Dossier Cobots & robots collaboratifs

Une entreprise norvégienne dévoile le premier capteur ultrasonique 3D certifié au monde pour des robots plus sûrs

L'entreprise norvégienne Sonair a dévoilé ADAR One, présenté comme le premier capteur ultrasonique 3D certifié pour la sécurité au monde destiné à la collaboration homme-robot. Le dispositif utilise une technologie de détection et télémétrie acoustique (ADAR) pour offrir un champ de perception spatiale tridimensionnelle de 180°×180°, permettant de détecter personnes et obstacles à toutes les hauteurs, contrairement aux capteurs de sécurité 2D classiques qui présentent des angles morts. Conçu pour les robots mobiles autonomes, les humanoïdes et les systèmes d'automatisation industrielle, ADAR One fonctionne comme une couche de sécurité indépendante des caméras, des logiciels d'IA et des systèmes de contrôle de mouvement, vérifiant en continu que l'environnement du robot est sûr avant et pendant son fonctionnement. Sonair précise qu'il s'agit du premier système embarqué certifié sécurité développé en Rust, langage réputé pour la fiabilité logicielle qu'il apporte. Le capteur est entré en production en série et équipe déjà des robots industriels : depuis le lancement de sa version bêta il y a un an, plus de 80 entreprises de robotique dans le monde l'ont évalué via le programme de test de Sonair, et plusieurs préparent désormais des déploiements commerciaux suite à l'obtention de la certification. Cette annonce s'attaque à un angle mort réel du secteur : à mesure que les robots gagnent en capacités grâce à l'IA, les systèmes de sécurité peinent à suivre, la difficulté principale résidant moins dans l'intelligence embarquée que dans la détection humaine fiable en toutes circonstances. En obtenant une certification conforme à certaines des normes de sécurité industrielle les plus strictes, ainsi qu'une approbation au titre de la réglementation européenne sur les machines, Sonair propose une alternative crédible aux scanners laser 2D omniprésents dans l'industrie. Pour les intégrateurs système, l'intérêt est double : une couverture 3D complète réduit à la fois la complexité de conception et le coût par rapport à la superposition de plusieurs capteurs 2D, et le format compact permet une intégration dans des AMR, des véhicules à guidage automatisé ou des cobots sans refonte majeure. Pour les fabricants de robots humanoïdes en particulier, cela ouvre la possibilité d'embarquer une couche de sécurité certifiée supplémentaire directement dans le corps du robot, en complément des caméras et de l'IA, un enjeu central alors que ces machines sont appelées à évoluer physiquement proches des humains en usine ou en entrepôt. Le lancement s'inscrit dans une phase de maturation plus large de la robotique collaborative, où la certification devient un différenciateur commercial autant qu'une contrainte réglementaire, comme le souligne le PDG de Sonair, Knut Sandven, qui évoque une "charge d'ingénierie" transformée en "différenciateur commercial pour toutes les parties prenantes". Le sujet fait écho à d'autres avancées récentes en perception robotique, comme les capteurs tactiles à changement de couleur développés par des chercheurs européens pour restituer le toucher en temps réel. Reste que les affirmations de Sonair (certification, standards visés, nombre d'entreprises évaluatrices) proviennent essentiellement du communiqué de l'entreprise elle-même, sans détail public sur les organismes certificateurs précis ni sur les clients ayant déjà engagé un déploiement commercial concret, ce qui invite à une lecture prudente en attendant des retours d'intégrateurs indépendants.

Top 10 des avancées en robotique de juin 2026

Traduction et résumé rédigés. Le Robot Report a publié son classement des dix actualités robotiques les plus lues de juin 2026, dominé par les levées de fonds et les déploiements de robots humanoïdes. En tête, Collaborative Robotics a dévoilé la deuxième génération de son robot mobile Proxie, avec une capacité de charge augmentée, des batteries à échange autonome et une option de manipulation à deux bras, visant la santé, la logistique et l'industrie. General Intuition a levé 320 millions de dollars en série A pour entraîner des modèles d'IA à partir de données de jeux vidéo plutôt que de téléopération classique. BMW a annoncé le déploiement du Figure 03 de Figure AI sur son site de Spartanburg, en Caroline du Sud, après une première phase avec le Figure 02. NEURA Robotics, fabricant allemand de "robots cognitifs", vise une série C pouvant atteindre 1,4 milliard de dollars sous conditions d'investisseurs non précisées. Agility Robotics a annoncé une fusion avec la SPAC Churchill Capital Corp. XI pour entrer en bourse. Standard Bots a bouclé une série C de 200 millions de dollars, valorisant l'entreprise à 1 milliard de dollars, pour étendre sa production à New York. AGIBOT a franchi la barre des 15 000 robots produits. RealSense a présenté sa caméra de profondeur D585 Pro à Automate, et NVIDIA a dévoilé de nouveaux outils open source pour l'IA physique lors du GTC Taipei et de Computex. Ce palmarès illustre surtout l'accélération du passage des humanoïdes de la démonstration vers le déploiement industriel réel, et l'appétit toujours vif des investisseurs pour l'IA physique. Le cas BMW est révélateur: reconduire un déploiement avec une génération suivante après une phase pilote réussie suggère un début de preuve de valeur opérationnelle, plutôt qu'un simple coup de communication, même si l'ampleur exacte du déploiement (nombre d'unités, tâches réalisées) reste à préciser par les sources primaires. La marche vers les marchés publics via SPAC pour Agility, tout comme les tours de financement de Standard Bots et NEURA, confirment que les investisseurs traitent désormais la robotique humanoïde comme un secteur de commercialisation, pas seulement de recherche. L'approche de General Intuition, qui parie sur les données de jeux vidéo pour entraîner la perception et l'action des robots, illustre aussi une diversification des stratégies d'entraînement face aux limites connues du sim-to-real et de la téléopération à grande échelle. Cette accumulation d'annonces s'inscrit dans la continuité des trajectoires déjà engagées: Figure AI construit sur son historique avec BMW depuis le Figure 02, AGIBOT poursuit sa montée en cadence de production en Chine, et NEURA Robotics, basée en Allemagne, cherche à s'imposer comme l'un des rares acteurs européens de poids face aux groupes américains et chinois. Agility, de son côté, mise sur son statut de pionnier américain coté en bourse avec des déploiements commerciaux actifs pour se différencier. Le Robot Report ouvre par ailleurs les propositions de sessions pour son événement RoboBusiness 2026, signe que ces tendances de financement et de déploiement devraient continuer d'alimenter les débats du secteur dans les mois à venir.

