Dossier Cobots & robots collaboratifs

Intégrer la conformité à la norme ISO 10218 dans les robots via les fonctions barrière de contrôle pour la collaboration homme-robot

Des chercheurs ont publié sur arXiv (réf. 2606.13203) une approche de contrôle permettant d'intégrer nativement la conformité à la norme ISO 10218 dans les robots industriels collaboratifs, en s'appuyant sur une Fonction Barrière de Contrôle (CBF). Le système a été validé en simulation et en conditions réelles sur un bras UR10e d'Universal Robots. Plutôt que de se contenter des hypothèses conservatives des modules SSM (Speed and Separation Monitoring) classiques, qui supposent une vitesse humaine constante, la CBF proposée intègre les données d'accélération humaine pour prédire analytiquement la distance de séparation minimale humain-robot le long d'une trajectoire d'arrêt en cas de pire scénario. Deux méthodes sont présentées : Method I, un filtre de sécurité PD contraint par CBF, et Method II, un contrôleur SQP (Sequential Quadratic Programming) qui impose une contrainte de tube spatial sur la trajectoire. Method II réduit l'erreur de trajectoire moyenne de 63 % par rapport à Method I, et supprime les manoeuvres évasives excessives qui dégradent le débit opérationnel. L'enjeu industriel est direct : les modules SSM standard génèrent des arrêts préventifs fréquents parce qu'ils surestiment le risque de collision, faute de pouvoir anticiper les mouvements humains. Dans un contexte d'atelier où des cobots travaillent aux côtés d'opérateurs, ces arrêts non nécessaires représentent un coût de productivité réel. La méthode proposée déplace le curseur : au lieu d'un filtre de vitesse binaire (go/stop), le contrôleur module dynamiquement la vitesse d'exécution et la déviation spatiale du robot en temps réel, en restant dans les limites de la norme. C'est un pas vers des cobots réellement compétitifs en termes de cycle time, sans sacrifier la conformité réglementaire. La norme ISO 10218, qui régit la sécurité des robots industriels, est aujourd'hui au coeur des déploiements de cobots chez des fabricants comme FANUC, KUKA, ABB ou Universal Robots. Le SSM est l'approche la plus répandue pour y répondre, mais son conservatisme est documenté depuis plusieurs années. Les CBF, issues de la théorie du contrôle, émergent comme alternative formellement vérifiable, et plusieurs groupes académiques (MIT, ETH, TU Munich) explorent cette direction. La prochaine étape probable est l'intégration de ces contraintes dans des environnements multi-robots et des scénarios à personnes multiples, plus représentatifs de la réalité des ateliers.

Saisie guidée par le langage via planification neuro-symbolique avec boîtes englobantes comme objectifs

Une équipe de recherche a publié en juin 2026 un preprint arXiv (2606.12910) présentant GRASP (Grounded Reasoning and Symbolic Planning), un framework de manipulation tabulaire à vocabulaire ouvert pour robots. Le système repose sur un Vision-Language Model (VLM) pré-entraîné qui traduit des requêtes en langage naturel -- par exemple "pose l'objet sur l'étagère du haut" -- en états-buts neuro-symboliques, ancrés dans l'espace physique via un pipeline de détection par bounding boxes. Sur 90 essais en conditions réelles, à trois niveaux de difficulté progressifs, GRASP atteint un taux de succès global de 73,3 %. Aucun entraînement spécifique à la tâche n'est requis : le modèle fonctionne en zero-shot, sans fine-tuning. Ce résultat interpelle parce qu'il propose une alternative crédible aux deux approches dominantes en Task and Motion Planning (TAMP) piloté par VLM : les pipelines lourds computationnellement (type SayCan ou RT-2) et les méthodes data-hungry qui exigent des milliers de démonstrations supervisées. En substituant des coordonnées de bounding boxes à des listes de couleurs codées en dur ou à des repères fixes, GRASP permet d'interpréter des concepts spatiaux abstraits sans recalibrage. Pour un intégrateur industriel ou un laboratoire travaillant sur des cobots, la valeur est directe : réduire le coût d'onboarding d'une nouvelle tâche de manipulation non structurée. Le 73,3 % reste un chiffre à contextualiser -- les auteurs ne détaillent pas les temps de cycle ni les types d'objets testés, et les vidéos de démonstration sélectionnées dans les preprints arXiv ne constituent pas une validation déployée en production. Le contexte de cette publication s'inscrit dans une course dense autour des VLA (Vision-Language-Action models) et du grounding symbolique. Des travaux concurrents comme Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) ou les architectures Open-X-Embodiment misent sur l'entraînement à grande échelle pour généraliser ; GRASP parie à l'inverse sur la légèreté architecturale et la planification symbolique. Aucune entreprise industrielle n'est associée à ce preprint, qui semble issu d'un groupe académique non encore identifié publiquement. Les prochaines étapes naturelles seraient une extension au-delà de la manipulation tabulaire (scènes 3D complexes, objets articulés), une évaluation comparative rigoureuse face aux baselines VLA actuelles, et une validation sur des plateformes robotiques standardisées comme le Franka Research 3 ou le UR5.

IA multimodale et multi-agents pour l'alignement cognitif robotique via interface cerveau-ordinateur non invasive : exploration de concept

Une équipe de recherche a publié en juin 2026 sur arXiv (réf. 2606.13190) un framework en preuve de concept pour synchroniser les communications de systèmes multi-agents robotiques avec l'état cognitif en temps réel de l'opérateur. L'architecture repose sur un casque EEG grand public (interface cerveau-ordinateur non invasive) qui surveille en continu les puissances spectrales des bandes EEG, indicateurs de charge mentale et d'engagement. Lorsqu'un engagement élevé est détecté, un mécanisme de signalisation HTTP place les entrées sensorielles et les sorties audio de l'agent principal en file d'attente, pendant que des agents secondaires traitent des tâches déléguées en arrière-plan. Dès que la charge cognitive revient à un niveau basal, les messages sont libérés. Le démonstrateur couple LLMs et robots physiques dans cette boucle fermée, sans que la publication ne précise les modèles utilisés ni ne fournisse de métriques quantifiées de performance. Le problème ciblé est réel dans les déploiements multi-agents : les systèmes proactifs interrompent fréquemment les opérateurs à des moments inopportuns, engendrant surcharge cognitive et baisse de performance. En conditionnant les interruptions robotiques à l'état neurophysiologique mesuré, ce framework propose une alternative aux approches classiques basées sur les pauses vocales, les gestes ou les patterns d'interaction. Pour un intégrateur de cobots ou un responsable d'atelier automatisé, l'enjeu concret est de limiter les erreurs liées aux changements de contexte forcés. Les auteurs revendiquent la "faisabilité" du concept, terme qui signale une exploration préliminaire, pas une validation industrielle. La recherche BCI est longtemps restée confinée aux applications médicales et aux laboratoires de pointe. L'usage de casques EEG grand public, comme ceux d'Emotiv, ouvre une piste de scalabilité sans équipement clinique, bien que les conditions de bruit EEG en milieu industriel restent un défi que le papier ne traite pas. Des approches concurrentes détectent la charge cognitive par vision (eye tracking, micro-expressions) ou capteurs physiologiques (GSR, fréquence cardiaque). En HRI, des groupes académiques nord-américains et européens explorent des problématiques voisines, notamment autour des conférences IEEE RAS et de labos de robotique cognitive en Allemagne, au Royaume-Uni et en France. Les prochaines étapes logiques incluent des expérimentations sur cohortes élargies, des benchmarks en conditions de bruit réel, et une intégration avec des plateformes robotiques industrielles identifiées.

Agile Robots présente sa technologie de contrôle de force, ses humanoïdes et son IA physique au salon Robot Technology Japan

Agile Robots a profité du salon Robot Technology Japan (RTJ) 2026, tenu à Nagoya du 9 au 12 juin, pour exposer l'étendue de son portefeuille : systèmes de contrôle de force, robots collaboratifs, plateformes humanoïdes et automation pilotée par l'IA physique. La société, dont le siège social est à Munich, positionne cette démonstration comme un signal de son ambition d'accélération sur les marchés asiatiques, notamment japonais, réputé pour ses exigences élevées en matière de précision et de fiabilité industrielle. Aucun chiffre de déploiement ni spécification technique détaillée n'a été communiqué dans l'annonce initiale, ce qui situe cet événement clairement du côté teaser plutôt que lancement produit. L'enjeu pour l'industrie est la démonstration que le contrôle de force intégré peut coexister avec des capacités d'IA incarnée à l'échelle réelle, un double pari que peu d'acteurs ont concrétisé hors laboratoire. Pour les intégrateurs systèmes et les décideurs industriels, la question centrale reste l'écart entre démo salon et déploiement terrain : RTJ est un terrain de validation marketing, pas une preuve de maturité opérationnelle. Agile Robots, fondée en 2016 et soutenue notamment par Alibaba, s'est d'abord imposée avec ses cobots Diana, dotés d'une détection force-couple intégrée sur chaque axe, ciblant les segments d'assemblage fin et de manipulation délicate. La société concurrence Universal Robots, Fanuc et Techman Robot sur le segment cobot, tout en cherchant à monter en gamme vers l'humanoïde face à Figure, 1X ou Agility Robotics. Le marché japonais, dominé par Fanuc, Yaskawa et DENSO, représente un test de crédibilité technique autant qu'une opportunité commerciale.

Apprentissage par imitation robuste aux distorsions pour le routage autonome de câbles

Une équipe de chercheurs a publié en juin 2026 sur arXiv (ref. 2606.11577) un framework d'apprentissage par imitation robuste aux dégradations d'image, appliqué au câblage robotisé. La tâche visée, le routage de câbles, consiste à faire passer et connecter des câbles à travers des cheminements prédéfinis dans un environnement industriel, une opération qui exige à la fois dextérité fine et prise de décision séquentielle sur plusieurs étapes. Le système proposé s'articule autour de trois modules couplés : un module d'évaluation de la qualité d'image (IQA), un mécanisme d'apprentissage pondéré par la confiance, et un module de décision capable de produire aussi bien des actions discrètes (sélection de compétences) que continues (commandes moteur). L'abstract ne communique pas de métriques chiffrées précises, taux de succès, temps de cycle, nombre de démonstrations, ce qui limite l'évaluation indépendante des résultats annoncés. L'intérêt technique réside dans l'identification d'un angle mort réel des systèmes de contrôle intelligent en milieu industriel : les perturbations optiques. Reflets, poussière, vibrations des caméras embarquées ou éclairage variable génèrent couramment des observations dégradées qui faussent l'entraînement des modèles et réduisent leur fiabilité à l'inférence. La contribution centrale est l'intégration d'un score de qualité d'image directement dans la boucle d'apprentissage, via un mécanisme de pondération qui donne priorité aux échantillons difficiles plutôt que de les ignorer ou de les traiter uniformément. C'est une approche pragmatique face au reality gap, plus proche d'un correctif de robustesse que d'une rupture architecturale. Le câblage robotisé reste l'un des derniers bastions de l'assemblage manuel dans l'industrie automobile et électronique, faute de solutions fiables à l'échelle. Des acteurs comme Schunk, Franka Robotics ou des startups spécialisées en manipulation déformable (Cobot, Pollen Robotics côté européen) cherchent des approches généralisables. Ce travail s'inscrit dans le courant de l'imitation learning pour la manipulation, après les avancées de Pi-0 (Physical Intelligence) et des méthodes de type Diffusion Policy. La prochaine étape naturelle serait une validation sur un benchmark standardisé, RoboSuite, DROID ou un dataset industriel, pour confirmer les gains annoncés face aux méthodes de l'état de l'art.

NEURA Robotics lève jusqu'à 1,4 milliard de dollars en Série C pour son IA physique

NEURA Robotics GmbH, basée à Metzingen en Allemagne, a annoncé le 10 juin 2026 une levée de fonds de Série C pouvant atteindre 1,4 milliard de dollars, financée par un consortium d'investisseurs technologiques dont Tether, Qualcomm et Amazon. La startup, fondée en 2019 par David Reger, commercialise une gamme couvrant des bras robotiques légers, des robots mobiles (série MAV), des robots humanoïdes (modèle 4NE1) et un manipulateur mobile polyvalent baptisé MiPA, ciblant principalement la fabrication et la supply chain. Ce tour de table vient financer deux axes prioritaires : le développement de la plateforme "Neuraverse", décrite comme un écosystème ouvert d'IA physique permettant aux robots d'apprendre collectivement entre déploiements, et l'expansion d'un réseau mondial de "NEURA Gyms", des environnements d'entraînement à grande échelle combinant interaction sensorielle réelle, simulation et pipelines d'apprentissage multimodal. Il s'agit à ce stade d'une annonce de financement, pas d'un produit expédié ni d'un déploiement industriel documenté à grande échelle. Sur le fond, une levée de 1,4 milliard de dollars pour un acteur européen de la robotique humanoïde est un signal fort : les capitaux qui se concentraient jusqu'ici quasi exclusivement sur Figure AI, Agility Robotics, 1X ou Tesla Optimus commencent à irriguer des challengers hors Silicon Valley. Pour les intégrateurs et les décideurs industriels, la question concrète est celle du sim-to-real gap, que NEURA tente de réduire via son partenariat avec Dassault Systèmes annoncé en avril 2026. Le concept de Neuraverse, où plusieurs robots partagent une intelligence distribuée entre déploiements, s'inscrit dans une tendance plus large des architectures VLA (Vision-Language-Action) à l'échelle fleet, comme l'illustre Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. Les métriques de performance annoncées restent cependant absentes du communiqué, ce qui rend toute comparaison technique avec les concurrents impossible à ce stade. NEURA Robotics a bâti depuis 2019 un réseau de partenaires industriels structurant : Bosch pour le développement logiciel des humanoïdes (janvier 2026), Dassault Systèmes pour la simulation, mais aussi Schaeffler, Kawasaki, Delta Electronics, Qualcomm et NVIDIA pour l'infrastructure edge AI et les composants. Ce positionnement d'écosystème décentralisé tranche avec l'approche verticalement intégrée de Figure ou de Tesla. En Europe, NEURA est aujourd'hui l'acteur humanoïde le mieux capitalisé, loin devant des startups comme Enchanted Tools (France) ou Wandercraft, qui opèrent sur des segments différents (cobots expressifs et exosquelettes médicaux). Les prochaines étapes déclarées portent sur l'accélération du déploiement à l'échelle industrielle et l'ouverture de nouveaux NEURA Gyms à l'international, sans calendrier précis communiqué.

