Dossier 1X Technologies — page 3

KRVF : représentation du monde en voxels sémantiques sensible à la source pour la manipulation mobile embarquée

Des chercheurs ont déposé sur arXiv (identifiant 2606.26321) un rapport technique décrivant KRVF, un système de représentation sémantique du monde en voxels conçu pour les manipulateurs mobiles soumis à des contraintes de calcul embarqué. L'architecture attribue à chaque voxel cinq propriétés: occupation de l'espace, couleur, évidence sémantique, fraicheur temporelle de la donnée et source d'origine de la mesure. Ce dernier attribut, la "conscience de la source", est le trait distinctif du système: il trace l'origine de chaque information, qu'elle provienne d'un capteur direct, d'une hypothèse a priori ou d'une inférence. L'implémentation repose sur ROS 2 et traite des flux RGB-D en temps réel pour construire une mémoire du robot orientée tâche, centrée sur la localisation des objets saisissables et des candidats à la préhension. L'acronyme KRVF n'est pas développé dans l'abstract disponible. L'enjeu technique central est la robustesse aux défaillances des capteurs de profondeur, problème récurrent en déploiement réel (occlusions, surfaces spéculaires, zones hors portée). Les pipelines de reconstruction classiques, optimisés pour la fidélité géométrique globale, corrompent silencieusement leur modèle persistant quand les mesures de profondeur sont absentes ou erronées. KRVF répond en séparant explicitement l'occupation mesurée des hypothèses sémantiques a priori: le robot peut raisonner sur un objet probable sans altérer la géométrie de référence. La carte existante sert également à générer une profondeur synthétique pour combler les lacunes capteur, fermant une boucle de rétroaction entre cartographie et perception. Ces choix ciblent directement les déploiements sans infrastructure cloud: la cognition spatiale s'exécute entièrement à bord du robot, sans latence réseau. Ce travail s'inscrit dans une dynamique de recherche active sur la représentation du monde pour robots mobiles, aux côtés de systèmes comme ConceptFusion ou LERF qui explorent des cartes neuronales 3D interrogeables en langage naturel. Sur le marché des manipulateurs mobiles, des acteurs comme Boston Dynamics (Spot ARM), Hello Robot (Stretch) ou des startups comme Agility Robotics et 1X Technologies cherchent précisément ce type de module de perception embarqué à faible empreinte de calcul. KRVF reste un préprint non évalué par les pairs, sans benchmark comparatif public ni annonce de mise à disposition du code: c'est une contribution architecturale cohérente, mais dont la portée industrielle dépendra d'une validation expérimentale sur des plateformes réelles et dans des scénarios adversariaux.

IA incarnée généraliste : RoboScience dévoile Visics

La société pékinoise RoboScience a officiellement présenté le 24 juin 2026 Visics, son modèle d'IA embarquée à usage général, accompagné d'une divulgation technique complète de l'architecture VLOA (Vision-Language-Object-Action). L'annonce s'appuie sur des démonstrations réelles couvrant l'assemblage de meubles, la préhension dextre et des opérations sur lignes d'assemblage dynamiques. L'architecture repose sur une représentation intermédiaire unifiée baptisée Object Trajectory, soit une trajectoire de nuage de points 3D centrée sur l'objet manipulé plutôt que sur les trajectoires articulaires propres à un robot donné. Deux moteurs fonctionnent en tandem : un Embodied World Model, entraîné sur de vastes volumes de vidéos Internet pour apprendre la physique des objets et les dynamiques de force, et un General Operation Model qui traduit ces trajectoires en commandes hardware-agnostiques. La simulation propriétaire RoboMirage, couplée à des pipelines d'annotation vidéo automatisés, permettrait de générer des données d'entraînement à un coût représentant 1/20 à 1/200 des approches conventionnelles, avec un objectif de plus d'un téraoctet de données de trajectoires de manipulation d'ici fin 2026. Le tour de table inclut JD.com, SenseTime, Fortune Capital, CMB Capital et Sinovation Ventures ; les centres de R&D et de production sont répartis entre Pékin, Shenzhen, Suzhou et Hangzhou. L'approche VLOA tente de résoudre un problème structurel du secteur : les modèles de contrôle robotique sont aujourd'hui massivement liés à la cinématique d'un hardware précis, ce qui rend toute généralisation coûteuse et fragile. En découplant la couche cognitive (comprendre la tâche et l'objet) de la couche d'exécution (générer les commandes moteur), RoboScience affirme pouvoir déployer Visics sur des plateformes hétérogènes sans réentraînement complet. Si cela se confirme à l'échelle, l'impact pour les intégrateurs industriels serait significatif : fini le verrouillage sur un fournisseur de robot unique pour une cellule donnée. Les métriques de coût de données (1/200e du coût traditionnel) restent toutefois à vérifier indépendamment ; les vidéos de démonstration présentées sont sélectionnées et ne constituent pas un benchmark contradictoirement validé, un écart classique entre communication marketing et performance opérationnelle réelle. RoboScience s'inscrit dans une vague dense de startups chinoises d'IA embarquée qui cherchent à contester le leadership américain dans l'humanoïde et la manipulation généraliste. Face à Physical Intelligence (Pi-0), à NVIDIA (GR00T N2), ou encore à Agibot et Unitree sur le segment domestic/industrial, la stratégie de RoboScience mise sur l'abstraction hardware plutôt que sur la verticalisation matériel-logiciel adoptée par Figure ou 1X Technologies. Les pilotes annoncés portent sur le commerce de détail, la logistique et l'aide aux personnes âgées, trois segments où la variabilité des tâches et des objets est élevée, ce qui constituerait un test pertinent de la généralisation revendiquée. Le lancement d'une production en série standardisée pour des applications industrielles et commerciales est prévu pour le second semestre 2026, sans calendrier précis communiqué à ce stade.

💬 Découpler la compréhension de la tâche du contrôle moteur, c'est le saint Graal de la robotique industrielle depuis des années, et RoboScience dit l'avoir fait avec une couche d'abstraction hardware-agnostique. Si ça tient à l'échelle, ça met fin au verrou fournisseur qui force aujourd'hui les intégrateurs à recoder intégralement pour chaque plateforme robot. Les démos sont sélectionnées, les chiffres de coût data invérifiables pour l'instant, et le H2 2026 sans date précise, ça ressemble encore à du "bientôt".

Construction et test d'un actionneur robotique DIY

Brandon Lai, maker indépendant, a publié les résultats de sa deuxième version d'actionneur rotatif, conçu pour son projet personnel de robot humanoïde. Les spécifications visées : 40 à 60 tr/min pour un couple de 20 Nm en sortie, avec une heure de fonctionnement continu. La conception s'inspire d'un article de recherche du MIT, avec une substitution structurelle majeure : réducteur cycloïdal en lieu et place du planétaire d'origine, dans l'espoir d'une meilleure densité de couple et d'un jeu mécanique réduit (backlash). Le moteur repose sur un stator bobiné à la main autour d'un noyau standard du commerce, complété par des pièces usinées CNC et des composants imprimés en 3D pour le carter. Les tests ont mis en évidence deux limitations concrètes : seulement 7 Nm de couple en sortie, bridé par la source d'alimentation de laboratoire incapable de fournir le courant nécessaire, et un backlash excessif dans le réducteur cycloïdal, attribué à des tolérances de fabrication insuffisantes. Coût total : 400 dollars, largement au-dessus du budget initial. L'écart de facteur 3 entre le couple mesuré et l'objectif illustre une tension bien connue des développeurs d'actionneurs : les performances annoncées sur papier dépendent autant de la chaîne d'alimentation que de la mécanique elle-même. Plus significatif pour la communauté robotique, le réducteur cycloïdal, réputé supérieur au planétaire pour la réduction du backlash, a produit l'effet inverse ici, rappelant que le choix d'architecture ne remplace pas la précision de fabrication. Pour les intégrateurs et ingénieurs en robotique, ce retour d'expérience chiffré, avec tolérances insuffisantes et dépassement budgétaire inclus, a plus de valeur informative que les vidéos de démonstration sélectionnées habituellement diffusées par les équipes commerciales. Lai prévoit une prochaine révision pour corriger ces points, et les fichiers CAD sont accessibles publiquement. Ce projet illustre la difficulté de répliquer en amateur des actionneurs que des acteurs comme Figure AI (Figure 02 et 03), Agility Robotics (Digit) ou 1X Technologies développent avec des équipes spécialisées et des budgets de plusieurs dizaines de millions de dollars. La publication ouverte de données techniques incluant les itérations ratées reste une contribution utile à l'écosystème DIY humanoïde, même si les performances actuelles restent très loin des seuils nécessaires à une application industrielle réelle.

Genesis AI lance Eno, son robot polyvalent

Genesis AI a dévoilé le 16 juin 2026 Eno, son robot à usage général, accompagné de GENE, le modèle de fondation développé en interne pour piloter le système. Contrairement aux approches humanoïdes bipedaleset bipèdes dominantes dans le secteur, Eno repose sur une base roulante surmontée d'une colonne articulée dont la hauteur est ajustable en temps réel, permettant au robot de se replier pour le stockage ou d'étendre sa portée selon la tâche. Ses bras sont équipés de mains propriétaires à cinq doigts conçues pour manipuler des outils et objets calibrés pour des utilisateurs humains. Le robot intègre en option un écran affichant en temps réel l'état cognitif du système, c'est-à-dire les intentions et raisonnements en cours, un choix de design rare dans l'industrie. La société, basée à San Carlos en Californie et financée à hauteur de 105 millions de dollars en seed en 2025, prévoit de lancer la production et les premiers déploiements clients d'ici fin 2026, en ciblant en priorité les secteurs industriels (manufacturing, logistique, laboratoires), avant d'adresser l'hôtellerie, les hôpitaux, puis le grand public. L'annonce est notable non pas tant pour les performances revendiquées que pour le positionnement architectural choisi. En optant pour une base mobile sur roues plutôt que la locomotion bipedaleet bipède, Genesis AI fait le pari de la fiabilité opérationnelle sur des sols industriels plats plutôt que de la polyvalence locomotrice, ce qui réduit la complexité mécanique et le risque de chute tout en simplifiant l'intégration en entrepôt et en laboratoire. La transparence cognitive via l'écran intégré est un signal adressé aux opérateurs et intégrateurs, chez qui la confiance dans les décisions autonomes du robot reste un frein réel au déploiement. GENE est présenté comme un système capable de gérer des tâches longues et séquentielles en raisonnant sur le contexte, sans se limiter à des commandes isolées, ce qui correspond à la catégorie des VLA (Vision-Language-Action models) appliqués à la manipulation. Les affirmations de "précision au millimètre" et de "manipulation au niveau humain" restent à valider indépendamment : aucune métrique de benchmark externe n'est citée dans l'annonce. Genesis AI arrive sur un marché déjà très occupé. Figure AI (Figure 03), Physical Intelligence (Pi-0), Boston Dynamics (Atlas), Agility Robotics (Digit) et Tesla (Optimus Gen 3) sont déjà en phase de déploiement pilote ou de production limitée. Nvidia pousse GR00T N2 comme socle commun pour les VLA humanoïdes. Dans ce contexte, Eno se distingue par son format non humanoïde et son interface de transparence, deux paris qui tranchent avec la convergence du secteur vers le robot bipède anthropomorphe. La co-conception corps-cerveau revendiquée par Genesis, où le hardware et le modèle GENE auraient été développés conjointement dès l'origine, reste une tendance lourde que l'on retrouve chez 1X Technologies ou Apptronik. Les prochaines étapes annoncées restent vagues : "déploiements ciblés" fin 2026 sans noms de clients ni volumes. L'annonce est pour l'instant une présentation publique de concept, pas un produit en livraison.

DragMesh-2 : interaction main-objet dextérique physiquement plausible avec des objets articulés

Des chercheurs ont publié en juin 2026 sur arXiv (arXiv:2606.15133v1) DragMesh-2, un framework de manipulation dextre d'objets articulés destiné aux mains multi-doigts. L'objectif est de permettre à un robot de manipuler des objets dont une partie est mobile (tiroir, poignée de porte, levier) sans pouvoir l'actionner directement, le mouvement devant émerger exclusivement du contact physique soutenu entre la main et la surface. Le système introduit PICA (Physically Informed Contact-Aware), un mécanisme d'entraînement qui injecte des signaux physiques dans l'apprentissage de politique sans capteur tactile ni retour de force, simplifiant ainsi l'instrumentation matérielle nécessaire. Évalué sur sept objets issus du dataset GAPartNet, DragMesh-2 a été soumis à plusieurs conditions de damping pour mesurer sa robustesse à la variation de charge de contact, sur lesquelles il surpasse les méthodes comparées. La distinction que DragMesh-2 cherche à établir est précise : la plupart des approches existantes en manipulation articulée s'appuient sur une génération centrée objet (object-centric), où les trajectoires sont calculées à partir de la géométrie de la cible. Rejouer ces trajectoires en boucle ouverte (open-loop) ne modélise pas la dynamique de contact nécessaire pour déplacer effectivement la partie articulée. Le problème devient critique quand la charge de contact varie, ce qui arrive fréquemment en conditions réelles : une porte mal alignée, un tiroir dilaté, un levier à résistance variable. PICA adresse ce point sans capteur additionnel, un avantage concret pour les intégrateurs voulant déployer des mains dextres sur des robots humanoïdes en environnement domestique ou assistif, où l'ajout de capteurs de force reste coûteux et fragile. Ce travail s'inscrit dans une tendance plus large qui cherche à dépasser le préhenseur parallèle (parallel-jaw gripper) pour les tâches de manipulation fine en milieu non structuré. GAPartNet, le benchmark utilisé, répertorie des parties articulées standardisées issues de la robotique domestique et constitue la référence commune de ce sous-domaine. La communauté humanoïde, dont les projets de Figure, Agility Robotics ou 1X Technologies, identifie la manipulation d'objets articulés comme un verrou majeur pour les déploiements en cuisine, atelier ou assistance à la personne. DragMesh-2 publie également une ressource en géométrie pure pour la manipulation dextre main-objet, destinée à alimenter les recherches futures en loco-manipulation. Aucun partenariat industriel ni timeline de déploiement n'est mentionné : c'est une contribution académique, pas un produit expédié.

