout en maintenant une réactivité en temps réel. L'enjeu concret pour les intégrateurs intralogistiques est significatif : la quasi-totalité des frameworks existants sont conçus sur mesure pour un type de système spécifique, tri-sorter, mini-load AS/RS ou AMR grid-based, ce qui rend tout transfert à un autre contexte laborieux. OLSF-TRS propose une couche de pilotage unifiée et scalable, potentiellement applicable à des architectures hétérogènes. La réduction de plus de 30% des mouvements de bacs se traduit directement en gains énergétiques, réduction de l'usure mécanique et meilleure stabilité du throughput, des KPIs centraux pour les COOs industriels. À noter cependant que les résultats reposent sur des simulations et benchmarks comparatifs sans déploiement terrain documenté, ce qui laisse entière la question du sim-to-real gap en production réelle. Ce travail s'inscrit dans une tendance structurelle de fond : la substitution des palettes par les bacs comme unité logistique primaire, portée par l'explosion du e-commerce et la fragmentation des commandes en petites séries. Des acteurs comme Exotec (France, système Skypod), AutoStore (Norvège) ou Geek+ (Chine) opèrent des déploiements massifs en grid-based robotics confrontés exactement à ces problèmes de coordination ordres-bacs-robots à grande échelle. La convergence entre optimisation combinatoire de type VRP et MARL est un champ de recherche en pleine effervescence, porté par des laboratoires industriels en Europe et en Asie. L'article ne mentionne ni partenariat industriel ni timeline de commercialisation, le positionnant comme une contribution académique précompétitive.

Livraison multi-agents avec correspondances multiples

Des chercheurs ont publié sur arXiv (référence 2605.07835) un algorithme baptisé M2M (Many-to-Many Multi-Agent Pickup and Delivery) pour optimiser la coordination de flottes de robots dans des entrepôts automatisés. La majorité des travaux antérieurs sur le problème MAPD (Multi-Agent Pickup and Delivery) supposent qu'une tâche a un unique point de collecte et un unique point de dépôt, le paradigme dit "one-to-one". M2M s'attaque à la variante "many-to-many" : dans un entrepôt réel, un article identifié par son SKU (Stock Keeping Unit) peut être prélevé ou stocké à plusieurs emplacements, ce qui génère un problème d'affectation à quatre dimensions classé NP-difficile. L'équipe propose deux variantes : M2M, qui minimise la durée estimée de chaque tâche, et M2M-wSKU, qui intègre en plus la distribution physique des SKUs dans la fonction objectif. En simulation sur des opérations de 8 heures, M2M complète jusqu'à 22 000 tâches supplémentaires en moyenne par rapport aux meilleures méthodes existantes, selon les configurations d'environnement et la densité d'inventaire. Le gain de 22 000 tâches sur une journée simulée de 8 heures représente un saut de throughput significatif pour un entrepôt à forte rotation. Pour un intégrateur ou un COO industriel, cela se traduit directement en capacité de traitement d'ordres supplémentaires sans augmenter le parc de robots. L'enjeu théorique est tout aussi notable : la transition du paradigme one-to-one vers many-to-many reflète fidèlement la réalité des entrepôts modernes, où la redondance d'emplacements est un mécanisme délibéré de résilience logistique. Une limite mérite d'être soulignée : les simulations sur 8 heures ne capturent pas les pannes matérielles, la variabilité des temps de manipulation, ni les interactions humaines en zones mixtes. Sur le plan académique toutefois, M2M établit une nouvelle référence sur ce sous-problème MAPD jusqu'ici peu traité. Le MAPD est un champ de recherche actif depuis une quinzaine d'années, porté par l'essor des entrepôts automatisés et des systèmes AMR (Autonomous Mobile Robots). Les algorithmes classiques ciblaient des scénarios one-to-one correspondant aux premières architectures d'entrepôts, mais les systèmes industriels modernes opèrent quasi universellement en many-to-many. L'entreprise française Exotec, avec son système Skypod déployé chez plus de 400 clients dans 15 pays, incarne précisément cette réalité multi-emplacements, aux côtés d'acteurs comme Amazon Robotics, Geek+ ou AutoStore. La publication de M2M sur arXiv ouvre la voie à son intégration dans des frameworks open-source de planification multi-robots. Les prochaines étapes attendues incluent une validation sur environnements physiques et la prise en compte de contraintes temporelles réelles, telles que les fenêtres de livraison ou les priorités dynamiques de commande.

Comment concevoir des rails de robot et des systèmes à 7ème axe pour les environnements réels

Güdel Inc., filiale américaine du groupe suisse Güdel Group AG, organise un webinaire technique le 12 mai 2026 à 14h heure de l'Est, intitulé "Harsh and Dirty by Design: Engineering Robot Tracks and 7th Axis Systems for Real-World Environments". Deux expertes prendront la parole : Molly Lynch, account manager pour la région Midwest chez Güdel avec 15 ans d'expérience en automatisation industrielle, et Brenda Courim, directrice des ventes et du marketing de Güdel, forte de plus de 30 ans dans le secteur manufacturier dont environ 20 ans en ingénierie de conception principalement dans l'industrie automobile, diplômée en génie mécanique de l'Université du Michigan. La session s'adresse aux ingénieurs robotique, intégrateurs système, concepteurs d'automatisation et responsables de maintenance confrontés à des environnements industriels sévères. Les rails de translation et systèmes de 7e axe sont parmi les composants les plus exposés d'une cellule d'automatisation, et c'est précisément là que réside le problème structurel que le webinaire cherche à adresser. Conçus pour des environnements propres et contrôlés, ces systèmes sont soumis en conditions réelles à des projections de soudure, des poussières abrasives, de l'humidité, des produits chimiques, des overspray de cabines de peinture et des écarts de température extrêmes. Les modes de défaillance typiques identifiés incluent le contournement des joints d'étanchéité (seal bypass), l'endommagement des roulements, la corrosion et la perte d'alignement. Les intervenantes défendront des approches de conception spécifiques, notamment les guidages à rouleaux (roller guideways), les galets suiveurs (cam followers), les racleurs mécaniques, les capots de protection de rail et les traitements de surface protecteurs. La thèse centrale est que la maintenance préventive ne peut pas rester une réaction aux pannes : elle doit être intégrée dès la phase de conception du système, ce qui implique des choix d'architecture de rail et de configuration influençant directement l'exposition à la contamination et l'accessibilité pour l'entretien. Güdel Group AG, fondé en Suisse en 1954, est l'un des acteurs historiques des systèmes de mouvement linéaire et des rails de déplacement pour robots industriels, avec une présence significative dans les secteurs automobile, logistique et métallurgie. Le marché des 7e axes pour robots articultés comprend également des solutions de Rollon (désormais intégré dans Nadella Group), de constructeurs comme KUKA ou Fanuc via leurs divisions d'accessoires, et diverses offres d'intégrateurs régionaux. Cet événement est à classer comme un webinaire promotionnel d'un fournisseur, non comme la publication d'une étude indépendante ou d'un benchmark sectoriel, et aucune donnée comparative externe n'est annoncée au programme.

Conception de robots logistiques hospitaliers : les clés du succès au Robotics Summit

Le Robotics Summit & Expo, qui se tient les 27 et 28 mai 2026 à Boston, accueillera une session consacrée à la conception de robots logistiques hospitaliers, programmée à 16h15 le premier jour de l'événement. Trois praticiens y interviendront : David Crabb, fondateur et CEO de Rovex Technologies, médecin urgentiste certifié et informaticien clinique formé à l'Université de Floride, qui a quitté ses fonctions hospitalières en 2025 pour se consacrer à sa startup robotique ; Spencer Krause, président et CEO de SKA Robotics, ingénieur roboticien avec plus de 25 ans d'expérience, diplômé de Carnegie Mellon en développement de systèmes robotiques, ayant travaillé pour plusieurs entreprises du Fortune 100 ; et Peter Seiff, CEO de ST Engineering Aethon, acteur historique du secteur depuis 20 ans, dont les robots assurent actuellement la distribution de repas et de linge dans de nombreux hôpitaux américains. Seiff cumule plus de 30 ans dans la robotique de santé, avec des passages chez Automated Healthcare et McKesson. Ce panel illustre une réalité souvent éclipsée par les démonstrations de robots chirurgicaux ou de rééducation : la logistique hospitalière automatisée est un marché mature, déployé à grande échelle, avec des acteurs comme Aethon dont les flottes sont opérationnelles dans des établissements réels depuis deux décennies. Le fait que trois profils aussi différents, un médecin devenu entrepreneur, un ingénieur systèmes venu du terrain industriel, et un exécutif rompu aux acquisitions dans le healthcare, partagent la même scène signale que la conception de robots hospitaliers réclame une convergence rare entre contraintes cliniques, ingénierie mécanique et viabilité commerciale. Pour les intégrateurs et décideurs B2B, c'est un signal que le segment "indoor hospital AMR" dépasse le stade du pilote et exige désormais une approche produit structurée. ST Engineering Aethon est la référence de longévité dans ce segment : fondée au début des années 2000, rachetée par ST Engineering (groupe singapourien coté), la société a traversé plusieurs cycles d'acquisition tout en maintenant ses déploiements actifs. Ses concurrents directs sur la logistique intra-hospitalière incluent Swisslog (filiale KUKA), Omnicell côté pharmacie automatisée, et des entrants plus récents comme Savioke ou Keenon Robotics sur le créneau de la livraison de plateau-repas. Du côté français, Enchanted Tools (robot Miroka) positionne également ses solutions vers les environnements de soin, même si son déploiement hospitalier à grande échelle reste à démontrer. Le Robotics Summit, co-organisé par The Robot Report et WTWH Media, rassemble plus de 70 intervenants confirmés, dont des représentants de Tesla, Toyota Research Institute, PickNik Robotics et Robust AI, avec plus de 50 sessions réparties sur des tracks IA, design, technologies habilitantes, santé et logistique.