Efficient-WAM : un modèle monde-action de 1 milliard de paramètres à faible coût d'anticipation

Une équipe de recherche présente Efficient-WAM, un World-Action Model (WAM) d'un milliard de paramètres conçu pour la manipulation robotique en temps réel, dont les résultats sont publiés sur arXiv (2606.10040) en juin 2026. Les WAMs constituent une classe de modèles qui couplent la prédiction visuelle du futur avec la génération d'actions motrices : le robot "imagine" ce que va ressembler la scène dans quelques instants avant de décider quoi faire. Efficient-WAM ramène la latence d'inférence à environ 100 ms par chunk lors du déploiement physique, soit un gain de 30x par rapport aux WAMs existants. Pour y parvenir, trois leviers techniques sont combinés : un expert vidéo compact distillé depuis WAN-2.2-5B (modèle de génération vidéo à 5 milliards de paramètres), des représentations vidéo token-sparse, et un débruitage asymétrique qui alloue moins d'étapes d'échantillonnage à la branche vidéo qu'à la branche action. Les évaluations portent sur le benchmark RoboTwin 2.0 et des tâches de manipulation en conditions réelles. Le résultat central est contre-intuitif : Efficient-WAM maintient des performances d'action compétitives même si ses prédictions visuelles sont visiblement grossières, ce qui invalide l'hypothèse implicite que la fidélité photorealiste de l'imagination future est nécessaire au contrôle. Pour un intégrateur ou un responsable robotique, cela signifie que le goulot d'étranglement computationnel des WAMs n'est pas une fatalité architecturale mais un problème de design résolu ici par une re-priorisation : la vidéo future n'est plus un objectif visuel mais un signal de guidage compact pour la génération d'actions. À 100 ms par chunk, le modèle entre dans la fenêtre de faisabilité pour des boucles de contrôle sur manipulateurs industriels ou cobots, là où les WAMs précédents restaient confinés à la démonstration labo. Les WAMs s'inscrivent dans une compétition dense avec les Vision-Language-Action models (VLAs) comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou OpenVLA, qui traitent directement la génération d'actions sans passer par la prédiction vidéo explicite. L'argument des WAMs est que l'imagination du futur améliore la robustesse en dehors de la distribution d'entraînement, mais leur coût computationnel a jusqu'ici limité leur adoption. Efficient-WAM rééquilibre ce trade-off. La distillation depuis WAN-2.2-5B, un modèle de génération vidéo généraliste, suggère une stratégie de transfer learning inter-domaine qui pourrait s'étendre à d'autres architectures. Les prochaines étapes naturelles sont l'évaluation sur des plateformes humanoïdes complètes et des déploiements en environnements semi-structurés, deux dimensions absentes de ce papier.

HandCept : un cadre de fusion visuo-inertielle pour la proprioception précise des mains dextériques

Une équipe de chercheurs a publié sur arXiv en mai 2025 (référence 2505.08213) HandCept, un framework de proprioception visuo-inertielle pour mains dextres robotiques. Le système combine une caméra RGB-D montée au poignet et des IMU à 9 axes (accéléromètre, gyroscope, magnétomètre) pour estimer les angles articulaires en temps réel, via un filtre de Kalman étendu (EKF) sans latence ajoutée. Les erreurs d'estimation se situent entre 2° et 4° sur les angles articulaires, sans dérive observable sur la durée, surpassant selon les auteurs les approches purement visuelles ou purement inertielles. L'approche repose sur un apprentissage zero-shot, sans données réelles annotées, rendu possible par un pipeline de rendu photoréaliste haute fidélité sous Blender, publié en open-source sur GitHub. La proprioception, c'est-à-dire la capacité d'une main robotique à connaître précisément la position de ses propres doigts, reste l'un des verrous techniques de la manipulation dextre généraliste. Les encodeurs magnétiques et capteurs de force embarqués dans des mains multi-DOF imposent des contraintes de volume, de câblage et de calibration souvent incompatibles avec un déploiement à l'échelle. HandCept contourne ces limites en s'appuyant sur des capteurs déjà présents dans de nombreuses plateformes humanoïdes ou cobots, et la fusion EKF temps réel réduit le fossé sim-to-real, point critique pour accélérer le déploiement de politiques d'imitation learning ou de VLA (Vision-Language-Action) apprises en simulation. La précision annoncée de 2 à 4° reste toutefois à contextualiser: les résultats sont issus de conditions de laboratoire contrôlées et le papier n'a pas encore été évalué par les pairs. La course à la manipulation dextre s'est intensifiée en 2024-2025 avec des mains à haute densité d'actionneurs chez Figure (Figure 03), Sanctuary AI, Physical Intelligence (pi0), ou encore LEAP Hand côté recherche ouverte. La précision proprioceptive conditionne directement les performances de ces architectures. HandCept reste à ce stade un résultat de laboratoire: les auteurs n'annoncent ni partenaire industriel, ni timeline de commercialisation, ni intégration sur une plateforme humanoïde spécifique. Le pipeline Blender open-sourcé constitue néanmoins une contribution tangible pour la communauté, en facilitant la génération de données synthétiques pour d'autres équipes travaillant sur des architectures similaires sans accès à un système de capture de mouvement coûteux.

vla.cpp : un moteur d'inférence unifié pour les modèles vision-langage-action (VLA)

Des chercheurs de FAI ModelOpt Tech ont publié en juin 2026 vla.cpp (arXiv 2606.08094), un moteur d'inférence C++ portable construit sur llama.cpp pour exécuter des politiques VLA (Vision-Language-Action) directement sur le matériel embarqué des robots. L'engine prend en charge sept architectures couvrant cinq familles de backbones et quatre têtes d'action via un protocole requête/réponse unifié, incluant les schémas d'inférence par flow-matching et par diffusion propres aux VLA récents. Sur le benchmark LIBERO-Object, il reproduit le meilleur checkpoint SOTA à un épisode près sur 200 ; BitVLA y atteint 100 % de succès dans 1,3 Gio de mémoire. Le même bundle s'exécute sans modification sur trois niveaux matériels, d'un GPU grand public jusqu'à un module embarqué de 8 Go de RAM. Un noyau GEMM IMMA en escalier, dérivé d'une analyse roofline multi-hardware, réduit la latence par étape de BitVLA d'un facteur 4,5. Les auteurs ont également conduit un test de stress sur un bras ALOHA pour mesurer la contrainte de latence de replanification face à une cible mobile. Le problème structurel que vla.cpp attaque est la dépendance des stacks Python/PyTorch actuels à un GPU de station de travail, hypothèse incompatible avec l'électronique embarquée des robots commerciaux ou des cobots industriels. Démontrer une exécution à succès complet dans 1,3 Gio ouvre concrètement la voie au déploiement edge sans serveur distant ni dépendance cloud pour des tâches de manipulation. L'analyse roofline publiée dans le papier établit un résultat contre-intuitif pour les intégrateurs : l'inférence VLA en batch-1 est compute-bound, non bandwidth-bound, ce qui déplace le levier d'optimisation vers le taux d'utilisation du calcul. L'unification de sept architectures sous un seul protocole réduit également la fragmentation de l'écosystème VLA, frein réel à l'adoption en production. vla.cpp hérite de l'approche de quantification ggml et de la portabilité de llama.cpp de Georgi Gerganov. Les modèles ciblés incluent des architectures issues de Physical Intelligence (pi0) et des projets ouverts comme OpenVLA. La concurrence directe sur ce segment est limitée : la plupart des équipes robotiques maintiennent des pipelines Python maison dépendants de GPU Nvidia RTX 3090/4090 ; ROS 2 et Isaac ROS de Nvidia offrent des primitives d'intégration mais pas de runtime VLA unifié. Aucun acteur français ou européen n'est directement cité dans le papier. Le code, les vidéos de démonstration et le scaffold de benchmark reproductible sont disponibles sur le site du projet.

💬 Faire tourner une politique VLA dans 1,3 Gio sans GPU de workstation, c'est le vrai débloqueur que les équipes robotique attendaient. Le reste, les sept architectures unifiées, le protocole commun, c'est utile, mais ce qui compte c'est que le déploiement edge devient une option sérieuse sans serveur distant. Reste à voir si ça tient sur des tâches moins sages que LIBERO-Object.

Commande prédictive avec impédance pour l'interaction physique humain-robot : rejet prédictif des perturbations et sécurité des limites articulaires

Des chercheurs présentent dans un preprint arXiv (2606.08281, soumis en juin 2026) une architecture de contrôle en deux couches baptisée Impedance MPC, conçue pour les robots collaboratifs soumis à des contacts humains non planifiés. Le cœur du système repose sur une première couche qui annule analytiquement la gravité, les forces de Coriolis et l'inertie en espace de tâche, réduisant la dynamique résiduelle à un double intégrateur à matrice de transition constante. Une seconde couche résout un problème d'optimisation quadratique convexe à 30 variables à 100 Hz, en exploitant cette structure constante pour précalculer la matrice de réponse libre une seule fois. Un filtre de Kalman augmenté estime l'état de perturbation persistante, garantissant formellement une erreur statique nulle. Les tests ont été conduits sur un Franka FR3 à 7 degrés de liberté : sous une force soutenue de 15 N, l'erreur statique descend à moins de 0,05 mm, contre 44,8 mm pour un contrôle d'impédance classique, soit une réduction supérieure à 800. Le suivi de quatre trajectoires circulaires 3D reste sous le millimètre. Ce résultat touche un problème structurel bien connu des intégrateurs de cobots : le contrôle d'impédance classique accumule une erreur de position proportionnelle à la force appliquée divisée par la raideur de tâche, et les correcteurs intégraux capables de la résorber déstabilisent facilement le système au-delà d'un budget de gain étroit. L'Impedance MPC contourne cette contrainte en incorporant la prédiction de perturbation directement dans la loi de commande, sans sacrifier la compliance ni la sécurité aux butées articulaires, assurée par un potentiel de barrière inverse dans l'espace nul. Pour un COO ou un intégrateur industriel, cela signifie un cobot capable de tenir sa trajectoire même sous charge humaine prolongée, sans recours à des gains agressifs risquant l'instabilité. L'impédance mécanique comme paradigme de contrôle pour la collaboration homme-robot remonte aux travaux de Neville Hogan dans les années 1980 ; son couplage avec le MPC est une direction active depuis une décennie, notamment pour les manipulateurs série. Le Franka FR3, successeur du Panda, est devenu la plateforme de référence pour les publications en contrôle cobot grâce à son interface de couple en temps réel à 1 kHz. Sur ce segment, les concurrents incluent Universal Robots (UR10e), KUKA LBR iisy, et ABB YuMi, tous confrontés au même compromis compliance-précision. L'approche proposée reste pour l'instant au stade preprint sans déploiement industriel annoncé ; les prochaines étapes naturelles sont la validation sur tâches d'assemblage réelles et le passage à des robots à dynamique plus complexe (bases mobiles, humanoïdes légers).

Génération et exécution de mouvements sûrs, fluides et acceptables pour l'interaction humain-robot en milieu industriel

Des chercheurs ont publié sur arXiv (preprint 2606.08741, juin 2026) une étude portant sur la génération de mouvements pour robots collaboratifs en environnements manufacturiers partagés avec des opérateurs humains. L'équipe propose un cadre de contrôle prédictif par modèle (MPC, Model Predictive Control) capable de produire quatre comportements distincts intégrant des contraintes sociales, au-delà des seules garanties de sécurité physique. Ces comportements varient selon des paramètres de mouvement identifiés comme influençant la perception humaine : fluidité de trajectoire, vitesse d'approche, lisibilité de l'intention, et niveau de confort perçu par l'opérateur. Une étude utilisateur a ensuite été menée auprès de participants non-experts pour évaluer et valider chaque mode comportemental et mesurer leur impact social. Le résultat central est que les variations de comportement du robot affectent significativement son acceptabilité sociale perçue, indépendamment des critères de sécurité technique. Ce constat a des implications directes pour les intégrateurs de cobots en milieu industriel : une cellule de travail conforme aux normes ISO/TS 15066 (vitesse et séparation) peut malgré tout générer friction, inconfort ou méfiance chez les opérateurs, réduisant l'adoption réelle. L'étude apporte une validation empirique à l'hypothèse que la dimension psycho-cognitive doit être traitée comme une contrainte de conception à part entière, et non comme un ajustement cosmétique post-déploiement. C'est un argument concret pour les décideurs B2B qui peinent à justifier le passage de robots en cage à la collaboration directe. Ce travail s'inscrit dans un champ de recherche en pleine expansion autour de l'interaction humain-robot (HRI) socialement intelligente, porté notamment par des laboratoires européens actifs sur la thématique cobot-manufacturing. Le MPC est une approche mature en robotique industrielle, mais son application explicite à des objectifs de confort social reste peu documentée à cette échelle. Des acteurs comme Universal Robots, Franka Robotics ou, côté français, Pollen Robotics travaillent sur des cobots à vocation collaborative, mais sans encore intégrer formellement ce type de métriques comportementales dans leurs pipelines de contrôle. Les prochaines étapes naturelles seraient des validations en conditions réelles de production et une quantification du retour sur investissement lié à l'amélioration de l'acceptabilité.

SynManDex : génération de saisies dextériques de type humain à partir de pré-saisies synthétiques

Des chercheurs ont publié SynManDex (arXiv:2606.09798), un pipeline synthétique conçu pour générer des saisies dextres robotiques imitant les interactions naturelles de la main humaine. La méthode fonctionne en quatre étapes : échantillonnage de pré-saisies humaines numériques conditionnées par l'objet, retargeting de ces postures vers une main robotique dextre, optimisation des contacts par fermeture de force sur l'effecteur cible, puis filtrage par vérification à chaque étape. Les keyframes résultantes alimentent des démonstrations de saisie-levée mais aussi des tâches de manipulation complexes : versement de thé, prise de photos, jeu de flûte, toutes conçues via des agents VLM (Vision-Language Model). Sur une plateforme bimane à 36 degrés de liberté, SynManDex atteint 86,4 % de stabilité de saisie, un score de naturalité humaine de 4,67/5 (soit 93,4 %), 80,7 % de succès en simulation et 83,3 % en conditions réelles (25 succès sur 30 essais). Ce résultat est notable parce que le transfert des interactions main-objet humaines vers les mains robotiques échoue généralement face aux contraintes de morphologie, de contact et d'atteignabilité. SynManDex attaque ce "morphology gap" en traitant les pré-saisies humaines comme des propositions affordance-aware, puis en délégant la résolution de contact à une optimisation native au robot. L'écart quasi nul entre simulation (80,7 %) et réel (83,3 %) suggère un sim-to-real solve solide, un résultat qui contredit l'hypothèse courante selon laquelle les pipelines synthétiques se dégradent significativement au passage au monde physique. Pour un intégrateur ou un responsable R&D en manipulation, cela ouvre la voie à la génération automatique de données de démonstration sans télé-opération humaine coûteuse. La manipulation dextre reste l'un des verrous majeurs de la robotique humanoïde et de la cobotique industrielle, aux côtés de travaux comme DexGrasp, UniDexGrasp ou les approches par imitation diffusion. SynManDex se distingue en exploitant explicitement la posture pré-saisie humaine comme prior fonctionnel plutôt que de partir d'un espace de configurations robotiques brut. Le papier est une soumission académique (pas un produit commercialisé), et les tâches testées restent des démonstrateurs de laboratoire. Les prochaines étapes probables incluent l'extension à des objets déformables, à des environnements encombrés et à des architectures de mains plus variées.