Politique de diffusion spatialement conditionnée : manipulation précise et robuste avec une seule caméra RGB

Des chercheurs ont publié le 14 juin 2026 sur arXiv (arXiv:2606.14535) une méthode d'apprentissage par imitation appelée SCDP (Spatially Conditioned Diffusion Policy), conçue pour permettre à un bras manipulateur d'exécuter des tâches de précision à partir d'une seule caméra RGB fixe, sans caméra embarquée sur le poignet. L'architecture repose sur deux composants : un encodeur visuel multi-échelle qui extrait à la fois le contexte global de la scène et les détails fins, et un module de conditionnement spatial qui, à chaque étape de la boucle de diffusion, vient échantillonner des features ponctuelles le long des trajectoires intermédiaires prédites pour l'effecteur. L'idée centrale est d'utiliser ces trajectoires d'effecteur comme ancres d'attention visuelle, orientant automatiquement le réseau vers les zones de la scène pertinentes pour la tâche en cours. En simulation, SCDP surpasse les baselines monoculaires de référence et atteint des performances comparables aux configurations multi-caméras. En conditions réelles, le système démontre à la fois une manipulation précise et une robustesse aux distracteurs visuels. L'enjeu industriel est concret : la caméra de poignet est aujourd'hui le standard de facto dans les systèmes d'imitation learning déployés (ACT, Diffusion Policy, Pi-0 de Physical Intelligence), précisément parce qu'elle fournit la vue locale nécessaire à la manipulation fine. Supprimer cette contrainte réduit le coût matériel, simplifie la calibration et facilite le retrofit sur des cellules industrielles existantes. Si les performances annoncées se confirment hors laboratoire, cela lève un frein concret à la commercialisation de bras manipulateurs en environnement non contrôlé. Il convient toutefois de noter que les expériences réelles restent qualitatives dans le papier : pas de métriques de taux de succès sur un benchmark standardisé, ni de volume de déploiement cité. SCDP s'inscrit dans la vague des politiques de diffusion visuomotrices initiée par Diffusion Policy (Chi et al., 2023) et prolongée par des travaux comme 3D Diffusion Policy ou Pi-0. La question de la vue unique est un problème ouvert : d'autres approches comme UniMa ou SpatialVLA tentent de compenser l'absence de vue locale par des représentations 3D implicites ou des modèles vision-langage-action (VLA). Face à Physical Intelligence (Pi-0, financement de 400 M$), Figure AI ou 1X Technologies qui misent sur des stacks multi-capteurs, l'angle "single camera" de SCDP pourrait séduire les intégrateurs contraints en budget ou en volume de données. La prochaine étape logique serait une évaluation sur des benchmarks partagés comme RoboMimic ou LIBERO pour permettre une comparaison directe.

Equanimité dans l'interaction humain-robot : appliquer les principes de la technologie calme

Un article publié en juin 2026 sur arXiv (identifiant 2606.09836) propose un cadre théorique et pratique pour intégrer les principes de la "Calm Technology" dans l'interaction humain-robot (HRI), avec un focus sur l'environnement domestique. Les auteurs formulent des lignes directrices concrètes pour concevoir des robots d'assistance qui privilégient l'équanimité de l'utilisateur, c'est-à-dire des interactions calmes, non intrusives et harmonieuses. L'étude cible spécifiquement les assistants domestiques, identifiés comme opérant dans l'espace le plus intime de la vie quotidienne, ce qui justifie une approche de conception distincte de celle des environnements industriels ou commerciaux. Aucun prototype ni déploiement spécifique n'est présenté : il s'agit d'un article de cadrage conceptuel, pas d'un produit commercialisé. L'enjeu est significatif pour les concepteurs de robots sociaux et domestiques. La "Calm Technology", concept forgé par Mark Weiser et John Seely Brown chez Xerox PARC dans les années 1990, postule que les meilleures interfaces technologiques opèrent à la périphérie de l'attention humaine, n'intervenant au premier plan que lorsque c'est strictement nécessaire. Son application formalisée à la robotique reste encore rare : la majorité des plateformes actuelles sont conçues pour solliciter activement l'utilisateur, créant une charge cognitive continue. L'article argumente que cette posture est incompatible avec les besoins de confort et d'autonomie dans un foyer, et fournit des exemples concrets de fonctionnalités à intégrer pour réduire cette friction attentionnelle. Ce travail s'inscrit dans un courant émergent autour de la robotique responsable et du design comportemental, qui prend de l'ampleur alors que plusieurs acteurs avancent leurs projets de robots domestiques : Enchanted Tools en France avec son robot Miroki, 1X Technologies en Norvège, ou encore Samsung et ses prototypes d'assistants résidentiels. Au-delà des performances mécaniques (payload, degrés de liberté, cycle time), le design de l'interaction devient un différenciateur clé pour l'acceptation sociale de ces systèmes. L'article ouvre des pistes de recherche appliquée sur la modulation de la proactivité robotique, le silence contextuel, et la hiérarchisation des signaux d'alerte, sans citer de calendrier de déploiement ni de partenaires industriels.

Une architecture neuronale à impulsions pour coordonner le contrôle du bras et la locomotion

Des chercheurs ont publié sur arXiv (2606.11034, juin 2026) une architecture SNN (Spiking Neural Network) capable de coordonner en temps réel le contrôle des bras et la locomotion bipède d'un humanoïde simulé, une combinaison absente des travaux précédents dans ce paradigme. Le système s'appuie sur le Neural Engineering Framework (NEF) et la Semantic Pointer Architecture (SPA), avec un modèle de ganglions de la base à impulsions biologiquement inspiré pour arbitrer la sélection entre marche et manipulation. La co-simulation Nengo (contrôle neural) et Isaac Sim de NVIDIA (physique) a permis de valider quatre tâches : atteinte de cible en espace 3D, dessin continu de chiffres, locomotion en suivi de trajectoire, et commutation dynamique entre marche et contrôle du bras via désinhibition des ganglions de la base. Le principal argument de l'approche est son potentiel d'efficacité énergétique sur matériel neuromorphique (Intel Loihi, SpiNNaker), là où les humanoïdes commerciaux actuels comme Figure 03, Optimus ou Unitree G1 exigent des GPU embarqués énergivores. Cette publication revendique la première intégration unifiée locomotion-manipulation sur plateforme humanoïde pleine échelle dans le paradigme SNN, les rares précédents traitant les deux sous-systèmes en modules entièrement isolés. La limite centrale à signaler est que l'ensemble des résultats est issu de simulation pure, le gap sim-to-real n'étant pas adressé dans cette étude. Les SNNs s'imposent depuis quelques années comme alternative crédible aux réseaux denses pour les systèmes embarqués à contrainte énergétique forte. Le framework Nengo, développé par Applied Brain Research, est l'outil de référence de cet écosystème. Face à cette approche, les acteurs majeurs de la course humanoïde, Figure AI, 1X Technologies, Boston Dynamics et Physical Intelligence (auteurs de Pi-0), misent sur des VLA (Vision-Language-Action models) et du reinforcement learning à grande échelle ; l'approche SNN vise un axe orthogonal, davantage frugal et interprétable, mais encore en retrait sur les benchmarks de manipulation en environnement réel. Les auteurs annoncent le déploiement sur matériel neuromorphique basse consommation comme prochaine étape, ce qui constituera le vrai test de l'hypothèse énergétique centrale à ce travail.

La Chine peut apporter une contribution exceptionnelle dans la prochaine décennie, selon un ex-responsable de l'ONU sur l'IA et la robotique

Sam Daws, ancien haut fonctionnaire des Nations Unies et directeur du Project on Peace, Security, and AI à l'Université d'Oxford, a participé à un dialogue stratégique organisé par le Chongyang Institute for Financial Studies de l'Université Renmin de Chine, dans le cadre de la série Mingde Strategic Dialogue. Il a positionné la Chine comme détenant une "position de leadership mondial" en robotique humanoïde et en IA incarnée (embodied AI), tout en reconnaissant que les États-Unis conservent une avance sur la conception des puces avancées. L'avantage distinctif chinois résiderait, selon lui, dans sa capacité à intégrer l'intelligence incarnée à la fabrication industrielle avancée via l'initiative nationale "AI+". Sur la question de l'IA militaire, Daws a mis en garde contre ce qu'il nomme "l'illusion de la précision algorithmique" : les environnements de combat restent intrinsèquement incertains, avec des données incomplètes et des conditions dynamiques, ce qui rend tout déploiement autonome sans contrôle humain réel particulièrement risqué. Il a par ailleurs cité le KazLLM du Kazakhstan -- un grand modèle de langage en langue kazakhe -- comme exemple réussi de développement d'IA localisée dans le contexte des pays du Sud Global. Ce dialogue illustre un glissement dans le débat autour de la souveraineté technologique : les puissances intermédiaires refusent de plus en plus de choisir entre blocs technologiques rivaux, et exigent des infrastructures fiables, une puissance de calcul accessible et des standards interopérables. Pour l'industrie robotique, la thèse de Daws est notable : il soutient que la transition de l'"IA informationnelle" vers l'"IA agentique" -- des systèmes capables d'exécuter des tâches complexes de manière autonome ou semi-autonome -- représente la prochaine rupture structurelle. Si la Chine réussit à convertir son avance dans l'integration manufacturing-embodied AI en standards de facto, les intégrateurs et les OEM mondiaux pourraient se retrouver contraints d'adopter des architectures chinoises pour accéder aux marchés émergents. Le contexte géopolitique éclaire la portée du discours : Daws a évoqué des discussions en cours entre la Chine, l'ASEAN et l'UE sur l'interopérabilité robotique, ainsi qu'une coopération trilatérale potentielle Chine-Japon-Corée du Sud sur les standards des robots humanoïdes -- un signal d'alignement régional à surveiller face à la dynamique américaine autour de Boston Dynamics, Figure AI ou 1X Technologies. Il a identifié l'Organisation des Nations Unies pour le développement industriel (ONUDI/UNIDO) comme plateforme clé pour accompagner la montée en gamme industrielle dans l'ère de l'IA. Il convient de noter que ce compte-rendu reste celui d'un dialogue d'experts, sans annonce de produit ni déploiement concret : l'enjeu ici est normatif et géopolitique, pas opérationnel.

ω-EVA : anticiper, vérifier et agir avec des modèles du monde interactifs latents

Une équipe de recherche a présenté ω-EVA (omega-EVA) en juin 2026 sur arXiv, un système de contrôle robotique qui introduit une boucle "Envision-Verify-Act" pour la génération d'actions en manipulation. Le coeur du système est un modèle de monde latent interactif structuré en trois étapes: apprentissage de dynamiques latentes conditionnées par l'action, entraînement d'une politique de flux conditionnée par le langage sur des représentations visuelles "dynamiques-aware", puis rétroalimentation de la proposition d'action à travers ce même modèle. Un raffineur tri-branche raisonne simultanément sur l'état courant, le futur conditionné par la proposition, et l'action candidate pour produire le chunk d'action final. Le modèle compte environ 1,2 milliard de paramètres et n'a pas nécessité de préentraînement sur des données robotiques supplémentaires. Les évaluations couvrent des tâches de manipulation à bras unique, bimanuelle, à horizon long et en environnements perturbés, toutes menées en simulation. La plupart des politiques robotiques actuelles, y compris les VLA (Vision-Language-Action models) comme π0 de Physical Intelligence ou GR00T N2 de NVIDIA, mappent directement les observations vers les actions sans inspecter les conséquences des actions candidates avant exécution. ω-EVA propose un changement de paradigme: le modèle de monde devient un module de rétroaction actif à l'inférence, permettant à la politique de "vérifier" dans l'espace latent l'effet probable de son action avant de la valider. Point clé du design: cette vérification se fait entièrement dans l'espace des features latentes, sans génération de vidéo future, ce qui maintient une charge computationnelle raisonnable à l'inférence. Pour un intégrateur industriel ou un roboticien, l'enjeu est concret: filtrer les actions à risque avant qu'elles atteignent l'effecteur, un problème structurel des VLA déployés en milieu non contrôlé où le "demo-to-reality gap" reste critique. L'utilisation des world models comme module de rétroaction à l'inférence reste rare dans la littérature; la majorité des travaux existants, dont la série Dreamer de Hafner (2019-2023), les exploite pour l'entraînement ou la planification hors ligne. Dans la course aux VLA, les acteurs dominants, Physical Intelligence (π0, π0.5), NVIDIA (GR00T N2), Figure (Helix) et 1X Technologies, misent sur des architectures plus larges et des datasets propriétaires massifs. ω-EVA propose une alternative compacte à 1,2 milliard de paramètres sans ce prérequis en données, ce qui peut intéresser des laboratoires académiques ou des startups à ressources limitées. L'article étant un preprint arXiv non encore soumis à peer review, et les benchmarks étant exclusivement en simulation, la validation sur robot physique en environnement réel reste l'étape déterminante à franchir.

VAIC : contrôle humanoïde agile d'interaction avec des objets par vision et commandes découplées

Des chercheurs ont publié en juin 2026 sur arXiv (référence 2606.09286) VAIC, un cadre de contrôle unifié pour robots humanoïdes capable d'interagir avec des objets en milieu non structuré. La contribution principale est l'élimination de deux hypothèses restrictives qui limitent la transposition terrain des contrôleurs existants : les trajectoires de référence denses et l'observabilité complète de l'état. VAIC opère exclusivement à partir d'un flux de profondeur embarqué et de la proprioception historique, via une interface de commandes découplées composée de cibles de vitesse multi-axes et d'un indicateur d'interaction par segment corporel. L'apprentissage suit un paradigme de distillation en deux étapes : une politique "enseignant" privilégiée, entraînée avec accès complet à la cinématique des objets et à l'état environnemental exact, transfère ses compétences à une politique "étudiant" déployable qui reconstruit implicitement la dynamique des objets depuis le flux de profondeur brut via un module d'adaptation récurrent. Sur robot humanoïde (non nommé dans le preprint), cette politique unique exécute en conditions réelles trois familles de tâches dynamiques : transport de carton, interaction avec un chariot, et skateboard, surpassant selon les auteurs les approches baseline comparées. Ce résultat, s'il se confirme à plus grande échelle, adresse directement le "deployment gap" qui freine la commercialisation des humanoïdes : la quasi-totalité des démos publiques repose encore sur des systèmes de capture de mouvement externe ou sur des objets instrumentés avec tracking précis. Proposer une politique unique généraliste, sans trajectoires de référence et fonctionnant sur capteurs embarqués bas coût, réduirait significativement la friction d'intégration pour les opérateurs industriels et les intégrateurs robotiques. La distillation enseignant-étudiant avec module d'adaptation récurrent n'est pas une architecture inédite, mais son application à des tâches aussi hétérogènes sur un humanoïde réel constitue un pas mesurable vers la généralisation. À noter que le preprint ne fournit ni métriques de cycle time par tâche, ni taux de succès quantifiés, ni spécification du robot utilisé, ce qui limite l'évaluation indépendante des performances annoncées. Ce travail s'inscrit dans une course aux contrôleurs généralisés qui oppose des équipes académiques (Berkeley, CMU, ETH Zurich) aux acteurs commerciaux : Figure Robotics avec son pipeline VLA sur Figure 02/03, Physical Intelligence et sa politique Pi-0, 1X Technologies et Unitree, tous actifs simultanément sur le sim-to-real et les architectures polyvalentes. L'approche de VAIC, centrée sur la profondeur et la proprioception plutôt que sur les vision-language models à grande échelle, constitue un positionnement différenciant en termes de coût de calcul embarqué et de simplicité sensorielle. Aucun partenariat industriel ni calendrier de déploiement n'est annoncé dans ce preprint : il s'agit à ce stade d'une démonstration de recherche, dont la validation sur plusieurs plateformes robotiques et environnements variés reste entièrement à mener.