Hirebotics lance un cobot résistant aux explosions sans programmation pour la peinture industrielle

Hirebotics, spécialiste américain des solutions de robots collaboratifs pour la fabrication métallique, a annoncé la disponibilité immédiate du Cobot Painter, présenté comme la première solution cobot antidéflagrante (explosion-proof) reposant sur une plateforme sans code. Le produit combine le logiciel Beacon, développé en interne par Hirebotics, avec le bras Fanuc CRX-10iA/L Paint, une variante du CRX-10iA certifiée pour les environnements pulvérulents et inflammables. La cible déclarée est la production haute variété, faibles volumes (high-mix, low-volume) dans les ateliers de peinture industrielle sur métal, un segment traditionnellement laissé entre la peinture manuelle et les lignes automatisées complexes. Aucun chiffre de payload ou de temps de cycle n'a été communiqué dans l'annonce. L'intérêt pour les intégrateurs et les décideurs industriels réside dans la combinaison de deux contraintes rarement résolues simultanément : la certification antidéflagrante, obligatoire dans les cabines de peinture selon les normes ATEX/NEC, et l'absence de programmation traditionnelle. Le no-code Beacon réduit le temps de mise en service et permet aux opérateurs sans expertise robotique de reprogrammer les trajectoires entre deux séries, ce qui est le noeud dur du high-mix. Si la promesse tient à l'usage réel, cela élargit l'accès aux cobots de peinture aux PME industrielles qui ne peuvent pas se permettre un intégrateur dédié. Hirebotics, basé au Tennessee, a construit son modèle commercial autour du robot-as-a-service (RaaS) pour la soudure cobot avant de s'étendre à la peinture. Sur ce segment, les alternatives incluent les solutions de Doosan Robotics, Universal Robots via des intégrateurs tiers, et des systèmes dédiés d'ABB et Graco, tous nécessitant généralement une expertise de programmation ou une intégration sur mesure. Hirebotics se positionne donc sur le prix d'entrée et la simplicité de déploiement plutôt que sur les performances brutes. L'annonce n'indique pas de pilotes clients nommés ni de volumes de déploiement prévus.

Reconnaissance gestuelle tactile par capteurs articulaires intégrés pour robots industriels

Des chercheurs ont publié sur arXiv (2508.12435) une étude démontrant qu'un robot industriel peut reconnaître des gestes tactiles humains en exploitant uniquement ses capteurs articulaires intégrés, sans aucun capteur externe. Implémentée sur un bras Franka Emika Research (7 DOF), l'approche s'appuie sur des architectures CNN évaluées sur un dataset collecté spécifiquement pour l'expérience. Deux méthodes ont atteint plus de 95 % de précision en détection de contact et classification de gestes : STFT2DCNN, qui applique une transformée de Fourier à court terme pour générer des spectrogrammes 2D, et STT3DCNN, qui exploite des représentations temps-fréquence tridimensionnelles. La variable déterminante n'est pas le choix d'architecture CNN mais la représentation des données : passer des séries temporelles brutes aux spectrogrammes fait bondir les performances de façon significative. L'implication industrielle est directe. Équiper un robot d'une peau tactile ou de caméras supplémentaires pour détecter l'intention humaine coûte cher, complexifie l'intégration et fragilise la maintenance. Prouver que les couples et positions articulaires déjà remontés par le contrôleur suffisent à atteindre 95 % de précision ouvre une voie de déploiement à coût quasi nul pour la collaboration homme-robot dans les cellules existantes. Les modèles spectraux montrent également une meilleure généralisation à de nouvelles configurations articulaires, ce qui est un signal positif pour des applications où le robot change fréquemment de posture de travail. Cela dit, les performances sont mesurées en laboratoire sur un seul modèle de robot et un dataset maison dont la taille et la diversité ne sont pas précisées dans l'abstract, ce qui invite à la prudence avant de conclure à une généralisation industrielle immédiate. La reconnaissance tactile sans peau robotique est un chantier actif depuis plusieurs années, notamment dans les labos qui travaillent sur la conformance mécanique (robots cobots comme le Franka, UR, ou le Kinova). Des approches concurrentes s'appuient sur des capteurs de force-couple au poignet (ATI, Robotiq FT300), des peaux à électrodes capacitives, ou la vision RGB-D pour inférer l'intention de contact, chacune avec un surcoût matériel substantiel. Ce travail positionne les signaux proprioceptifs comme une alternative viable et souligne que le verrou n'est pas hardware mais algorithmique. Les prochaines étapes probables : validation sur d'autres plateformes (UR10, KUKA iiwa), extension à des gestes plus complexes, et tests en conditions industrielles réelles avec bruit vibratoire ambiant.

Comment l'intégration de cobots compacts améliore les applications de robots mobiles autonomes (AMR)

L'usage des cobots dans les entrepôts et les ateliers de production a été multiplié par dix entre 2018 et 2025, selon les données du secteur, porté par les pénuries de main-d'oeuvre et la pression sur la productivité. Kassow Robots, fabricant danois de bras collaboratifs, met en avant l'intégration de ses modèles à 7 axes sur des AMR (robots mobiles autonomes) pour créer des manipulateurs mobiles capables de pick-and-place, palettisation, machine-tending, vissage, étiquetage et soudage à l'échelle d'une installation entière. L'innovation technique centrale revendiquée par l'entreprise : le contrôleur du cobot, jusqu'ici imposé en armoire externe à proximité du poste fixe, est désormais intégré dans la base compacte du bras lui-même. Ces manipulateurs mobiles fonctionnent en outre sur la batterie embarquée de l'AMR, supprimant toute dépendance à une infrastructure d'alimentation fixe. L'article ne communique pas de métriques précises (temps de cycle, payload, volumes de déploiement, tarifs) au-delà des affirmations générales d'efficacité. L'intégration du contrôleur dans le bras est le verrou technique qui bloquait depuis des années la mobilisation des cobots : une solution sur AMR nécessitait auparavant de tracter l'armoire de commande ou de gérer un câblage complexe, rendant l'ensemble peu praticable. Pour les intégrateurs industriels, supprimer ce cabinet simplifie l'installation et réduit l'empreinte au sol. Les bras à 7 axes offrent par ailleurs un avantage fonctionnel sur les 6 axes classiques : ils accèdent à des zones difficiles autour de leur propre base, angle mort structurel des architectures à 6 degrés de liberté, et multiplient les orientations de travail possibles. Côté sécurité, les cobots à limitation de force et de puissance (power- and force-limited) autorisent une collaboration directe avec les opérateurs sans les procédures lourdes imposées par les robots industriels haute vitesse, ce qui réduit les frictions opérationnelles au sol. Ces gains restent à relativiser : l'article s'appuie essentiellement sur les argumentaires de Kassow, sans données comparatives tierces ni retours de déploiements à grande échelle. Kassow Robots est un acteur européen positionné sur le segment niche des cobots 7 axes, face à Universal Robots (UR, groupe Teradyne) qui domine le marché des cobots standards. Dans les solutions de manipulateurs mobiles, les configurations concurrentes les plus répandues couplent des bras UR avec des AMR de MiR (également Teradyne), ou des plateformes d'Omron et de Fetch Robotics (Zebra Technologies). En Europe, des acteurs comme Exotec opèrent sur des architectures différentes -- AMR de stockage sans cobot monté -- ciblant des segments adjacents. Les AMR actuels s'appuient sur le lidar embarqué pour naviguer sans guidage physique, en rupture avec les AGV de première génération qui requéraient bandes magnétiques et capteurs additionnels. Le marché des manipulateurs mobiles reste en phase d'émergence commerciale : les premières installations pilotes se multiplient, mais les déploiements à grande échelle dans la logistique et l'industrie n'en sont qu'à leurs débuts.