NVIDIA et Doosan Group s'associent pour développer l'IA physique et les infrastructures d'usines IA

NVIDIA et le conglomérat sud-coréen Doosan Group ont annoncé en juin 2026 un élargissement de leur collaboration couvrant quatre entités du groupe : Doosan Robotics, Doosan Bobcat, Doosan Enerbility et Doosan Corporation Electro-Materials BG. Côté robotique, Doosan Robotics intègre la pile physique AI de NVIDIA, dont Isaac Sim et Isaac Lab pour la simulation, les modèles de fondation Cosmos pour la génération de monde physique, le moteur de physique open source Newton, et le SoC embarqué Jetson Thor. L'objectif est de faire évoluer leur plateforme "Agentic Robot OS" -- présentée comme une couche logicielle unifiant perception, raisonnement, simulation, apprentissage et inférence on-device -- pour des tâches industrielles concrètes comme la dépalettisation et le ponçage, ainsi que pour de nouveaux facteurs de forme incluant des bras doubles et des plateformes humanoïdes. Doosan Bobcat, spécialisé dans les engins compacts (construction, agriculture, manutention), entend de son côté exploiter les mêmes technologies pour développer des world models spécialisés. Enfin, Doosan Enerbility explore l'alimentation des AI factories NVIDIA via turbines à gaz, vapeur, réacteurs modulaires de petite taille (SMR) et piles à combustible hydrogène, pendant que Doosan Electro-Materials fournit des copper clad laminates (CCL) haute performance pour les PCB des accélérateurs et serveurs IA compatibles NVIDIA MGX. Il faut lire cette annonce pour ce qu'elle est : un accord de collaboration, pas un déploiement. Aucun chiffre de production, de cycle time, ni de volume shipment n'est communiqué. Cela dit, la structure de l'accord est stratégiquement cohérente. Doosan couvre plusieurs couches de la chaîne de valeur de l'infrastructure IA simultanément : hardware embarqué (Jetson Thor sur cobots), logiciel de simulation (Isaac Lab), matériaux de base pour data centers (CCL), et production d'énergie pour alimenter ces mêmes data centers. Pour les intégrateurs industriels, le signal le plus concret est le passage revendiqué de Doosan Robotics d'un fournisseur de bras articulés vers une entreprise "AI-first full-stack" -- une ambition que partagent Universal Robots, Fanuc et Yaskawa, mais que peu ont encore matérialisée à l'échelle. L'intégration sim-to-real via Cosmos et Newton suggère une volonté de réduire le demo-to-reality gap qui plombe encore de nombreuses démonstrations de manipulation complexe. Doosan Group, fondé en Corée du Sud en 1896 et désormais actif dans l'énergie, l'industrie lourde et la robotique, a acquis Bobcat en 2007 et structuré Doosan Robotics en unité autonome cotée en 2023. Sur le terrain de la robotique collaborative, ses concurrents directs incluent Universal Robots (acquis par Teradyne), FANUC, ABB et Techman Robot, tous en train d'intégrer des couches IA similaires. Sur le segment humanoïde, auquel Doosan fait désormais référence explicitement, la concurrence est plus intense encore : Figure (qui déploie chez BMW), Agility Robotics (Amazon), 1X, Apptronik et Tesla Optimus avancent tous sur des timelines industrielles. NVIDIA, de son côté, capitalise sur cette annonce pour consolider son positionnement de "système d'exploitation de la robotique physique", après des accords similaires avec Boston Dynamics, Foxconn et Intrinsic (Alphabet). Les prochaines étapes mentionnées restent vagues : des cas d'usage de référence sont "en cours de développement", sans date ni client annoncés.

Proteus intègre la compréhension du langage naturel tandis qu'Amazon étend ses déploiements de robots en Europe

Lors de son événement "Delivering the Future" organisé à Londres le 4 juin 2026, Amazon a présenté la prochaine génération de son robot mobile autonome (AMR) Proteus, désormais capable de comprendre des commandes en langage naturel. Sans aucune programmation préalable, un opérateur peut désormais indiquer verbalement à l'engin où aller et quoi transporter : le robot détermine lui-même la priorité, l'itinéraire et le timing. Proteus est conçu pour déplacer des chariots pesant jusqu'à 400 kg et est actuellement déployé dans 24 centres de fulfillment aux États-Unis. Amazon prévoit de l'étendre à l'Europe au premier semestre 2027, en commençant par des pilotes en laboratoire. En parallèle, le système collaboratif STARK, basé sur un bras FANUC CRX-30iA à limitation de force et de puissance, sera déployé sur 15 sites européens d'ici 2027, après un premier pilote à Barcelone. Le robot de picking Vulcan, décrit par Amazon comme son "premier système robotique doté du sens du toucher", est quant à lui déjà opérationnel à Hambourg, en Allemagne, après une première installation à Spokane, Washington. L'ensemble de ces déploiements s'inscrit dans un investissement annoncé de plus de 10 milliards d'euros dans la modernisation des opérations européennes, assorti d'un plan de recrutement de 25 000 personnes supplémentaires. L'intégration du langage naturel dans un AMR de grande série est un signal industriel notable : elle abaisse significativement la barrière à l'adoption pour les sites qui ne disposent pas d'ingénieurs robotique internes. Pour un intégrateur ou un COO logistique, cela signifie une réduction des coûts de mise en service et une plus grande flexibilité opérationnelle sans reprogrammation. STARK illustre une autre tendance de fond : l'émergence de bras collaboratifs (cobots) à force limitée pour des tâches de manutention lourde autrefois réservées aux AGV ou aux opérateurs humains. Vulcan, avec sa perception haptique pour le picking en rayonnage dense, confirme que la manipulation d'objets non structurés dans des environnements réels avance plus vite que ce que le secteur anticipait il y a trois ans. Il convient toutefois de noter qu'Amazon communique sur des plans de déploiement et des pilotes en cours, pas sur des métriques de performance vérifiées indépendamment. Amazon a acquis Kiva Systems en 2012 pour 775 millions de dollars, posant les bases de ce qui est devenu l'une des plus grandes flottes robotisées au monde, dépassant aujourd'hui le million d'unités déployées. Sur le marché européen, Amazon se positionne face à des acteurs comme Exotec, la scale-up française dont le système Skypod équipe déjà plusieurs grands distributeurs, ainsi qu'à AutoStore et Geek+ sur le segment des AMR de stockage. La concentration de l'annonce sur l'Europe, avec un investissement de 10 milliards d'euros et un discours assumé autour de l'innovation opérationnelle sur le continent, suggère également une dimension de communication institutionnelle dans un contexte réglementaire et social tendu autour de l'automatisation des entrepôts.

Robotiq lance une plateforme IA pour automatiser l'intégration des cellules robotiques

Robotiq, fabricant québécois d'effecteurs pour robots collaboratifs, a annoncé le lancement d'IQ, une plateforme d'intelligence artificielle conçue pour automatiser l'intégration de cellules robotiques industrielles. IQ ingère les données non structurées des projets d'automatisation, spécifications client, contraintes d'atelier, historiques de projets, pour coordonner les workflows d'ingénierie et générer des designs de cellules validés. L'objectif affiché est de réduire la dépendance aux experts intégrateurs humains, dont la rareté constitue l'un des principaux goulots d'étranglement du secteur. Les métriques de gain de temps ou de réduction de coût restent pour l'instant non communiquées publiquement. L'intégration d'une cellule robotique demeure aujourd'hui un processus largement artisanal, chronophage et peu reproductible d'un site à l'autre. En automatisant la capture des exigences et la génération de designs à partir de données historiques réelles, IQ cible directement le fossé entre phase de conception et déploiement effectif. Pour les intégrateurs partenaires de Robotiq, le bénéfice potentiel est concret : scaler les opérations sans recruter proportionnellement d'ingénieurs seniors, dans un marché où les profils spécialisés se raréfient. Fondée en 2008 à Lévis (Québec), Robotiq s'est imposée comme fournisseur de référence d'accessoires pour cobots, pinces adaptatives, capteurs force/couple, principalement sur les plateformes Universal Robots et Fanuc. IQ marque un pivot vers la couche logicielle de gestion de projets, terrain où la société entre en concurrence indirecte avec Vention, qui opère déjà une plateforme cloud de conception et déploiement de cellules, ou encore Wandelbots côté programmation. Les modalités d'accès pour les partenaires intégrateurs et les timelines de déploiement à grande échelle n'ont pas encore été précisées.

Festo lance un préhenseur pneumatique léger et teste GripperAI

Festo, fabricant allemand d'automatisation industrielle basé à Esslingen am Neckar, a lancé le HPPH, une pince pneumatique parallèle à deux doigts conçue pour les robots collaboratifs. D'un poids de 0,68 kg, ce préhenseur intègre directement dans son corps la valve de contrôle pneumatique, les capteurs de position et l'interface électrique, supprimant les composants externes habituellement montés en amont sur le bras. L'ouverture maximale atteint 16 mm pour une charge utile maximale de 1 kg. En mode collaboratif, la force de serrage est limitée à 140 N, soit l'équivalent d'une poignée de main ferme, conformément à la norme ISO/TS 15066. Cette limite peut être désactivée pour atteindre 180 N dans les applications non-collaboratives. Le produit est certifié TÜV Süd dans une configuration précise, avec les doigts HAFH-B30-16-45-N, et une version IO-Link est disponible pour le diagnostic à distance et la configuration sans câblage supplémentaire. La pince est commercialisée via le site de Festo et le Universal Robotics Marketplace. En parallèle, l'entreprise a présenté GripperAI, un logiciel de saisie agnostique au robot fonctionnant en edge computing, compatible avec une simple caméra RGB-D 3D et un processeur Core i3 avec 4 Go de RAM minimum, capable de saisir des objets inconnus ou en vrac sans programmation ni apprentissage préalable. Sur les cobots à faible payload, typiquement 3 à 10 kg, chaque gramme de composant externe réduit la charge utile disponible et alourdit le câblage. En intégrant valve, capteurs et interface dans le corps du préhenseur, Festo compresse l'empreinte mécanique et réduit le temps de mise en service, un argument directement mesurable pour les intégrateurs. La certification TÜV Süd vaut la peine d'être lue avec précision : elle porte sur une configuration spécifique, pas sur le produit en général, ce qui impose une vigilance sur les variantes d'installation. Côté GripperAI, la suppression du teach-in répond à un verrou réel : programmer un robot pour saisir un nouveau type d'objet peut mobiliser plusieurs heures d'ingénierie. Si les performances se confirment sur des objets en vrac ou mal positionnés en conditions industrielles réelles, et non seulement dans des démos contrôlées, les cycles de déploiement dans la logistique et le packaging pourraient être réduits de manière significative. Festo opère dans plus de 60 pays avec un catalogue de plus de 30 000 produits interopérables, et s'inscrit dans une tendance qui voit les fournisseurs de composants proposer des couches logicielles pour réduire la barrière à l'entrée des déploiements cobots. Sur le segment des pinces collaboratives, les concurrents directs incluent Schunk (gamme EGP), Robotiq (2F-85, 2F-140), OnRobot et Zimmer Group. Le positionnement edge computing de GripperAI, sans dépendance cloud obligatoire, le distingue des approches SaaS de certains acteurs du marché. Festo n'a pas communiqué de tarif public ni de calendrier de disponibilité générale pour GripperAI à ce stade.

Feuille de route mondiale des technologies robotiques

Henrik I. Christensen, professeur d'informatique à l'Université de Californie San Diego, a publié un document de positionnement de 52 pages intitulé "Global Robotics Technology Roadmap", couvrant la trajectoire mondiale de la robotique sur la décennie 2025-2035. Ce rapport de référence agrège des données issues des principales conférences du secteur (ICRA, IROS, RSS, CoRL, NeurIPS, ICML) ainsi que des statistiques industrielles collectées lors de visites directes dans des laboratoires de recherche sur trois continents. Les chiffres clés sont les suivants : le marché mondial de la robotique a atteint 53,2 milliards de dollars en 2024, avec une trajectoire projetée à 178,7 milliards en 2033. L'Asie domine le déploiement industriel avec 74 % des installations mondiales en 2024, dont 54 % pour la Chine seule. Le segment humanoïde, valorisé à 370 millions de dollars en 2025, est projeté à 6,5 milliards en 2030, avec des OEM chinois et des entreprises technologiques américaines en course pour la montée en production. Sur le plan algorithmique, le roadmap identifie les modèles Vision-Language-Action (VLA) comme le développement le plus structurant de la période, car ils permettent pour la première fois une généralisation cross-embodiment: un même modèle peut en principe piloter des morphologies robotiques différentes sans réentraînement complet. Du côté matériaux, les mécanismes souples à base d'élastomères à cristaux liquides (LCE), de polymères électroactifs (EAP) et d'hydrogels auto-cicatrisants sont signalés comme vecteurs de convergence entre systèmes industriels rigides et dispositifs médicaux bio-compatibles. Le document pointe également l'asymétrie réglementaire comme variable géopolitique critique: l'EU AI Act, premier cadre légal complet pour les systèmes d'IA à haut risque, est déjà en train de remodeler la conception des robots humanoïdes à l'échelle mondiale, y compris chez des acteurs non européens. Le rapport s'inscrit dans un effort de cartographie stratégique à destination des décideurs politiques, des agences de recherche et des directeurs R&D industriels. L'Europe y est positionnée comme leader en régulation de sécurité et en cobots collaboratifs, les États-Unis en autonomie propulsée par l'IA et en robotique de défense, tandis que l'Asie, pilotée par la Chine, écrase le reste du monde sur le volume de déploiement. Le document couvre des secteurs allant de la logistique à l'agriculture en passant par la construction et le minier, et formule des priorités de recherche différenciées par région. Aucun pilote ni timeline de déploiement concret n'est annoncé: il s'agit d'un document de prospective et d'orientation, pas d'un engagement industriel. Sa valeur tient à la synthèse structurée qu'il offre aux intégrateurs et stratèges qui naviguent dans un écosystème fragmenté entre acteurs américains (Boston Dynamics, Figure, Agility), chinois (Unitree, Fourier) et européens comme Wandercraft ou Enchanted Tools.