SGS certifie Dobot Robotics selon la norme ISO 10218 en cybersécurité

L'organisme de certification SGS a validé que la série CR 30H de Dobot Robotics satisfait aux exigences de cybersécurité de la norme ISO 10218-1:2025, la révision la plus récente du standard international pour la sécurité des robots industriels. La CR 30H est un cobot à charge utile élevée (30 kg) destiné aux applications industrielles lourdes. Cette vérification constitue une annonce de conformité normative, non un déploiement client. La nouveauté tient à la norme elle-même : la révision 2025 de l'ISO 10218-1 intègre pour la première fois des exigences explicites de cybersécurité dans le cadre de sécurité fonctionnelle des robots industriels, signalant que le secteur reconnaît officiellement le vecteur d'attaque réseau comme risque de sécurité physique. Pour un intégrateur ou un responsable industriel, cette certification facilite la validation réglementaire dans les secteurs soumis à des audits de conformité (automobile, pharmacie, agroalimentaire), et réduit la charge de justification lors des appels d'offres exigeant une conformité "secure-by-design". Elle ne garantit cependant pas une architecture réseau robuste en conditions réelles, la certification couvre la conception, pas le déploiement. Dobot, fabricant chinois fondé en 2015 et principalement connu pour ses bras de bureau compacts, a monté en gamme avec la série CR pour concurrencer Universal Robots, Techman et Fanuc sur le segment cobot industriel. SGS, groupe suisse de certification présent dans 140 pays, est l'un des quatre grands du testing-inspection-certification avec Bureau Veritas, Intertek et TÜV. La prochaine étape logique serait une certification complète IEC 62443 pour les systèmes d'automatisation industrielle, standard plus exigeant sur les architectures réseau.

LG fait équipe des robots humanoïdes et quadrupèdes pour automatiser ses entrepôts

LG CNS, filiale IT du conglomérat sud-coréen LG, a présenté le 6 mai 2026 une démonstration de logistique multi-robots sur son campus Magok, dans l'ouest de Séoul. Quatre robots de fabricants différents ont exécuté une chaîne de manutention complète sans téléopération ni intervention humaine : un humanoïde bipède a saisi des colis sur un tapis roulant et les a transmis à un robot quadrupède à roues, qui les a acheminés jusqu'à un humanoïde sur plateforme roulante, lequel a positionné les boîtes sur des étagères situées à plus de deux mètres de hauteur. Le cycle complet, entre stations espacées de deux à trois mètres, s'est bouclé en environ 90 secondes. L'ensemble repose sur la plateforme Physical Works de LG CNS, articulée en deux briques : Physical Works Forge (entraînement par simulation et données vidéo) et Physical Works Baton (orchestration centralisée de flottes multi-marques). La plateforme prend en charge les humanoïdes bipèdes et sur roues, les quadrupèdes, les AMR et les AGV via une interface unifiée. LG Display a par ailleurs dévoilé en parallèle un écran P-OLED courbe de 7,2 pouces (technologie Tandem OLED troisième génération) destiné à l'affichage facial des robots humanoïdes. Ce qui rend la démonstration techniquement notable, c'est moins la performance individuelle de chaque robot que la couche logicielle de coordination inter-marques. La plateforme intègre un mécanisme de réaffectation dynamique des tâches : lors de la simulation d'un incident, le quadrupède a été basculé vers une mission de patrouille de sécurité, et un AMR de remplacement a pris le relais de transport sans interrompre le flux. LG CNS annonce que cette approche ramène les délais de déploiement de plusieurs mois à un à deux mois, avec des projections de gains de productivité supérieurs à 15 % et de réduction des coûts opérationnels allant jusqu'à 18 % dans des environnements de flottes mixtes d'environ 100 unités. Ces chiffres restent des projections internes, non encore validés en production à grande échelle, et le cycle de 90 secondes a été mesuré sur une distance très courte, ce qui en limite la portée comme indicateur de performance industrielle réelle. LG CNS positionne Physical Works dans un marché où la concurrence se structure autour de plateformes d'orchestration robotique plutôt que d'hardwares isolés. Aux États-Unis, Boston Dynamics propose Orbit pour la gestion de flottes Spot, tandis qu'Amazon et ses partenaires intègrent déjà des flottes mixtes AMR-humanoïdes (Digit d'Agility Robotics) dans leurs entrepôts. En Corée du Sud, Samsung et Hyundai (actionnaire de Boston Dynamics) sont également présents sur ce terrain. LG CNS a annoncé mener des projets pilotes avec 20 clients industriels et déployer la plateforme dans le cadre du projet Busan Smart City. Le groupe a aussi pris des participations dans des entreprises de contrôle humanoïde et de robot foundation models, sans en préciser les noms, ce qui suggère une stratégie d'intégration verticale en cours de consolidation.

Brightpick présente sa feuille de route vers les entrepôts entièrement automatisés au Robotics Summit

Jan Zizka, co-fondateur et PDG de Brightpick, présentera le 27 mai 2026 à 14h45 lors du Robotics Summit & Expo de Boston une conférence intitulée "When Robots Don't Sleep: The Path Toward Lights-Out Warehouses". L'exposé portera sur une feuille de route concrète vers les entrepôts en fonctionnement autonome total, dits "lights-out", sans opérateurs humains présents. Brightpick, fondée en 2021 par essaimage depuis l'éditeur de vision machine Photoneo (racheté par Zebra Technologies en 2024), développe des robots d'order picking basés sur l'IA. Son produit phare, l'Autopicker, lauréat du RBR50 Robotics Innovation Award 2024, s'installe en quelques semaines dans des entrepôts de toute taille et couvre le picking, le buffering, la consolidation, l'expédition et le réapprovisionnement de stock. La société est basée à Austin, Texas. Le message central de Zizka est délibérément pragmatique : le lights-out total reste hors de portée économique à court terme, mais un mode hybride est déjà opérationnel. Dans ce modèle, les robots assurent la majorité des tâches répétitives de nuit sans supervision, tandis que les humains interviennent le jour pour les pics de volume et les cas exceptionnels. Le vrai verrou n'est pas technique mais économique : automatiser les derniers 10 à 20 % des flux, là où se concentrent les cas limites et les décisions de jugement, coûte disproportionnellement cher par rapport au gain. La stratégie rationnelle consiste donc à maximiser le ROI sur les flux à fort volume, préserver la flexibilité humaine là où elle crée de la valeur, et réduire progressivement l'ensemble des exceptions à mesure que la technologie mature. C'est une posture moins spectaculaire que les annonces "révolutionnaires" du secteur, mais plus alignée avec les contraintes réelles des opérateurs logistiques. Brightpick s'inscrit dans une course à la commercialisation des robots d'entrepôt autonomes où les acteurs sont nombreux : Exotec (France, systèmes Skypod pour le stockage dense), Symbotic, Locus Robotics, ou encore Grey Orange sur le segment des AMR de fulfillment. La particularité de Brightpick est son héritage en vision 3D via Photoneo, qui lui confère une expertise en manipulation autonome plutôt que sur le simple transport. Zizka cumule plus de 20 brevets couvrant la détection 3D, la robotique mobile et la manipulation, et a conduit des recherches sur les caméras computationnelles au MIT. La conférence de Boston permettra de calibrer où en est réellement la technologie par rapport aux promesses marketing du secteur, un exercice d'autant plus utile que les déploiements lights-out effectifs restent rares et souvent cantonnés à des environnements très contraints (température, SKU limités, flux prévisibles).

Geekplus s'associe à Mindugar pour accélérer l'automatisation d'entrepôt en Amérique latine

Geekplus, entreprise chinoise spécialisée dans la robotique d'entrepôt et l'un des plus grands fournisseurs mondiaux d'AMR (robots mobiles autonomes), a annoncé un partenariat stratégique avec Mindugar, intégrateur latino-américain de systèmes de stockage industriel et de rayonnages. L'accord, dont les termes financiers ne sont pas divulgués, vise à accélérer l'adoption de l'automatisation logistique au sein de la région Amérique latine. Mindugar apporte son réseau commercial et son expertise locale en infrastructure d'entrepôt, tandis que Geekplus fournit ses solutions robotiques, robots goods-to-person, systèmes de tri et convoyage autonome. Pour le marché latino-américain, cette alliance représente un signal clair : la convergence entre les fabricants de racks traditionnels et les éditeurs de solutions robotiques s'accélère, reproduisant un modèle déjà observé en Europe et au Moyen-Orient. Pour les intégrateurs et les décideurs logistiques de la région, cela signifie un accès simplifié à des solutions clés en main combinant infrastructure physique et automatisation. La LatAm reste un marché à fort potentiel mais sous-pénétré en robotique d'entrepôt, avec des contraintes propres, coûts d'importation, instabilité monétaire, main-d'oeuvre relativement bon marché, qui freinent jusqu'ici les déploiements à grande échelle. À noter : le communiqué s'apparente davantage à une annonce de partenariat canal qu'à la confirmation de déploiements opérationnels. Fondée en 2015 à Pékin, Geekplus revendique des milliers de robots déployés dans plus de 40 pays, avec une présence établie en Europe, aux États-Unis et au Moyen-Orient. L'entreprise concurrence directement Quicktron (Alibaba), Hai Robotics et, sur le segment haut de gamme, Exotec (France) dont la solution Skypod est également présente en logistique e-commerce. Le partenariat avec Mindugar s'inscrit dans une stratégie de distribution indirecte typique de la phase d'internationalisation de Geekplus, sans timeline de déploiement ni volume de projets annoncé à ce stade.