Hirebotics propose un cobot no-code et antidéflagrant pour la peinture

Hirebotics, fabricant de cobots pour la métallurgie basé à Nashville (Tennessee), a lancé le Cobot Painter, un système de peinture collaborative antidéflagrant construit autour du FANUC CRX-10iA/L Paint et de sa plateforme propriétaire sans code Beacon. La solution prend en charge la peinture liquide, le revêtement en poudre et le gel coat dans des environnements classés zones dangereuses. Le bras dispose d'une portée de 141,7 cm et peut opérer directement dans une cabine de peinture manuelle existante, sans nécessiter de cellule dédiée ni de refonte de l'infrastructure d'extraction ou de convoyage. La programmation repose sur un principe "click-and-teach" via tablette ou smartphone : un opérateur guide physiquement le robot une fois, et ce dernier reproduit à l'identique la vitesse, la distance et l'angle de pulvérisation à chaque cycle. Hirebotics promet un déploiement opérationnel en quelques jours, sans qu'aucun spécialiste en robotique ne soit nécessaire en interne. La version actuelle supporte uniquement la peinture en poste fixe ; le suivi de ligne (line tracking, où le robot accompagne les pièces en mouvement continu) est annoncé pour une version future, sans calendrier précis communiqué. L'enjeu pour les ateliers de fabrication à mix élevé et faibles volumes est concret : jusqu'ici, l'externalisation des opérations de finition était souvent la seule option viable face au coût et à la complexité des lignes automatisées traditionnelles, qui impliquent des investissements lourds en infrastructure et des compétences rares. En internalisant le revêtement avec un cobot déployable dans l'environnement existant, les fabricants reprennent la main sur les délais, la qualité et les marges. La certification antidéflagrante du CRX-10iA/L Paint est un point technique non trivial : elle ouvre l'automatisation à des environnements où des vapeurs inflammables sont présentes, ce que la majorité des cobots collaboratifs standard ne peuvent pas adresser. La réduction du gaspillage de peinture et de la surpulvérisation, mise en avant par Hirebotics, est crédible sur le principe de la répétabilité robotique, mais aucun chiffre de ROI ni de comparatif de consommation n'a été publié à ce stade. Hirebotics a été fondée en 2015 et s'est spécialisée dans les robots à effort et puissance limités pour la métallurgie, avec une approche systématiquement axée sur l'accessibilité sans programmation. Le Cobot Painter vient compléter une gamme déjà composée du Cobot Welder et du Cobot Cutter, tous deux sous plateforme Beacon. Le partenariat avec FANUC America pour la certification peinture du CRX s'inscrit dans la stratégie du constructeur japonais de positionner sa série CRX sur les segments collaboratifs de niche. Côté concurrence, des acteurs comme Universal Robots (UR) avec des intégrateurs tiers, ou Stäubli sur les applications peinture certifiées, occupent ce terrain ; la différenciation de Hirebotics repose sur l'absence totale de programmation plutôt que sur les performances brutes du bras. Aucun prix ni volume de déploiement prévu n'a été communiqué lors du lancement.

Robust.AI choisit le capteur Aptiv PULSE pour son robot mobile Carter Gen 3

Robust.AI a annoncé cette semaine, lors du salon Automate à Chicago, l'intégration du capteur PULSE d'Aptiv PLC dans son robot mobile collaboratif de troisième génération, le Carter Gen 3. Le PULSE est un système de perception fusionnant une caméra grand-angle et un radar ultra-courte portée pour une couverture à 360 degrés, avec fusion précoce des données brutes par apprentissage automatique. Cette architecture permet la création de cartes de profondeur et de grilles d'occupation en temps réel, deux éléments clés pour la navigation et la sécurité fonctionnelle en milieu industriel. Concrètement, le Carter est un AMR (autonomous mobile robot) logiciel-défini, conçu pour automatiser le picking de préparation de commandes, le transport point-à-point et le tri mobile, sans investissement en infrastructure fixe. Robust.AI, basée à San Carlos (Californie), commercialise son robot sur un modèle RaaS (Robotics-as-a-Service) à déploiement rapide et scalabilité flexible. En parallèle, les deux entreprises visent une certification Performance Level d (PL(d)), le niveau de sécurité fonctionnelle le plus exigeant pour les applications industrielles critiques, qu'Aptiv s'engage à obtenir pour les cas d'usage concernés. L'intérêt de ce partenariat dépasse le seul choix de composant : il illustre un virage sectoriel vers des systèmes de perception redondants et certifiables pour les AMR déployés en environnements partagés. Les entrepôts, ateliers de fabrication et zones de stockage froid posent des défis spécifiques que les capteurs monovoie gèrent mal : poussière, reflets, variations d'humidité, obstacles mobiles. La fusion radar-caméra à bas niveau (early fusion sur données brutes) est plus robuste que la fusion tardive sur sorties traitées, et c'est précisément ce que PULSE apporte au vSLAM (Visual Simultaneous Localization and Mapping) déjà embarqué sur Carter. Pour les décideurs industriels, la cible PL(d) est un signal fort : elle conditionne l'accès à des déploiements autonomes sans superviseur humain permanent, et ouvre la voie à des certifications CE Machinery Regulation en Europe. C'est un prérequis que beaucoup d'AMR actuels ne peuvent pas encore revendiquer. Robust.AI a été fondée par Gary Bradski et Anthony Jules, tous deux issus de l'écosystème robotique de Stanford et SRI International. La société positionne Carter comme un robot collaboratif capable de cohabiter avec les opérateurs humains, contrairement aux systèmes AGV traditionnels à zones d'exclusion. Aptiv, groupe irlandais historiquement centré sur l'électronique automobile (ex-Delphi), pousse depuis 2023 ses technologies de perception vers les marchés industriels et robotiques. Côté concurrence, Carter affronte des acteurs comme Locus Robotics, 6 River Systems (Shopify), Boston Dynamics Spot dans certains cas, et en Europe, Exotec avec son système Skypod. La différenciation de Robust.AI repose sur la flexibilité logicielle et le modèle RaaS, mais la certification PL(d) annoncée sera le véritable test de maturité industrielle. Aucune date de disponibilité commerciale du Gen 3 ni volume de déploiement n'ont été communiqués.