VLESA : un agent de sécurité incarnée vision-langage pour la surveillance des activités humaines

Des chercheurs ont publié sur arXiv (preprint 2606.03954, juin 2026) VLESA, un cadre de supervision de la sécurité humaine fondé sur la vision et le langage. Le système analyse des flux vidéo égocentrés (caméra portée à la première personne) pour prédire en temps réel si une action humaine imminente présente un risque, et déclenche une intervention avant que le danger se matérialise. Le coeur technique repose sur deux composants : un agent de prédiction d'intention-action qui infère conjointement l'objectif de l'opérateur et ses prochains gestes à partir de la vidéo, et un Q-filter de sécurité conditionné par l'objectif, entraîné via GRPO (Group Relative Policy Optimization). Ce filtre évalue la dangerosité d'une action en fonction du but inféré, sans nécessiter de ré-entraînement. Sur le benchmark ASIMOV-2.0, VLESA surpasse les baselines en précision d'intervention à la frame exacte, et le Q-filter GRPO améliore la sécurité des actions de plus de 41 points de pourcentage via un décodage contraint conditionné à l'intention. Le code est disponible publiquement sur GitHub. L'apport conceptuel central est la notion de "sécurité dépendante de l'intention" : une action physiquement identique peut être sûre ou dangereuse selon le contexte opérationnel. Saisir un couteau pour couper des légumes n'est pas la même chose que le saisir après un conflit verbal. Les approches classiques de détection d'anomalies ignorent cette ambiguïté et génèrent trop de faux positifs pour être industrialisables. En décomposant le problème en inférence d'intention puis évaluation de risque conditionnel, VLESA propose une architecture plus proche des besoins réels de la cobotique, des environnements de soin à domicile assisté, ou de la surveillance d'opérateurs en milieu industriel. Le gain de 41 points sur ASIMOV-2.0 est significatif si les conditions du benchmark reflètent la diversité du terrain, ce que la nature sélective d'un preprint ne permet pas encore de confirmer. Ce travail s'inscrit dans un champ en forte expansion, celui de la sécurité des systèmes embarqués et des agents physiques autonomes, porté par la montée des VLA (Vision-Language-Action models) comme pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. L'approche VLESA se distingue en ciblant non pas le robot mais l'humain en interaction avec son environnement, positionnement plus proche des travaux en human activity recognition que de la robotique pure. Les acteurs établis du monitoring de sécurité industrielle (Pilz, Sick, Keyence côté capteurs) n'ont pas encore intégré de couche sémantique de ce niveau. Aucun déploiement pilote n'est annoncé dans l'article : il s'agit d'une contribution académique, avec dataset et code partagés, dont la trajectoire vers l'industrialisation dépendra de la robustesse des résultats sur des scénarios hors benchmark et de validations en conditions réelles.

Modélisation dynamique hybride d'un bras robotique flexible à 2 degrés de liberté

Une équipe de chercheurs a soumis sur arXiv (référence 2606.02969) une étude comparant trois méthodes de modélisation dynamique pour un bras robotique à 2 degrés de liberté (2-DoF) à liaisons flexibles. Deux approches dites "physics-informed" combinent des formulations de dynamique corps-rigide (RBD) avec un modèle de mélange gaussien (GMM) pour capturer les erreurs résiduelles et la flexibilité mécanique des segments. Une troisième approche, purement data-driven, sert de référence via régression cinématique. Sur un jeu de données open-source, les prédictions de couple ont été estimées par régression Ridge sur des variables cinématiques ; le modèle physique de référence a été construit à partir des spécifications constructeur publiées, puis une version alternative a estimé les mêmes paramètres directement par moindres carrés ordinaires (OLS). Résultat central : les paramètres issus des fiches techniques affichent la moins bonne précision, tandis que les estimateurs Ridge et OLS s'alignent significativement mieux avec les couples mesurés. Ce résultat fragilise une hypothèse répandue en robotique industrielle : que les modèles analytiques construits à partir des spécifications constructeur constituent une base fiable pour la commande ou la simulation. Pour les bras à liaisons flexibles, les déformations mécaniques sous charge introduisent des dynamiques non modélisées que les formulations corps-rigide classiques ignorent, creusant un écart mesurable entre modèle et réalité. L'étude démontre que la régularisation et l'identification directe par données comblent ces lacunes plus efficacement que les paramètres physiques bruts. Pour un intégrateur ou un ingénieur concevant des contrôleurs pour robots légers, cobots ou bras à câbles, cela implique concrètement de recalibrer les paramètres dynamiques sur des mesures in situ plutôt que de faire confiance aux valeurs datasheet. Le travail appuie également le développement des méthodes semi-paramétriques de "residual learning", qui associent un modèle physique imparfait à un correcteur appris, évitant ainsi le choix binaire entre approche analytique et approche purement données. La modélisation des robots à liaisons flexibles est un problème de recherche actif depuis plusieurs décennies, devenu particulièrement stratégique avec la montée des cobots et des manipulateurs légers dont les segments se déforment sous charge. Ce travail s'inscrit dans un mouvement plus large vers les réseaux physics-informed (PINN) et les méthodes hybrides physique-apprentissage. En Europe, plusieurs équipes travaillent sur des architectures similaires pour robots à câbles et manipulateurs souples. L'un des atouts de cette étude est d'utiliser un jeu de données ouvert, ce qui en fait une référence utilisable pour benchmarker de nouvelles approches. La suite logique est l'intégration de ces modèles hybrides dans des boucles de commande temps réel et leur extension à des architectures à plus de degrés de liberté.

SafeVLA-Bench : un benchmark pour mesurer l'écart entre performance et sécurité dans les modèles VLA

Une équipe de recherche a publié en juin 2026 SafeVLA-Bench (arXiv:2606.00773), un cadre d'évaluation de la sécurité conçu spécifiquement pour les modèles vision-langage-action (VLA). Contrairement aux benchmarks existants qui se limitent à mesurer si une tâche de manipulation a été accomplie ou non, SafeVLA-Bench évalue ce qui se passe pendant la trajectoire d'exécution : contact excessif avec l'environnement, perturbation d'objets adjacents, déstabilisation de l'objet tenu, ou auto-contact du robot. Le framework formalise ces critères sous forme de spécifications Signal Temporal Logic (STL) et introduit deux métriques complémentaires : SBU (Succ-But-Unsafe), la fraction des séquences d'exécution qui réussissent la tâche tout en violant une contrainte de sécurité, et VSI (Violation Severity Index), un score de profondeur de violation borné. Appliqué à deux environnements de simulation, LIBERO (manipulation sur table) et RoboCasa-365 (cuisine), sur neuf entrées politique-benchmark, le framework révèle des chiffres préoccupants : les meilleures baselines tabletop affichent encore 13 à 15 % d'épisodes non sécurisés, et 36 à 56 % des rollouts réussis de RoboCasa-365 violent au moins une clause de sécurité active. Ce travail met en évidence un angle mort systémique dans l'évaluation des VLA : un taux de succès élevé ne garantit pas une exécution sûre. Pour les intégrateurs industriels et les équipes qui envisagent de déployer des politiques VLA en environnement réel, cela signifie que les benchmarks habituels surestiment structurellement la maturité des modèles. La distinction que pose SafeVLA-Bench entre "tâche accomplie" et "accomplie de façon acceptable" est exactement le type de critère qui sépare une démo convaincante d'un déploiement industriellement viable. Il faut noter que l'ensemble des résultats repose sur des simulations, ce qui laisse entière la question du transfert sim-to-real pour les violations de sécurité elles-mêmes. L'initiative s'inscrit dans une dynamique plus large de maturation de l'évaluation des VLA, portée notamment par des modèles comme Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) et Helix (Figure), dont les capacités de manipulation généraliste progressent plus vite que les outils pour les qualifier rigoureusement. Jusqu'ici, la communauté s'appuyait sur des métriques de succès binaires héritées de l'ère pré-VLA, insuffisantes dès lors que les politiques sont intégrées dans des chaînes de production ou à proximité d'opérateurs humains. SafeVLA-Bench se positionne comme un outil post-hoc, applicable aux benchmarks existants sans refaire les évaluations depuis zéro. Les prochaines étapes naturelles incluent l'extension à des environnements physiques réels et l'intégration dans les pipelines de certification des systèmes cobotiques. Le projet est documenté sur safevla.org.

Discrete Diffusion VLA : la diffusion discrète appliquée au décodage d'actions dans les politiques VLA

Des chercheurs ont publié sur arXiv (réf. 2508.20072, quatrième révision) Discrete Diffusion VLA, une architecture de politique robot qui intègre la diffusion discrète directement au sein du backbone transformeur unifié d'un modèle Vision-Language-Action (VLA). Sur le benchmark LIBERO, le système atteint 96,4 % de taux de réussite moyen, 71,2 % de correspondance visuelle sur SimplerEnv-Fractal et 54,2 % sur SimplerEnv-Bridge. Des évaluations en conditions réelles ont été conduites sur la plateforme AgileX Cobot Magic, un bras collaboratif de l'équipementier chinois du même nom. Le mécanisme central est un décodage adaptatif par ordre de confiance : le modèle résout d'abord les éléments d'action à haute certitude, puis revisite les prédictions incertaines via un re-masquage secondaire, permettant une correction d'erreur itérative sans générer une séquence de gauche à droite. L'enjeu architectural est concret. Les VLA actuels souffrent de deux compromis : la génération autorégressive classique (ordre fixe gauche-à-droite) affiche des performances limitées, tandis que les architectures à tête de diffusion continue externe, comme celle de Pi-0 de Physical Intelligence, fragmentent les flux d'information entre backbone et module d'action. En maintenant la diffusion à l'intérieur du backbone, cette approche préserve les représentations visuelles et linguistiques pré-entraînées. Le résultat chiffré est parlant : seulement 0,8 % de dégradation sur les tâches hors-distribution en langage, contre 8,0 % pour le décodage parallèle conventionnel, et 20,4 % en vision contre 29,0 % pour la diffusion continue. Pour un intégrateur ou un responsable technique évaluant une stack de manipulation généraliste, c'est un signal que la robustesse hors-distribution peut être préservée sans compromis sur la scalabilité. Les VLA se sont imposés comme paradigme dominant pour la manipulation généraliste, portés par OpenVLA, Octo, puis Pi-0 qui a popularisé la diffusion continue comme tête de décodage séparée, précisément l'architecture remise en question ici. La diffusion discrète, mieux connue dans le domaine du texte (MDLM, DMDM), est ici appliquée aux séquences d'actions robotiques, un transfert non trivial. La quatrième révision du preprint signale un travail en maturation active. Les prochaines étapes probables incluent le scaling sur des datasets larges de type Open X-Embodiment et l'évaluation sur des plateformes humanoïdes, où la gestion de l'incertitude en temps réel sera le vrai critère discriminant.

Sécurité permissive par inférence vérifiable : filtres neuronaux en espace de croyance pour la robotique interactive

Des chercheurs ont déposé sur arXiv (arXiv:2606.02562v1) une méthode algorithmique visant à certifier formellement la sécurité des robots autonomes en interaction avec des humains. Le coeur du travail porte sur le "belief-space safety filter" (BeliefSF), un filtre de sécurité modulaire qui, contrairement aux approches classiques cantonnées à l'espace physique, raisonne simultanément sur la position du robot et sur ses croyances en temps réel concernant l'humain : ses préférences, ses objectifs, sa compétence et sa disposition à coopérer. Pour certifier cette architecture, les auteurs appliquent la prédiction conforme (conformal prediction), une technique statistique qui produit des garanties de sécurité à haute probabilité tout en tenant explicitement compte des erreurs d'inférence et d'approximation neuronale. La validation est réalisée sur un benchmark simulé d'interaction humain-véhicule, où le filtre certifié s'avère significativement moins conservatif qu'une baseline conformal prediction standard. L'enjeu industriel est direct : dans les scénarios de cobotique, de robots de livraison ou de véhicules autonomes partageant l'espace avec des piétons, les filtres de sécurité trop conservatifs dégradent l'efficacité opérationnelle et rendent le déploiement économiquement non viable. La difficulté jusqu'ici résidait dans le "curse of dimensionality" des espaces de croyance : plus le robot modélise finement l'incertitude humaine, plus l'espace d'état explose, rendant les garanties formelles quasi impossibles sans approximation neuronale coûteuse en fiabilité. En focalisant la vérification sur les régions où l'inférence est statistiquement fiable, les auteurs contournent cette contrainte sans alourdir la complexité d'échantillonnage, ce qui constitue une avancée méthodologique notable pour les intégrateurs cherchant des certifications de sécurité fonctionnelle (ISO 13849, IEC 62061). Le BeliefSF a été introduit comme concept dans des travaux antérieurs, mais sans garanties formelles exploitables, ce qui en limitait la portée au stade de la démonstration académique. Ce preprint comble ce manque en s'appuyant sur la prédiction conforme, une technique qui gagne rapidement du terrain dans la vérification de systèmes apprenants, notamment après des travaux récents de groupes comme MIT CSAIL et Stanford sur les Control Barrier Functions (CBF) à base de données. La prochaine étape critique reste la validation sur hardware réel, en dehors de la simulation, pour évaluer si les garanties tiennent face aux bruits capteurs et aux latences d'inférence propres au déploiement physique. Aucun partenaire industriel ni calendrier de transfert n'est mentionné dans ce preprint.