SOAR : optimisation conjointe en temps réel pour l'allocation des commandes et l'ordonnancement des robots mobiles

Des chercheurs, en collaboration avec Geekplus, ont publié SOAR (Simultaneous Order Allocation and Robot Scheduling), un framework d'apprentissage par renforcement profond conçu pour optimiser en temps réel la coordination des robots dans les systèmes de préparation de commandes automatisés (RMFS, Robotic Mobile Fulfillment Systems). Déposé sur arXiv en mai 2026 (arXiv:2605.03842), le système unifie deux sous-problèmes classiquement découplés, l'allocation des commandes et la planification des robots mobiles, en un seul agent décisionnel. Sur des données industrielles réelles fournies par Geekplus, SOAR réduit le makespan global de 7,5 % et le temps moyen de complétion des commandes de 15,4 %, avec une latence de décision inférieure à 100 ms. La viabilité du système a été confirmée par un déploiement en environnement de production via une procédure sim-to-real. Techniquement, le problème est formulé comme un processus de décision de Markov piloté par événements (Event-Driven MDP), où l'agent réagit à des événements asynchrones (fin de tâche, arrivée de commande) grâce à un Heterogeneous Graph Transformer encodant l'état de l'entrepôt, complété par une stratégie de reward shaping pour gérer la rareté du signal de récompense sur les longues séquences. Les RMFS équipent aujourd'hui les grands centres logistiques : des flottes de robots mobiles (AMR) transportent des étagères entières vers des postes de picking humains ou automatisés. Le goulot d'étranglement traditionnel vient du couplage fort entre allocation et ordonnancement : les approches décomposées sacrifient l'optimalité globale pour garantir la réactivité, tandis que les modèles d'optimisation classiques comme les MILP ou CP-SAT sont trop lents pour des environnements à haute cadence. SOAR casse ce compromis en prouvant qu'un agent de deep RL peut raisonner globalement tout en répondant en moins de 100 ms, ce qui constituait un verrou industriel reconnu. Plus significatif encore, la validation sim-to-real en conditions de production distingue ce travail de la majorité des publications académiques qui restent cantonnées à la simulation. Geekplus, fondé en 2015 à Pékin, est l'un des leaders mondiaux des AMR pour la logistique d'entrepôt, avec des déploiements dans plus de 40 pays chez des clients comme Decathlon et JD.com. Sa participation directe à cette recherche signale une intégration croissante entre laboratoires académiques et industriels pour raccourcir le cycle lab-to-production. Sur le marché, Geekplus concurrence Hai Robotics et AutoStore, mais aussi en Europe des acteurs comme Exotec (France), dont le système Skypod adresse des problèmes similaires de coordination multi-robots à grande échelle. SOAR s'inscrit dans un corpus actif de travaux sur le RL multi-agent pour la planification en entrepôt, mais se distingue par son approche unifiée et son ancrage en production confirmé. Le code est disponible en open source sur GitHub, ce qui devrait faciliter son adaptation à d'autres architectures RMFS.

Hiroshi Fujiwara et Robert Little sélectionnés pour les prix Joseph F. Engelberger 2026

L'association américaine A3 (Association for Advancing Automation) a désigné Hiroshi Fujiwara et Robert Little lauréats des prix Joseph F. Engelberger Robotics 2026, les distinctions les plus reconnues du secteur dans les catégories leadership et application. Fujiwara, directeur exécutif de la Japan Robot Association (JARA), est récompensé pour plusieurs décennies de travail stratégique en matière de politique industrielle et de coopération internationale. Little, cofondateur d'ATI Industrial Automation en 1989, est honoré pour ses contributions à la technologie des effecteurs de robots : changeurs d'outils, capteurs de force/couple et systèmes d'interface bras-outil. La remise des prix aura lieu le 24 juin 2026 à McCormick Place à Chicago, lors du salon Automate 2026. Sous la direction de Little, ATI est passé d'environ 1 million de dollars de chiffre d'affaires à plus de 100 millions, avant d'être racheté par Novanta en 2021. Il dirige aujourd'hui Robert Little Robotics, un cabinet de conseil en stratégie robotique. La distinction accordée à Little est révélatrice d'un moment charnière pour l'industrie nord-américaine. Dans ses déclarations au Robot Report, il identifie trois leviers décisifs pour que l'Amérique du Nord regagne un avantage industriel : la fiabilité des systèmes, le reshoring de la production, et l'essor de l'IA physique embarquée dans les robots. Little insiste sur un fait structurel souvent sous-estimé : la pénurie de main-d'oeuvre ne se résorbe pas, elle s'aggrave. Pour les intégrateurs et les décideurs industriels, ce constat renforce l'urgence d'automatiser, que ce soit aux États-Unis pour le marché américain ou en France pour le marché européen, une symétrie qu'il évoque explicitement. Ce cadrage tranche avec le discours purement technologique habituel des prix sectoriels : Little utilise sa tribune pour plaider une cause économique et politique autant que technique. La trajectoire d'ATI Industrial Automation illustre à la fois les succès et les limites historiques de l'écosystème américain. Little reconnaît sans ambages que les États-Unis ont perdu le leadership en robotique de production, largement capté par le Japon dans les années 1980 grâce à une politique gouvernementale volontariste dont la JARA, représentée par Fujiwara, fut l'un des instruments. Aujourd'hui, FANUC continue de produire ses robots de peinture aux États-Unis pour l'export mondial, signe que le tissu industriel américain n'a pas totalement cédé le terrain. La pression du reshoring, accentuée par les tensions géopolitiques et les fragilités logistiques post-Covid, crée une fenêtre d'opportunité que l'A3 cherche à institutionnaliser via un plaidoyer pour une politique fédérale de robotique. Les prochaines étapes passent par Automate 2026, qui réunira les acteurs clés du secteur à Chicago en juin, dans un contexte de compétition accrue avec les écosystèmes européens et asiatiques.

Les robots transforment les transpalettes

Les chariots élévateurs à palette, longtemps cantonnés à un usage manuel dans les entrepôts, franchissent un cap technologique notable avec l'intégration massive de la robotique. Ces engins se muent progressivement en AGV (Automated Guided Vehicles) ou en AMR (Autonomous Mobile Robots), deux architectures distinctes : les AGV suivent des trajets prédéfinis via rails magnétiques ou marquages au sol, tandis que les AMR naviguent librement grâce à des capteurs LiDAR, des caméras stéréo et des algorithmes de cartographie SLAM. La fusion de ces technologies avec des couches d'intelligence artificielle permet aux chariots de détecter des obstacles, de replannifier leurs itinéraires en temps réel et de s'intégrer aux systèmes WMS (Warehouse Management System) existants. Pour un intégrateur ou un COO industriel, l'enjeu est direct : l'automatisation des tâches de manutention répétitives réduit les coûts opérationnels, augmente la cadence de traitement des palettes et limite les incidents liés à la fatigue humaine. Les AMR modernes atteignent des charges utiles de plusieurs tonnes et opèrent en multi-équipe sans interruption, ce qui modifie en profondeur les calculs de ROI sur les projets logistiques. Cela dit, l'article analysé relève davantage du contenu marketing généraliste que d'une annonce produit ou d'un déploiement chiffré, et n'apporte pas de métriques concrètes validant ces performances. Le marché de la manutention autonome est aujourd'hui dominé par des acteurs comme Linde, Toyota Industries, Jungheinrich ou Still côté chariots traditionnels reconvertis, face à des pure-players robotiques tels que Balyo, Exotec ou Fetch Robotics. En Europe, des acteurs français comme Exotec positionnent leurs solutions sur des segments adjacents (stockage automatisé dense), tandis que la pression des grands opérateurs e-commerce accélère les cycles d'adoption. Les prochaines étapes du secteur portent sur l'interopérabilité flotte et la standardisation des interfaces API entre AMR et WMS.

Locus Robotics déploie Locus Array pour l'automatisation complète des entrepôts

Locus Robotics, spécialiste américain des systèmes d'automatisation d'entrepôts, a officialisé le lancement de Locus Array, une solution qu'elle qualifie de système de préparation de commandes entièrement autonome. La plateforme intègre des robots mobiles autonomes (AMR), un bras de préhension robotisé et un module de perception piloté par IA, avec l'objectif de couvrir l'ensemble du flux de traitement des commandes sans intervention humaine. Des déploiements en accès anticipé sont déjà engagés chez des clients en Amérique du Nord, bien que les détails opérationnels (payload, cadence de cycle, taux de précision) n'aient pas encore été communiqués publiquement. L'enjeu industriel est réel : les AMR de première génération automatisaient le transport inter-zones, mais laissaient le picking, tâche la plus coûteuse en main-d'oeuvre -- à des opérateurs humains. Intégrer un bras de préhension directement sur la plateforme mobile représente un saut architectural vers l'autonomie bout-en-bout. Pour les intégrateurs et les décideurs logistiques, cela change le calcul du ROI : si les métriques tiennent à l'échelle, l'argument pour réduire les effectifs de picking devient structurel. Reste à valider la robustesse hors conditions contrôlées, un point que l'annonce ne documente pas encore. Locus Robotics a levé plus de 400 millions de dollars depuis sa fondation en 2015, mais a traversé une période difficile en 2023, avec des réductions d'effectifs significatives liées à un ralentissement du marché e-commerce. Locus Array s'inscrit donc dans une stratégie de repositionnement vers la valeur ajoutée. Sur ce segment, la concurrence est dense : Exotec (Roubaix, France) avec son système Skypod, Symbotic, Geek+ et Boston Dynamics avec Stretch visent tous le même créneau de préparation autonome. La phase d'accès anticipé devra produire des données opérationnelles convaincantes pour crédibiliser la proposition face à ces acteurs déjà déployés à grande échelle.