Tech for Industry Show : les technologies qui transforment l’industrie

Les 23 et 24 juin 2026, le salon Tech for Industry a réuni à Paris industriels, intégrateurs, éditeurs de logiciels et acteurs de la robotique, avec l'ambition affichée de confronter les technologies de l'usine intelligente à des cas d'usage opérationnels concrets. Deux axes ont structuré l'édition : le jumeau numérique (digital twin), porté par Dassault Systèmes et Siemens, qui ont présenté leurs plateformes de modélisation d'usines complètes permettant de simuler lignes de production, bilans énergétiques et scénarios de maintenance prédictive avant tout investissement physique ; et les robots mobiles autonomes (AMR), incarnés notamment par Pudu Robotics, distribué en France par l'intégrateur Jobotto, initialement positionné sur la restauration et l'hôtellerie, désormais déployé dans des entrepôts et sites industriels pour le transport de charges en autonomie. L'éditeur français Optimistik, spécialisé dans la digitalisation des processus pour des secteurs contraints comme la chimie et l'énergie, portait quant à lui le discours d'une IA industrielle orientée résultats mesurables plutôt qu'expérimentation. Ce glissement du pilote vers le déploiement opérationnel est précisément le signal structurant de cette édition 2026 pour les décideurs B2B. Le digital twin, longtemps présenté comme un investissement prospectif, s'impose comme outil de pilotage en production : la convergence entre simulation, données temps réel et modèles prédictifs réduit concrètement les arrêts non planifiés et accélère les décisions d'optimisation. Pour la robotique de service, la présence de Pudu sur des sites industriels illustre un transfert technologique notable : des plateformes développées pour des environnements grand public font leur entrée en usine à des coûts souvent inférieurs aux solutions robotiques industrielles traditionnelles. Ce repositionnement souligne que la tension sur le recrutement et la pression de productivité poussent les industriels à adopter des architectures robotiques hybrides (AMR, cobots, bras fixes) là où une solution unique était autrefois privilégiée. À noter toutefois que le salon, davantage orienté networking B2B que démonstration technique, n'a pas fourni de métriques chiffrées sur les déploiements présentés, rendant difficile toute comparaison rigoureuse des solutions exposées. Tech for Industry s'inscrit dans un paysage de salons industriels dominé au niveau européen par Hannover Messe et automatica (Munich). L'édition 2026 confirme l'émergence d'un écosystème français structuré autour d'acteurs comme Jobotto et Optimistik, aux côtés de licornes comme Exotec (AMR logistique, Roubaix) ou de pionniers de l'humanoïde comme Enchanted Tools (Paris). La prochaine étape lisible dans les discours exposants pointe vers l'intégration de LLM dans les interfaces de supervision industrielle, plusieurs acteurs ayant présenté des copilotes permettant aux opérateurs d'interroger leurs données de production en langage naturel, une tendance dont la maturité industrielle reste encore à prouver à l'échelle.

Vention s'associe à FANUC et Universal Robots pour l'automatisation définie par logiciel

Lors du salon Automate 2026 à Chicago, Vention Inc. a annoncé l'extension de son partenariat avec FANUC America et l'optimisation de sa plateforme de jumeau numérique pour les déploiements Universal Robots. La société montréalaise, fondée en 2016, a déployé plus de 25 000 machines dans plus de 4 000 usines à travers le monde et a levé 110 millions de dollars en janvier 2026. Sa plateforme MachineMotion AI et son écosystème MachineLogic élargissent désormais leur compatibilité à plusieurs familles de robots FANUC : les cobots CRX, les robots industriels LR Mate, les séries LR-10iA, M-710iD et M-20iD. Le principe technique central repose sur une planification de trajectoire sans collision générée automatiquement : l'opérateur définit uniquement un point de départ et un point d'arrivée, et le système calcule lui-même le chemin optimal après avoir scanné l'espace de travail en 3D. Cette reconstruction 3D s'appuie sur Foundation Stereo, un modèle open-source de NVIDIA Isaac basé sur l'estimation de profondeur stéréoscopique zero-shot, qui alimente la construction du jumeau numérique en temps réel. Ce positionnement répond à un problème structurel de l'automatisation industrielle : la complexité et la durée du commissionnement. En supprimant la programmation manuelle point par point et en proposant une simulation réaliste avant déploiement physique, Vention réduit le risque d'intégration et accélère la montée en cadence de production. Pour les intégrateurs et les responsables industriels, l'enjeu est concret : déployer une cellule robotique en quelques jours plutôt qu'en plusieurs semaines, sans expertise en code robot propriétaire. L'approche "goal-driven", piloter par objectif plutôt que par trajectoire préprogrammée, facilite aussi les environnements multi-SKU et les changements fréquents de layout, un cas d'usage réel dans les manufactures à forte variabilité. Il reste toutefois à noter que les annonces présentées au salon sont principalement des démonstrations de capacités et d'intégrations partenaires ; les métriques de temps de déploiement avancées par Vention ne sont pas encore accompagnées de données tierces publiées. Vention s'inscrit dans un segment émergent d'éditeurs de plateformes d'automatisation "full-stack" qui cherchent à simplifier l'accès aux robots industriels traditionnels, face à des acteurs comme Covariant, Symbio Robotics ou, dans le segment cobot, Hirebotics avec ses offres clé-en-main sur Universal Robots. Le choix de NVIDIA Isaac Foundation Stereo comme couche de perception indique une convergence accélérée entre les stacks robotiques industriels et les pipelines d'IA générative. Avec 4 000 usines clientes et une levée de fonds récente de 110 millions de dollars, Vention dispose d'une base d'expansion significative pour déployer ces nouvelles capacités à l'échelle. Les prochaines étapes probables incluent l'extension à d'autres familles de robots et le déploiement commercial des fonctionnalités annoncées à Automate, dont les timelines précises n'ont pas été communiquées.