Les 10 actualités robotique incontournables de mai 2026

Mai 2026 a concentré plusieurs avancées concrètes dans la robotique, mises en lumière lors du Robotics Summit & Expo de Boston qui a réuni des milliers de professionnels du secteur. Genesis AI a dévoilé GENE-26.5, un modèle d'IA qu'elle présente comme atteignant des "capacités de manipulation physique au niveau humain", une affirmation à relativiser en l'absence de benchmarks indépendants publiés. Dans le domaine des humanoïdes, 1X Technologies a lancé la production en série de son robot NEO dans une nouvelle usine à Hayward, en Californie, conçu pour fonctionner en dessous du niveau sonore d'un réfrigérateur moderne dans des espaces domestiques. La startup londonienne Humanoid a formalisé un partenariat avec Bosch et Schaeffler pour industrialiser sa production, après un proof of concept conjoint validé en mars 2026. Du côté des capteurs, Ouster a annoncé la famille REV8, basée sur sa puce L4 Ouster Silicon, avec une portée et une résolution doublées par rapport à la génération précédente, et un lidar couleur natif breveté. Automated Tire est sortie de la discrétion avec SmartBay, une plateforme robotique autonome pour le changement de pneus et l'inspection de véhicules, promettant de réduire le temps de service de moitié, soit environ 30 minutes par intervention. Ces actualités illustrent une bifurcation nette dans le secteur: d'un côté, des acteurs humanoïdes comme 1X passent de la démonstration à la production réelle, signal que le "reality gap" se réduit pour certains challengers; de l'autre, des verticaux industriels précis comme la maintenance automobile ou la manipulation dextère cherchent à démontrer un ROI mesurable à court terme. Le partenariat Humanoid-Bosch-Schaeffler est particulièrement notable car il intègre deux équipementiers automobiles de premier plan dans la chaîne d'approvisionnement des humanoïdes, anticipant un marché commercial proche. Hugging Face a également lancé une boîte à outils agentique pour son robot desktop open-source Reachy Mini, permettant de créer des applications fonctionnelles en moins d'une heure sans écrire de code, ce qui signale une démocratisation de la programmation robotique au-delà des équipes d'ingénieurs spécialisés. Le contexte est celui d'une course à la commercialisation qui s'accélère, avec Figure (Figure 03), Tesla (Optimus Gen 3), Physical Intelligence (pi0), Boston Dynamics et NVIDIA (GR00T N2) en embuscade sur le même marché des humanoïdes polyvalents. Pour structurer les comparaisons, le Fraunhofer IPA a publié un benchmark standardisé pour évaluer objectivement ces plateformes, une initiative qui faisait défaut jusqu'ici. Les RBR50 Innovation Awards 2026, qui fêtent leur 15e édition, ont dressé un panorama des leaders actuels, reflétant la diversité des approches: AMR, cobots, architectures VLA (Vision-Language-Action). Les prochains trimestres seront déterminants: les premiers bilans chiffrés des déploiements chez 1X et Humanoid constitueront des tests de réalité cruciaux avant d'éventuels nouveaux tours de financement.

Collaboration humain-robot : concevoir les espaces de travail modernes pour la sécurité, la productivité et le bien-être des employés

Le marché mondial de la robotique industrielle, évalué à 85 milliards de dollars, connaît une transformation structurelle : les barrières physiques qui séparaient opérateurs et machines disparaissent progressivement des lignes de production, remplacées par des zones de collaboration directe. Des millions de robots industriels sont aujourd'hui déployés dans des environnements partagés, où la cohabitation homme-machine impose une refonte complète de la conception des postes de travail, en s'appuyant sur la géométrie spatiale, les standards de sécurité fonctionnelle (ISO 10218, ISO/TS 15066) et la psychologie des opérateurs. Cet enjeu dépasse la simple conformité réglementaire. Pour les intégrateurs et les COO industriels, la suppression des cages protectrices au profit de robots collaboratifs (cobots) ou de cellules HRC (Human-Robot Collaboration) implique une réévaluation complète des flux, des distances de sécurité, et de l'ergonomie cognitive. Des études montrent que l'acceptation des opérateurs est directement liée à la prévisibilité des mouvements des robots et à leur formation initiale, deux leviers souvent sous-estimés dans les projets de déploiement industriel. La tendance s'est accélérée depuis l'émergence des cobots d'Universal Robots, Fanuc et KUKA au début des années 2010, mais aussi avec la montée des AMR (Autonomous Mobile Robots) d'acteurs comme Exotec, basé à Croix (France), qui déploie ses systèmes dans des entrepôts logistiques à forte densité humaine. Les prochaines étapes du secteur portent sur l'intégration de capteurs de perception avancés et d'IA embarquée pour adapter dynamiquement le comportement des robots à la présence humaine en temps réel.

EBuddy : orchestrateur de flux de travail pour la collaboration homme-machine industrielle

EBuddy est un orchestrateur de procédures guidé par la voix, présenté dans un article de recherche publié sur arXiv (2603.28579, 2026), conçu pour la collaboration humain-machine dans les environnements industriels outillés. Le système repose sur une machine à états finis (FSM) : à chaque instant, l'opérateur dispose d'un cadre décisionnel explicite (état courant et actions admissibles), ce qui contraint l'interprétation des commandes vocales à des transitions cohérentes et réduit les ambiguïtés inhérentes au langage naturel. Via reconnaissance automatique de la parole (ASR) et compréhension d'intention, EBuddy pilote des ressources hétérogènes incluant des logiciels à interface graphique et un robot collaboratif (cobot), en interaction purement vocale. Un pilote industriel porte sur l'inspection de pales d'impulseur et la préparation de programmes de réparation par dépôt direct d'énergie (DED, procédé d'additive manufacturing adapté à la remise en état de pièces à haute valeur), exécutés en collaboration humain-robot. Les auteurs rapportent des réductions "substantielles" de la durée de bout en bout sur l'onboarding des opérateurs, le scan 3D, le traitement des données et la génération de programmes de réparation. Aucune métrique chiffrée précise n'est publiée dans l'abstract disponible, ce qui invite à réserver le jugement aux résultats complets. La problématique ciblée est structurelle dans la maintenance industrielle : le savoir-faire expert est efficace mais peu scalable, et la qualité d'exécution se dégrade quand les procédures sont reconstituées ad hoc d'un opérateur ou d'une session à l'autre. En encapsulant ce savoir dans des artefacts de workflows modulaires, EBuddy réduit la dépendance aux experts terrain et abaisse la courbe d'apprentissage à l'onboarding. L'architecture FSM offre un avantage décisif sur les pipelines LLM non contraints : en bornant l'espace des actions valides à chaque état, elle limite les hallucinations et les erreurs d'interprétation, critique lorsqu'une mauvaise commande peut endommager une pièce coûteuse ou désynchroniser un cobot. Pour les intégrateurs et les décideurs B2B, c'est une démonstration que l'interface vocale peut piloter un cobot en production réelle, à condition d'être ancrée dans un modèle formel de la procédure plutôt que dans un LLM généraliste non contraint. La recherche en orchestration humain-robot par la voix s'inscrit dans un mouvement plus large porté par les VLA (Vision-Language-Action models) et les assistants multi-modaux pour la robotique industrielle. Des approches concurrentes existent côté académique (ETH Zurich et Carnegie Mellon sur la planification de tâches par LLM) et côté industrie, notamment Universal Robots avec son écosystème URCap et Covariant avec son interface de manipulation. Du côté français, Enchanted Tools, avec son robot Miroki centré sur l'interaction naturelle, travaille un espace adjacent. EBuddy se distingue par son accent mis sur la contrainte formelle de l'espace d'actions et par son application au cas d'usage maintenance/repair, moins exploré que l'assemblage ou la logistique. Les prochaines étapes logiques incluent la publication des métriques complètes du pilote et l'extension du système à d'autres procédures DED ou à de nouveaux environnements de production.

Les bras robotiques s'intègrent désormais aux machines CNC

L'intégration directe de bras robotiques dans des cellules d'usinage CNC franchit un nouveau palier industriel. Là où l'automatisation se limitait autrefois à une seule tâche isolée, des systèmes complets prennent désormais en charge le chargement d'ébauches brutes, le transfert inter-machine, l'inspection en cours de production, l'ébavurage et le routage aval, sans intervention humaine. FANUC a présenté en 2024 le ROBODRILL α-D28LiB5ADV Plus Y500 équipé du contrôleur R-50iA, avec vision embarquée pour la reconnaissance et la vérification de placement des pièces. Un retour terrain documenté chez APT Manufacturing Solutions indique un gain d'efficacité de 33 % sur une ligne tendue par ce système : production passée de 100 à plus de 150 pièces par équipe de huit heures, avec un retour sur investissement atteint en 33 semaines. Universal Robots positionne son cobot UR5e sur les ateliers à espace contraint, avec une répétabilité annoncée à 30 microns. L'entreprise Toolcraft, atelier de Seattle spécialisé dans les composants médicaux, a déployé ce modèle sur un cycle à trois opérations séquentielles, obtenant une réduction des coûts de production de 23 % et une hausse de débit de 43 %. KUKA, de son côté, propose via son logiciel KUKA.CNC une programmation robot en G-code, le même langage que les opérateurs CNC utilisent quotidiennement, ce qui réduit la barrière à l'adoption dans les environnements haute précision et forte charge. L'enjeu pour les décideurs industriels dépasse la productivité à court terme. Une étude Deloitte projette que 1,9 million des 3,8 millions de postes manufacturiers à pourvoir d'ici 2033 pourraient rester vacants, faute de main-d'oeuvre qualifiée. Cette pression démographique accélère la bascule vers des cellules autonomes capables de fonctionner en "lights-out manufacturing", c'est-à-dire de nuit et le week-end, sans personnel présent. Au-delà du volume, la régularité est un argument technique solide : un opérateur humain accumule en cours de poste des micro-erreurs de préhension et d'alignement qui se traduisent en rebuts ou reprises. Un bras robotique place chaque pièce dans le mandrin avec la même orientation et la même force à chaque cycle. Sur des lots de plusieurs centaines de pièces par quart, cette constance permet aux machines CNC d'opérer en continu à leurs spécifications nominales, ce que les métriques publiées par FANUC et Universal Robots confirment dans des contextes de production réelle, pas seulement en démonstration. La tendance actuelle s'inscrit dans une évolution plus longue : depuis les premiers systèmes mono-tâche des années 2000, les fabricants de robots industriels ont progressivement construit des offres d'intégration clés en main ou semi-ouvertes. FANUC mise sur un écosystème captif autour de ses propres machinecentres ROBODRILL, ce qui simplifie l'intégration mais réduit la flexibilité pour les ateliers multi-fournisseurs. Universal Robots cible les PME avec une approche collaborative sans cage de sécurité, pertinente pour les surfaces réduites. KUKA se différencie sur les environnements haute charge et haute précision, avec une interface de programmation pensée pour les profils d'opérateurs CNC existants. La prochaine étape logique pour ces trois acteurs est l'extension vers des cellules multi-machines pilotées par un seul bras ou un tandem robot-AMR, des configurations déjà en phase pilote dans plusieurs usines automobiles et aéronautiques en Europe et en Amérique du Nord.

L'essor des cobots dans la fabrication métallique et la construction

Les cobots représentent désormais 18 % du total des unités robotiques vendues en Amérique du Nord, selon le dernier rapport de l'Association for Advancing Automation (A3), avec environ 90 % des commandes provenant de secteurs non automobiles : agroalimentaire, biens de consommation, semi-conducteurs, électronique et sciences du vivant. C'est dans ce contexte de croissance record que Hirebotics, entreprise fondée à Nashville en 2015 par Matt Bush et Rob Goldiez, positionne ses solutions de cobots pour la fabrication métallique, le palettising et la construction de data centers. Leur produit phare, Beacon, est une plateforme cloud qui permet aux soudeurs, opérateurs de découpe et de peinture d'enseigner, piloter et surveiller un bras collaboratif via une application mobile, sans ligne de code ni compétence en programmation. La plateforme a servi de socle au Cobot Welder, lancé en 2021, et au BotX, le premier cobot de soudage en mode locatif (rental), développé en partenariat avec Red-D-Arc. L'enjeu derrière cette approche dépasse le produit : il s'agit de répondre à une pénurie structurelle de main-d'oeuvre qualifiée dans la fabrication industrielle, un problème que Bush et Goldiez ont vécu directement depuis les années 1990. La complexité de programmation des premiers cobots freinait l'adoption, notamment dans les PME métallurgiques qui n'ont pas d'ingénieurs dédiés à l'automatisation. En "productisant" le cobot en solution clé en main orientée opérateur, Hirebotics contribue à un changement de paradigme que l'on observe désormais chez les grands constructeurs : Universal Robots, par exemple, présente aujourd'hui majoritairement des configurations prêtes à l'emploi dans ses démonstrations, là où il y a dix ans les stands n'exposaient que des bras nus. Ce glissement vers l'accessibilité valide l'hypothèse que la barrière à l'entrée de la robotique collaborative n'est plus mécanique, mais logicielle et ergonomique. Hirebotics a été fondée en 2015 à l'intersection de deux vagues technologiques alors naissantes : les cobots à limitation de force et de puissance (bras capables de travailler sans cage de sécurité), et le cloud computing industriel. La société s'est d'abord appuyée sur des applications de machine tending et d'assemblage avant de se spécialiser dans le soudage. Rob Goldiez, cofondateur, a passé la main à Matt Bush en début d'année 2026. Sur le plan concurrentiel, le marché des cobots de soudage est disputé entre des intégrateurs spécialisés comme Hirebotics, des constructeurs OEM tels qu'Universal Robots (Danemark, filiale de Teradyne) ou FANUC, et des startups verticalisées comme Vectis Automation ou Genesis Systems. Le segment de la construction de data centers, cité comme nouveau vecteur de croissance, reste encore peu robotisé, ce qui représente une fenêtre d'opportunité pour des solutions cobots adaptées à des environnements moins standardisés que l'atelier industriel classique.

Festo présente une pince pneumatique à deux doigts pour robots collaboratifs

Festo lance le HPPH, un préhenseur pneumatique parallèle à deux doigts conçu spécifiquement pour les applications cobots. La conception intègre directement la commande, la détection et les fonctions de sécurité collaborative dans le corps du préhenseur, éliminant le besoin de vannes externes, de capteurs déportés et de câblages séparés qui alourdissent traditionnellement l'installation sur un bras de robot collaboratif. Cette architecture tout-en-un réduit la masse embarquée et l'encombrement global du montage, deux contraintes critiques sur les cobots dont les capacités de charge utile se situent généralement entre 3 et 16 kg. L'intérêt industriel de cette approche est direct : sur un cobot, chaque gramme ajouté en bout de bras réduit la charge utile effective disponible pour la pièce à manipuler. En consolidant la pneumatique, l'électronique de commande et les capteurs dans un seul module certifié pour la collaboration humain-robot, Festo simplifie l'intégration pour les intégrateurs et réduit les délais de mise en service. Cela répond à un frein récurrent dans le déploiement des cobots en cellules d'assemblage et de pick-and-place : la complexité du câblage en zone à espace contraint. Festo, groupe allemand spécialisé dans l'automatisation pneumatique et électrique avec un CA supérieur à 3,6 milliards d'euros, intervient sur ce segment face à des acteurs comme Schunk (ADHOC), Robotiq (2F-85/140) et OnRobot (RG2/RG6), tous positionnés sur les préhenseurs plug-and-play pour cobots Universal Robots, FANUC et Yaskawa. Le HPPH s'inscrit dans une tendance de fond : la convergence des composants périphériques vers des modules intégrés certifiés ISO/TS 15066, à mesure que les déploiements cobots passent de projets pilotes à des installations industrielles à grande échelle.