Combler l'écart de latence : pourquoi l'IA physique exige des architectures edge-first

Les systèmes vision industriels déployés en cloud affichent des latences aller-retour de 100 à 200 millisecondes pour la chaîne complète (acquisition image, inférence, retour commande). La norme ISO/TS 15066 sur le Speed and Separation Monitoring (SSM) impose pourtant au robot de maintenir en permanence une distance de séparation protectrice vis-à-vis de l'opérateur, et de réduire sa vitesse ou stopper dès que cette distance est franchie. À une vitesse de bras modérée de 2 m/s, une latence de 150 ms représente une zone aveugle de 300 mm dans la cellule, soit la différence entre une opération conforme et un incident. Pour compenser, les intégrateurs élargissent les zones de sécurité et plafonnent les vitesses, annulant l'essentiel du bénéfice productivité visé par la collaboration. L'architecture proposée consiste à déplacer l'inférence IA vers un processeur edge localisé dans la cellule, connecté directement au contrôleur robot via EtherCAT, PROFINET IRT ou les API temps-réel des constructeurs (URScript pour Universal Robots, RAPID pour ABB, KAREL pour FANUC), en contournant le PLC pour les ajustements cinématiques dynamiques. L'enjeu pour les intégrateurs et les décideurs industriels est d'atteindre une latence end-to-end inférieure à 30 ms, seuil identifié comme nécessaire pour un SSM proactif en environnement dynamique. Les PLCs industriels classiques, conçus pour des cycles de scrutation de 10 à 50 ms sur des entrées-sorties discrètes déterministes, ne sont pas dimensionnés pour ingérer les flux haute bande passante issus du suivi squelettique, de l'analyse de micro-mouvements et de l'estimation de l'état opérateur. Y router les inférences IA ajoute un cycle complet plus l'overhead fieldbus, suffisant pour briser le déterminisme nécessaire. Le modèle edge-direct débloque ainsi deux niveaux de valeur simultanément : le maintien du temps de cycle dans les cellules high-mix à haute variabilité, et la conformité SSM sans recourir à des vitesses réduites permanentes. À noter : l'article ne fournit pas de données de validation expérimentale sur cellules de production réelles, ce qui sera déterminant pour les intégrateurs en phase d'évaluation. L'article est publié par Cogniedge.ai, startup positionnée sur les architectures edge pour la robotique collaborative, dans un contexte de transition progressive des lignes brownfield vers des configurations HRC sans cage de protection. La norme ISO/TS 15066 encadre ce déploiement depuis 2016, mais son application reste freinée par des architectures logicielles héritées. Sur le marché, des acteurs comme SICK (capteurs de sécurité vision), Pilz (PNOZ, SafetyBUS) ou Veo Robotics (racheté par FANUC en 2023 après avoir développé une approche similaire de vision 3D pour SSM) adressent des segments proches. Du côté européen, des entreprises comme Pollen Robotics ou Enchanted Tools travaillent sur des plateformes robotiques à latence réduite, mais davantage dans des contextes de service que d'assemblage industriel. Les prochaines étapes logiques pour Cogniedge.ai seraient de publier des benchmarks comparatifs et de sécuriser des pilotes en production réelle, deux éléments absents de cette publication.

Régulateur de stabilité de phase basé sur deux paramètres dynamiques pour robots mobiles autonomes

Un chercheur propose une couche de supervision légère pour stabiliser les piles de contrôle des robots mobiles autonomes (AMR), en s'appuyant sur deux gradients dynamiques calculés en temps réel. L'approche, décrite dans une publication technique récente, introduit un régulateur de phase comportemental à deux paramètres : ΔN, le gradient de tâche externe, qui mesure l'écart de l'état courant par rapport à l'équilibre nominal de mission (erreur de trajectoire, croissance de la covariance de localisation, densité d'obstacles) ; et ΔD, la divergence comportementale interne, qui capte les conflits au sein de la pile de contrôle. Ce régulateur intervient avant qu'une oscillation ou un blocage ne survienne, en limitant dynamiquement la profondeur et le branchement des recherches dans les planificateurs globaux et locaux (A, Hybrid A, RRT*, MPC). Un moteur de compression combinatoire associé, le Combinatorial Compression Engine (CCE), est disponible en open source sur GitHub. Le problème adressé est concret pour tout intégrateur déployant des AMR en environnement dynamique : entrepôt logistique, hôpital, centre commercial. Les AMR modernes combinent SLAM, arbres de comportement, politiques apprises et mécanismes de récupération ; chaque composant est individuellement stable, mais leur intégration génère des divergences computationnelles lorsque la pression environnementale et les conflits internes s'amplifient simultanément. En pratique, cela se manifeste par une latence accrue, une surcharge processeur et une perte de déterminisme du cycle de décision, des symptômes souvent mal diagnostiqués comme des pannes matérielles. Le régulateur de phase proposé offre une intervention au niveau méta, limitant la croissance combinatoire sans sacrifier la validité de la solution. C'est une piste sérieuse pour réduire les gels et oscillations qui plombent les SLA de déploiement industriel, même si l'article reste à ce stade une proposition conceptuelle, sans validation expérimentale publiée à grande échelle en production réelle. L'article s'inscrit dans un effort plus large de formalisation de l'architecture de contrôle des AMR, dont l'auteur avait précédemment proposé une couche de prévisibilité prioritaire reposant sur des hiérarchies de missions et des niveaux de décision contextuels. Ce travail complète cette approche structurelle par une couche comportementale temps réel. Le paysage concurrentiel des AMR en entrepôt inclut MiR (Teradyne), Locus Robotics, Fetch Robotics (Zebra), ainsi que des acteurs européens comme Exotec, dont les systèmes Skypod opèrent en environnements denses sans ce type de formalisation publiée. Les éditeurs de middleware robotique, notamment ROS 2 et ses surcouches Nav2, pourraient constituer des cibles naturelles pour intégrer ce type de régulateur comme couche de supervision standardisable si les résultats expérimentaux venaient confirmer les gains de déterminisme annoncés.

💬 Le vrai bug ici, c'est pas le robot, c'est la pile de contrôle qui déraille sous pression et qu'on diagnostique à tort comme une panne matérielle. Mettre une couche de supervision méta qui bride les planificateurs avant que ça parte en oscillation, c'est une idée propre, et le CCE open source facilite l'expérimentation. Reste à valider en entrepôt réel, parce qu'un papier sans test terrain, ça reste un papier.

Launchpad Build AI propose un outil d'apprentissage machine pour la conception en automatisation industrielle

Launchpad Build AI, entreprise fondée en 2020 à Édimbourg sous le nom de Launchpad, a annoncé le 30 avril 2026 plusieurs jalons simultanés : le lancement de son Manufacturing Language Model (MLM), l'ouverture d'un siège américain à El Segundo en Californie, un rebranding, et la nomination de Ken Moynihan au poste de directeur technique. Moynihan apporte plus de vingt ans d'expérience en vision par ordinateur et robotique, avec des passages notamment chez TOMRA, spécialiste des systèmes de tri pilotés par IA. Le MLM est décrit par la société comme un modèle de langage spécifiquement entraîné sur des données issues d'environnements de production industrielle réels, capable de générer des configurations d'automatisation à partir d'une photo, d'une vidéo ou d'un fichier CAD. La société revendique une réduction du temps de conception et de déploiement de systèmes robotiques allant jusqu'à 50 %, avec une cible affichée de 99,8 % de taux d'efficacité opérationnelle. Ces annonces interviennent dans la continuité d'une levée de série A de 11 millions de dollars, réalisée l'année précédente avec des investisseurs comme Lavrock Ventures, Squadra Ventures, Lockheed Martin Ventures, la Scottish National Investment Bank et Ericsson Ventures. La proposition de valeur du MLM repose sur une approche délibérément spécialisée plutôt que généraliste : au lieu d'agréger des données internet hétérogènes, le modèle s'appuie sur des tolérances testées, des conditions opérationnelles documentées et des données de production en temps réel. Cette orientation est particulièrement pertinente pour les fabricants en haute-variété / faibles volumes (high-mix, low-volume), segment qui représente la majorité des industriels mais qui reste sous-servi par les solutions d'automatisation traditionnelles, conçues pour des lignes à grandes séries. Pour les intégrateurs et les décideurs industriels, l'enjeu est de taille : si le MLM tient ses promesses, il pourrait abaisser significativement la barrière d'entrée à la robotisation pour des PME manufacturières qui n'ont ni les ressources ni le temps pour des projets d'intégration longs et coûteux. Le système Digitool, qui utilise la vision robotique en temps réel pour gérer les variations de pièces et de processus, constitue un composant clé de cette autonomisation. Il reste à évaluer ces performances dans des conditions industrielles non contrôlées, hors démonstrations sélectives. Launchpad Build AI opère dans un espace de plus en plus encombré : des acteurs comme Vention, Symbio Robotics ou Rapid Robotics adressent également l'automatisation flexible pour PME, tandis que des plateformes comme Nvidia Isaac et ROS 2 industriel structurent le bas de la pile logicielle. La présence de Lockheed Martin Ventures au capital signale un intérêt potentiel pour des applications défense et aérospatiale, cohérent avec l'implantation à El Segundo, bassin historique de l'industrie aérospatiale américaine. Aucune date de disponibilité commerciale du MLM n'a été communiquée, ni de clients pilotes nommés publiquement, ce qui maintient ces annonces dans la catégorie des jalons produit plutôt que de déploiements validés à l'échelle.