L'industrie robotique chinoise enregistre de multiples avancées dans les humanoïdes et l'IA physique

En l'espace d'une semaine, l'industrie robotique chinoise a enregistré plusieurs jalons concrets. Ubtech Robotics a annoncé que les pré-commandes de son robot humanoïde pleine taille Ubestworld dépassent 5 000 unités sur JD.com, avec une mise en vente simultanée sur Tmall. Dans le segment de l'IA physique, Jiangxing Intelligence a bouclé deux tours de financement stratégiques consécutifs totalisant plusieurs centaines de millions de yuans ; l'entreprise, fondée par Pang Haitian, revendique déjà la rentabilité et déploie ses solutions dans de multiples secteurs industriels. Alibaba a par ailleurs publié la série Qwen-Robot, ses modèles d'IA incarnée, pendant que le constructeur automobile Seres dévoilait son premier robot humanoïde. Sur le segment grand public, la startup ZuzuZoos a finalisé un tour Pre-A de plusieurs dizaines de millions de yuans pour son robot compagnon IA couplant grands modèles de langage et design IP, ciblant les femmes de 18 à 35 ans. Enfin, le ministère chinois de l'Industrie et des Technologies de l'Information (MIIT) a mis en consultation publique des projets de normes techniques pour les robots humanoïdes dans les sous-stations électriques et la fabrication d'électroménager, couvrant évaluation de performance, spécifications après-vente et interconnexion inter-robots. La simultanéité de ces signaux est plus significative que chacun pris isolément. Les 5 000 pré-commandes d'Ubtech, même sans précision de prix ni calendrier de livraison ferme, constituent un indicateur de demande grand public qui dépasse le cadre industriel habituel des humanoïdes, un glissement de marché que peu d'analystes anticipaient à ce stade. Plus structurellement, la publication de normes sectorielles par le MIIT est un accélérateur de déploiement B2B : elle réduit le risque d'évaluation pour les intégrateurs et les donneurs d'ordre industriels, qui n'ont plus à définir leurs propres grilles de qualification. La profitabilité affichée de Jiangxing Intelligence, si elle se confirme, invalide partiellement la thèse selon laquelle l'IA physique à grande échelle est encore trop immature pour générer des revenus récurrents. Du côté de JD Group, l'annonce par le fondateur Liu Qiangdong d'un plan de reconversion pour 700 000 employés col bleu, livreurs inclus, via des accords avec 120 établissements de formation, signale une stratégie de transition sociale anticipée face à l'automatisation, rarement formulée aussi explicitement par un opérateur de cette taille. Ce déferlement s'inscrit dans une dynamique d'écosystème que Pékin cultive depuis plusieurs années : subventions à la R&D robotique, zones pilotes pour l'IA incarnée, et pression réglementaire pour structurer rapidement un marché encore fragmenté. Face à cette accélération, les acteurs occidentaux positionnés sur l'humanoïde, Figure AI avec son robot 03, Tesla avec Optimus Gen 3, Physical Intelligence avec Pi-0, ou NVIDIA avec GR00T N2, maintiennent une avance technologique sur certains benchmarks de manipulation, mais voient l'écart de vitesse de commercialisation se réduire. Aucun acteur français ou européen n'est directement mentionné dans ces développements, bien que Wandercraft, Enchanted Tools ou Pollen Robotics opèrent sur des niches complémentaires (exosquelettes, cobots). Les prochaines étapes à surveiller : les dates de livraison effectives de l'Ubestworld, l'entrée en vigueur des normes MIIT, et les premiers déploiements industriels documentés de Qwen-Robot.

NVIDIA Halos : une sécurité complète pour les robots travaillant côte à côte avec des humains

NVIDIA a lancé Halos for Robotics, une plateforme de sécurité à pile complète destinée aux robots autonomes opérant en milieu industriel aux côtés de travailleurs humains. Le système articule trois composants principaux : le module de calcul industriel IGX Thor, le Holoscan Sensor Bridge pour la connectivité capteurs, et le logiciel Halos Core gérant les fonctions de sécurité opérationnelle. L'entreprise annonce également le NVIDIA Halos AI Systems Inspection Lab, qu'elle présente comme le premier programme accrédité par l'ANSI National Accreditation Board couvrant à la fois la sécurité fonctionnelle et les systèmes robotiques intelligents. Ce laboratoire d'inspection doit permettre aux fabricants de préparer leurs produits à la certification auprès d'organismes reconnus : TÜV Rheinland, TÜV SÜD, UL Solutions, exida, SGS et CertX, selon des normes incluant IEC 61508, ISO 13849 et ISO/IEC TR 5469. Agility Robotics est annoncée comme premier adoptant, avec l'intention d'intégrer IGX Thor et Halos Core dans les systèmes de détection humaine de son robot Digit, déjà déployé chez Amazon, GXO, Schaeffler et Toyota Motor Manufacturing Canada. Plus de 40 entreprises participeraient à l'écosystème Halos au sens large. L'initiative de NVIDIA répond à un verrou réel du marché : la certification de sécurité fonctionnelle constitue aujourd'hui l'un des principaux obstacles à la commercialisation à grande échelle des robots humanoïdes en environnement industriel. En fournissant un socle matériel-logiciel prévalidé et un parcours de certification balisé, NVIDIA cherche à réduire le temps et le coût d'obtention des accréditations réglementaires pour ses clients roboticiens. La revendication des "18 600 années-ingénieur" héritées du véhicule autonome est une formule marketing, mais elle indique une réutilisation substantielle des stacks de sécurité développés pour Drive, ce qui évite aux fabricants de robots de repartir de zéro. Pour des intégrateurs comme ceux travaillant avec Digit, disposer d'un chemin de certification structuré réduit le risque projet, point que Peggy Johnson, PDG d'Agility, a explicitement mis en avant. L'accréditation ANSI confère une légitimité internationale au programme d'inspection, ce qui est notable pour les déploiements en Europe ou en Asie. NVIDIA transpose ici une stratégie éprouvée dans l'automobile avec DRIVE : devenir la couche de sécurité de référence sur laquelle les OEM construisent leur robot, plutôt que de fabriquer le robot lui-même. Le marché de la sécurité fonctionnelle pour la robotique industrielle n'en est qu'à ses débuts, et plusieurs acteurs cherchent à s'y positionner, notamment via des frameworks ROS 2 certifiés ou des solutions embarquées propriétaires. Côté concurrentiel, Universal Robots (et sa filiale de certification) ou encore KUKA travaillent depuis des années sur des architectures de sécurité certifiées pour les cobots, mais l'angle "physical AI" et humanoïde que NVIDIA vise est plus récent. Aucun acteur français ou européen n'est mentionné dans l'annonce, bien que des entreprises comme Enchanted Tools ou Wandercraft soient susceptibles d'être concernées par ce type de framework à terme. Les prochaines étapes annoncées restent vagues : NVIDIA n'a communiqué ni calendrier de certification pour Agility, ni date de disponibilité commerciale des composants Halos au-delà du programme de participation actuel.