Étude de l'effet d'un retrofit à actionnement élastique en série sur des actionneurs boîte noire

Des chercheurs ont publié sur arXiv (référence 2605.24127, mai 2026) les résultats d'une étude portant sur le retrofit d'un élément élastique en série (SEA, Series Elastic Actuation) sur un actionneur dit "boîte noire", c'est-à-dire un actionneur commercial dont les paramètres internes sont inaccessibles. L'élément élastique torsionnel a été dimensionné par analyse en éléments finis (FE analysis), aboutissant à une raideur de 2 155,4 Nm/rad. Le résultat principal est une amélioration de la bande passante en contrôle d'effort en boucle ouverte, passant de 10,32 Hz pour le moteur seul à 30,32 Hz avec le module SEA intégré, soit un gain de 2,93x. En boucle fermée, le module surpasse un capteur d'effort commercial de 7,63%, pour un coût matière de seulement 25 GBP. Ce résultat a une portée directe pour les intégrateurs robotiques confrontés à des actionneurs industriels standard dont ils ne maîtrisent pas la couche logicielle basse. Les actionneurs rigides à faible jeu mécanique sont omniprésents en robotique industrielle précisément parce qu'ils garantissent répétabilité et précision, mais ils sont inadaptés dès que la tâche exige du contrôle d'effort ou une compliance face à des contacts incertains. Le principe SEA, qui insère un ressort entre le moteur et la charge pour mesurer les efforts via la loi de Hooke, est connu depuis les travaux de Gill Pratt au MIT dans les années 1990, mais son application reste généralement cantonnée aux plateformes conçues pour l'accepter dès l'origine. Ce travail démontre qu'un retrofit peu coûteux peut débloquer la mesure d'effort haute fidélité sans remplacer l'actionneur existant. L'approche s'inscrit dans un courant de recherche actif autour de la compliance en actionnement, qui irrigue aussi bien les robots humanoïdes (Boston Dynamics Atlas, Agility Digit, Figure 02) que les exosquelettes et cobots collaboratifs. Les concurrents directs de cette approche incluent le quasi-direct drive (QDD), popularisé par MIT Cheetah et repris chez nombre de fabricants chinois (Unitree, Fourier Intelligence), ainsi que les capteurs d'effort six axes montés en poignet. La limite principale du SEA reste la réduction de bande passante, que ce travail atténue mais ne supprime pas entièrement. Les prochaines étapes logiques concerneraient des validations sur tâches manipulatoires réelles et une caractérisation de la durée de vie mécanique de l'élément élastique retrofit dans des cycles répétitifs.

Commande corpo-entière sûreté-critique pour robots humanoïdes via les barrières de contrôle entrée-état

Des chercheurs ont publié sur arXiv (référence 2605.25546) un framework hiérarchique de contrôle sécurisé corps entier pour robots humanoïdes, fondé sur les fonctions barrières robustes aux perturbations (ISSf-CBF, Input-to-State Safe Control Barrier Functions). L'architecture s'articule en trois couches : un contrôleur whole-body cinématique (KinWBC) qui génère des références articulaires à partir de tâches priorisées, un filtre ISSf-CBF qui les ajuste au minimum pour satisfaire les contraintes de sécurité sous perturbations bornées, et un contrôleur whole-body dynamique (DynWBC) qui garantit la faisabilité corps entier et la stabilité des contacts. Les contraintes couvertes incluent les limites articulaires, l'évitement d'auto-collision, l'évitement d'obstacles et les frontières du workspace. Validé en simulation et sur robot réel, le système a été testé dans trois scénarios : locomotion, téleopération et équilibre monopode avec contrôle simultané des mains. L'intérêt de l'approche tient à un problème fondamental en robotique humanoïde : les garanties de sécurité formelles s'effondrent dès qu'apparaît un écart entre le modèle de simulation et le comportement physique réel. Les CBFs classiques supposent un système parfaitement connu et deviennent fragiles face aux incertitudes de modèle, aux erreurs de suivi de trajectoire ou aux perturbations externes, précisément les conditions d'un environnement industriel. Les ISSf-CBFs étendent ce formalisme en admettant des perturbations bornées tout en maintenant des garanties formelles transférables du niveau cinématique vers la dynamique complète. Le filtre intervient de façon minimalement invasive, ne corrigeant les références nominales que lorsque nécessaire, ce qui préserve la performance globale. C'est une réponse directe au "demo-to-reality gap" structurellement reproché aux humanoïdes actuels, et un prérequis pour toute certification de robot collaboratif en environnement humain. Les Control Barrier Functions sont un outil bien établi en automatique, popularisé dans les années 2010 pour les véhicules autonomes et les bras robotiques. Leur extension aux ISSf-CBFs pour la robustesse aux perturbations est plus récente, et leur application à un humanoïde corps entier avec des dizaines de degrés de liberté, des contacts multiples et des dynamiques non linéaires représente un saut de complexité notable. Dans la course actuelle aux humanoïdes, les acteurs comme Figure, Boston Dynamics, Tesla (Optimus), Agility Robotics, Apptronik ou Unitree publient peu sur les garanties de sécurité formelles corps entier, un domaine resté majoritairement académique. Ce travail n'annonce pas de déploiement industriel, mais fournit une brique méthodologique directement applicable aux pipelines de validation et de certification des futurs robots collaboratifs.

Primitives de mouvement par le langage : ancrer les modèles de langage dans le mouvement robotique

Des chercheurs du Collaborative Robotics Lab de Virginia Tech ont publié Language Movement Primitives (LMP), un framework qui relie les modèles de vision-langage (VLM) aux Dynamic Movement Primitives (DMP), une famille de contrôleurs de trajectoire établie en robotique depuis les années 2000. Le principe: les DMP définissent des trajectoires continues et stables via un faible nombre de paramètres interprétables, et les VLM configurent ces paramètres directement à partir d'instructions en langage naturel. Testé sur 31 tâches de manipulation de bureau en conditions réelles, LMP atteint un taux de succès de 65%, contre 35% pour le meilleur système de référence évalué. Le pipeline fonctionne en mode zéro-shot, sans fine-tuning spécifique aux tâches cibles. L'article est disponible sur arXiv (2602.02839, troisième révision) et accompagné de vidéos de démonstration. Le vrai problème que LMP cible est le "grounding" moteur: transformer un raisonnement abstrait en commandes physiquement cohérentes. Les VLM comme GPT-4V excellent à décomposer une tâche en étapes logiques, mais produire des trajectoires exécutables reste hors de leur portée native. À l'inverse, les modèles de fondation robotique tels que Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou RT-2 de Google génèrent des actions directement, mais nécessitent généralement un fine-tuning coûteux en données in-domain pour s'adapter à de nouvelles tâches. LMP propose une troisième voie: les DMP servent d'interface structurée entre le raisonnement LLM et le contrôle bas niveau, préservant la stabilité dynamique sans apprentissage supplémentaire. Le gain de 30 points de pourcentage en zéro-shot sur des tâches réelles est notable, même si le choix des baselines et les conditions de test précises mériteront une vérification indépendante par la communauté. Les DMP ont été formalisés par Schaal et al. dans les années 2000 et restent un outil de référence pour la manipulation grâce à leur stabilité et leur capacité de généralisation. L'approche de LMP s'inscrit dans la lignée de SayCan (Google) et Code-as-Policies (Liang et al.), mais descend plus bas dans la pile de contrôle sans passer par un réseau de politique intermédiaire. Les concurrents directs sont les VLA bout-en-bout comme OpenVLA ou le récent Helix d'Figure AI, qui offrent plus de flexibilité mais restent tributaires de larges jeux de données de démonstration. Les prochaines étapes probables incluent l'extension à des environnements non-tabulaires et à des robots à plus haute dimensionnalité, notamment la manipulation dextre sur bras 7-DOF.

Blue Dot Touch clôture un tour C++ mené par SAIC Motor et vise l'expansion mondiale de ses capteurs de force

La startup pékinoise Blue Dot Touch, spécialisée dans les capteurs de force à six axes, a finalisé un tour de financement C++ de plusieurs centaines de millions de yuans, conduit par SAIC Jinkong et Shangqi Capital, deux véhicules d'investissement du constructeur automobile SAIC Motor. Zhongxin Juyuan, Zhengda Robot et Houwei Capital ont également participé à cette levée. Ce tour intervient un mois seulement après le C+ précédent, portant à trois le nombre de levées majeures en moins de six mois. Sequoia Capital China figure désormais au registre des actionnaires, aux côtés d'investisseurs stratégiques issus des secteurs automobile, semi-conducteurs et robotique. Les fonds couvriront le développement de nouveaux produits, la construction d'une usine intelligente et l'expansion sur les marchés internationaux. Les capteurs six axes sont des composants critiques dans les robots collaboratifs, les systèmes chirurgicaux et les lignes d'assemblage de précision, partout où la mesure des efforts est indispensable à une interaction homme-machine sûre. L'entrée de SAIC Motor dans le capital s'explique par les besoins croissants de l'industrie automobile en automatisation avancée : assemblage de batteries pour véhicules électriques, vissage de précision, inspection en ligne. Pour les intégrateurs et OEM industriels, l'émergence d'un fournisseur chinois compétitif réduit la dépendance aux capteurs importés, notamment japonais et européens, qui dominent historiquement ce marché. Les capteurs six axes constituent un goulet d'étranglement identifié dans le déploiement des humanoïdes et des cobots en Chine, ce qui explique l'accélération des levées dans ce segment depuis 2024. Blue Dot Touch se positionne comme alternative domestique à des acteurs comme ATI Industrial Automation (USA, filiale Schunk), Kistler (Suisse) ou Robotiq (Canada). La concentration d'investisseurs stratégiques issus de l'automobile, de la robotique et de la microélectronique laisse entrevoir une ambition de standardisation dans les futures lignes de production. L'expansion internationale annoncée reste vague : aucune timeline ni partenariat client n'a été communiqué à ce stade.

Robots de soudage collaboratifs : le cheval noir qui redessine l'automatisation du soudage en Chine

En six ans, les robots de soudage collaboratifs ont opéré une percée notable en Chine, passant du stade expérimental en 2020 à une solution d'automatisation largement déployée en 2026. Ces cobots se distinguent par leur aptitude à fonctionner aux côtés des opérateurs sans barrières de sécurité physiques, combinée à une planification de trajectoire adaptative qui réduit les temps de programmation par rapport aux robots industriels classiques. L'adoption a été tirée par la hausse structurelle des coûts salariaux et par une demande accrue en qualité de soudure dans les secteurs automobile, naval et des équipements lourds. Plusieurs acteurs domestiques chinois auraient atteint le premier rang technologique, concurrençant directement les marques internationales sur prix et performance. Des analystes sectoriels projettent une part de marché supérieure à 30 % dans le segment mid-market de la soudure d'ici deux ans, à mesure que les prix unitaires continuent de baisser, bien qu'aucune source indépendante ne soit citée à l'appui de cette projection. L'enjeu principal est de combler le déficit structurel de soudeurs qualifiés tout en automatisant des tâches longtemps réservées à la dextérité humaine. La rupture technique clé réside dans des algorithmes de contrôle propriétaires permettant une adaptation rapide à de nouvelles géométries de pièces, ce qui réduit les cycles de déploiement sur ligne. Pour les intégrateurs et les décideurs industriels, cela se traduit par un argument d'amortissement raccourci. Les métriques de cycle time avancées par les constructeurs restent cependant à valider sur données terrain indépendantes, les communications disponibles reposant essentiellement sur des démonstrations contrôlées plutôt que sur des rapports de production réelle. Ce mouvement s'inscrit dans la montée en gamme globale de la robotique chinoise, portée par des acteurs comme JAKA Robotics, Aubo Robotics ou Elite Robots qui réduisent progressivement l'écart avec les références occidentales FANUC, KUKA et ABB. Le soudage collaboratif représente aujourd'hui l'un des cas d'usage les plus matures pour les bras cobots en environnement industriel réel, avec des déploiements documentés dans la construction navale et l'automobile. Les prochaines étapes probables incluent l'intégration de vision 3D pour l'adaptation en temps réel aux variations géométriques des pièces et l'extension vers les marchés émergents d'Asie du Sud-Est, où les pressions sur les coûts de main-d'oeuvre créent des conditions similaires à celles qui ont catalysé l'adoption en Chine.

Explications contrefactuelles temporelles des décisions d'arbres de comportement

Une équipe de chercheurs a publié sur arXiv (référence 2509.07674, version 2) une méthode automatisée de génération d'explications contrefactuelles temporelles pour les robots pilotés par des arbres de comportement (behaviour trees, BT). Le système répond en temps réel aux questions de type "pourquoi le robot a-t-il fait X plutôt que Y ?" en construisant automatiquement un modèle causal à partir de la structure du BT et de la connaissance du domaine applicatif, puis en interrogeant ce modèle pour produire un ensemble d'explications contrefactuelles diversifiées. Les auteurs affirment surpasser les méthodes existantes, qui soit ne répondent pas aux questions contrastives avec des explications causales, soit ne garantissent pas la cohérence et la précision des réponses sur une large gamme de structures de BT et d'états système. Les arbres de comportement sont largement utilisés dans les systèmes robotiques industriels et de service pour piloter la prise de décision, des manipulateurs aux robots mobiles autonomes (AMR) en passant par les plateformes humanoïdes. La question de l'explicabilité (XAI) y est critique pour les intégrateurs et les équipes de sécurité fonctionnelle : comprendre pourquoi un robot a choisi une séquence d'actions plutôt qu'une autre est indispensable pour la certification, la maintenance et l'acceptation par les opérateurs. Cette méthode propose le premier mécanisme de causalité contrefactuelle automatique dédié aux BT, comblant un angle mort identifié dans la littérature XAI robotique. Les arbres de comportement ont progressivement remplacé les automates finis (FSM) dans de nombreux systèmes robotiques depuis le milieu des années 2010, grâce à leur modularité et leur lisibilité. Les travaux antérieurs sur l'explicabilité des BT se limitaient à des justifications post-hoc non causales ou à des méthodes génériques issues de LIME, SHAP ou des réseaux causaux structuraux (SCM). La validation présentée repose sur des structures de BT synthétiques et des états variés, sans déploiement industriel annoncé à ce stade. Les prochaines étapes naturelles incluent la validation en environnement réel et l'intégration dans des interfaces opérateur, un enjeu croissant en Europe avec l'AI Act et les normes cobotiques (ISO 10218) qui renforcent les exigences de traçabilité des décisions autonomes.