Un nouveau robot humanoïde apporte perception avancée et manipulation aux robots industriels

VinRobotics, filiale robotique du conglomérat vietnamien Vingroup, a présenté le VR-H3 simultanément à l'ICRA 2026 de Vienne et au COMPUTEX Taipei 2026 fin mai. Ce robot humanoïde de troisième génération embarque plus de 31 actionneurs assurant la coordination corps entier, deux ordinateurs de bord pour le traitement local des données sensorielles, et une capacité de charge utile annoncée entre 6 et 8 kilogrammes. Il est conçu pour la manutention, l'assemblage et la navigation en environnement industriel dynamique. Lors de la démonstration à l'ICRA, VinRobotics a illustré une téléopération via casque de réalité virtuelle couplé à une capture de mouvement intégrée, sans équipement de tracking externe. La même semaine, VinDynamics, autre filiale de Vingroup, dévoilait Dyno, un premier humanoïde dédié à la sécurité, la surveillance urbaine et l'assistance domestique, déjà testé comme guide autonome au Vinpearl Safari Phu Quoc en dialogue multilingue avec les visiteurs. VinRobotics revendique un développement 100 % interne : architecture mécanique, infrastructure temps réel, architecture électrique et électronique, gestion de batterie et framework IA corps entier. Ce double lancement positionne Vingroup comme le premier acteur vietnamien à présenter plusieurs plateformes humanoïdes simultanément dans des conférences de rang mondial. L'intégration verticale revendiquée, si elle est confirmée, confère un avantage potentiel sur la maîtrise des coûts et les cycles d'itération, un levier que cherchent précisément les intégrateurs industriels soumis à des délais d'approvisionnement longs sur les actionneurs. La charge utile de 6 à 8 kg reste cependant modeste face aux références actuelles du secteur (Tesla Optimus Gen 3 annonce 20 kg, Figure 02 vise des tâches similaires avec un payload supérieur). Les vidéos publiées montrent des démonstrations en conditions contrôlées : aucun chiffre de temps de cycle, de taux de succès en tâche répétitive ou de volume de déploiement n'est communiqué, ce qui situe le VR-H3 clairement au stade prototype démontré, pas produit expédié. Vingroup, groupe diversifié dont la capitalisation dépasse 10 milliards de dollars et qui couvre l'automobile (VinFast), l'immobilier et la technologie, a structuré depuis 2023 une branche robotique active avec VinRobotics et VinDynamics. Le contexte global est celui d'une course humanoïde intense : en Chine, Unitree, Agibot et XPENG Robotics produisent déjà à petite série ; aux États-Unis, Agility Robotics déploie Digit chez Amazon ; en Europe, 1X Technologies et Enchanted Tools (Mirokaï) avancent sur des niches de service. Le Vietnam, qui cherche à monter en gamme dans la chaîne de valeur manufacturière, mise sur la robotique comme vitrine technologique nationale. Les prochaines étapes pour VinRobotics restent floues : aucun pilote industriel signé ni timeline de commercialisation n'a été annoncé à l'issue des deux événements.

Pourquoi l'usinage suisse de précision est essentiel à l'avenir de la robotique et de l'automatisation

L'essor mondial de la robotique industrielle et des systèmes de fabrication intelligente génère une demande croissante pour des composants mécaniques usinés avec une précision extrême. Les robots collaboratifs, les systèmes d'assemblage automatisé et les équipements de production pilotés par capteurs reposent sur des pièces dont les tolérances s'expriment en microns. L'usinage de décolletage suisse (Swiss machining), technique CNC spécialisée dans la production de pièces cylindriques de petits diamètres à très haute précision, s'impose comme un maillon critique de cette chaîne d'approvisionnement, notamment pour les axes, arbres, vis-mères et composants de transmission intégrés dans les actionneurs et joints des bras robotiques. L'enjeu est structurel : un robot industriel ou collaboratif ne peut maintenir ses performances en production continue que si chaque composant respecte des tolérances serrées sur la durée. Une pièce légèrement hors cote dans un réducteur harmonique ou un rail de guidage peut induire des dérives cumulatives qui compromettent la répétabilité, paramètre central pour tout déploiement en ligne d'assemblage. Cela positionne les sous-traitants en décolletage suisse comme des fournisseurs de premier rang pour les intégrateurs robotiques, au même titre que les fournisseurs de motoréducteurs ou d'électronique embarquée. À noter : l'article reste de niveau "livre blanc promotionnel" et ne cite aucune métrique concrète ni aucun client. Le décolletage suisse est une industrie centenaire dominée par des acteurs européens, notamment en Suisse (canton de Neuchâtel) et dans le Jura français (Arc jurassien), ainsi qu'au Japon et en Allemagne. Face à la montée en charge des commandes robotiques, portée par Figure AI, Boston Dynamics, 1X Technologies ou encore le français Enchanted Tools, ces sous-traitants de précision se retrouvent en position stratégique, à condition d'investir dans l'automatisation de leur propre production pour tenir les volumes demandés par une industrie qui s'industrialise rapidement.

Chine : Pudu dévoile un robot semi-humanoïde apprenant pour transformer l'automatisation industrielle

Pudu Robotics, entreprise fondée à Shenzhen spécialisée jusqu'ici dans les robots de service (livraison en restaurant, nettoyage), a présenté une version actualisée de son D7, robot semi-humanoïde industriel initialement dévoilé en 2024. La plateforme associe un châssis omnidirectionnel, deux bras manipulateurs et un torse anthropomorphe, le tout piloté par PuduFM 1.0, un modèle de fondation propriétaire entraîné sur des données opérationnelles réelles. Le D7 prend en charge des charges utiles jusqu'à 14 kg et peut atteindre des hauteurs de 2 mètres, ce qui lui permet d'interagir avec des systèmes de stockage en hauteur. Il est équipé de capteurs tactiles offrant une précision de contrôle de force au millimètre, d'un double LiDAR avant-arrière pour la navigation en environnement dynamique, et d'un système de remplacement autonome des batteries permettant une opération 24 h/24 sans intervention humaine. Les applications visées incluent la manutention, le picking en étagères, le réapprovisionnement de stocks et le transport interne en entrepôt ou en usine. Ce qui distingue la proposition de Pudu des AMR (autonomous mobile robots) classiques, c'est l'ambition d'un apprentissage continu en production : l'architecture collecte des données opérationnelles en boucle fermée, les transmet à faible latence et réentraîne le modèle sur les tâches réellement effectuées. Si ce mécanisme fonctionne à l'échelle, cela représente un changement notable pour les intégrateurs industriels qui gèrent aujourd'hui des flottes de robots aux capacités figées après déploiement. La plateforme PuduAgent, annoncée comme prochaine étape, viserait la coordination multi-robots sur des flux de travail complexes. Il convient toutefois de nuancer : la présentation repose sur des affirmations du fabricant, sans données tierces sur les taux d'apprentissage effectifs ni sur la performance en conditions de production réelle. La distinction entre ce qui est opérationnel aujourd'hui et ce qui reste en développement n'est pas clairement établie dans les communications officielles. Pudu s'est construit une base industrielle avec ses robots de livraison déployés dans des milliers de restaurants en Chine et à l'international, ce qui lui confère une expérience opérationnelle terrain que n'ont pas tous ses concurrents dans le segment humanoïde. Sur ce marché, le D7 se positionne face à des acteurs comme Agility Robotics (Digit, déployé chez Amazon), Figure (Figure 02), 1X Technologies ou Fourier Intelligence, tous engagés dans la même course au robot humanoïde pour la logistique. Côté modèles de fondation pour la manipulation (VLA), la concurrence inclut Physical Intelligence (pi0), Boston Dynamics et les équipes de recherche de DeepMind. Aucun déploiement client ni pilote industriel n'a été annoncé à ce stade pour la version actualisée du D7, ce qui place cette présentation davantage dans la catégorie annonce produit que déploiement réel.

AffordGen : génération de démonstrations variées pour la manipulation d'objets généralisable par correspondance d'affordances

Des chercheurs présentent AffordGen, un framework conçu pour résoudre l'un des goulets d'étranglement centraux de l'apprentissage par imitation en robotique : la rareté et le manque de diversité géométrique des données d'entraînement. Le système combine des modèles génératifs 3D à grande échelle avec des vision foundation models (VFMs) pour produire automatiquement de nouvelles trajectoires de manipulation. Le mécanisme repose sur la correspondance sémantique de keypoints fonctionnels (les affordances) entre des maillages 3D issus de bibliothèques volumineuses : AffordGen localise les points pertinents (prise, contact, pivot) sur un objet de référence, puis les transpose à de nouvelles géométries pour générer des démonstrations synthétiques variées. Ce dataset affordance-aware entraîne ensuite une politique visuomotrice en boucle fermée qui combine généralisation sémantique et robustesse réactive de l'apprentissage de bout en bout. Des expériences en simulation et dans le monde réel rapportent des taux de réussite élevés et, surtout, une capacité de généralisation zero-shot à des objets réellement inédits lors de l'entraînement. L'enjeu industriel est direct. Collecter manuellement des démonstrations robotiques reste coûteux, lent et difficile à diversifier sur des variantes géométriques d'objets. AffordGen génère cette diversité de façon programmatique, sans requérir de téléopération supplémentaire. La généralisation zero-shot représente un indicateur fort de viabilité en déploiement réel, car les environnements industriels exposent en permanence des objets non anticipés. Le fait que la politique reste en boucle fermée la distingue des approches open-loop souvent fragiles hors laboratoire. Ces résultats renforcent l'hypothèse que le "data gap" de la manipulation peut être partiellement comblé par génération synthétique, à condition que les affordances soient correctement modélisées, ce que les auteurs n'ont toutefois démontré que sur un périmètre de tâches restreint. AffordGen s'inscrit dans un courant de recherche visant à augmenter les données de manipulation sans démonstrations humaines massives, aux côtés de MimicGen (NVIDIA), RoboAgent ou RoboGen. La diffusion policy et ACT (Action Chunking Transformer) ont démontré la puissance de l'imitation learning conditionnée à un volume de données suffisant ; AffordGen attaque précisément ce prérequis amont. Le papier est disponible sur arXiv (arXiv:2604.10579v2, version mise à jour). Les prochaines étapes naturelles concernent la scalabilité sur des tâches de manipulation multi-étapes et l'intégration dans des stacks industrielles telles que celles de 1X Technologies, Boston Dynamics ou Apptronik, qui restent tributaires de la diversité des données pour déployer des politiques robustes hors des environnements contrôlés.

Les humanoïdes apprennent à lire les situations

Concevoir un robot humanoïde capable d'opérer en sécurité aux côtés d'humains mobilise aujourd'hui une chaîne complète de technologies de perception en temps réel. Analog Devices Inc. (ADI) détaille dans un article technique les briques nécessaires à cette conscience situationnelle, porté par Geir Ostrem, Fellow ADI au sein de l'unité Automotive. Le défi central est architectural : capteurs visuels et microphones sont physiquement éloignés du processeur principal, ce qui introduit de la latence sur des câbles longs. Pour y répondre, ADI adapte sa technologie GMSL (Gigabit Multimedia Serial Link), déjà standardisée en automobile, aux châssis humanoïdes. GMSL transporte de la vidéo en flux unique à plusieurs gigabits par seconde, permettant un traitement local embarqué (via ce qu'ADI appelle "physical AI") plutôt qu'un renvoi vers le cloud. Sur la partie vision, les méthodes évoquées sont connues : capteurs RGB, time-of-flight, lumière structurée et stéréovision pour la profondeur. Sur la partie audio, la problématique est similaire : il faut une latence déterministe entre les microphones et l'ordinateur central pour localiser et identifier des événements sonores, par exemple un objet qui tombe derrière le robot. Des processeurs secondaires, positionnés au plus près des capteurs ou des actionneurs, gèrent les boucles de contrôle rapides et transmettent en parallèle au processeur principal. Ce que cette publication illustre concrètement, c'est le déplacement du centre de gravité technologique dans la robotique humanoïde : la mécanique et les modèles de mouvement ne suffisent plus, c'est la couche de perception embarquée qui devient le facteur limitant pour un déploiement en environnement mixte. La latence n'est pas un détail d'ingénierie, c'est une contrainte de sécurité. Un humanoïde qui réagit avec 200 ms de délai à un collègue qui change de trajectoire n'est pas exploitable en production. Le passage au traitement local, sans dépendance réseau, est donc moins un choix de performance qu'une nécessité opérationnelle, surtout dans des ateliers ou entrepôts où la connectivité peut être dégradée. L'article confirme ce que les intégrateurs industriels observent terrain : les architectures distribuées, avec des processeurs locaux près des actionneurs, deviennent le standard de facto pour les boucles de contrôle à haute fréquence. ADI arrive dans la robotique humanoïde depuis l'automobile, où GMSL équipe déjà les systèmes ADAS de nombreux constructeurs. Ce repositionnement sectoriel est cohérent avec la dynamique du marché : la pénurie de main-d'oeuvre pousse à l'accélération des déploiements en espaces partagés, et les fabricants d'humanoïdes, de Figure à Tesla Optimus en passant par Agility Robotics ou 1X Technologies, ont tous besoin de sous-systèmes de perception matures et validés industriellement. À noter que cet article est un contenu sponsorisé signé ADI, ce qui tempère son caractère neutre : les métriques citées (débit GMSL, latence) sont présentées sans benchmark comparatif ni conditions de test précisées. Les prochaines étapes probables pour ADI consistent à nouer des partenariats OEM directs avec des constructeurs d'humanoïdes, une dynamique déjà visible chez des fournisseurs de composants comme NVIDIA (plateforme Thor/Jetson) ou Bosch, qui ciblent eux aussi ce segment en pleine structuration.