NVIDIA lance Halos, un système de sécurité complet pour la robotique

NVIDIA a lancé Halos for Robotics, un système de sécurité à pile complète pour la robotique industrielle et l'IA physique. Premier intégrateur officiel : Agility Robotics, dont les humanoïdes opèrent en entrepôts et usines pour Amazon, GXO, Schaeffler et Toyota Motor Manufacturing Canada. L'architecture couvre trois couches : la plateforme de calcul NVIDIA IGX Thor avec le Holoscan Sensor Bridge pour la connectivité capteurs en temps réel ; Halos OS incluant Halos Core ; et le Outside-In Safety Blueprint, un programme open source disponible sur GitHub qui pilote le comportement du robot via des caméras externes et des agents IA. NVIDIA revendique 18 600 années-ingénieur de développement sécurité issus de son activité véhicule autonome. L'écosystème associe des partenaires logiciels (QNX, Amazon FreeRTOS, Acontis), fabricants de systèmes embarqués (Advantech, NexCobot), fournisseurs de semi-conducteurs (Infineon, NXP, SICK, STMicroelectronics, Texas Instruments) et organismes de certification (TÜV Rheinland, TÜV SÜD, UL Solutions, exida, SGS, CertX). Halos Core est déjà certifié ISO 26262 par TÜV SÜD. Le système est disponible en early access pour les développeurs enregistrés, en configurations Linux et Linux+QNX. L'enjeu de Halos est de répondre à un problème structurel : l'absence d'architecture de sécurité standardisée pour des robots autonomes opérant aux côtés de travailleurs. Les intégrateurs composaient jusqu'ici avec des solutions hétérogènes, ce qui complexifiait la certification et freinait le passage à l'échelle. En proposant une pile unifiée du silicium à la supervision logicielle, NVIDIA cherche à s'imposer comme substrat commun de la sécurité robotique industrielle. La certification ISO 26262 de Halos Core est un signal concret : NVIDIA transfère une base éprouvée du monde AV vers la robotique, ce qui pourrait raccourcir les cycles de validation pour les intégrateurs et réduire les coûts de certification tiers. NVIDIA construit depuis plusieurs années une position dans la robotique via les plateformes Isaac, Omniverse et les modèles de fondation GR00T N2. Halos complète cette stratégie d'infrastructure : vendre le substrat computationnel et logiciel, pas les robots eux-mêmes. Les concurrents directs incluent FORT Robotics dans les solutions de sécurité embarquée (qui figure d'ailleurs parmi les partenaires Halos), ainsi que les approches propriétaires de Boston Dynamics ou Fanuc. L'annonce reste un early access sans données publiques de déploiement à grande échelle avec Halos effectivement activé. Les prochaines inspections de certification de l'IGX Thor et du Holoscan Sensor Bridge par TÜV Rheinland constitueront le vrai indicateur de maturité opérationnelle du système.

Le robot Proxie Gen 2 de Cobot intègre l'automatisation des tâches et la manipulation mobile

Collaborative Robotics (Cobot), basée à Santa Clara en Californie, a dévoilé la deuxième génération de son robot mobile Proxie lors de l'Automate 2026. Ce Proxie Gen 2 embarque une capacité de traction de carts jusqu'à 680 kg, un système de levage vertical pouvant soulever 100 kg, des batteries auto-interchangeables, et une option de manipulation bimanuell, deux bras articulés montés sur la colonne vertébrale du robot. La plateforme compte 40 % de pièces en moins que la génération précédente, avec un gabarit réduit pour naviguer dans des couloirs étroits et des ascenseurs. Cobot annonce également une fonctionnalité d'"autotasking" : le robot identifie et génère ses propres tâches sans intégration avec un WMS ni intervention humaine. Chez le client Maersk, 95 % des déplacements de carts auraient été initiés de façon autonome sur la période mesurée, le robot lisant des inscriptions sur des tableaux blancs fixés aux chariots grâce à un modèle multimodal embarqué. Ces chiffres sont présentés par Cobot sans audit tiers, ce qui mérite d'être noté. L'enjeu principal est la réduction de la barrière à l'intégration, longtemps le goulot d'étranglement des déploiements de robots mobiles manipulateurs (MMR) en environnements non structurés. Si l'autotasking tient ses promesses à l'échelle, il invaliderait le modèle dominant, des mois de développement logiciel pour connecter le robot aux systèmes ERP, WMS et MES existants. Pour un COO industriel ou un responsable logistique hospitalier, cela signifie potentiellement un déploiement en semaines plutôt qu'en trimestres. La capacité de Proxie à lire des informations non structurées (tableaux blancs, étiquettes ad hoc) représente une forme de robustesse opérationnelle réelle, à condition que les taux de reconnaissance soient validés dans des conditions dégradées, ce que la démo ne précise pas. La manipulation bimanuell ouvre par ailleurs l'accès à des tâches jusqu'ici réservées aux manipulateurs fixes, comme le déchargement de cartons ou l'alimentation de lignes. Cobot a été fondée par Brad Porter, ancien VP Engineering robotics chez Amazon Robotics, et a levé des fonds auprès d'investisseurs industriels. La société a délibérément maintenu un profil bas depuis 2022, accumulant 13 000 heures d'exploitation sur 28 robots dans des environnements réels, hôpitaux dont la Mayo Clinic, logistique et industrie, avant de communiquer publiquement. Ses concurrents directs incluent Boston Dynamics avec Spot et Stretch, Vecna Robotics, et des acteurs comme Apptronik ou 1X qui misent sur l'humanoïde. En Europe, des entreprises comme Enchanted Tools (Miroki) ou Pollen Robotics (Reachy) ciblent des segments adjacents mais restent en phase pré-déploiement à grande échelle. Cobot ne publie pas de tarif public ; les prochaines étapes annoncées portent sur l'extension des déploiements en santé et en logistique, avec la certification de sécurité comme prochaine étape technique critique pour le Gen 2.