Gouverneur de référence explicite pour manipulateurs robotiques souples et adaptés au contact

Des chercheurs présentent dans un preprint arXiv (2504.09188v2) le Compliant Explicit Reference Governor (CERG), un module logiciel intercalé entre le planificateur de haut niveau et le contrôleur bas niveau d'un bras robotique. Son rôle est de filtrer les références de position et de vitesse pour garantir, formellement, que l'énergie disponible lors d'un contact physique reste sous un seuil de sécurité prédéfini. Le système a été validé en simulation et sur hardware réel, sur des manipulateurs de complexité croissante, bien que le preprint ne précise pas les degrés de liberté (DOF) ni les charges utiles (payload) testés. Ce qui distingue le CERG des approches classiques de contrôle en impédance ou en force, c'est son caractère non pénalisant hors contact : le module ne restreint les performances du bras que lorsqu'un contact est imminent ou actif, laissant la dynamique nominale intacte en mouvement libre. Les garanties sont formelles, pas seulement empiriques, ce qui représente un argument fort pour les intégrateurs de cobots soumis aux exigences de certification ISO/TS 15066. Cela répond directement à un angle mort du secteur : la plupart des systèmes actuels sacrifient vitesse ou précision de façon permanente pour rester sous les seuils de force réglementaires. Le gouverneur de référence est une technique établie en automatique, ici adaptée au cas contact en robotique de manipulation. Le positionnement se fait face aux approches d'impédance variable (travaux de De Luca, Albu-Schäffer) et aux méthodes d'apprentissage par renforcement pour la manipulation en contact. Aucun partenaire industriel ni timeline de transfert n'est mentionné dans le preprint, ce qui situe le CERG au stade de la recherche fondamentale, sans déploiement annoncé.

UniStrong Instruments : 15 ans de sous-traitance pour ABB, désormais en course pour dominer le marché mondial des capteurs robotiques

UniStrong Instruments (宇立仪器), fabricant chinois de capteurs force-couple, vient d'obtenir la certification UL et annonce une expansion internationale ciblant en priorité le marché nord-américain. Depuis quinze ans, ses capteurs sont intégrés dans les robots industriels d'ABB et de KUKA, deux des plus grands fabricants mondiaux d'automatisation. L'entreprise élargit désormais son portefeuille vers les cobots (robots collaboratifs) et les plateformes humanoïdes émergentes, où ces composants sont devenus des briques fondamentales de l'architecture mécatronique. Les capteurs force-couple permettent à un robot de mesurer en temps réel les forces qu'il exerce sur son environnement, une capacité indispensable pour l'assemblage de précision, le meulage, le polissage ou toute tâche nécessitant une adaptation dynamique à la résistance du matériau. En robotique humanoïde, ces capteurs conditionnent directement la dextérité manuelle et la sécurité des interactions physiques avec les opérateurs. La certification UL lève un obstacle réglementaire majeur à l'entrée sur le marché nord-américain et repositionne UniStrong comme alternative crédible aux capteurs importés d'Allemagne (Schunk), du Japon et des États-Unis (ATI Industrial Automation, désormais intégré à Novanta), dont les prix restent élevés pour les intégrateurs à volume. UniStrong a construit sa réputation sur un critère souvent absent des brochures : la résistance aux surcharges, c'est-à-dire la capacité à survivre aux chocs et aux efforts imprévus qui détruisent les capteurs concurrents en conditions réelles. Cet avantage, éprouvé sur quinze ans d'intégration chez ABB et KUKA, lui confère une base de référence industrielle difficile à contester. Le timing n'est pas anodin : la Chine pousse activement ses équipementiers robotiques vers l'international, dans un contexte de compétition intense illustré par le marathon humanoïde de Beijing Etown en mai 2025. Pour les intégrateurs et les OEMs qui assemblent des cobots ou des humanoïdes, l'émergence d'un fournisseur chinois certifié UL avec un historique de fiabilité avéré élargit concrètement l'espace des fournisseurs, au-delà des habituels duopoles euro-américains.

Je ne suis pas en colère, juste concentré : comprendre les émotions humaines dans la collaboration humain-robot

Une équipe de chercheurs a publié fin mai 2026 un préprint arXiv (2605.16816) décrivant un système de reconnaissance des émotions fondé sur un modèle de langage visuel (VLM) pour améliorer la collaboration humain-robot (HRC). Contrairement aux systèmes classiques, qui s'appuient sur des datasets d'émotions jouées et des entrées unimodales comme les expressions faciales, le système proposé exploite la compréhension contextuelle de la scène pour inférer l'état émotionnel de l'opérateur. L'évaluation a suivi deux axes : une comparaison avec des annotations humaines sur un dataset HRC existant, mesurant la similarité sémantique et l'alignement de sentiment, puis une étude utilisateur impliquant un robot de service dans une tâche de livraison collaborative. Le système VLM-ER a surpassé la référence CNN sur ces deux métriques, et les participants ont explicitement préféré le comportement adaptatif du robot piloté par l'inférence émotionnelle. Pour les intégrateurs et les équipes produit déployant des robots de service ou des cobots en environnement humain, le résultat valide une hypothèse clé : un VLM peut dépasser la simple lecture faciale en intégrant la posture, la dynamique de la tâche et le contexte visuel global pour produire une inférence émotionnelle plus proche du jugement humain. Le titre du papier résume le problème concret visé, la confusion systématique entre "en colère" et "concentré", une erreur de classification qui, en robotique industrielle ou de service, génère des interruptions non pertinentes et dégrade la fluidité de la collaboration. La démonstration que ce comportement adaptatif est préféré par les utilisateurs constitue un argument B2B tangible pour les décideurs qui doutent du retour sur investissement de ces fonctionnalités. La reconnaissance des émotions en HRC souffrait jusqu'ici d'un écart important entre laboratoire et terrain, en partie parce que les datasets d'entraînement reposent sur des acteurs et non sur des émotions spontanées. L'intégration de VLMs pré-entraînés à grande échelle représente un saut qualitatif en termes de généralisation par rapport aux architectures CNN ou aux approches multimodales audio-geste traditionnelles. Des travaux similaires émergent autour de modèles comme GPT-4o ou LLaVA appliqués à la robotique sociale, tandis que des startups françaises comme Enchanted Tools, dont le robot Miro cible précisément l'interaction sociale naturelle, s'inscrivent dans cette même dynamique. La prochaine étape critique pour cette équipe sera de valider le système sur des données spontanées hors laboratoire et des populations diversifiées, condition indispensable avant tout déploiement industriel à l'échelle.

SADP : politique de diffusion consciente des sous-objectifs pour robots explicables, apprise à partir de démonstrations générées par modèle fondation

Des chercheurs ont publié sur arXiv (référence 2605.16871) SADP, pour Subgoal-Aware Diffusion Policy, un framework d'apprentissage par imitation conçu pour rendre les robots manipulateurs explicables en cours d'exécution. L'approche repose sur deux mécanismes combinés : l'utilisation de modèles de fondation pour générer automatiquement des démonstrations annotées en sous-objectifs intermédiaires, et l'entraînement d'une politique de diffusion conditionnée simultanément sur la description de la tâche globale et sur chaque sous-objectif. Une tête auxiliaire légère prédit en temps réel l'état de complétion de chaque sous-étape, exposant ainsi la progression interne du robot à un opérateur humain. Les expériences couvrent des simulations dans l'environnement de référence RLBench et une validation en conditions réelles sur un bras UR5e d'Universal Robots. Les résultats affichent des taux de succès supérieurs aux baselines de type diffusion conditionnée uniquement par la tâche, sans sacrifier les performances globales. L'apport principal n'est pas l'explicabilité en soi, déjà abordée par des approches post-hoc, mais son intégration native dans la politique d'action. Pour un intégrateur ou un responsable industriel, cela change l'équation opérationnelle : il devient possible de monitorer l'avancement d'une manipulation longue-distance, de localiser précisément le sous-objectif en échec, et de réduire les temps de diagnostic en production. Le recours aux modèles de fondation pour annoter automatiquement les démonstrations contourne par ailleurs la pénurie chronique de supervision au niveau des sous-tâches dans les datasets robotiques standards, un goulot d'étranglement pratique bien identifié. La coexistence d'interprétabilité et de haute performance remet en question l'hypothèse d'un arbitrage inévitable entre les deux. Les diffusion policies sont devenues un paradigme dominant pour la manipulation dextère depuis les travaux de Chi et al. en 2023, mais leur opacité décisionnelle reste une critique persistante dans les contextes déploiement industriel. Les modèles VLA comme pi-0 (Physical Intelligence), OpenVLA ou les RT-séries de Google DeepMind exploitent les connaissances des modèles de fondation sans pour autant structurer explicitement la progression par sous-objectifs. SADP se positionne à l'intersection des politiques de diffusion et de la décomposition hiérarchique de tâches, dans un espace concurrentiel qui inclut également des approches comme SayCan ou Code-as-Policies. L'utilisation d'un UR5e, cobot industriel standard très répandu, renforce la crédibilité des résultats en conditions réelles. Les suites naturelles incluront probablement la mise à l'échelle vers des tâches plus complexes et des tests en environnements industriels réels.

💬 L'explicabilité en robotique, c'est souvent du post-hoc rajouté en bout de chaîne, une couche de justification qui n'influence rien sur l'exécution réelle. Là, c'est intégré dans la politique elle-même, avec une tête auxiliaire qui prédit en temps réel où en est le robot dans la séquence, ce qui change vraiment le diagnostic quand une manipulation foire en production. Et valider ça sur un UR5e plutôt que sur un bras de labo maison, au moment où l'AI Act va forcer les industriels à justifier leurs systèmes, c'est pas anodin.

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

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

QuickLAP : apprentissage rapide des préférences langage-action pour systèmes semi-autonomes

Des chercheurs du MIT CLEAR Lab ont publié QuickLAP (Quick Language-Action Preference Learning), un cadre bayésien conçu pour apprendre les préférences d'un utilisateur en combinant deux types de retours : les corrections physiques (gestes, ajustements de trajectoire) et les instructions en langage naturel. L'article, déposé sur arXiv (2511.17855v2), présente des résultats obtenus dans un simulateur de conduite semi-autonome. L'approche utilise un LLM pour extraire, à partir d'énoncés libres, deux signaux distincts : un masque d'attention sur les caractéristiques de la fonction de récompense (quels critères comptent) et un vecteur de déplacement de préférence (dans quelle direction). Ces signaux sont intégrés avec les corrections physiques via une règle de mise à jour en forme fermée, sans nécessiter d'optimisation itérative à chaque cycle. Les résultats quantitatifs sont notables : QuickLAP réduit l'erreur d'apprentissage de la récompense de plus de 70 % par rapport à des baselines utilisant uniquement le retour physique ou des fusions multimodales heuristiques. Une étude utilisateur menée avec 15 participants confirme que le système est perçu comme plus compréhensible et collaboratif, et que le comportement appris est préféré à celui des baselines. Pour les intégrateurs de systèmes semi-autonomes (robotique d'assistance, véhicules autonomes, cobots industriels), cela pointe vers une voie concrète pour réduire la charge de supervision humaine : au lieu d'imposer des interfaces de correction rigides, le système réconcilie des feedbacks ambigus en temps réel. La combinaison LLM + inférence bayésienne contourne l'ambiguïté classique des corrections gestuelles seules. Le problème adressé est bien identifié dans la littérature sur l'apprentissage par renforcement interactif (IRL, RLHF, preference learning). Les approches précédentes traitaient soit le langage (via RLHF ou instruction following), soit le retour physique (DAgger, kinesthetic teaching), rarement les deux de façon cohérente. QuickLAP se positionne dans la lignée des travaux sur les VLAs et les reward models multimodaux, avec un angle applicatif sur les systèmes à supervision humaine partielle. Le code est disponible sur GitHub (MIT-CLEAR-Lab/QuickLAP). Les prochaines étapes naturelles seraient une validation sur robot physique et des expériences dans des domaines au-delà de la conduite, comme la manipulation ou la navigation en entrepôt.

Fabrication industrielle par cellules robotisées et solutions de chargement machine

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

Bosch Rexroth vs Festo vs SMC : Les leaders de l’automatisation et de la pneumatique

Bosch Rexroth, Festo et SMC Corporation constituent aujourd'hui le triptyque dominant de l'automatisation industrielle et de la pneumatique mondiale. Filiale du groupe Bosch, Rexroth propose une architecture d'automatisation systémique couvrant le motion control, l'hydraulique, les servo-entraînements, l'automatisation électrique, les logiciels industriels et les plateformes connectées orientées Industrie 4.0, un portefeuille conçu pour les infrastructures lourdes et les lignes de production hautement intégrées. L'allemand Festo, fondé à Stuttgart en 1925, s'est imposé comme la référence en pneumatique de précision, avec une forte culture R&D appliquée : l'entreprise est notamment connue pour ses démonstrateurs biomimétiques (bras assistés, robots souples) qui anticipent les prochaines générations de composants industriels, et pour ses solutions de formation technique utilisées dans plus de 170 pays. SMC Corporation, groupe japonais créé en 1959 et coté à Tokyo, est aujourd'hui le premier fournisseur mondial de pneumatique industrielle par volume, avec une présence commerciale dans plus de 80 pays et un catalogue de plus de 12 000 références de vérins, vannes et systèmes de contrôle de fluides. Ces trois acteurs opèrent sur un marché où la distinction entre composant et solution devient le principal levier de différenciation. Pour un intégrateur ou un directeur industriel, le choix ne se résume plus à un catalogue de références : il engage une architecture complète. Bosch Rexroth cible les environnements où la convergence entre motion, hydraulique et données est critique, lignes automotive, presses, machines-outils CNC. Festo se positionne sur les applications nécessitant précision et flexibilité : assemblage, agroalimentaire, laboratoires, chaînes reconfigurables, avec un avantage compétitif sur l'efficacité énergétique des actionneurs pneumatiques. SMC répond à une logique de volume et de standardisation : délais courts, disponibilité mondiale, coût à l'unité optimisé. La vraie question pour un décideur B2B n'est pas laquelle est "meilleure", mais laquelle correspond au profil de son process : complexité intégrée (Rexroth), précision applicative (Festo), ou déploiement standardisé à grande échelle (SMC). Ces trois entreprises ont construit leur position sur plusieurs décennies, dans un marché longtemps fragmenté entre spécialistes régionaux. L'accélération de l'Industrie 4.0 et la montée des cobots et robots mobiles autonomes (AMR) ont rebattu les cartes : les pneumaticiens purs comme Festo et SMC investissent désormais dans les interfaces électriques et les protocoles connectés (IO-Link, OPC UA), tandis que Bosch Rexroth étend ses logiciels vers l'edge computing industriel. Les challengers européens, Parker Hannifin, Aventics (ex-Bosch pneumatique, désormais Emerson), ou encore Norgren, grignotent des parts sur des segments spécifiques. À noter : des acteurs français comme Joucomatic (groupe Asco/Emerson) ou Pneumax restent présents sur le marché européen, sans atteindre l'échelle mondiale de ce trio. La prochaine bataille se joue sur l'intégration logicielle et la data industrielle, terrain sur lequel Bosch Rexroth dispose aujourd'hui d'une longueur d'avance structurelle.