Comparaison des performances des algorithmes d'échantillonnage classiques et neuronaux pour la navigation robotique

Une équipe de chercheurs a publié sur arXiv (référence 2505.25010) une étude comparative de trois algorithmes de planification de trajectoire par échantillonnage appliqués à la navigation robotique et aux drones : RRT (l'algorithme de référence basé sur les arbres aléatoires exploratoires), Neural RRT et Neural Informed RRT, ces deux derniers intégrant des réseaux de neurones pour guider la phase d'échantillonnage. Les tests ont été conduits dans des environnements simulés comportant des obstacles convexes et concaves à densités variables. Les résultats montrent que les variantes neurales génèrent des chemins jusqu'à 14% plus courts et des trajectoires 55 à 75% plus lisses que l'algorithme classique. Neural Informed RRT obtient les meilleures performances globales sur les deux critères évalués, au prix d'une légère hausse du temps de calcul non chiffrée dans l'abstract. Pour un intégrateur de flotte AMR (robots mobiles autonomes) ou un responsable technique travaillant sur des drones d'inspection, une réduction de 55 à 75% de la rugosité de trajectoire se traduit directement par moins de sollicitations mécaniques, une meilleure durée de vie des actionneurs et une consommation énergétique réduite. Le gain de 14% sur la longueur de chemin représente un avantage cumulatif significatif sur des cycles répétitifs en entrepôt ou en milieu industriel. L'étude valide l'hypothèse que le neural sampling peut améliorer la qualité du planificateur sans remplacer entièrement le moteur classique, une architecture hybride qui facilite l'intégration dans les pipelines existants. Le surcoût computationnel reste cependant non quantifié précisément dans les résultats publiés, ce qui limite l'évaluation de la viabilité temps-réel sans accès au corpus complet. La planification par échantillonnage repose sur RRT*, algorithme asymptotiquement optimal formalisé par Karaman et Frazzoli en 2011 et devenu un standard dans les frameworks open-source OMPL et MoveIt 2. L'injection de réseaux de neurones dans la phase d'échantillonnage est explorée depuis plusieurs années via des approches comme MPNet (2019) ou NeuralRRT, qui biaisent l'exploration vers les zones de l'espace prometteuses plutôt que d'échantillonner uniformément. Ce preprint, non encore peer-reviewed au moment de sa publication, s'inscrit dans un courant plus large de planification hybride classique/IA également suivi par des équipes chez Boston Dynamics, Skydio, et dans les laboratoires de manipulation de Figure AI ou 1X Technologies. La prochaine étape logique est une validation sur hardware réel avec des benchmarks standardisés, indispensable avant tout déploiement industriel.

EUPHORIA : planification universelle efficace par optimisation hybride pour l'assemblage robotique industriel

Une équipe de chercheurs a publié sur arXiv (référence 2605.18872v1) EUPHORIA, un framework de planification unifiée pour l'assemblage robotique en construction architecturale. Le système combine quatre modules distincts : un Meta-Geometric Encoder basé sur des Graph Hypernetworks, un Physics-Informed Graph Transformer entraîné via Soft Actor-Critic (SAC), un module de séquençage Kinematics-Aware, et une couche de correction différentiable baptisée Residual Stability Correction. Le principe central est l'adaptation en few-shot : à partir d'un ensemble de support minimal, le hypernetwork génère dynamiquement les paramètres de politique du robot sans nécessiter de réentraînement par gradient, même sur des géométries non standards comme des dômes ou des arches. Les expériences rapportées montrent une réduction de la consommation énergétique par rapport aux approches découplées, et des taux de succès annoncés comme état de l'art sur des géométries inédites. Il s'agit d'un preprint académique, sans déploiement industriel déclaré à ce stade. L'intérêt technique de EUPHORIA réside dans l'attaque simultanée de deux goulots d'étranglement qui paralysent l'automatisation en construction : le coût de réentraînement pour chaque nouvelle conception géométrique, et le traitement disjoint du séquençage structurel et du mouvement cinématique. Le mécanisme Physics-Bias Attention intègre des forces de contact issues de simulations par éléments discrets (DEM) directement dans les scores d'attention du transformer, orientant le planificateur vers les connexions structurellement critiques. Le module Residual Stability Correction tente de combler le gap sim-to-real en affinant les actions d'assemblage brutes via une optimisation conjointe énergie-stabilité avant exécution, ce qui reste une approche prometteuse mais non validée en conditions industrielles réelles. Si les résultats laboratoire se confirment, l'impact pour les intégrateurs serait significatif : pouvoir déployer un même robot sur des chantiers aux géométries variées sans cycle de requalification logicielle. Le champ de la robotique de construction reste dominé par des systèmes spécialisés : Hadrian X de FBR pour la maçonnerie en ligne droite, les bras ABB et KUKA pour l'assemblage structurel répétitif, ou encore des approches de préfabrication hors-site. La recherche en planification architecturale robotisée s'intensifie dans les labos académiques (ETH Zurich, MIT Media Lab), mais le fossé entre démonstration sur géométries contrôlées et déploiement réel sur chantier reste important. EUPHORIA s'inscrit dans ce courant de travaux cherchant à généraliser les politiques de manipulation via le méta-apprentissage, une direction également explorée par des acteurs comme 1X Technologies ou Apptronik pour la manipulation généraliste, mais ici appliquée à un domaine industriel vertical précis. Les prochaines étapes naturelles seraient une validation sur hardware réel et une collaboration avec un acteur de la construction industrialisée.

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

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

Politique de diffusion pour le contrôle coordonné d'une base mobile non-holonome et de deux bras lors du franchissement de portes

Un groupe de chercheurs a publié sur arXiv (preprint 2605.15352) une politique de contrôle fondée sur la diffusion, capable de faire ouvrir et franchir une porte à loquet auto-fermant par un robot mobile équipé de deux bras. La tâche ciblée, une porte lourde nécessitant une traction, est décomposée en plusieurs phases enchaînées sans intervention manuelle : rotation de la poignée, traction progressive, maintien de l'ouverture, transfert d'appui entre les deux membres, déplacement de la base, puis passage complet. Le robot repose sur une base non-holonome (incapable de se déplacer latéralement sans rotation préalable), ce qui contraint fortement la coordination simultanée entre châssis et manipulateurs. Les auteurs ne communiquent ni le nom du robot utilisé ni de taux de succès chiffré dans l'abstract, ce qui limite l'évaluation indépendante des performances annoncées. L'intérêt technique réside dans l'abandon des automates à états finis classiques, où chaque transition (tirer une fois la poignée tournée, passer une fois l'ouverture suffisante) est programmée manuellement et échoue dès que les conditions réelles dévient du scénario prévu. L'approche par imitation learning, via une diffusion policy (modèle génératif entraîné à reproduire des démonstrations humaines en capturant une distribution de trajectoires plutôt qu'une unique solution), produit une politique unique de bout en bout qui gère l'intégralité de la séquence longue sans découpage explicite. Les auteurs signalent également une robustesse aux perturbations extérieures, comme des poussées appliquées au robot en cours de tâche, résultat difficile à atteindre avec des méthodes classiques. Pour les intégrateurs industriels, les variables clés à valider restent le sim-to-real et la généralisation à la diversité physique des portes réelles. La diffusion policy s'est imposée comme paradigme dominant en manipulation robotique depuis les travaux de Chi et al. (Columbia, 2023) et irrigue aujourd'hui des laboratoires académiques et des start-ups comme Physical Intelligence (Pi-0), 1X Technologies ou Covariant. Ce preprint s'inscrit dans un effort plus large vers la manipulation mobile bimanuelle, segment encore peu couvert commercialement : Boston Dynamics (Spot + bras ARM), Hello Robot (Stretch) ou Kinova opèrent principalement en manipulation unimanuelle ou sur base fixe. Aucune collaboration industrielle ni timeline de déploiement n'est mentionnée, ce qui situe ce travail résolument côté recherche fondamentale, malgré des résultats préliminaires prometteurs sur les longues séquences gestuelles.

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

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

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

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

IA incarnée : la startup Zenbot lève près de 100 millions de yuans lors de son tour d'amorçage

La startup chinoise Zenbot, spécialisée dans l'infrastructure d'IA embodied, a bouclé un tour de financement d'amorçage de près de 100 millions de yuans (environ 14 millions de dollars). Le tour est co-piloté par trois industriels cotés de la fabrication de précision : ChangYing Precision (300115.SZ), Kedali (002850.SZ) et Zhaoming Technology (301000.SZ), auxquels s'ajoutent le fonds entrepreneurial L2F Light Source et Sirius Capital. L'utilisation des fonds cible quatre axes : le développement d'un world model à vocation généraliste pour l'IA embodied, la production en série de modules articulaires exploitant des drivers GaN de troisième génération, le déploiement d'une architecture de communication temps réel dite "cerveau-colonne vertébrale" (brain-spine), et le renforcement des capacités de conception full-stack pour la production de masse de produits complets. Ce financement signale une tendance structurelle dans l'écosystème robotique chinois : les équipementiers de précision entrent directement au capital des startups d'IA embodied, cherchant à sécuriser un accès précoce aux briques technologiques critiques. L'intégration de drivers GaN dans les modules articulaires est un pari technique notable, ces composants semi-conducteurs de troisième génération promettent une densité de puissance supérieure et des pertes réduites par rapport au silicium classique, ce qui est déterminant pour l'autonomie et la compacité des robots humanoïdes. L'architecture brain-spine en temps réel répond à un verrou bien identifié du secteur : la latence de communication entre le contrôleur central et les actionneurs périphériques, souvent citée comme obstacle au déploiement industriel fiable. Zenbot s'inscrit dans une vague dense de startups chinoises d'IA embodied qui cherchent à concurrencer Figure, Boston Dynamics ou 1X Technologies sur le terrain des briques d'infrastructure plutôt que sur celui des robots finis. Le co-fondateur Dr. Jia Zhenzhong, diplômé du département d'instruments de précision de Tsinghua et docteur de l'Université du Michigan, positionne l'entreprise à l'intersection de la robotique, de la vision par ordinateur et des grands modèles d'IA. Aucun prototype public, ni timeline de production en série, ni client annoncé à ce stade : ce tour reste une annonce d'intention, avec des jalons technologiques ambitieux encore à démontrer.

TeleGate : téléopération corps entier d'un humanoïde par sélection d'experts avec prior de mouvement

Des chercheurs ont publié TeleGate (arXiv:2602.09628, preprint non encore revu par les pairs), un cadre de télé-opération corps entier pour robots humanoïdes, déployé sur le Unitree G1. Le système permet le contrôle à distance en temps réel de l'ensemble du corps du robot - membres supérieurs, inférieurs et tronc - sur un spectre de mouvements dynamiques complexes: course, récupération après chute et saut. L'entraînement n'a nécessité que 2,5 heures de données de capture de mouvement (mocap), un volume faible comparé aux approches concurrentes. L'architecture repose sur deux composants: un réseau de sélection (gating network) léger qui active dynamiquement des politiques expertes spécialisées en fonction des états proprioceptifs du robot et des trajectoires de référence, et un module de prior de mouvement basé sur un VAE (variational autoencoder) qui infère l'intention de mouvement future à partir des observations historiques, assurant un contrôle anticipatif pour les gestes nécessitant de la prédiction. L'enjeu que TeleGate cherche à résoudre est central dans la robotique humanoïde actuelle: les approches classiques fusionnent plusieurs politiques expertes en une politique générale par distillation de connaissances, ce qui entraîne une dégradation des performances sur les mouvements très dynamiques. TeleGate contourne ce compromis en préservant les politiques expertes spécialisées intactes, le réseau de sélection se contentant d'arbitrer entre elles en temps réel. Les résultats rapportés, en simulation et sur robot réel, indiquent une précision de suivi et un taux de succès supérieurs aux méthodes de référence, sans que les auteurs ne fournissent de métriques chiffrées détaillées dans l'abstract. Pour les intégrateurs, cela suggère qu'une architecture de sélection d'experts est préférable à la distillation lorsque le portefeuille de comportements est hétérogène et inclut des gestes physiquement contrastés. Unitree Robotics, fabricant chinois dont le G1 est commercialisé aux alentours de 16 000 USD, s'est imposé comme la plateforme de référence des publications académiques en télé-opération humanoïde grâce à son accessibilité tarifaire. TeleGate s'inscrit dans une effervescence de travaux publiés en 2024-2025 autour de ce thème, en parallèle d'approches comme ACT, UMI, ou les systèmes développés par Figure AI et 1X Technologies. La prochaine étape naturelle pour ce type de framework est la collecte de démonstrations de haute qualité pour l'apprentissage par imitation, goulot d'étranglement majeur sur le chemin vers l'autonomie humanoïde.

PL-Universe Robotics dévoile sa gamme de produits d'IA physique industrielle 2.0

PL-Universe Robotics, start-up chinoise créée il y a seize mois, a présenté ce qu'elle nomme sa "Product Matrix 2.0", articulée autour de deux produits : AcCI, une solution de collecte de données multi-modale affichant une précision annoncée sub-millimétrique, et Dabai, un module robotique dédié au chargement et déchargement industriel intelligent. AcCI combine des interfaces de contrôle VR, maître-esclave et joystick, et capture simultanément des données de force, de couple, de pose, de retour tactile et de vision en boucle fermée. L'annonce s'accompagne d'une stratégie d'écosystème qualifiée d'"all-domain symbiotic" et d'un appel ouvert à des partenaires industriels mondiaux. L'enjeu déclaré est le goulot d'étranglement des données dans le déploiement à grande échelle de l'IA physique, un problème que le secteur reconnaît largement. Une plateforme de collecte end-to-end multi-modale, si elle tient ses promesses, répondrait à un besoin concret pour les intégrateurs cherchant à constituer des jeux de données de démonstration de qualité industrielle. Cependant, cette annonce reste au stade déclaratif : aucun client n'est nommé, aucun volume de déploiement n'est communiqué, et la précision sub-millimétrique est avancée sans conditions de test ni contexte de tâche précisés, ce qui rend toute évaluation indépendante impossible pour l'instant. PL-Universe s'inscrit dans un écosystème très concurrentiel : en Chine, Unitree Robotics et DEEP Robotics avancent sur le déploiement d'humanoïdes industriels, tandis qu'à l'international, Physical Intelligence avec Pi-0, Apptronik et 1X Technologies ont déjà des bases installées ou des contrats actifs sur des pipelines de données robotiques. La société cible un marché qu'elle évalue à "plusieurs milliers de milliards de yuans", une projection ambitieuse et invérifiable à ce stade. Aucune tarification ni date de disponibilité commerciale n'a été précisée ; la prochaine étape annoncée est le recrutement de partenaires d'écosystème à l'échelle mondiale, selon un modèle stratégique que l'entreprise décrit comme "1+N+infini".