Navigation omnidirectionnelle par vision : apprentissage par distillation enseignant-élève avec estimation de profondeur monoculaire

Des chercheurs ont publié sur arXiv (2603.01999) un système de navigation omnidirectionnelle pour robots mobiles industriels fonctionnant sans LiDAR, en s'appuyant sur quatre caméras RGB et un modèle de profondeur monoculaire. L'architecture dite "enseignant-étudiant" entraîne d'abord une politique "enseignant" par renforcement (PPO) dans NVIDIA Isaac Lab, avec des observations LiDAR 2D privilégiées couvrant l'empreinte complète du robot. Cette politique distille ensuite son comportement vers une politique "étudiant" qui ne perçoit l'environnement qu'à travers des cartes de profondeur générées par une version fine-tunée de Depth Anything V2. L'ensemble du pipeline (estimation de profondeur, exécution de la politique, contrôle moteur) tourne entièrement sur un NVIDIA Jetson Orin AGX embarqué sur un DJI RoboMaster, sans aucun calcul externe. En simulation, l'étudiant atteint 82 à 96,5 % de taux de succès, contre 50 à 89 % pour l'enseignant LiDAR. Sur terrain réel, il le surpasse également face à des obstacles à géométrie complexe : structures en surplomb et objets ras-du-sol qui échappent au plan de balayage unique d'un capteur 2D. Ce résultat remet en cause un postulat industriel courant : que la navigation robuste en entrepôt ou en atelier nécessite obligatoirement un LiDAR 3D ou une caméra de profondeur dédiée. Le LiDAR 2D, standard des AMR déployés aujourd'hui chez MiR, Fetch ou Locus Robotics, ne capture qu'une tranche horizontale de l'environnement et ignore les rebords en surplomb, les jambes de table et les obstacles ras du sol. En montrant qu'une politique visuelle apprise surpasse son propre enseignant LiDAR sur ces cas critiques, les auteurs valident un transfert sim-to-real fonctionnel et ouvrent la voie à des plateformes AMR significativement moins coûteuses. L'inférence entièrement embarquée supprime par ailleurs toute dépendance cloud, point critique pour les intégrateurs industriels soumis à des contraintes de latence ou de connectivité. L'approche s'appuie sur Depth Anything V2, modèle fondational d'estimation de profondeur monoculaire publié en 2024 par ByteDance Research, et sur NVIDIA Isaac Lab, lancé la même année comme successeur d'Isaac Gym. La plateforme DJI RoboMaster, initialement conçue pour la compétition étudiante, sert ici de banc de test de recherche pour sa robustesse mécanique. Les travaux s'inscrivent dans la tendance de policy distillation explorée notamment par ETH Zurich (projet ANYmal) pour la locomotion quadrupède. Le gap entre ces résultats expérimentaux et un déploiement industriel certifié reste à combler : les expériences réelles présentées restent limitées en durée et en diversité d'environnements, et aucun pilote en conditions de production n'est annoncé à ce stade.

XELA Robotics améliore la famille de capteurs uSkin avant le Robotics Summit

XELA Robotics, spécialiste tokyoïte des capteurs tactiles 3D, a annoncé le 30 avril 2026 deux améliorations majeures de sa famille de capteurs uSkin, à quelques semaines du Robotics Summit & Expo de Boston (27-28 mai). La première concerne la compensation des interférences magnétiques : les versions précédentes du capteur filtraient déjà la plupart des perturbations magnétiques, mais restaient vulnérables aux petits aimants puissants placés à moins d'un millimètre de la surface sensible de 3×3 mm. La nouvelle compensation élimine ces cas résiduels, ce qui devient critique pour la manipulation de pièces en fer ou d'acier, mais aussi pour des composants courants en usine comme les clips magnétiques. La seconde amélioration est l'adoption du protocole CAN FD (Controller Area Network Flexible Data-Rate) : là où le CAN classique plafonnait à 8 octets par trame et quelques centaines de kbps, le CAN FD monte à 64 octets par trame et jusqu'à 8 Mbps de débit, permettant de faire cohabiter davantage de modules de capteurs sur le même bus de données sans dégradation de la fréquence d'échantillonnage. XELA annonce maintenir une cadence de mesure de 500 Hz dans cette nouvelle configuration. Les capteurs compatibles CAN FD sont disponibles à la commande immédiatement, avec premières livraisons prévues en mai 2026 ; la compensation magnétique avancée sera accessible en option au troisième trimestre 2026. Ces deux évolutions répondent à un problème concret de déploiement industriel : intégrer de nombreux points de contact sur une main robotique ou un préhenseur sans saturer le bus de communication ni dégrader la résolution temporelle. Le maintien des 500 Hz sous charge accrue de capteurs est une contrainte que les intégrateurs connaissent bien lors du passage du prototype au déploiement en cellule. La compensation magnétique, elle, lève un verrou réel pour les applications de tri ou d'assemblage de composants métalliques, où la proximité d'aimants permanents ou de pièces ferromagnétiques générait jusqu'ici des lectures parasites difficiles à calibrer. Alexander Schmitz, CEO de XELA Robotics, a confirmé que ces fonctionnalités étaient remontées directement du marché américain, ce qui signale un effort de maturation produit guidé par la demande terrain plutôt que par la recherche amont. XELA Robotics s'est construit sur une niche précise : les capteurs tactiles à haute résolution spatiale et temporelle pour la robotique de manipulation avancée, un segment où peu d'acteurs proposent des solutions commerciales prêtes à l'emploi. Les concurrents directs incluent Contactile (Australie), Xsens pour la partie proprioception, et dans une certaine mesure les efforts internes de laboratoires comme le MIT CSAIL ou CMU sur la perception tactile. XELA sera présent au stand 616 du Robotics Summit & Expo de Boston fin mai, événement co-organisé par The Robot Report, où les deux nouveautés seront démonstrables en conditions réelles. La prochaine étape logique pour XELA sera d'intégrer ces capteurs dans les mains des humanoïdes en cours de commercialisation, un marché qui tire fortement la demande en retour haptique fiable à haute fréquence.

Vidéo : Spot de Boston Dynamics s'équipe d'une IA pour des patrouilles continues et le suivi d'actifs

Asylon, société américaine spécialisée en sécurité robotique, commercialise DroneDog, une plateforme de surveillance autonome construite autour du robot quadrupède Spot de Boston Dynamics, augmenté d'un module propriétaire baptisé PupPack. Le système est conçu pour assurer des rondes continues sept jours sur sept, sans interruption liée aux contraintes humaines. Techniquement, la plateforme embarque des caméras électro-optiques haute résolution couplées à un canal thermique, avec un zoom optique 20x permettant une surveillance en conditions dégradées -- brouillard, faible luminosité, environnements obstrués. Les communications reposent sur un double canal LTE et mesh networking, chiffré en AES-256 avec des liaisons redondantes. Lorsque la batterie atteint un seuil critique, le robot regagne automatiquement sa station de charge, dite "DogHouse", une enceinte renforcée conçue pour maintenir une disponibilité opérationnelle permanente. Le contrôle humain reste intégré via un centre d'opérations de sécurité distant (Robotic Security Operations Center), où des analystes vérifient les alertes et orientent les interventions si nécessaire. Aucun prix public n'est communiqué à ce stade. L'intérêt industriel de ce type de déploiement réside moins dans la mobilité du robot -- Spot est capable de gravir des escaliers et de traverser des terrains accidentés depuis plusieurs années -- que dans la couche logicielle qui l'orchestre. La plateforme DroneIQ d'Asylon positionne le robot non comme un outil autonome isolé, mais comme un noeud dans un réseau de sécurité coordonné, capable de s'interfacer avec des caméras fixes, des systèmes d'alarme et des contrôles d'accès existants. Les algorithmes de détection de menaces ont été entraînés sur plusieurs centaines de milliers de missions, ce qui représente un volume de données opérationnelles significatif pour un marché encore en phase de maturation. Pour les intégrateurs et les COO industriels, la question centrale n'est pas tant la performance du robot en démonstration que la robustesse de l'intégration dans des workflows de sécurité réels -- un point sur lequel Asylon insiste explicitement, reconnaissant que les déploiements fragmentés restent le principal frein à l'adoption. Boston Dynamics a progressivement ouvert Spot à l'écosystème de partenaires tiers depuis 2020, permettant à des sociétés comme Asylon d'y greffer des modules spécialisés via des ports payload standardisés. Sur le marché de la sécurité robotique mobile, Asylon se positionne face à des acteurs comme Knightscope (robots de sécurité fixes et mobiles, coté en bourse) ou SMP Robotics, ainsi qu'à des solutions de surveillance par drone telles que celles de Percepto. En Europe, les initiatives restent plus fragmentées, bien que des sociétés françaises comme Enchanted Tools travaillent sur des plateformes robotiques à usage professionnel. Asylon n'a pas communiqué de calendrier précis pour de nouveaux déploiements ni de liste de clients référencés, ce qui maintient DroneDog davantage dans la catégorie "produit disponible à la commande" que "déploiement à grande échelle validé en conditions réelles".

Automatisation robotique assistée par apprentissage automatique pour la fabrication industrielle

Des chercheurs ont présenté un système hybride baptisé Learning-Augmented Robotic Automation (LARA), déployé sur une ligne de production réelle de moteurs électriques pour automatiser deux tâches jusqu'alors confiées à des opérateurs humains : l'insertion de câbles déformables et la soudure. Le système combine des contrôleurs de tâches appris par imitation et un moniteur de sécurité neuronal 3D, intégré directement dans les workflows industriels existants. Entraîné avec moins de 20 minutes de données réelles par tâche, LARA a fonctionné en continu pendant 5 heures 10 minutes, produisant 108 moteurs sans barrière physique de protection, avec un taux de conformité de 99,4 % aux tests de contrôle qualité au niveau produit. Le takt time atteint est comparable à celui d'un opérateur humain, avec une réduction mesurée de la variabilité des joints de soudure et des temps de cycle. Ce résultat s'attaque directement au fossé entre démonstration laboratoire et déploiement industriel effectif, l'obstacle principal qui freine l'adoption de la robotique apprenante en production. L'entraînement en moins de 20 minutes par tâche abaisse considérablement la barrière à l'intégration pour les industriels et les intégrateurs système. Pour un COO de ligne d'assemblage, le point le plus structurant est l'absence de caging physique : le moniteur neuronal remplace les protections mécaniques classiques, ouvrant la voie à des cellules collaboratives sans les coûts de reconfiguration d'atelier associés aux robots industriels traditionnels. La manipulation de câbles déformables et la soudure figurent parmi les tâches les plus résistantes à la robotisation classique, du fait de la déformation matière et de la non-répétabilité des poses. Sur ce segment, Physical Intelligence (Pi-0.5) et Figure AI (Helix sur Figure 02) poussent des VLA généralistes pour la manipulation multi-tâches, tandis que Wandercraft et Enchanted Tools, tous deux français, ciblent respectivement la mobilité humanoïde et les robots de service. LARA se distingue par son pragmatisme : pas d'humanoïde, pas de modèle fondationnel, mais une hybridation ciblée sur des cellules industrielles existantes. Les auteurs évoquent comme suites naturelles l'extension à d'autres tâches de câblage et la validation sur des lignes multi-produits.