VILAS : une architecture bas coût intégrant un modèle VLA avec préhension souple pour la manipulation robotique

VILAS (arXiv 2605.02037) est une plateforme de manipulation robotique modulaire à faible coût conçue pour déployer des modèles vision-language-action (VLA) sur du matériel accessible. Le système associe un bras collaboratif Fairino FR5, un préhenseur électrique Jodell RG52-50 et un module de perception à deux caméras, coordonnés via une architecture ZMQ unifiant téleopération, collecte de données et exécution de politiques dans un pipeline unique. Pour saisir des objets fragiles sans capteur de force dédié, les auteurs ont développé une extension de préhenseur souple fondée sur le kirigami, une technique de découpe structurée qui induit une déformation contrôlée sous charge compressive, garantissant un contact doux et répétable. Trois modèles VLA ont été comparés sur cette plateforme : pi0 et pi0.5 de Physical Intelligence, et GR00T N1.6 de NVIDIA, chacun fine-tuné depuis des checkpoints publics sur un jeu de démonstrations identique collecté via le pipeline de téleopération. La tâche de validation retenue est la saisie de raisins, cas représentatif de la manipulation d'objets déformables et fragiles. Ce préprint de recherche démontre que des politiques VLA compétitives peuvent être entraînées et déployées sur du matériel grand public, sans infrastructure coûteuse ni retour d'effort. Pour les intégrateurs et les équipes de R&D à budget contraint, c'est un signal clair : le goulot d'étranglement n'est plus le hardware mais le pipeline de données et le fine-tuning. La comparaison des trois modèles dans des conditions strictement identiques (même bras, même dataset, même tâche) constitue un benchmark pratique rare, la littérature évaluant généralement les VLA sur des plateformes propriétaires difficilement reproductibles. Le fait que GR00T N1.6, conçu initialement pour les humanoïdes de NVIDIA, soit ici testé sur un cobot bas de gamme éclaire aussi la portabilité réelle de ces modèles généralistes, au-delà des démonstrations sur hardware maison. Ce travail s'inscrit dans le mouvement de démocratisation de la robotique apprenante porté notamment par LeRobot de Hugging Face ou les travaux autour d'ACT (Action Chunking with Transformers). Le Fairino FR5 se positionne dans la gamme des cobots abordables, face au Lite6 d'UFactory ou au CR5 de Dobot. Pi0 et pi0.5 sont issus de Physical Intelligence (Pi), startup californienne fondée en 2023 et financée entre autres par Bezos Expeditions, tandis que GR00T N1.6 est le modèle de fondation robotique de NVIDIA présenté en 2025 pour ses partenaires humanoïdes. Les suites naturelles de cette plateforme incluent l'extension à des tâches bi-manuelles, l'élargissement du catalogue d'objets, et potentiellement la publication du dataset de démonstrations pour faciliter la reproductibilité.

ABB Robotics lance OmniVance, une cellule autonome de finition de surface

ABB Robotics a lancé fin avril 2026 l'OmniVance Collaborative Surface Finishing Cell, sa première cellule entièrement automatisée dédiée au ponçage et au polissage industriel. La solution, développée par le groupe suisse basé à Zurich, repose sur le cobot GoFa d'ABB et se présente comme une offre clé en main, livrée avec tous les composants de sécurité nécessaires, certifiée CE, et opérationnelle sans ingénierie supplémentaire. L'interface de programmation, disponible sur tablette, intègre des fonctions d'enregistrement de trajectoires 3D par guidage manuel (lead-through), de création de chemins 2D prédéfinis, et d'édition intuitive via des blocs Wizard Easy Programming. ABB affirme que ces outils permettent de réduire le temps de programmation jusqu'à 90%, une estimation à prendre avec précaution faute de contexte méthodologique précis. La cellule intègre également une préparation à l'extraction de poussières pour maintenir la qualité de finition et la santé des opérateurs. L'enjeu adressé est réel : le finissage de surface reste l'une des étapes les plus difficiles à automatiser à grande échelle, exposant les opérateurs à des contraintes physiques importantes et à des environnements poussiéreux. Deloitte et le Manufacturing Institute estiment que 1,9 million de postes dans la fabrication américaine seront non pourvus d'ici 2033, un signal fort de la pénurie structurelle de main-d'oeuvre qualifiée. En ciblant les PME sans expertise robotique interne, ABB tente de combler un angle mort du marché : les solutions sur mesure sont trop complexes et coûteuses pour ces acteurs, tandis que les kits d'entrée de gamme manquent de capacité et d'évolutivité. La proposition plug-and-play, sans programmation personnalisée requise, abaisse concrètement le seuil d'adoption. La réduction des TMS (troubles musculo-squelettiques) et la libération des opérateurs vers des tâches à plus forte valeur ajoutée constituent des arguments B2B solides face aux acheteurs industriels. ABB figure parmi les quatre grands fabricants mondiaux de robots industriels, aux côtés de KUKA, Fanuc et Yaskawa. Sa division robotique emploie environ 7 000 personnes, avec un siège américain et une usine à Auburn Hills, dans le Michigan. En octobre 2025, ABB Group a annoncé la cession de cette division à SoftBank Group pour 5,3 milliards de dollars, une transaction qui repositionne ABB Robotics dans un écosystème orienté IA et humanoides, porté par SoftBank via ses participations dans Boston Dynamics et d'autres acteurs. Parallèlement, ABB a lancé en avril 2026 la gamme PoWa, six cobots à limitation de force et de puissance couvrant des charges utiles de 7 à 30 kg et atteignant jusqu'à 5,8 m/s, renforçant son portefeuille collaboratif avant la finalisation probable du rachat. L'OmniVance s'inscrit dans cette dynamique de montée en gamme applicative avant la transition de propriété.

Les 10 actualités robotique les plus marquantes d'avril 2026

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

Teradyne Robotics affiche une hausse de ses revenus au début de 2026

Teradyne Robotics, la division robotique du fabricant américain d'équipements de test Teradyne, a enregistré 91 millions de dollars de chiffre d'affaires au premier trimestre 2026, contre 69 millions au T1 2025 et 89 millions au T4 2025. Il s'agit du quatrième trimestre consécutif de croissance séquentielle, fait notable car le Q1 est historiquement le trimestre le plus faible du cycle annuel. La division regroupe Universal Robots (cobots à bras articulé) et Mobile Industrial Robots (robots mobiles autonomes AMR). Greg Smith, PDG de Teradyne, a précisé lors de la présentation des résultats que les ventes sont tirées par trois segments : l'e-commerce, la fabrication électronique et les semi-conducteurs, y compris les data centers IA. Les revenus liés à l'IA représentent désormais environ 15 % des ventes trimestrielles. Teradyne a par ailleurs annoncé un partenariat avec la startup Generalist pour une démonstration de cellule d'assemblage physico-IA lors du NVIDIA GTC, et évoque sans les nommer des expéditions croissantes vers un "grand client e-commerce" qui pourrait correspondre au déploiement du robot Vulcan d'Amazon, lequel intègre un cobot UR. Cette reprise est significative dans un contexte où Teradyne avait connu deux vagues de licenciements en 2025 : 10 % des effectifs en janvier, puis 14 % supplémentaires en novembre, après un déclin de revenus de 326 millions de dollars en 2022 à 293 millions en 2024. Le retour à la croissance, particulièrement marqué sur l'IA industrielle, suggère que le pari sur l'intégration cobots-IA dans les environnements de production haute densité commence à se traduire en commandes fermes plutôt qu'en démonstrations. Pour les intégrateurs et décideurs industriels, le signal le plus concret est la progression des ventes dans les data centers : Universal Robots se positionne explicitement dans la chaîne "wafer-to-AI", du test de puces à l'assemblage physique des infrastructures IA, un débouché nouveau et potentiellement structurant pour les cobots légers. Universal Robots, créé au Danemark en 2005 et racheté par Teradyne en 2015 pour 285 millions de dollars, s'est imposé comme la référence des cobots collaboratifs avec plus de 100 000 unités déployées. Mais la pression concurrentielle s'intensifie, notamment de la part de fabricants chinois à bas coût. En Q1 2026, Teradyne a engagé une procédure judiciaire contre Elite Robots, acteur chinois de robots à limitation de force, accusé de copier le logiciel propriétaire d'Universal Robots. Au salon Hannover Messe en avril 2026, le tribunal régional de Hambourg a prononcé une injonction préliminaire interdisant à la filiale allemande d'Elite Robots de commercialiser les produits litigieux en Allemagne. Teradyne a prévenu qu'elle poursuivrait également les distributeurs et partenaires d'Elite Robots qui continueraient à proposer le logiciel incriminé, signalant une stratégie de protection IP agressive sur le marché européen.

IA incarnée et création artistique : Alter-Art, un robot avatar pour explorer l'art

Des chercheurs ont publié sur arXiv (arXiv:2604.26473) un travail exploratoire autour du paradigme qu'ils nomment "Alter-Art" : permettre à un artiste humain d'habiter un corps robotique, baptisé Alter-Ego, pour créer dans le monde physique. Le système repose sur une téléopération immersive combinée à une actuation dite "compliant" (articulations à compliance variable, capables d'absorber les forces de contact sans rigidité excessive), offrant un retour sensoriel en première personne. Trois domaines artistiques ont été testés : la danse, le théâtre (aux côtés d'acteurs humains en chair et en os) et la peinture sur toile. L'article ne communique pas de spécifications hardware précises, nombre de degrés de liberté, payload, latence de la boucle de téléopération, ce qui limite l'évaluation externe des performances réelles du système. L'intérêt de ce travail pour la communauté robotique ne réside pas tant dans les specs techniques que dans le cadre conceptuel qu'il propose : l'embodiment comme principe de design central, distinct à la fois du robot autonome et du robot collaboratif. Les retours qualitatifs des artistes indiquent qu'un sentiment de présence dans le corps robotique se développe rapidement, et que les contraintes physiques du robot, cinématique limitée, inertie, précision motrice différente, influencent activement le processus créatif plutôt que de simplement le contraindre. Pour les intégrateurs et chercheurs en téléprésence, cela valide l'idée que la compliance mécanique n'est pas qu'un paramètre de sécurité mais un vecteur d'expressivité. L'accessibilité artistique pour des personnes à mobilité réduite est également mentionnée comme application concrète. Ce travail s'inscrit dans une tendance plus large autour de la téléprésence incarnée (embodied telepresence), un champ où des groupes comme ceux travaillant sur les interfaces haptiques (Shadow Robotics, Kinova) ou les robots de téléprésence sociale croisent désormais les arts vivants. En France, des acteurs comme Enchanted Tools (Miroki) et Pollen Robotics (Reachy) explorent des territoires adjacents, interaction sociale et manipulation expressive. L'équipe ne précise pas d'étapes de déploiement ni de partenariats industriels annoncés ; l'article reste à ce stade une contribution académique exploratoire, sans prototype commercialisé ni timeline de mise sur le marché.

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

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

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

De la science-fiction à la réalité : l'avenir de l'IA physique selon le Dr Jan Liphardt

Lors de son appel aux résultats du premier trimestre 2026, Tesla a annoncé des ambitions de production pour son robot humanoïde Optimus qui redessinent l'échelle de l'industrie. À Fremont, en Californie, l'entreprise prévoit dès le deuxième trimestre 2026 une première ligne à grande échelle, avec une capacité cible d'un million d'unités par an, en remplacement des lignes Model S et Model X existantes. À la Gigafactory du Texas, une ligne de seconde génération vise à terme 10 millions de robots par an, et la préparation du site est déjà en cours. Tesla développe en parallèle le processeur d'inférence AI5, conçu pour répondre aux besoins en calcul des programmes Optimus et robotaxi. Par ailleurs, le tribunal régional de Hambourg a prononcé une injonction préliminaire contre Elite Robots Deutschland GmbH, filiale allemande du fabricant chinois, sur action en contrefaçon logicielle initiée par Teradyne Robotics, maison mère d'Universal Robots. Enfin, HII (Huntington Ingalls Industries), Path Robotics et GrayMatter Robotics ont annoncé conjointement le programme HYPR (High-Yield Production Robotics), destiné à accélérer la construction navale américaine via la soudure mobile robotisée. Les chiffres Tesla méritent d'être lus avec prudence : aucun calendrier de livraison client ni spécification technique n'ont été communiqués, et la distinction entre capacité de production annoncée et déploiement réel reste entière. Un objectif de 10 millions d'unités annuelles positionnerait néanmoins Tesla à un ordre de grandeur au-dessus de tout acteur actuel du marché humanoïde, forçant Figure, Agility, 1X ou Boston Dynamics à reconsidérer leur stratégie de montée en volume. Sur le plan juridique, l'injonction hambourgeoise contre Elite Robots confirme que la concurrence sur les cobots low-cost se joue désormais aussi sur la propriété intellectuelle logicielle. David Brandt, CTO d'Universal Robots, a précisé que l'analyse du code embarqué d'Elite révélait des similitudes marquées avec le logiciel propriétaire d'UR. Après l'affaire Ocado/BrightPick à LogiMAT le mois dernier, ce second cas illustre pourquoi l'Allemagne reste un terrain judiciaire à haut risque pour les exposants en situation de tension brevétaire. Tesla a présenté Optimus en concept en 2021, dévoilé un prototype en 2022 et conduit des démonstrations d'usine en 2024-2025. Le remplacement des lignes Model S/X à Fremont signale un pari industriel fort : sacrifier une capacité automobile établie pour pivoter vers la robotique humanoïde. Universal Robots, fondé au Danemark en 2005 et acquis par Teradyne en 2015, est le leader mondial des cobots avec une base installée de plusieurs centaines de milliers d'unités ; Elite Robots est l'un des fabricants chinois apparus ces dernières années avec des produits fonctionnellement proches à prix sensiblement inférieur. Le programme HYPR, dont les détails techniques restent à préciser, représente une application sectorielle concrète de la robotique mobile de soudage, domaine où Path Robotics et GrayMatter avaient déjà collaboré avec des acteurs de la défense américaine.