Des données de caméras corporelles sur des travailleurs humains servent à entraîner des cerveaux robotiques dans un essai coréen

La startup sud-coréenne RLWRLD a annoncé un partenariat avec le Lotte Hotel Seoul, le groupe logistique CJ Logistics et des enseignes Lawson pour constituer une base de données de gestes professionnels humains destinée à l'entraînement de robots. Les employés de ces sites portent des caméras-corps pendant l'exécution de tâches courantes mais techniquement exigeantes : pliage de serviettes de banquet et mise en place de tables à l'hôtel, opérations d'entrepôt chez CJ Logistics, organisation de rayonnages en commerce de détail. Ces flux vidéo, enrichis de données de mouvement et de force, alimentent le modèle fondationnel RLDX-1, présenté en 2025, qui cible la manipulation robotique haute précision avec des mains à haut degré de liberté (DoF). L'architecture centrale, baptisée Multi-Stream Action Transformer (MSAT), traite en flux parallèles les signaux visuels, de mouvement, de mémoire et de couple (torque), qu'elle fusionne ensuite pour générer les actions motrices. Le système intègre également un modèle vision-langage-action (VLA) spécialisé robotique, des modules de physique et de mouvement, et une interface cognitive qui compresse la perception en tokens mémoire pour le suivi de tâches longues. RLWRLD affirme que RLDX-1 dépasse les VLA leaders sur des benchmarks spatiaux, temporels et en contact riche, en simulation comme en conditions réelles, sans chiffres de latence ni taux de succès indépendants publiés à ce stade, ce qui invite à la prudence avant de valider ces affirmations. Ce projet illustre un changement de paradigme dans la collecte de données robotiques : au lieu de téléopération ou de simulation synthétique seule, RLWRLD mise sur la capture in situ d'expertise métier réelle, là où la dextérité humaine est déjà optimisée par des années de pratique. Pour les intégrateurs et les équipementiers industriels, cela signale que le goulot d'étranglement du sim-to-real gap pourrait être partiellement contourné par du data collection en environnement de production réel. La capacité de RLDX-1 à se généraliser sur des configurations single-arm, dual-arm et humanoïde depuis un modèle unique réduit potentiellement les coûts de fine-tuning par plateforme. La gestion de la mémoire à long horizon via tokens de cognition est une réponse directe à la limite connue des VLA actuels sur les tâches séquentielles complexes, problème documenté chez des équipes comme Physical Intelligence (Pi-0) ou chez l'équipe GR00T de NVIDIA. RLWRLD s'inscrit dans une vague coréenne de robotique physique soutenue par des programmes gouvernementaux de numérisation des savoir-faire pour l'IA industrielle. Sur le plan compétitif, la startup se positionne face à Physical Intelligence (Pi-0, États-Unis), à l'équipe GR00T N2 de NVIDIA, à Figure (Figure 03) et à 1X Technologies dans la course aux modèles fondationnels pour la manipulation. La Corée du Sud mobilise sa base manufacturière dense, automobile, électronique, logistique, comme terrain de collecte de données, ce que ni les laboratoires américains ni les acteurs européens comme Wandercraft ou Enchanted Tools ne répliquent à cette échelle sectorielle. Les prochaines étapes annoncées incluent l'extension des captations à d'autres secteurs et le déploiement du modèle sur des plateformes humanoïdes commerciales, sans calendrier précis communiqué.

ElasticFlow : une politique à horizon temporel élastique pour la manipulation guidée par le langage

ElasticFlow est un cadre de politique robotique pour la manipulation guidée par le langage, présenté dans un preprint arXiv (2605.08799) publié en mai 2026. L'approche vise à résoudre le principal défaut des politiques de diffusion, dominantes en robotique incarnée depuis 2023: leur processus itératif de débruitage génère une latence incompatible avec le contrôle temps réel. ElasticFlow atteint une inférence en une seule évaluation réseau (1-NFE, Neural Function Evaluation) à environ 71 Hz, sans recourir à la distillation. La méthode est validée sur trois benchmarks standard: LIBERO, CALVIN et RoboTwin, où elle surpasse OpenVLA et Pi-0 (Physical Intelligence) sur des tâches à long horizon temporel. Le coeur de la contribution est double. D'une part, les auteurs reconstruisent la Mean Field Theory pour modéliser directement le champ de vitesse moyen, ce qui permet un mapping direct bruit-vers-action en une seule passe, sans sacrifier la cohérence physique des trajectoires. D'autre part, le mécanisme "Elastic Time Horizons" encode explicitement la granularité de contrôle afin d'aligner les instructions sémantiques en langage naturel avec les horizons d'exécution physique, adressant le Spectral Bias inherent aux réseaux neuronaux profonds. Si ces gains se confirment sur matériel réel, l'impact pour les intégrateurs est concret: des politiques VLA (Vision-Language-Action) déployables en temps réel sur des contrôleurs embarqués à ressources limitées, sans pipeline de distillation complexe à maintenir. Ce travail s'inscrit dans une compétition dense autour des architectures VLA: Pi-0 de Physical Intelligence, OpenVLA de Berkeley, RT-2 de Google DeepMind, ou encore les récents modèles de manipulation de Figure AI et 1X Technologies ont tous posé des jalons dans cette catégorie. Le backbone diffusion en robotique a été popularisé par Diffusion Policy (Chi et al., 2023), devenu une référence de facto. ElasticFlow cible précisément son goulot d'étranglement computationnel. Le papier reste un preprint non évalué par les pairs, et les expériences présentées reposent exclusivement sur des benchmarks simulés. Aucune validation sur plateforme matérielle réelle n'est annoncée, ce qui laisse entière la question du sim-to-real gap et nuance les affirmations de "cohérence physique" avancées par les auteurs.

SynapX lance SYNData : un système multimodal de collecte de données pour l'ère de l'IA incarnée

SynapX, une startup fondée en janvier 2026, a annoncé le lancement de SYNData, un système de collecte de données multimodale conçu pour l'apprentissage de la manipulation dextre en robotique incarnée. Le système repose sur trois modules matériels distincts : un casque Ego à quatre caméras pour la vision première personne, des bracelets EMG (électromyographie) pour capter les signaux bioélectriques musculaires, et un exosquelette-gant bionique pour enregistrer la pose de la main, l'état de contact sur toute la paume et la distribution des forces. L'architecture permet la collecte simultanée de ces modalités, y compris en conditions d'occlusion visuelle partielle. Trois semaines seulement après sa création et sa première participation en compétition, SynapX a terminé 2e au classement mondial et 1er en Chine dans la piste "Reasoning to Action" de l'AGIBOT World Challenge, organisé dans le cadre de l'ICRA 2026. L'enjeu central que SYNData prétend résoudre est le goulot d'étranglement de la donnée physique à l'échelle. Dans le développement des modèles vision-langage-action (VLA) pour la manipulation robotique, la collecte de données haute qualité demeure le facteur limitant, davantage que l'architecture des modèles ou la maturité du hardware. Le mécanisme propriétaire Bio2Robot transforme les signaux biologiques humains en données directement exploitables par des modèles de robot, avec l'objectif déclaré de ne pas perturber le comportement naturel de l'opérateur lors de la capture. Si cette promesse tient à l'échelle, cela représenterait un avantage opérationnel significatif pour les intégrateurs cherchant à industrialiser la démonstration humaine sans pipeline de labellisation coûteux. Le contexte concurrentiel est dense : des acteurs comme Physical Intelligence avec son modèle Pi-0, NVIDIA avec GR00T N2, ou encore Agibot et 1X Technologies investissent massivement dans des pipelines de données pour la manipulation généraliste. En Chine, l'écosystème est particulièrement actif, porté par des programmes de soutien public et une communauté robotique illustrée par l'AGIBOT World Challenge lui-même. SynapX se positionne en amont de la chaîne de valeur, comme fournisseur d'infrastructure de collecte plutôt que fabricant de robot. La robustesse du classement ICRA reste à confirmer en conditions de déploiement industriel réelles, le gap entre performance en compétition et application terrain demeurant un défi structurel du secteur.

💬 Le vrai goulot en robotique, c'est pas l'archi du modèle, c'est la donnée physique à l'échelle, et SynapX l'a compris avant beaucoup. Se positionner comme fournisseur d'infra de capture plutôt que fabricant de robot, c'est malin : tu fournis à tout l'écosystème sans te battre contre Physical Intelligence ou NVIDIA sur le hardware. Trois semaines d'existence, 2e mondial à l'ICRA, bon, reste à voir si les EMG et l'exo tiennent hors compétition.

SF Express, Sequoia China et IDG investissent dans une licorne en robots humanoïdes issue de Tsinghua

Wujie Power (无界动力), spin-off de l'université Tsinghua spécialisé dans les robots humanoïdes à usage général, a bouclé un tour de financement impliquant des investisseurs chinois et internationaux de premier rang. Ce tour est co-dirigé par Envision Group et le Fonds d'investissement en intelligence artificielle de Pékin, avec la participation récurrente de Sequoia China, Linear Capital, Hillhouse Ventures, Baidu Ventures et Yunshan Capital. La société est par ailleurs sur le point de clôturer une tranche additionnelle dite "angel+++" auprès de capitaux américains et en renminbi, portant le financement total au stade angel à plus de 200 millions de dollars. Ce tour intervient dans la continuité d'un tour stratégique d'un milliard de yuans finalisé en mars 2026. Simultanément, StarTrace (星动纪元), autre constructeur d'humanoïdes issu du même écosystème d'investisseurs, a clôturé un tour dépassant également 200 millions de dollars. Le géant de la logistique SF Express figure parmi les nouveaux entrants, rejoignant le capital à l'intersection de la robotique et de l'automatisation de la chaîne d'approvisionnement. L'annonce ne précise ni la valorisation exacte ni les spécifications techniques du robot : pas de charge utile, de degrés de liberté ou de cadence opérationnelle communiqués. Ces levées consécutives confirment l'appétit persistant du capital-risque chinois pour l'IA incarnée (embodied AI), mais signalent surtout un mouvement stratégique côté industrie. La présence de SF Express au capital est un indicateur concret : un opérateur logistique de cette envergure n'engage pas plusieurs dizaines de millions sans anticiper un horizon d'intégration dans ses entrepôts ou centres de tri. Pour les décideurs B2B, cela suggère que la logistique reste le premier terrain de déploiement visé par les humanoïdes chinois en 2026-2027, avant le manufacturing. Les deux tours simultanés (Wujie Power + StarTrace) indiquent également une stratégie de portefeuille coordonnée, plutôt qu'une conviction isolée sur un seul acteur. Wujie Power s'inscrit dans la vague de spin-offs académiques issus de Tsinghua ces deux dernières années, aux côtés d'acteurs comme Unitree Robotics, Agibot et UBTECH, qui ont tous intensifié leurs levées et annonces produit en 2025-2026. Face à eux, les constructeurs occidentaux Figure AI, Agility Robotics (désormais dans l'orbite d'Amazon) et 1X Technologies avancent sur leurs propres déploiements, tandis qu'en Europe Enchanted Tools et Wandercraft restent à plus petite échelle de capitalisation. La course sino-américaine sur l'humanoïde s'accélère avec des capitaux publics et privés engagés des deux côtés. Les prochaines étapes probables pour Wujie Power sont la clôture de la tranche angel+++ et l'annonce de premiers pilotes industriels, possiblement en logistique avec SF Express en client-investisseur.

AnyPos : des actions automatisées indépendantes de la tâche pour la manipulation bimanuele

Une équipe de chercheurs a publié sur arXiv (référence 2507.12768) AnyPos, un pipeline d'apprentissage automatisé conçu pour la manipulation bimane généraliste. Le système repose sur un principe de modélisation dite "task-agnostic" : au lieu d'entraîner le robot sur des trajectoires liées à des tâches précises, AnyPos génère à grande échelle des paires image-action indépendantes couvrant l'ensemble de l'espace de travail atteignable. Ces données alimentent un apprentissage par dynamique inverse, combinant un décodeur directionnel et une séparation explicite entre les mouvements du bras et de l'effecteur terminal, pour stabiliser les prédictions en dehors de la distribution d'entraînement. Testée sur cinq tâches domestiques (actionner un micro-ondes, griller du pain, plier des vêtements, arroser des plantes, frotter des assiettes), l'approche améliore les taux de réussite de 30 à 40% par rapport aux baselines de référence, avec un gain de 51% en précision sur les évaluations test. Ce résultat pointe un problème structurel du secteur : la rareté des données de manipulation robotique et leur entanglement avec une plateforme ou une tâche spécifique. La plupart des politiques visuomotrices actuelles, qu'il s'agisse de VLA (vision-language-action models) ou de diffusion policies, nécessitent des données séquentielles coûteuses à collecter et quasiment non transférables entre robots. En découplant la modélisation de l'embodiment de l'apprentissage de politique de haut niveau, AnyPos propose une réutilisation des données d'action cross-tâches et cross-plateformes, sans modèle physique explicite ni simulation intensive. L'argument est directement dirigé contre le "sim-to-real gap" : les représentations sont ici apprises depuis des données réelles générées automatiquement à grande échelle, contournant les biais de simulation. L'approche rejoint une tendance récente consistant à séparer embodiment modeling et politique de haut niveau, visible chez Physical Intelligence (modèle pi0), Figure AI ou 1X Technologies. Elle se distingue par son refus de la télé-opération intensive ou de la simulation massive, préférant une exploration automatisée du workspace réel. Le pipeline est conçu pour se coupler à des modèles de politique existants, le positionnant potentiellement comme une couche de préentraînement réutilisable et échangeable. L'article ne mentionne ni déploiement industriel, ni partenariat commercial : AnyPos reste à ce stade une contribution de recherche académique, sans timeline de mise en production annoncée.