Nouvelle technologie de sécurité visuelle pour robots industriels travaillant à proximité des humains

Sensory Robotics vient d'obtenir la double certification cULus 1740 et ISO 13849 Performance Level d pour son système SR-1, une technologie de supervision visuelle conçue pour supprimer les cages de protection autour des robots industriels. Cette validation ouvre la voie à un déploiement commercial aux États-Unis et au Canada, et s'appuie sur une combinaison de vision 3D stéréoscopique, de capteurs et d'un logiciel temps réel qui génère des zones de sécurité virtuelles ajustables autour des bras robotiques. Contrairement aux cobots conçus pour fonctionner lentement à proximité de l'humain, SR-1 cible les robots industriels haute vitesse existants : le système s'installe en retrofit sur des cellules déjà en production, sans remplacement de l'équipement. Le CEO Chris Edwards et le COO Mark Gagas précisent que le processus de certification a évalué les réponses du système aux défaillances matérielles, aux interruptions des fonctions de sécurité et aux risques résiduels pour les opérateurs. La société a par ailleurs reçu une subvention DoD SBIR Phase II de 1,25 million de dollars, avec un appui de l'Université de Cincinnati. La portée de cette certification dépasse le seul SR-1 : elle valide le principe que des zones de sécurité purement logicielles et visuelles peuvent satisfaire les exigences normatives des environnements manufacturiers régulés, ce qui n'était pas acquis. En pratique, chaque interruption de sécurité dans une cellule robotique traditionnelle peut imposer un arrêt complet suivi d'un redémarrage, parfois 10 minutes par incident selon Gagas, un coût opérationnel qui s'accumule sur une ligne entière. Supprimer les cages libère également de l'espace au sol et redonne de la flexibilité aux flux de production. Pour les intégrateurs, l'argument retrofit est décisif : éviter le remplacement de cellules existantes réduit drastiquement le coût de migration vers la collaboration humain-robot. Les secteurs visés (automobile, aérospatial, logistique, défense) sont précisément ceux où cette coexistence est à la fois la plus nécessaire et la plus contraignante sur le plan réglementaire. La prudence s'impose toutefois : aucun chiffre de déploiement réel n'est communiqué à ce stade, et les performances annoncées restent à confirmer en conditions de production variées. Sensory Robotics s'inscrit dans une tendance qui voit plusieurs acteurs tenter de résoudre le compromis historique entre vitesse robotique et proximité humaine. Les cobots (Universal Robots, FANUC CR-Series, ABB YuMi) ont contourné le problème en limitant les capacités cinématiques ; d'autres approches utilisent des rideaux lumineux ou des tapis sensoriels, moins adaptatifs par nature. La vision 3D temps réel de SR-1 se positionne comme une alternative scalable pour les robots conventionnels non-collaboratifs. Côté européen, des acteurs comme Pilz ou SICK proposent des systèmes de sécurité périmétrique avancés, mais la certification ISO 13849 PLd obtenue ici est également reconnue en Europe, ce qui laisse envisager une extension géographique. Les prochaines étapes logiques passeront par des pilotes terrain dans les secteurs cibles et la publication de données de retour d'expérience industrielles.

Vendredi vidéo : les robots ont-ils vraiment besoin de jambes ?

Dans la compilation robotique hebdomadaire publiée le 13 juin 2026 par IEEE Spectrum, plusieurs démonstrations se distinguent par leur portée industrielle. Sanctuary AI annonce les résultats les plus précis : l'entreprise canadienne revendique un taux de réussite validé de 99,5 % sur une tâche d'insertion de connecteurs filaires en production réelle, avec un temps de cycle de 2,54 secondes, chez un équipementier automobile mondial de rang 1 non nommé. ANYbotics, fabricant suisse de robots quadrupèdes, documente de son côté un déploiement de l'ANYmal dans une cimenterie : une fissure sur le châssis d'un concasseur a été détectée avant qu'elle ne provoque un arrêt de production estimé à 630 000 dollars. Sur le front spatial, JPL-NASA teste ERNEST (Exploration Rover for Navigating Extreme Sloped Terrain) dans le désert du Colorado près de Plaster City (Californie) pour valider un logiciel de navigation autonome longue portée destiné à de futures missions lunaires et martiennes. Genesis présente Eno, décrit comme un "robot agentique" combinant IA et manipulation physique dans un châssis délibérément non humanoïde, construit intégralement par la startup. ABB Robotics annonce une collaboration avec PSYONIC pour intégrer les données tactiles de la prothèse Ability Hand dans son cobot GoFa, afin d'améliorer la préhension d'objets irréguliers ou fragiles. Le résultat de Sanctuary AI sur l'insertion de connecteurs est notable : cette tâche à haute précision, avec contraintes d'orientation et de force, constitue précisément le type d'opération qui résiste à l'automatisation standard et bloque la robotisation de nombreuses lignes d'assemblage automobile. Un taux de 99,5 % avec un cycle inférieur à 3 secondes correspond aux benchmarks exigés en production série, et non en conditions laboratoire. À noter toutefois que la démonstration vidéo reste sélective et qu'aucun chiffre de volume cumulé ni de durée de déploiement n'est communiqué. Le cas ANYbotics illustre la valeur économique directe de l'inspection robotique autonome : la détection préventive d'un défaut mécanique justifie à elle seule plusieurs années de leasing d'un quadrupède. La collaboration ABB-PSYONIC soulève une question plus structurelle : le fait de récupérer des données de préhension humaine via des prothèses portées au quotidien pour entraîner des robots industriels représente une approche originale du sim-to-real qui contourne partiellement la rareté des datasets de manipulation. Sanctuary AI, fondé à Vancouver en 2018, développe Phoenix, un humanoïde à vocation industrielle, mais cette démonstration implique son architecture "Physical AI" sur une plateforme non spécifiée. Genesis est un acteur récent qui positionne explicitement Eno comme un rejet du paradigme anthropomorphe dominant chez Figure, Tesla (Optimus) ou Agility Robotics, pariant sur la performance fonctionnelle plutôt que sur la ressemblance humaine. ANYbotics, spin-off de l'ETH Zurich, concurrence Boston Dynamics Spot et Exodigo sur le marché de l'inspection industrielle. Du côté spatial, GITAI (startup japonaise) prépare une mission de maintenance de satellite en orbite. Les prochaines conférences du secteur incluent RSS 2026 (Sydney, juillet), Actuate 2026 (San Francisco, août) et IROS 2026 (Pittsburgh, octobre), où plusieurs de ces travaux devraient être détaillés.