Retour sur 10 ans de robots à pattes avec Ghost Robotics au Robotics Summit

Ghost Robotics, fondée en 2015 à Philadelphie, a franchi le cap des 1 000 robots livrés depuis sa création. Le CEO et co-fondateur Gavin Kenneally sera présent au Robotics Summit & Expo, les 27 et 28 mai 2026 à Boston, pour une conférence intitulée "From Prototype to Perimeter : 10 Years of Legged Robotics in Action". Il y présentera des retours d'expérience terrain sur ses déploiements de quadrupèdes, les évolutions logicielles récentes, et les perspectives à cinq ans pour la robotique à pattes dans les secteurs public et privé. Titulaire d'un doctorat en génie mécanique de l'Université de Pennsylvanie, co-concepteur mécanique du Vision 60 Q-UGV, Kenneally cumule six publications académiques et treize brevets. Fin 2025, la société a commercialisé un bras manipulateur monté en partie haute du Vision 60, un système décrit comme léger et précis, conçu pour étendre les capacités de manipulation de la plateforme sans dégrader sa mobilité. Ce seuil des 1 000 unités livrées distingue Ghost Robotics d'une grande partie de ses concurrents dans le segment des quadrupèdes opérationnels, où les annonces marketing précèdent souvent de loin les déploiements réels. Le Vision 60 est utilisé par le Département de la Défense américain (DoD) pour des missions de surveillance périmétrique et d'inspection en environnements contraints. L'ajout du bras manipulateur répond à une critique structurelle des plateformes à pattes : jusqu'ici cantonnées à la mobilité et à la perception, elles manquaient de capacité d'interaction physique avec leur environnement. Pour un intégrateur ou un COO industriel, c'est le signal d'un glissement vers des robots polyvalents capables à la fois de naviguer et d'agir, ce qui élargit significativement les cas d'usage au-delà de la surveillance pure. Il convient toutefois de noter que la société n'a pas publié de métriques détaillées sur les performances du bras en conditions opérationnelles. Ghost Robotics évolue dans un marché de plus en plus dense. Boston Dynamics, dont le Spot est disponible commercialement depuis 2020, reste la référence la plus visible, tandis qu'ANYbotics (ANYmal C, déployé dans le secteur énergétique offshore) et Unitree (B2, positionné sur les prix bas) exercent une pression croissante. Ghost Robotics se différencie par son ancrage défense-sécurité et une stack logicielle et électronique entièrement propriétaire, une exigence de souveraineté technologique souvent requise par le DoD. La conférence de Boston en mai 2026 sera l'occasion pour la société de consolider son image de fournisseur éprouvé, alors qu'une nouvelle génération de compétiteurs mise sur des architectures VLA (Vision-Language-Action) et le transfert sim-to-real pour rattraper leur retard terrain. Les suites annoncées portent sur l'élargissement des capacités du bras manipulateur et l'extension des déploiements vers les secteurs industriels privés.

💬 1 000 robots livrés, c'est le genre de chiffre qui change une conversation. Pendant que la plupart des acteurs du secteur accumulent les démos et les levées de fonds, Ghost a mis des machines en service auprès du DoD, ce qui vaut tous les benchmarks du monde. L'ajout du bras manipulateur est la bonne décision au bon moment, reste à voir si ça tient quand le terrain devient franchement hostile.

ABB Robotics lance la famille de cobots PoWa pour les tâches industrielles

ABB Robotics a officiellement lancé cette semaine la famille de cobots PoWa, une gamme de six modèles couvrant des capacités de charge utile allant de 7 à 30 kg, avec une vitesse maximale annoncée de 5,8 m/s. Destinés à des applications industrielles comme l'alimentation de machines, la palettisation, le vissage et la soudure à l'arc, ces cobots reposent sur le contrôleur ABB OmniCore et s'intègrent aux logiciels maison RobotStudio et Wizard Easy Programming. ABB met en avant une mise en service inférieure à une heure, une programmation sans code via des boutons sur le bras, et une compatibilité avec un large écosystème d'accessoires tiers. La gamme est présentée comme un produit disponible à la vente, non comme un teaser, bien que les volumes de déploiement initiaux et la tarification n'aient pas été communiqués. Ce lancement répond à un vrai vide de marché : les cobots classiques plafonnent généralement autour de 10 à 16 kg avec des vitesses limitées, insuffisants pour les applications cycle rapide à charge élevée typiques de l'industrie manufacturière dense. ABB positionne PoWa comme une alternative aux robots industriels traditionnels pour les entreprises qui veulent automatiser des tâches lourdes sans la rigidité opérationnelle et les coûts d'intégration associés. Pour un COO industriel ou un intégrateur, le message est lisible : payload de 30 kg à 5,8 m/s dans un encombrement cobot, avec une programmation accessible aux opérateurs non-spécialistes. Le marché des cobots est estimé en croissance de 20 % par an jusqu'en 2028 selon ABB, un chiffre cohérent avec les projections sectorielles, ce qui rend la fenêtre de lancement stratégiquement pertinente. L'intégration annoncée des librairies NVIDIA Omniverse dans RobotStudio (sous le nom RobotStudio HyperReality, attendu en abonnement pour le second semestre 2026) indique une trajectoire vers la simulation haute fidélité et le déploiement sim-to-real, encore au stade de l'annonce à ce stade. ABB Robotics est l'un des quatre grands du robot industriel mondial, aux côtés de FANUC, KUKA et Yaskawa Motoman. Ses quelque 7 000 employés opèrent depuis un QG américain à Auburn Hills, Michigan. En octobre 2025, ABB Group a annoncé la cession de sa division robotique à SoftBank Group pour 5,3 milliards de dollars, une transaction qui n'est pas encore finalisée et dont les implications sur la stratégie produit restent à préciser. Sur le segment des cobots à forte charge, ABB affronte désormais des acteurs comme Universal Robots (UR20, 20 kg), FANUC CRX-25iA (25 kg) et Techman Robot, mais aussi des challengers asiatiques comme Doosan Robotics ou Elephant Robotics montant en gamme. Aucun partenaire FR/EU n'est mentionné dans ce lancement. Les prochaines étapes annoncées se limitent à RobotStudio HyperReality en H2 2026 ; aucun pilote client ni site de déploiement n'a été rendu public à ce stade.

💬 30 kg à 5,8 m/s dans un encombrement cobot, c'est le genre de fiche technique qui fait relire deux fois. ABB bouche un vrai trou là où Universal Robots et FANUC plafonnent encore à 20-25 kg avec des vitesses qui limitent les cycles rapides, et la mise en service en moins d'une heure c'est pas du marketing si ça tient en prod. Reste quand même la question qui flotte : avec la cession à SoftBank pas encore bouclée à 5,3 milliards, on sait pas vraiment qui tiendra le volant sur la roadmap dans 18 mois.

Flex et Teradyne Robotics renforcent leur partenariat pour déployer l'automatisation intelligente dans l'industrie mondiale

Flex, l'un des plus grands sous-traitants industriels mondiaux avec des dizaines de sites de production dans une trentaine de pays, et Teradyne Robotics ont annoncé en avril 2026 l'élargissement de leur partenariat pour déployer l'automatisation intelligente à grande échelle dans la fabrication mondiale. L'accord instaure une double relation : Flex intègre les solutions de Teradyne Robotics directement dans ses propres lignes de production, tout en assurant la fabrication de composants robotiques clés pour permettre des déploiements plus larges chez les clients de Teradyne. Les volumes de déploiement visés et les détails financiers de l'accord n'ont pas été communiqués. Ce positionnement simultané en tant que client et fournisseur constitue un modèle industriel peu courant et potentiellement structurant. Pour un décideur B2B, le signal est clair : un EMS (Electronics Manufacturing Services) de cette envergure valide en conditions réelles la maturité opérationnelle des cobots Universal Robots et des robots mobiles MiR, les deux marques regroupées sous Teradyne Robotics. L'accord sécurise également une capacité de fabrication de composants externe pour Teradyne, réduisant les risques de montée en volume sans investissement industriel propre supplémentaire, un avantage concret dans un marché où la capacité de production reste un goulot d'étranglement. Teradyne Robotics est la division robotique de Teradyne Inc., issue de l'acquisition d'Universal Robots en 2015 (environ 285 millions de dollars) puis de MiR en 2018. L'entreprise fait face à une concurrence croissante sur les deux segments : Fanuc, Doosan et Techman Robot gagnent du terrain sur les cobots, tandis qu'Exotec (acteur français en logistique automatisée) et Zebra Technologies (Fetch Robotics) accélèrent sur les AMR. Le réseau de production de Flex, qui couvre des verticales aussi variées que l'automobile, le médical et l'électronique grand public, pourrait servir de terrain d'expansion accéléré pour Teradyne sans passer par les cycles habituels d'intégration terrain.