Combler le fossé entre les corps : édition vidéo inter-embodiment disentangled

Une équipe de chercheurs a publié le 6 mai 2026 sur arXiv (réf. 2605.03637) un framework génératif pour convertir des vidéos de démonstration humaine en séquences d'exécution robotique plausibles, sans données appariées humain-robot. La méthode décompose la vidéo source en deux espaces latents orthogonaux: l'un encodant la tâche accomplie, l'autre la morphologie du corps en mouvement. Un double objectif contrastif impose cette séparation en minimisant l'information mutuelle entre les deux espaces pour garantir leur indépendance, tout en maximisant la cohérence intra-espace pour stabiliser les représentations. Un adaptateur à faible coût paramétrique injecte ces codes latents dans un modèle de diffusion vidéo figé, produisant des démonstrations robotiques morphologiquement précises et cohérentes dans le temps à partir d'une seule séquence humaine. L'enjeu est critique: les approches existantes génèrent des représentations enchevêtrées où l'information de tâche reste couplée à la cinématique humaine spécifique, ce qui bloque le transfert vers d'autres morphologies. En découplant explicitement ces deux dimensions, la méthode ouvre la voie à l'exploitation des vastes corpus de vidéos humaines disponibles sur internet pour entraîner des politiques de manipulation robotique, sans collecte de démonstrations robot coûteuse par télé-opération. Les expériences rapportent des vidéos générées temporellement consistantes et morphologiquement fidèles, bien que l'abstract ne fournisse pas de métriques quantitatives comparatives avec les baselines; les résultats visuels restent la principale validation. Pour un intégrateur ou un décideur industriel, la promesse est de réduire significativement le coût de labeling nécessaire à l'apprentissage de nouveaux comportements de manipulation. Cette publication s'inscrit dans une compétition intense autour des politiques de manipulation généralisables: Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) et OpenVLA (UC Berkeley) cherchent tous à réduire la dépendance aux démonstrations robot propriétaires. L'approche par édition vidéo emprunte un chemin différent des VLA classiques: plutôt qu'apprendre une politique directement depuis des vidéos humaines, elle synthétise d'abord une démonstration robot plausible exploitable par les pipelines d'imitation learning standards. Il s'agit à ce stade d'un preprint préliminaire, sans déploiement industriel ni partenariat annoncé. Le cadre latent disentangled proposé pourrait néanmoins rapidement intéresser des acteurs comme 1X Technologies ou Apptronik, et côté européen, des équipes travaillant sur l'imitation learning comme certains labs INRIA ou des spin-offs de manipulation comme Enchanted Tools.

Affection robotique : opportunités de l'IA haptique pour le toucher social des robots par approche multi-deep-learning

Une équipe de chercheurs propose, dans un article de positionnement déposé sur arXiv en mai 2025 (arXiv:2605.02538), une architecture multi-modèles pour traiter le toucher social affectif en robotique. Le problème ciblé est précis : si la préhension et la dextérité robotiques ont significativement progressé grâce au retour haptique, les gestes affectifs - poignées de main, caresses rassurantes, contacts sociaux codifiés - restent non résolus en interaction humain-robot (HRI). Les auteurs proposent de décomposer le toucher affectif en sous-tâches spécialisées, chacune traitée par un modèle dédié, dans une architecture distribuée en boucle fermée inspirée de la neurobiologie. Ce cadre repose sur un protocole de partage d'état pair-à-pair et s'intègre dans un pipeline Sim-to-Real pour faciliter le transfert de l'entraînement en simulation vers les plateformes physiques. Il s'agit à ce stade d'un cadre conceptuel sans validation expérimentale publiée. Le verrou adressé est réel : un robot capable de saisir un objet de cinq kilos avec précision peut échouer à simuler une poignée de main naturelle. Les auteurs introduisent la notion de "vallée de l'étrange haptique" (haptic uncanny valley), par analogie avec son équivalent visuel - un toucher robotique "presque juste" génère un inconfort plus marqué qu'un contact clairement artificiel. L'approche multi-modèles distribuée, à l'opposé d'un mouvement moteur monolithique, permettrait un développement cumulatif et modulaire : les équipes spécialisées en haptique, en IA et en robotique peuvent contribuer indépendamment. Pour les intégrateurs de robots sociaux dans les secteurs médical, thérapeutique ou d'assistance à la personne, cela ouvre une voie vers des interactions physiques acceptables et objectivement mesurables. La robotique sociale s'est longtemps concentrée sur l'expressivité faciale et vocale - Pepper de SoftBank Robotics, Paro de l'AIST japonais - en laissant le toucher en marge. Les travaux sur le retour haptique dans la manipulation (MIT, Stanford) ont ouvert la voie, mais sans cibler spécifiquement la dimension affective. Les acteurs industriels aujourd'hui dominants - Figure AI avec Figure 02, Boston Dynamics, 1X Technologies - concentrent leurs efforts sur la locomotion et la manipulation de charges, pas sur la qualité sociale du contact physique. Ce papier de positionnement structure un agenda de recherche interdisciplinaire dont les prochaines étapes attendues seront l'implémentation et l'évaluation sur des robots compagnons ou d'assistance, segments où des acteurs européens comme Enchanted Tools (France) et des projets d'assistance à la dépendance commencent à émerger.

Décomposer et recomposer : inférer de nouvelles compétences robotiques à partir des capacités existantes

Une équipe de chercheurs a publié en mai 2025 sur arXiv (identifiant 2605.01448) un framework baptisé "Decompose and Recompose" visant à résoudre la généralisation inter-tâches en manipulation robotique en milieu ouvert. L'approche repose sur des paires compétence-action atomiques comme représentation intermédiaire : le système décompose des démonstrations de tâches connues en alignements interprétables, puis recompose ces compétences pour accomplir des tâches inconnues via un raisonnement compositionnel. Concrètement, la méthode construit une bibliothèque dynamique de démonstrations adaptative, fondée sur une récupération visuo-sémantique couplée aux séquences de compétences produites par un agent planificateur, complétée d'une bibliothèque statique sensible à la couverture pour combler les patterns manquants. Les expériences sont conduites sur le benchmark AGNOSTOS et en environnement réel, avec des résultats de généralisation zero-shot sur des tâches non présentées durant l'entraînement. La généralisation inter-tâches reste l'un des verrous fondamentaux pour déployer des robots manipulateurs polyvalents dans des environnements industriels non structurés. Les approches d'apprentissage en contexte existantes fournissent uniquement des séquences d'actions continues de bas niveau, conduisant les modèles à imiter superficiellement des trajectoires sans extraire de connaissances transférables. "Decompose and Recompose" introduit une couche d'abstraction explicite, les compétences atomiques, qui permet de raisonner sur la composition et l'ordonnancement des actions plutôt que de mémoriser des trajectoires. Pour les intégrateurs et décideurs industriels, cela ouvre une voie pour réduire le volume de démonstrations nécessaires lors du déploiement sur de nouvelles tâches, point de friction majeur dans l'industrialisation de la manipulation apprenante, sans nécessiter aucune mise à jour des paramètres du modèle. Cette recherche s'inscrit dans un courant actif d'apprentissage en contexte appliqué à la robotique, en contrepoint des approches fondées sur des modèles VLA (Vision-Language-Action) massivement entraînés comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA, ou les politiques embarquées de Figure et 1X Technologies. Là où ces systèmes misent sur des jeux de données d'entraînement volumineux, "Decompose and Recompose" parie sur le raisonnement compositionnel à l'inférence. Le benchmark AGNOSTOS est conçu spécifiquement pour évaluer la généralisation à des tâches non vues, offrant un cadre plus rigoureux que les benchmarks standards comme RLBench ou MetaWorld. Ce travail en est au stade de preprint, sans annonce de déploiement industriel ni de partenariat commercial associé.

IA incarnée et interprétabilité causale : comprendre pour mieux généraliser dans les modèles VLA

Une équipe de chercheurs a publié le 1er mai 2026 (arXiv:2605.00321) un travail introduisant deux outils de diagnostic pour les politiques de type Vision-Langage-Action (VLA) : l'Interventional Significance Score (ISS) et le Nuisance Mass Ratio (NMR). L'ISS est une procédure de masquage interventionnel qui estime l'influence causale de régions visuelles spécifiques sur les prédictions d'action d'un agent robotique. Le NMR est une métrique scalaire qui quantifie dans quelle mesure un modèle s'appuie sur des caractéristiques visuelles non pertinentes pour la tâche plutôt que sur des causes réelles. La méthode reformule l'attribution visuelle comme un problème d'estimation interventionnelle, au sens de la causalité de Pearl, et non comme une simple corrélation statistique. Des expériences sur des tâches de manipulation variées confirment que le NMR prédit le comportement de généralisation, et que l'ISS produit des attributions plus fidèles que les méthodes d'interprétabilité existantes. À noter : le preprint ne publie ni code ni benchmark public, et les métriques de performance sur tâches spécifiques restent peu détaillées dans l'abstract. L'enjeu est direct pour les intégrateurs et les décideurs industriels : les modèles VLA actuellement déployés, comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Sanctuary AI, échouent régulièrement hors de leur distribution d'entraînement. Jusqu'ici, identifier pourquoi restait largement empirique. ISS et NMR offrent un test diagnostique pré-déploiement : un NMR élevé signale que le modèle prend ses décisions sur la base de corrélations visuelles parasites (couleur de fond, éclairage, texture du sol) plutôt que sur la structure causale de la tâche. C'est une avancée concrète vers l'analyse formelle du sim-to-real gap, l'un des verrous les plus cités par les équipes d'intégration robotique industrielle, et cela ouvre la voie à des critères de certification hors-distribution avant mise en production. Le problème de l'interprétabilité des politiques robotiques apprises restait largement ouvert. Les méthodes existantes, cartes de saillance par gradient ou rollout d'attention, reposent sur des observations corrélationnelles et ont tendance à surestimer l'importance de features visuelles non causales. Ce travail se positionne explicitement contre ces approches en adoptant un cadre interventionnel rigoureux. Aucune affiliation institutionnelle n'est mentionnée dans le preprint. Les suites naturelles incluent l'application systématique de ces métriques sur des architectures établies comme OpenVLA, Octo ou RoboVLMs, et potentiellement leur intégration comme signal de régularisation pendant l'entraînement. Le papier arrive au moment où Figure AI, 1X Technologies et Agility Robotics intensifient leurs déploiements en environnements industriels réels, rendant la robustesse hors-distribution critique pour la crédibilité commerciale du secteur.

Apprentissage en cours de déploiement : apprentissage par renforcement à l'échelle d'une flotte pour des politiques de robots généralistes

Une équipe de chercheurs a déposé le 1er mai 2026 sur arXiv (référence 2605.00416) un cadre d'apprentissage par renforcement appelé Learning While Deploying (LWD), conçu pour améliorer en continu des politiques généralisées de type Vision-Language-Action (VLA) directement en conditions réelles. Le système a été validé sur une flotte de 16 robots à deux bras, engagés sur huit tâches de manipulation en environnement physique, dont le réassort sémantique de produits d'épicerie et des séquences longues de 3 à 5 minutes. Partant d'une politique VLA pré-entraînée hors ligne, LWD collecte les rollouts autonomes et les corrections humaines réalisés sur l'ensemble de la flotte, puis les intègre dans un cycle continu d'amélioration et de redéploiement. Techniquement, le framework combine le Distributional Implicit Value Learning (DIVL), pour une estimation de valeur robuste sur des données hétérogènes à récompense sparse, avec le Q-learning via Adjoint Matching (QAM), adapté aux générateurs d'actions de type flow-based. Au terme de l'accumulation d'expérience de flotte, la politique généraliste unique atteint un taux de succès moyen de 95 %, les gains les plus marqués étant observés sur les tâches longue durée. Ce résultat est significatif non parce qu'il affiche un chiffre élevé, mais parce qu'il démontre que l'écart entre données d'entraînement et déploiement réel peut être réduit par apprentissage continu in situ. Les politiques VLA, de plus en plus utilisées comme backbone généralisé en robotique manipulation, souffrent d'un problème bien identifié : les datasets de démonstration fixes ne capturent ni les variations de distribution rencontrées sur le terrain, ni les pannes rares, ni les corrections opérateur. LWD formalise un pipeline où ces signaux de terrain sont directement réintégrés dans la boucle d'entraînement, sans nécessiter une phase offline séparée. Pour un intégrateur ou un COO industriel, la promesse est concrète : une flotte déployée s'améliore d'elle-même à mesure qu'elle travaille, et les interventions humaines alimentent le modèle plutôt que d'être perdues. Cette publication s'inscrit dans une course active à la post-formation de politiques VLA pour la manipulation robotique. Physical Intelligence avec Pi-0, NVIDIA avec GR00T N2, et les équipes de Figure AI ou 1X Technologies investissent tous dans des politiques généralisées robustes au transfert réel. Le point de différenciation de LWD est le paradigme fleet-scale : là où la majorité des travaux publiés portent sur un ou deux robots en laboratoire, les auteurs valident leur approche sur 16 unités en parallèle. Aucun partenaire industriel ni calendrier de commercialisation n'est mentionné dans le preprint, et les vidéos de démonstration n'ont pas été évaluées de manière indépendante, ce qui invite à traiter ces résultats comme une preuve de concept académique solide plutôt que comme une annonce produit.

MSACT : alignement spatial multi-étapes pour une manipulation fine, stable et à faible latence

Des chercheurs ont publié en mai 2026 sur arXiv (référence 2605.00475) MSACT, une architecture de contrôle pour la manipulation fine bimanuale à faible latence. Construit sur ACT (Action Chunking with Transformers), le système ajoute un module d'attention spatiale multistage qui extrait des points d'attention 2D stables depuis un encodeur visuel ResNet pré-entraîné, utilisés comme modalité spatiale locale pour la prédiction d'actions. Un objectif d'alignement temporel auto-supervisé compare les séquences d'attention prédites aux caractéristiques visuelles des images futures, réduisant la dérive de localisation sans annotations de points clés. Les expériences ont été conduites sur la plateforme bimanuale ALOHA, en conditions simulées et réelles, en évaluant le taux de succès, la dérive d'attention, la latence d'inférence et la robustesse aux perturbations visuelles. MSACT s'attaque à un trilemme récurrent en robotique d'apprentissage : latence d'inférence basse, stabilité de localisation et efficacité en données sont rarement optimisées simultanément. Les politiques à diffusion (Diffusion Policy) gagnent en expressivité mais pâtissent d'une latence élevée due à l'échantillonnage itératif, incompatible avec le contrôle fin en temps réel. Les approches vision-langage-action (VLA) ou voxel offrent une meilleure généralisation géométrique mais exigent une puissance de calcul et une complexité système nettement supérieures. En greffant une supervision spatiale légère sur ACT, MSACT vise à rester déployable sur systèmes embarqués à ressources limitées. Les résultats annoncés montrent des améliorations en stabilité de localisation et en performance de tâche "dans les conditions testées", formulation prudente signalant que la généralisation reste à démontrer sur une gamme plus large de scénarios. ALOHA, banc de test bimanual développé initialement à Stanford et popularisé par les travaux ACT de Zhao et al. (2023), est devenu une référence académique pour la manipulation fine apprise par imitation. La dérive de localisation sous données limitées reste un obstacle concret au déploiement industriel de bras robotiques appris par démonstration, notamment en assemblage ou conditionnement de précision. Côté compétitif, Physical Intelligence (pi0), Figure AI et 1X Technologies misent sur des architectures VLA plus lourdes visant une généralisabilité plus large ; MSACT propose une voie complémentaire, plus légère, pour les contextes où la latence est critique. Ce preprint n'a pas encore été soumis à revue par les pairs, et aucun déploiement ni partenariat industriel n'est annoncé à ce stade.

L'art de traverser le gouffre : quand une startup est-elle prête pour l'adoption par les entreprises ?

Figure AI a annoncé avoir atteint un rythme de production d'un robot humanoïde par heure dans son usine BotQ, située dans la baie de San Francisco, soit une multiplication par 24 du débit en moins de 120 jours. La société revendique la livraison de plus de 350 unités de troisième génération (Figure 03), la fabrication de plus de 9 000 actionneurs et 500 packs batterie, avec 150 postes de travail en réseau et plus de 50 stations de contrôle qualité en ligne de production. En parallèle, Flex -- fabricant texan de composants électroniques -- a annoncé le déploiement de robots de Teradyne Robotics dans l'ensemble de ses sites de production mondiaux, en combinant les cobots Universal Robots (UR) et les AMR (robots mobiles autonomes) de Mobile Industrial Robot (MiR), deux filiales de Teradyne. Celle-ci a par ailleurs publié ses résultats du premier trimestre 2026 : 91 millions de dollars de chiffre d'affaires, quatrième trimestre consécutif de croissance après deux vagues de licenciements liées à des baisses de revenus en 2023 et 2024. Du côté des distinctions, l'association A3 a remis les prix Engelberger 2026 à Hiroshi Fujiwara, directeur exécutif de la Japan Robot Association (JARA) depuis 2009, et à Robert Little, cofondateur d'ATI Industrial Automation en 1989, qui a fait passer la société de 1 million à plus de 100 millions de dollars de revenus en devenant un acteur mondial des changeurs d'outils robotiques et des capteurs force/couple. Le chiffre de 24x de gain de débit chez Figure AI est spectaculaire, mais il convient de le lire avec précaution : la société communique sur des volumes de production, non sur des déploiements clients ou des contrats signés -- la distinction entre "fabriqué" et "opérationnel chez un client" reste floue dans ce communiqué. Cela dit, atteindre un robot par heure constitue un vrai seuil industriel si les données sont vérifiées, car la plupart des concurrents humanoïdes fonctionnent encore à l'échelle des dizaines d'unités annuelles. Le partenariat Flex/Teradyne est lui plus concret : Flex étant déjà fournisseur de composants pour UR, ce déploiement interne représente un signal fort de maturité opérationnelle des cobots et AMR dans des environnements de production à haute variabilité. C'est précisément la question que pose Neal Hansch, managing partner de Silicon Foundry et invité de l'épisode 242 du Robot Report Podcast : à quel moment un startup robotique est-il réellement prêt pour l'adoption entreprise, au-delà des démonstrations ? Figure AI a lancé ses premiers prototypes publics en 2023 et son Figure 02 en 2024, avec un financement total dépassant le milliard de dollars. Ses principaux concurrents sur le segment humanoïde incluent Tesla (Optimus Gen 3), Agility Robotics déployé chez Amazon, 1X Technologies, Apptronik, et Physical Intelligence (Pi-0, axé VLA), sans oublier Unitree et Fourier Intelligence côté asiatique. Teradyne, de son côté, cherche à repositionner UR et MiR comme infrastructure de "physical AI" face à la montée des solutions intégrées proposées par des acteurs comme Boston Dynamics (désormais sous Hyundai). La trajectoire de Robert Little chez ATI -- 40 ans d'expérience, croissance organique de 100x sur les end-effectors -- rappelle que les composants critiques de la chaîne robotique peuvent générer une valeur durable bien au-delà des intégrateurs systèmes.

Multiplexeur mécanique à embrayage électrostatique avec capacité de force accrue

Une équipe de chercheurs a publié sur arXiv (réf. 2501.08469) les résultats d'un système de transmission à embrayage électrostatique à cabestan, conçu pour le multiplexage mécanique d'actionneurs robotiques. Le principe : un seul moteur contrôle plusieurs articulations via des embrayages qui engagent ou désengagent sélectivement les tendons. Démontré sur une main robotique à quatre degrés de liberté (DoF) à entraînement par tendons, le système atteint des forces de sortie allant jusqu'à 212 N, multiplie la résistance en prise verticale par 4,09, et porte la capacité de charge horizontale à 111,2 N. Ce dernier chiffre constituerait un record parmi les mains robotiques à cinq doigts entraînées par tendons, selon les auteurs. L'architecture supporte deux modes : SISO (une entrée, une sortie) pour le contrôle séquentiel joint par joint, et SIMO (une entrée, plusieurs sorties) pour l'activation simultanée de plusieurs articulations depuis un seul moteur. Ces résultats ont des implications directes pour la conception de mains humanoïdes et de préhenseurs industriels à haute dextérité. Le principal goulot d'étranglement des systèmes multi-DoF réside dans l'obligation de dédier un moteur à chaque articulation, ce qui alourdit la masse embarquée, augmente la consommation et complique la gestion thermique. Les solutions d'embrayage existantes souffraient soit d'un encombrement excessif, soit d'un plafond de force trop bas, soit de l'impossibilité de piloter plusieurs sorties simultanément. Le fait que ce système SIMO autorise une commande multi-joint synchrone depuis un seul moteur tout en dépassant 100 N en charge horizontale remet en question l'hypothèse que multiplexage rime nécessairement avec compromis en force. Le multiplexage mécanique n'est pas nouveau : des approches pneumatiques, hydrauliques et magnétiques ont été explorées, chacune butant sur des contraintes de gabarit ou de durabilité. L'embrayage électrostatique à cabestan exploite les forces d'adhérence entre surfaces chargées pour bloquer ou libérer la transmission sans pièces mobiles complexes, ce qui réduit théoriquement l'usure et le bruit d'actionnement. Ce développement arrive dans un contexte de forte compétition autour de la dextérité manuelle humanoïde : Figure (Figure 03), Tesla (Optimus Gen 3), Agility Robotics et 1X Technologies investissent massivement dans ce domaine, et toute réduction du nombre d'actionneurs sans perte de force représente un avantage de masse et de coût significatif. Les prochaines étapes naturelles concerneront la validation en durée de vie prolongée et l'intégration dans une main complète cinq doigts à l'échelle préindustrielle.

ExoActor : génération de vidéos exocentriques pour le contrôle généralisable d'humanoïdes interactifs

Un framework de contrôle humanoïde baptisé ExoActor a été publié en preprint sur arXiv (2604.27711, avril 2026) par une équipe proposant d'utiliser la génération vidéo en vue tierce comme interface unifiée de commande robotique. Le principe : à partir d'une instruction textuelle et du contexte visuel de la scène, ExoActor génère une vidéo synthétique d'exécution plausible, extrait les cinématiques humaines correspondantes, puis les transmet à un contrôleur de mouvement généraliste pour produire une séquence comportementale exécutable. Le pipeline complet, implémenté de bout en bout, est évalué sur des scénarios inédits sans collecte additionnelle de données réelles. L'intérêt de l'approche réside dans la manière dont elle attaque un verrou central du contrôle humanoïde : modéliser des comportements riches en interactions entre le robot, son environnement et les objets manipulés, tout en capturant simultanément contexte spatial, dynamiques temporelles et intention de tâche. Plutôt qu'un VLA classique mappant directement observations vers actions, ExoActor intercale une représentation vidéo comme espace latent intermédiaire, dont la capacité de généralisation provient de grands modèles vidéo pré-entraînés à l'échelle. Si les résultats de généralisation sont confirmés sur des benchmarks indépendants, cela ouvrirait une alternative sérieuse à la collecte coûteuse de données de téléopération que supportent actuellement des acteurs comme Figure AI, Agility Robotics ou 1X Technologies. Cette publication s'inscrit dans un courant cherchant à court-circuiter les démonstrations réelles via des modèles génératifs. Elle dialogue avec Pi-0 de Physical Intelligence (diffusion sur flux d'actions), GR00T N2 de NVIDIA (entraîné sur données humaines synthétiques et réelles), ainsi qu'avec UniSim et IRASim qui utilisent la synthèse vidéo comme simulateur de politique. La spécificité d'ExoActor est l'usage explicite d'une perspective exocentrique, vue tierce personne, là où d'autres approches travaillent en vue égocentrique. Les auteurs reconnaissent les limitations actuelles, notamment la qualité de l'estimation de mouvement humain à partir de vidéo synthétique. Aucun déploiement industriel ni partenariat commercial n'est annoncé : ExoActor reste à ce stade une contribution académique.

Optimisation paramétrique co-conception de mains dextériques par approche fonctionnelle

Une équipe de chercheurs a publié fin avril 2025 sur arXiv (arXiv:2504.27557) un cadre paramétrique unifié pour la co-optimisation de mains robotiques dextères. L'approche couvre simultanément la structure de la paume, la cinématique des doigts, la géométrie des bouts de doigts et les courbures de surface à fine échelle, l'ensemble étant intégré dans un espace de conception unique. Les caractéristiques géométriques fines sont introduites via des noyaux de déformation de surface paramétriques qui agissent directement sur les interactions de contact. Le framework génère des modèles prêts pour la simulation et pour la fabrication physique, et sera publié en open-source. Les auteurs l'ont validé sur des tâches d'optimisation de la stabilité de préhension en simulation et dans des scénarios dynamiques réels, sans toutefois préciser les configurations exactes de tests ni le nombre de cycles d'évaluation dans le preprint. L'intérêt principal pour les équipes de R&D en robotique est de sortir du paradigme dominant où la conception mécanique de la main et la politique de contrôle sont développées en silos. En co-optimisant la morphologie et le comportement de préhension dans un même espace de paramètres, le framework permet d'explorer systématiquement des compromis que les approches découplées ratent structurellement, notamment l'influence directe de la courbure de surface sur la qualité du contact. L'ouverture en open-source vise à accélérer l'itération rapide pour les intégrateurs et les laboratoires travaillant sur le transfert sim-to-real et l'entraînement de politiques cross-embodiment, un problème central pour les VLA (Vision-Language-Action models) déployés sur des morphologies variées. La co-conception robotique (co-design) est un champ en plein essor, notamment depuis les travaux de MIT et Stanford sur les robots morphologiquement adaptatifs et les approches de differentiable simulation. Ce preprint s'inscrit dans une tendance plus large visant à rendre la conception mécanique différentiable et optimisable par gradient, aux côtés d'acteurs comme Dexterous Robotics, Shadow Robot ou les équipes internes de Figure AI et 1X Technologies qui développent leurs propres mains multi-doigts. Aucun partenariat industriel ni timeline de déploiement n'est mentionné ; il s'agit à ce stade d'une contribution académique avec promesse d'open-source, dont la valeur pratique dépendra de la qualité de l'outillage livré avec le code.

IA incarnée : une méthode multimodale intégrant la perception de profondeur pour la compréhension référentielle

Des chercheurs ont publié sur arXiv (référence 2510.08278, troisième révision) un framework baptisé ERU (Embodied Reference Understanding) conçu pour qu'un robot identifie avec précision un objet cible dans une scène visuelle, en combinant deux types d'instructions : des commandes en langage naturel et des gestes de pointage humain. Le système repose sur trois composants intégrés : une augmentation de données pilotée par LLM, une modalité de carte de profondeur (depth map), et un module de décision depth-aware. Les évaluations sur deux jeux de données distincts montrent des performances supérieures aux baselines existantes sur la tâche de détection de référent, sans que les auteurs publient de métriques chiffrées précises dans le résumé accessible. Le problème que cette recherche cible est concret et bien documenté dans l'industrie : lorsqu'un opérateur pointe du doigt "ce carton" dans un entrepôt encombré où plusieurs cartons similaires sont présents, les systèmes actuels de détection open-vocabulary échouent fréquemment à désambiguïser la cible. Intégrer la profondeur comme modalité supplémentaire permet de différencier des objets coplanaires ou superposés que la seule vision 2D confond. Pour les intégrateurs développant des interfaces homme-robot (HRI) en environnement industriel ou logistique, c'est une brique utile : réduire le taux d'erreur de saisie sur instruction mixte gestuelle/verbale diminue directement les interventions humaines correctives sur les lignes de picking. Sur le plan académique, ce travail s'inscrit dans la continuité des VLA (Vision-Language-Action models) et des architectures open-vocabulary comme GLIP, GDINO ou OWL-ViT, en y ajoutant l'ancrage spatial via depth sensing. Aucun acteur industriel nommé n'est associé à cette publication, qui reste une contribution de recherche fondamentale sans déploiement annoncé. Les concurrents directs sur la tâche ERU incluent des travaux issus de Stanford, CMU et des laboratoires chinois actifs sur la manipulation guidée par langage. Les prochaines étapes naturelles seraient une validation sur robot physique et une intégration dans des pipelines de manipulation temps réel, domaine où des acteurs comme Physical Intelligence (pi) ou 1X Technologies testent déjà des approches VLA proches.

Preuve d'un « soi » émergent dans l'apprentissage continu d'un robot

Des chercheurs ont publié sur arXiv (2603.24350, version révisée) une méthode pour quantifier l'émergence d'un "soi" dans des systèmes robotiques soumis à l'apprentissage continu. Le protocole compare deux conditions : un robot entraîné sur une tâche fixe (contrôle) et un second exposé à des tâches variables en apprentissage continu. L'analyse révèle que ce second robot développe un sous-réseau invariant, une portion de son architecture neurale qui reste significativement plus stable que le reste du réseau (p < 0,001). Ce sous-réseau est fonctionnellement critique : sa préservation facilite l'adaptation à de nouvelles tâches, tandis que sa dégradation intentionnelle entraîne une baisse mesurable des performances. L'apport principal est de proposer un critère opérationnel pour détecter quelque chose qui ressemble fonctionnellement à un "soi" dans un système artificiel. En robotique, l'apprentissage continu achoppe sur l'oubli catastrophique : les réseaux de neurones se dégradent sur les tâches antérieures dès qu'ils en apprennent de nouvelles. L'existence d'un noyau invariant fonctionnellement critique suggère qu'un mécanisme analogue à celui qui stabilise l'identité cognitive humaine pourrait, délibérément exploité, offrir une piste architecturale pour atténuer ce problème. Pour les équipes travaillant sur des robots adaptatifs en environnements non structurés ou des cobots reconfigurables, cela ouvre une direction concrète : identifier et protéger ce noyau stable pour améliorer la plasticité sans sacrifier les acquis. La question de la conscience de soi dans les systèmes artificiels est débattue depuis des décennies, sans critère mesurable universel. Ce qui distingue cette contribution, c'est le passage d'une définition philosophique à un indicateur reproductible dans un cadre expérimental robotique contrôlé. Les auteurs ne prêtent pas de conscience subjective aux robots testés, mais établissent une correspondance structurelle entre persistance cognitive et notion de soi. Les prochaines étapes naturelles incluent la validation sur des architectures humanoïdes plus complexes, où l'apprentissage continu est déjà en déploiement chez Figure AI, Agility Robotics ou 1X Technologies, ainsi que l'extension aux grands modèles de langage soumis à du fine-tuning continu.