Fin d'une ère : Honeywell cède le contrôle de l'automatisation d'entrepôt à AIP

Honeywell a annoncé le 23 avril 2026 la cession de sa division Warehouse and Workflow Solutions (WWS), qui regroupe les marques Intelligrated et Transnorm, au fonds de capital-investissement américain American Industrial Partners (AIP). La transaction, dont les termes financiers n'ont pas été divulgués, devrait être finalisée au second semestre 2026. L'ensemble pesait environ 935 millions de dollars de revenus en 2025, ce qui en fait l'un des actifs les plus significatifs du marché de l'automatisation logistique. Intelligrated couvre l'intégration de systèmes bout-en-bout : convoyeurs, trieurs automatisés, palettiseurs, robotique et logiciels d'orchesturation. Transnorm, de son côté, est spécialisée dans les technologies de courroies courbes et sert les secteurs aéroportuaire, postal, colis et e-commerce sur cinq continents. AIP prévoit d'adosser WWS à Trew Automation, un intégrateur de systèmes de manutention dans lequel le fonds est déjà investi, pour constituer une plateforme complémentaire à destination des industriels. Le signal envoyé au marché est celui d'une recomposition structurelle du paysage des intégrateurs de grande taille. Depuis les rachats par Honeywell, Intelligrated et Transnorm ont opéré dans le cadre d'un conglomérat dont l'automatisation logistique n'était qu'une ligne parmi d'autres. Sous AIP, les deux entités rejoindront un véhicule dédié à l'industrie, potentiellement plus agile sur les cycles de décision et d'investissement produit. Pour les décideurs B2B et les grands comptes logistiques, le changement d'actionnaire soulève des questions légitimes sur la continuité des contrats de maintenance, le support logiciel et les feuilles de route technologiques, en particulier sur les solutions robotiques et ASRS (Automated Storage and Retrieval Systems) déjà déployées dans leurs entrepôts. La fusion avec Trew vise à créer des synergies sur la base installée, mais la réussite de ce type d'intégration post-M&A reste à démontrer dans l'exécution opérationnelle. Honeywell avait acquis Intelligrated le 30 août 2016 pour environ 1,5 milliard de dollars, surenchérissant notamment sur Toyota Industries, après un rachat initial par Permira en 2012. Transnorm avait suivi le 9 novembre 2018 pour environ 425 millions d'euros (492 millions de dollars), acquis auprès d'IK Investment Partners. Cette cession s'inscrit dans un mouvement de démantèlement stratégique plus large : le 20 avril 2026, Honeywell avait annoncé la vente de sa division Productivity Solutions and Services à Brady Corporation pour 1,4 milliard de dollars en cash, et avait déjà cédé son activité équipements de protection individuelle en 2024. L'entreprise cherche à se recentrer sur ses activités historiques dans l'aérospatiale, l'énergie et l'automatisation industrielle de procédés. Dans ce secteur, les concurrents directs d'Intelligrated incluent Dematic (groupe KION), Vanderlande (Toyota Industries), Swisslog (KUKA/Midea) et SSI Schäfer, tous en compétition sur les grands projets d'entrepôts automatisés à mesure que la demande e-commerce et les pénuries de main-d'oeuvre accélèrent les cycles d'investissement.

HII s'associe à Path Robotics et GrayMatter Robotics pour accélérer la construction navale

HII (Huntington Ingalls Industries), premier constructeur naval américain basé à Newport News, Virginie, a annoncé cette semaine le programme HYPR (High-Yield Production Robotics) en partenariat avec Path Robotics et GrayMatter Robotics. Développé au sein du Dark Sea Labs Advanced Technology Group de HII, HYPR vise à combiner quatre capacités automatisées en une seule ligne de production coordonnée : soudage robotisé à base de physical AI, déplacement automatisé de matériaux, traitement autonome des surfaces et contrôles qualité autonomes. Path Robotics apporte son IA physique pour la fabrication ; GrayMatter Robotics contribue sa plateforme FSI (Factory SuperIntelligence) dédiée à la préparation de surface, la finition, le revêtement et l'inspection. HII réalise "des millions d'heures de soudage par an" et affiche un carnet de commandes de plusieurs milliards de dollars, selon Andy Lonsberry, CEO et co-fondateur de Path Robotics. Des démonstrations proof-of-concept sont prévues en 2026, avec un pilote complet en 2027. L'intérêt stratégique de HYPR dépasse la simple juxtaposition d'outils autonomes. En orchestrant plusieurs systèmes au sein d'une même ligne de fabrication structurale, le programme s'attaque à des tâches à forte variabilité qui ont jusqu'ici résisté à l'automatisation traditionnelle. Le soudage naval concentre les risques les plus aigus : Lonsberry le qualifie de "tâche la plus importante, la plus coûteuse et la plus destructive" du processus, car une erreur de cordon n'est pas récupérable à la différence d'un composant mal positionné. Pour les intégrateurs et les décideurs industriels, c'est un signal concret que les systèmes de physical AI commencent à opérer dans des environnements non structurés, loin des benchmarks de laboratoire. Le pilote 2027 constituera un test grandeur nature du passage sim-to-real dans la construction navale, secteur notoirement moins standardisé que l'automobile, où les surfaces complexes et les gabarits variables rendent les robots à trajectoires fixes peu adaptés. HII a consolidé ce partenariat en deux étapes rapprochées : un mémorandum d'entente avec Path Robotics signé en février 2026 pour explorer le soudage assisté par IA, suivi d'un accord avec GrayMatter Robotics début avril 2026. Dans ce même intervalle, Path Robotics a lancé Rove, un système de soudage mobile combinant son IA propriétaire Obsidian à un robot quadrupède, étendant ses capacités au-delà des postes fixes. GrayMatter, spécialisée dans l'industrialisation de l'IA pour les ateliers de fabrication, se positionne sur les opérations de finition et d'inspection que les robots classiques ne savent pas gérer. Le programme s'inscrit dans la politique de renforcement de la capacité navale nationale portée par le Département de la Défense américain, qui cherche à accélérer la production de ce qu'il nomme sa "golden fleet". Aucun acteur européen n'est impliqué directement, mais des groupes comme Naval Group surveillent ce type d'intégration multi-systèmes pour leurs propres programmes de modernisation.

Planification hybride tâche-mouvement et gestion réactive des collisions pour le démontage multi-robots de batteries VE

Des chercheurs ont publié, dans un article arXiv (2509.21020v2), un cadre de planification tâche-et-mouvement (TAMP) appliqué au démontage de batteries de véhicules électriques par deux bras robotiques travaillant en parallèle. Le système intègre une décomposition et une allocation dynamique des tâches, un planificateur de trajectoire basé sur RRT enrichi par un modèle de mélanges gaussiens (GMM), et une couche de sécurité hybride combinant un jumeau numérique MoveIt/FCL pour la détection prédictive de collisions avec un module d'évitement réactif par vision. Contrairement à une planification en boucle ouverte, le système opère en boucle fermée : il rescanne la scène en continu et met à jour la séquence de tâches restante selon l'état d'achèvement réel. Sur des expériences physiques de démontage de batteries EV, comparé à l'algorithme de référence RRTConnect, le framework réduit la longueur cumulée des trajectoires d'effecteur de 48,8 m à 17,9 m (soit -63,3 %), améliore le temps global de cycle (makespan) de 467,9 s à 429,8 s (-8,1 %), et diminue les volumes balayés par chaque robot (R1 : de 0,583 à 0,139 m³ ; R2 : de 0,696 à 0,252 m³), ainsi que leur chevauchement (de 0,064 à 0,034 m³). Ces résultats sont significatifs pour les intégrateurs industriels qui travaillent sur des lignes de démantèlement de batteries en fin de vie, un marché en forte croissance avec la montée en volume des VE. La combinaison planification prédictive et évitement réactif -- sans recours à une trajectoire figée -- est ce qui distingue l'approche : le système peut gérer des obstacles dynamiques et des imprévus de perception sans replanification globale coûteuse. La réduction de 63 % des distances parcourues réduit mécaniquement l'usure, le temps d'exposition aux risques de collision et l'énergie consommée, trois facteurs critiques pour un passage à l'échelle industrielle. Il faut noter que les expériences sont réelles (pas uniquement en simulation), ce qui renforce la crédibilité des métriques, même si les conditions exactes de test (variété des modules de batteries, taux d'échec de perception) ne sont pas détaillées dans le résumé. Le problème de démontage de batteries VE est devenu un axe de recherche prioritaire avec les objectifs européens de recyclage fixés par le règlement batteries 2023. Des équipes académiques et industrielles comme celles gravitant autour de MoveIt (OSRF), ainsi que des acteurs français tels que Pollen Robotics ou des intégrateurs proches du CEA-List, explorent des pistes similaires. Ce travail s'inscrit dans une tendance plus large : dépasser le sim-to-real gap en déployant des planificateurs hybrides sur du matériel réel, et adresser des tâches séquentielles complexes à contraintes d'ordre strict (précédence de dévissage, fragilité des cellules). La prochaine étape logique serait de tester la robustesse sur une gamme élargie de modèles de batteries et d'intégrer un retour haptique pour les phases de contact délicat.

💬 63 % de réduction de trajectoires sur de vrais robots, pas en simulation, c'est rare dans les papiers arXiv et ça change vraiment la crédibilité du truc. La boucle fermée (rescan continu, réallocation dynamique) c'est exactement ce qu'il faut pour tenir en conditions industrielles, où une batterie mal positionnée ou un module abîmé peuvent faire dérailler toute la séquence. Reste à voir si ça tient sur une gamme large de modèles de batteries, parce que les conditions exactes de test ne sont pas détaillées, mais le règlement UE 2023 va créer la demande, et là il commence à y avoir des outils à la hauteur.