VistaBot : manipulation robotique robuste aux points de vue grâce à la synthèse de vues spatio-temporelles

Des chercheurs ont publié VistaBot, un framework de manipulation robotique ciblant un angle mort des politiques end-to-end actuelles : leur fragilité face aux changements de point de vue de caméra entre entraînement et déploiement. La préprint arXiv 2604.21914, déposée en avril 2026, décrit une architecture en trois modules : estimation de géométrie 4D, synthèse de vue par diffusion vidéo, et planification d'actions en espace latent, sans recalibration de caméra requise au moment du déploiement. Intégré dans deux politiques de référence du domaine, ACT (Action Chunking Transformer) et π₀ (la politique diffusion-based de Physical Intelligence), VistaBot améliore la métrique VGS (View Generalization Score, introduite par les auteurs) de 2,79x par rapport à ACT et de 2,63x par rapport à π₀, en simulation et en environnement réel. Le code et les modèles seront publiés en open source. La dépendance à un point de vue fixe constitue un frein structurel au déploiement des bras manipulateurs en conditions industrielles : une caméra repositionnée ou partiellement obstruée peut invalider un modèle entier sans mécanisme de compensation. VistaBot répond en synthétisant dynamiquement des vues alternatives via un modèle de diffusion vidéo, puis en planifiant les actions dans l'espace latent de ces vues synthétisées, sans recollecte de données depuis le nouvel angle. Pour un intégrateur ou un COO industriel, cela réduit directement le coût de reconfiguration sur ligne. L'introduction du VGS comble également un vide méthodologique : le domaine ne disposait pas de benchmark standardisé pour comparer la robustesse cross-view entre politiques, rendant les comparaisons entre travaux difficiles. Le problème de robustesse aux points de vue est documenté en imitation learning depuis plusieurs années, mais les solutions disponibles exigeaient soit une augmentation intensive des données, soit une calibration caméra explicite à chaque reconfiguration. Physical Intelligence, fondée en 2023, a développé π₀ comme politique généraliste de manipulation. D'autres acteurs comme Google DeepMind (RT-2 et ses successeurs), Figure AI (Figure 03) ou 1X Technologies ciblent des architectures VLA à plus large spectre sans traiter spécifiquement cet axe de robustesse aux vues. VistaBot reste une contribution académique préliminaire : la préprint n'est pas encore revue par les pairs, les tâches réelles évaluées ne sont pas décrites en détail, et les gains annoncés devront être confirmés par des reproductions indépendantes une fois le code disponible.

Apprendre l'apesanteur : imiter des mouvements non auto-stabilisants sur un robot humanoïde

Une équipe de chercheurs propose dans un preprint arXiv (référence 2604.21351, avril 2026) une méthode baptisée Weightlessness Mechanism (WM), conçue pour permettre aux robots humanoïdes d'exécuter des mouvements dits non-autostabilisants (NSS, Non-Self-Stabilizing). Ces mouvements englobent des actions aussi banales que s'asseoir sur une chaise, s'allonger sur un lit ou s'appuyer contre un mur : contrairement à la locomotion bipède classique, le robot ne peut maintenir sa stabilité sans interagir physiquement avec l'environnement. Les expériences ont été menées en simulation et sur le robot humanoïde Unitree G1, sur trois tâches représentatives : s'asseoir sur des chaises de hauteurs variables, s'allonger sur des lits à différentes inclinaisons, et s'appuyer contre des murs via l'épaule ou le coude. La méthode est entraînée sur des démonstrations en action unique, sans fine-tuning spécifique à chaque tâche. L'apport technique central s'appuie sur une observation biomécanique : lors de mouvements NSS, les humains relâchent sélectivement certaines articulations pour laisser le contact passif avec l'environnement assurer la stabilité, un état que les auteurs qualifient de "weightless". Le WM formalise ce mécanisme en déterminant dynamiquement quelles articulations relâcher et dans quelle mesure, complété par une stratégie d'auto-étiquetage automatique de ces états dans les données d'entraînement. Pour les intégrateurs industriels qui déploient des humanoïdes dans des environnements réels, ce verrou est significatif : les pipelines actuels d'imitation learning combiné au reinforcement learning imposent généralement un suivi rigide de trajectoire sans modéliser les interactions physiques avec les surfaces, ce qui les rend inopérants dès que le robot doit s'appuyer sur quelque chose. Le contexte est celui d'un secteur en pleine accélération : Figure AI avec le Figure 03, Agility Robotics avec Digit, Boston Dynamics avec Atlas et 1X Technologies poussent tous leurs humanoïdes vers des déploiements en entrepôt ou en usine, mais les scénarios de contact-riche restent largement non résolus. Le Unitree G1, plateforme commerciale accessible, s'impose progressivement comme banc de test académique standard, ce qui accélère la reproductibilité des résultats. Il faut néanmoins souligner que ce travail est au stade de preprint non évalué par les pairs, et que les séquences vidéo accompagnant ce type de publication sont souvent sélectionnées favorablement : la robustesse réelle en conditions non supervisées reste à démontrer. Les suites naturelles seraient une intégration dans des politiques généralisées comme GR00T N2 de NVIDIA ou pi0 de Physical Intelligence, et une évaluation sur des scènes hors distribution.

RPG : commutation robuste de politiques pour des transitions fluides entre compétences en combat humanoïde

Une équipe de chercheurs a publié le 21 avril 2026 sur arXiv (2604.21355) un framework baptisé RPG (Robust Policy Gating), conçu pour permettre à des robots humanoïdes d'enchaîner plusieurs compétences de combat dynamique sans instabilité. L'approche repose sur une politique unifiée entraînée avec deux mécanismes de randomisation : la randomisation des transitions de mouvement, qui expose la politique à des états initiaux et terminaux variés entre compétences, et la randomisation temporelle, qui rend l'agent robuste aux coupures imprévises dans la séquence de mouvements. La pipeline de contrôle intègre la locomotion (marche, course) avec les compétences de combat, permettant théoriquement des séquences de durée arbitraire. Le système a été validé en simulation extensive, puis déployé sur le robot humanoïde Unitree G1, la plateforme à 23 DDL du constructeur chinois Unitree Robotics. Le problème central que RPG adresse est connu dans le domaine sous le nom de "skill transition gap" : lorsqu'un agent bascule d'une politique spécialisée à une autre, les états terminaux de la première ne correspondent pas aux états initiaux supposés de la seconde, produisant des comportements hors domaine, des chutes ou des mouvements saccadés. Les approches concurrentes utilisent soit une commutation entre politiques mono-compétence, soit une politique généraliste qui imite des motion clips de référence -- les deux souffrent de ce décalage. RPG propose une solution d'entraînement plutôt que d'architecture, ce qui est notable : la robustesse aux transitions est injectée pendant la phase d'apprentissage, pas via un mécanisme de gating à l'inférence. L'absence de métriques quantitatives dans la publication (temps de cycle, taux de chute, nombre de transitions testées) limite cependant la comparaison directe avec d'autres travaux. RPG s'inscrit dans une vague active de recherche sur le contrôle corps entier des humanoïdes pour des tâches hautement dynamiques, un domaine où les laboratoires UCB, CMU et Stanford publient régulièrement depuis 2023. L'utilisation du G1 comme plateforme de validation est cohérente avec sa popularité croissante en recherche académique, notamment grâce à son coût inférieur à celui des plateformes concurrentes (Boston Dynamics Atlas, Agility Digit). Sur le plan commercial, des acteurs comme Figure AI, 1X Technologies ou Apptronik ciblent des tâches répétitives en entrepôt plutôt que le combat, mais les techniques de transition de compétences développées ici sont directement transposables aux scénarios industriels nécessitant des enchaînements fluides de manipulation et de locomotion. La prochaine étape naturelle serait une évaluation quantitative en conditions adversariales réelles, ainsi qu'un transfert vers des tâches moins "spectaculaires" mais plus proches du déploiement B2B.

Optimisation de politique par dérive : apprentissage natif en une étape pour le contrôle robotique en ligne

Une équipe de chercheurs publie sur arXiv (réf. 2604.03540, version 3) un cadre en deux étapes baptisé Drift-Based Policy Optimization (DBPO), conçu pour ramener les politiques génératives de manipulation robotique à une seule passe de réseau au moment de l'inférence. La première brique, la Drift-Based Policy (DBP), exploite des objectifs de "fixed-point drifting" pour internaliser le raffinement itératif directement dans les paramètres du modèle pendant l'entraînement, supprimant ainsi le besoin de débruitage multi-étapes à l'exécution. La seconde brique, DBPO, greffe sur ce backbone une interface stochastique compatible avec le renforcement en ligne, autorisant des mises à jour on-policy stables sans sacrifier la propriété de déploiement en une étape. Sur un robot bi-bras réel, le système atteint 105,2 Hz en boucle fermée, soit une fréquence comparable aux contrôleurs industriels classiques. Sur les benchmarks de manipulation, DBP égale ou dépasse les politiques de diffusion multi-étapes tout en réduisant le coût d'inférence jusqu'à un facteur 100 en nombre d'évaluations réseau (NFEs). Ce résultat touche directement l'un des verrous les plus concrets du déploiement de politiques diffusion en robotique : le coût computationnel à l'inférence. Les politiques de diffusion actuelles (Diffusion Policy, Chi et al., 2023) nécessitent typiquement 10 à 100 NFEs par action, ce qui les rend incompatibles avec du contrôle haute fréquence sans accélérateur dédié. Transférer ce coût vers l'entraînement plutôt que l'inférence change le profil économique du déploiement : un robot en production n'a plus besoin de GPU haut de gamme pour tourner en temps réel. Par ailleurs, coupler une politique one-step avec du renforcement en ligne ouvre la voie à une adaptation continue post-déploiement, hypothèse clé pour les environnements industriels non-structurés. Les politiques de diffusion pour la manipulation ont émergé comme référence de facto depuis 2022-2023, portées par des travaux comme Diffusion Policy ou les architectures VLA de Physical Intelligence (pi0) et d'autres. La course à réduire leur latence a produit plusieurs approches concurrentes : distillation de consistance (Consistency Policy), flow matching en une étape (comme dans certaines variantes de pi0-fast), ou encore les politiques à action chunking. DBPO s'inscrit dans cette compétition avec une approche qui revendique de préserver la modélisation multimodale tout en atteignant la vitesse des méthodes one-shot. Les prochaines étapes naturelles seraient un test à plus grande échelle de tâches et de morphologies robotiques, ainsi qu'une validation sur des plateformes humanoïdes telles que celles de Figure AI ou 1X Technologies, pour lesquelles la fréquence de contrôle est un critère de sécurité, pas seulement de performance.

RBR50 Gala fait son retour au Robotics Summit & Expo 2026

Le Robotics Summit & Expo 2026 accueillera le 27 mai prochain, de 18h à 20h, la cérémonie des RBR50 Robotics Innovation Awards au Thomas M. Menino Boston Convention and Exhibition Center. L'événement, organisé par The Robot Report et WTWH Media, clôture le premier jour du salon en réunissant les principaux acteurs de l'industrie robotique autour d'un dîner de remise de prix. Parmi les lauréats déjà annoncés figurent Amazon Vulcan, distingué Robot de l'Année pour son système de préhension tactile appliqué au picking et au rangement en entrepôt, et Physical Intelligence, désignée Startup de l'Année pour ses modèles PI qui modifient l'approche de l'apprentissage robotique. Le prix Application de l'Année revient à Harvard University pour son exosquelette souple porté au bras, destiné aux patients victimes d'AVC ou atteints de SLA. Tatum Robotics remporte la catégorie Robots for Good avec Tatum1, une main robotique conçue pour la communication tactile en langue des signes. En marge des prix, Aaron Parness, directeur des sciences appliquées chez Amazon Robotics, s'entretiendra avec Steve Crowe, rédacteur en chef de The Robot Report, dans une conversation centrée sur le robot Vulcan. La sélection de ces lauréats illustre les axes de développement qui structurent aujourd'hui le marché : la manipulation tactile en environnement industriel non structuré avec Vulcan, l'apprentissage par démonstration à grande échelle avec Physical Intelligence, et des applications médicales portables qui sortent le robot du sol d'usine. Pour un intégrateur ou un décideur industriel, ces distinctions signalent moins des ruptures technologiques que des vecteurs de maturité commerciale. Vulcan notamment incarne la convergence entre robotique de service, perception haptique et déploiement à l'échelle opérationnelle chez un acteur e-commerce majeur, ce qui constitue une référence de validation terrain difficile à ignorer. La présence de Physical Intelligence dans les lauréats confirme aussi l'intérêt croissant du secteur pour les approches génératives de contrôle moteur, un positionnement que se disputent également Figure AI, 1X Technologies et Agility Robotics. Le Robotics Summit & Expo est devenu en quelques éditions l'un des rendez-vous techniques de référence pour les développeurs de robotique commerciale, avec plus de 50 sessions programmées cette année sur l'IA, le design, les technologies habilitantes, la santé et la logistique. Plus de 70 intervenants confirmés représentent AWS, Brain Corp, Tesla, Toyota Research Institute, PickNik Robotics ou encore le Robotics and AI Institute. Le salon est co-localisé avec DeviceTalks Boston, dédié aux dispositifs médicaux, ce qui renforce la dimension santé de l'édition 2026. La liste complète des lauréats RBR50 n'est pas encore publiée; The Robot Report annonce une mise en ligne prochaine, accompagnée du détail de l'exposition RBR50 Showcase sur le floor du salon. Les inscriptions sont ouvertes.