Estimation de la présence humaine par vision pour améliorer la sécurité et l'efficacité des AMR en entrepôt industriel

Des chercheurs ont publié sur arXiv (référence 2604.18627) un système temps réel permettant à un robot mobile autonome (AMR) d'estimer, via une unique caméra RGB, si un opérateur humain à proximité a conscience de sa présence. La méthode combine deux modules : un estimateur de pose humaine 3D ("3D pose lifting") qui reconstruit la position du corps dans l'espace, et un module d'estimation d'orientation de la tête qui calcule le cône de vision du travailleur. Si l'humain est orienté vers le robot et se trouve dans ce cône, le système le catégorise comme "conscient de l'AMR" ; dans le cas contraire, le robot adopte un comportement de précaution. L'ensemble du pipeline a été validé sur données synthétiques dans NVIDIA Isaac Sim, sans validation sur environnement physique réel annoncée à ce stade. L'intérêt industriel de cette approche réside dans l'inefficacité chronique des systèmes actuels : les AMRs déployés aujourd'hui traitent tout humain comme un obstacle dynamique générique, ce qui entraîne des ralentissements ou détours systématiques, même lorsque l'opérateur a clairement vu le robot et s'est écarté de sa trajectoire. En distinguant les travailleurs attentifs des travailleurs inattentifs, le système permettrait théoriquement d'augmenter les cadences opérationnelles sans dégrader la sécurité. Pour les intégrateurs et les COO industriels, c'est une piste concrète pour réduire les temps de cycle dans des environnements à forte densité humaine. La validation reste cependant limitée à des données simulées, ce qui laisse entier le problème du sim-to-real gap pour les cas limites : occlusions partielles, éclairage variable, postures atypiques. Ce travail s'inscrit dans un contexte de forte croissance des flottes AMR dans la logistique mondiale, porté par des acteurs comme MiR (acquis par Teradyne), Locus Robotics, Geek+, ou côté français Exotec dont les robots Skypod évoluent dans des allées partagées avec des opérateurs humains. Les approches concurrentes misent généralement sur des systèmes LIDAR multicouche ou des zones de sécurité paramétrables conformes à la norme ISO 3691-4, sans modélisation explicite de l'attention humaine. La prochaine étape naturelle serait une validation sur données réelles et une intégration dans une stack de navigation type ROS 2 Nav2, mais ni timeline ni partenariat industriel ne sont mentionnés dans ce preprint.

A&K Robotics lève 8 millions de dollars canadiens pour développer un micro-véhicule autonome destiné aux aéroports

A&K Robotics, startup canadienne basée à Vancouver, a annoncé un tour de financement de 8 millions de dollars canadiens (environ 5,8 millions USD) pour développer une nouvelle catégorie de véhicule autonome de mobilité passager destiné aux terminaux aéroportuaires. Le produit, qualifié de "micro-vehicle", vise principalement les personnes à mobilité réduite, qui représentent environ 17% de la population mondiale. Les demandes d'assistance en aéroport augmentent de 10 à 15% par an, un rythme qui dépasse sensiblement la croissance du trafic passager global, créant une tension structurelle entre capacité humaine disponible et volume de besoins. L'enjeu opérationnel est réel pour les gestionnaires d'aéroports : l'assistance aux PMR (personnes à mobilité réduite) repose aujourd'hui quasi-exclusivement sur du personnel humain, avec des coûts logistiques élevés et une disponibilité difficile à moduler aux pics de trafic. Un véhicule autonome capable de naviguer dans un terminal bondé ouvrirait une voie de scalabilité sans recrutement proportionnel. Cela positionne A&K sur un segment distinct des AMR (robots mobiles autonomes) logistiques classiques, avec une proposition centrée sur l'expérience passager plutôt que sur le déplacement de marchandises. La capacité à opérer dans un environnement non structuré, dense et imprévisible comme un aéroport reste toutefois l'un des défis techniques les plus exigeants du secteur. A&K Robotics a développé une expertise préalable en robotique de navigation autonome en environnements intérieurs complexes. La société entre sur un terrain où quelques acteurs se positionnent, notamment Aethon (robots hospitaliers) ou les initiatives internes de grands intégrateurs aéroportuaires. Ce financement devrait financer le développement produit et les premiers pilotes dans des aéroports partenaires, dont les noms n'ont pas encore été communiqués. Les prochaines étapes attendues : certification de navigation en environnement public et annonces de déploiements pilotes, probablement en 2026.

Pudu Robotics déploie un robot de nettoyage IA en Europe via un partenariat avec Gom

Pudu Robotics, fabricant chinois de robots de service fondé en 2016 à Shenzhen, a annoncé un partenariat avec Gom Schoonhouden, l'un des principaux prestataires de nettoyage professionnel aux Pays-Bas, pour déployer le robot autolaveuse PUDU BG1 Series. L'accord a été facilité par Fulin Robot Technologie, distributeur régional de Pudu en Europe. Selon le communiqué, il s'agit du premier déploiement commercial de ce modèle sur le continent européen. La BG1 Series est positionnée par Pudu comme un robot "AI-Native" de grande capacité, conçu pour le nettoyage de sols à grande échelle. Aucune métrique technique précise (surface couverte par heure, autonomie, temps de cycle) n'est communiquée dans cette annonce. Pour les décideurs en facility management et les intégrateurs, ce type de déploiement signale une montée en maturité des autolaveuses robotisées dans le B2B européen. Les robots de nettoyage de grande taille ciblent des environnements à fort volume de surface : aéroports, centres commerciaux, entrepôts logistiques, où le ROI sur la masse salariale est direct et calculable. L'absence de données opérationnelles publiées reste toutefois un frein à l'évaluation sérieuse : sans chiffres de productivité vérifiés, l'annonce reste au stade du signal commercial plutôt que de la preuve terrain. Pudu Robotics s'est d'abord imposée sur le segment de la livraison en restauration avec des modèles comme le BellaBot, avant d'étendre son portefeuille vers le nettoyage et la désinfection. Sur ce créneau, la concurrence est dense : Gaussian Robotics (intégré dans SoftBank Robotics), Tennant et ICE Cobotics sont déjà actifs en Europe. Ce pilote aux Pays-Bas, via un partenaire local établi comme Gom Schoonhouden, constitue pour Pudu une tête de pont pour accélérer sa commercialisation dans le Benelux.

Nvidia et ses partenaires présentent des systèmes de fabrication pilotés par IA au Hannover Messe 2026

L'article fourni est tronqué, le texte s'arrête après la première phrase avec […], ce qui ne me donne que le titre et une phrase d'introduction. Je n'ai pas accès aux annonces spécifiques, métriques, démos ou produits présentés à Hannover Messe 2026. Pour produire un article complet avec les chiffres, noms de produits et détails que le format requiert, il me faut le corps complet de l'article. Options : 1. Colle le texte intégral de l'article source 2. Donne-moi l'URL et je tente une récupération directe

Le vrai défi de la robotique n’est pas technique

Dominique Carricart, expert en intégration robotique industrielle, publie le 16 avril 2026 une tribune dans laquelle il défend une thèse contre-intuitive : depuis trente ans de terrain, les projets robotiques n'échouent pas pour des raisons techniques, mais pour des raisons humaines. Son point de départ est autobiographique : en 1996, embauché chez Renault à 23 ans pour accompagner la transition des robots hydrauliques vers les robots électriques, il se heurte immédiatement à la résistance de techniciens expérimentés qui maîtrisaient une logique câblée que les écoles n'enseignaient déjà plus. Ce choc de cultures lui a appris une règle qu'il observe depuis dans chaque projet : l'intégration d'une technologie ne se réduit pas à son installation. La vraie variable d'échec, c'est la question que chaque opérateur se pose en silence dès qu'un robot entre dans l'atelier, "Est-ce que mon emploi va disparaître ?", et que les directions évitent systématiquement d'aborder. Cette peur non adressée se traduit en coûts opérationnels concrets : désengagement, sabotage passif, robots tournant durablement sous leurs capacités nominales, pannes non signalées. Carricart identifie quatre profils récurrents chez les industriels : ceux qui refusent la technologie par crainte du risque, ceux qui l'utilisent sur un périmètre très restreint sans aller plus loin, ceux qui ont investi dans un robot aujourd'hui à l'arrêt faute de compétences internes pour le reprogrammer, et enfin les plus paradoxaux, ceux qui ont éliminé tout contrôle humain au profit de l'automatisation et génèrent des taux de rebut élevés. L'enseignement commun à ces quatre cas : le problème n'est jamais la machine. C'est la gouvernance humaine qui l'entoure. Pour les intégrateurs et les directeurs industriels, cette grille de lecture est directement actionnable : le ROI d'un déploiement robotique est autant une fonction de l'accompagnement du changement que de la performance mécanique. Ce constat prend une dimension nouvelle avec l'émergence des robots humanoïdes, dont plusieurs modèles étaient visibles au salon Global Industrie 2026. Leur argument commercial central, les ateliers existants étant conçus pour des corps humains, un robot anthropomorphe s'y intègre sans refonte d'infrastructure, est réel, mais Carricart souligne un effet collatéral ignoré : l'impact psychologique d'un humanoïde mobile est radicalement différent de celui d'un bras dans une cage. Un manipulateur industriel est perçu comme un outil ; un robot qui marche et saisit des objets dans l'espace de travail humain déclenche des réponses émotionnelles d'une autre nature. L'auteur, dont la tribune s'inscrit dans un contexte de montée en puissance des acteurs du secteur, Figure, Boston Dynamics, 1X, et côté francophone des initiatives comme Enchanted Tools, ne cite pas de déploiements chiffrés ni de données comparatives, ce qui limite la portée empirique de l'argument, mais la trajectoire observée depuis 1996 donne à son propos une crédibilité de praticien que les annonces de laboratoire ne contredisent pas.