Elmo lance un nouveau contrôleur de mouvement et des servovariateurs pour applications industrielles

Elmo Motion Control, société israélienne basée à Petach Tikva, a lancé le 18 juin 2026 une nouvelle gamme de servovariateurs et contrôleurs de mouvement à destination des environnements industriels contraignants, présentée cette semaine au salon Automate 2026 à Chicago (stand S-3601). La nouvelle ligne Titanium comprend cinq produits : le servovariateur double-axe Castanet, au format boîte d'allumettes, le Harmonica double-axe capable de délivrer jusqu'à 50 A sous 100 V ou 35 A sous 200 V, et le contrôleur multi-axes Maestro, qui supporte jusqu'à 256 axes avec une cadence EtherCAT de 100 µs. La ligne Platinum existante s'enrichit du Jori (30 A/60 A, puissance continue jusqu'à 20 ou 40 kW, étage de puissance en carbure de silicium SiC) et du Cymbal, conçu pour les environnements sévères avec une puissance jusqu'à 17 kW. Tous ces produits intègrent jusqu'à 17 fonctions de sécurité fonctionnelle certifiées directement au niveau du variateur, sans module externe. L'intégration native de la sécurité fonctionnelle au niveau du variateur est le point structurellement significatif de cette annonce : elle permet aux OEM de supprimer une partie du câblage sécurité et des cages de protection physiques, ce qui réduit le coût total d'intégration et simplifie la certification des systèmes soumis à des normes strictes. Le Titanium Castanet remplace deux variateurs Elmo Twitter précédents dans un encombrement réduit de près de moitié, avec une synchronisation x/y sur un bus unique au lieu de deux, ce qui est un gain concret pour les architectures multi-axes en robotique collaborative ou en exosquelettes. Le recours au nitrure de gallium (GaN) dans les étages de puissance confirme une tendance de fond dans la conversion d'énergie embarquée : meilleure densité de puissance, pertes réduites par rapport au MOSFET silicium classique. Les métriques annoncées (nombre d'axes, cadences EtherCAT) sont cohérentes avec le haut de gamme du marché, mais Elmo ne fournit pas de données comparatives contextualisées sur les cycles thermiques ou la MTBF dans les conditions extrêmes revendiquées. Elmo est un acteur établi du contrôle de mouvement de précision, avec une présence historique dans l'aérospatial, la défense et la robotique industrielle. La société positionne ces nouvelles gammes explicitement sur les AGV/AMR, les cobots et les exosquelettes, des segments en forte croissance où la compacité et la densité de puissance sont des critères de sélection déterminants. Sur ce terrain, elle affronte des concurrents comme Kollmorgen, Beckhoff, INGENIA Motion Control ou encore Bosch Rexroth dans le segment multi-axes EtherCAT. L'arrivée d'une ligne Titanium dédiée aux environnements extrêmes peut également viser les marchés défense et spatial, où Elmo est déjà référencé. Aucune date de disponibilité commerciale ni tarif n'ont été communiqués ; le lancement au salon Automate suggère une phase de qualification client en cours, avec des expéditions série probables en fin d'année 2026.

Robot Talk Épisode 161 : les systèmes haptiques collaboratifs, avec Allison Okamura

Allison Okamura, professeure Richard W. Weiland Engineering à l'Université Stanford et directrice adjointe du Wu Tsai Stanford Neurosciences Institute, était l'invitée du 161e épisode du podcast Robot Talk, animé par Claire. L'échange portait sur les systèmes robotiques haptiques collaboratifs, un domaine qui vise à doter les robots et les interfaces de téléopération d'un retour de force et de toucher fidèle. Okamura dirige au Stanford Robotics Center des travaux couvrant la téléopération chirurgicale, la réalité virtuelle avec retour tactile, la robotique molle et la rééducation physique. L'haptique reste l'un des verrous les plus sous-estimés de la robotique industrielle et médicale : sans retour de force calibré, un bras chirurgical téléopéré ou un robot collaboratif ne peut pas distinguer une manipulation délicate d'un geste destructeur. Les recherches d'Okamura adressent directement ce déficit en couplant modèles neuromécaniques issus du Wu Tsai Institute et actionneurs souples, ouvrant la voie à des systèmes qui transmettent texture, rigidité et glissement en temps réel. Pour les intégrateurs B2B, les avancées dans ce domaine conditionnent l'adoption des robots dans la chirurgie mini-invasive, l'assemblage de précision et la rééducation. Stanford occupe une position centrale dans la recherche haptique mondiale, aux côtés du MIT CSAIL, de Shadow Robot (UK) et d'entreprises comme Immersion Corporation ou HaptX pour la partie commerciale. En France, des acteurs comme Haption (Laval) développent des bras à retour d'effort pour la simulation industrielle et médicale. Le podcast Robot Talk ne fournit pas de détails sur des résultats expérimentaux spécifiques ni sur des déploiements concrets issus de cet épisode, ce qui limite l'évaluation de l'état réel des travaux présentés.

Raisonnement robuste sur l'état d'assemblage par reconnaissance d'actions pour la collaboration homme-robot

Une étude publiée sur arXiv (identifiant 2606.20150) en juin 2026 évalue de manière systématique cinq méthodes de suivi d'état d'assemblage à partir de la reconnaissance d'actions humaines (HAR), dans le cadre de la collaboration homme-robot (HRC). Les chercheurs ont testé des approches à base de règles logiques, de modèles de Markov cachés (HMM) et de réseaux de neurones (NN) sur deux jeux de données aux caractéristiques différentes. Les tests combinent des entrées simulées avec différents niveaux de bruit et des entrées réalistes issues d'un modèle HAR opérationnel. L'objectif est de déterminer quelle méthode permet de suivre fidèlement l'état d'une tâche d'assemblage coopérative, étape par étape, à partir de la seule reconnaissance des gestes humains. Les résultats contredisent l'hypothèse dominante selon laquelle les approches par réseaux de neurones surpassent systématiquement les méthodes classiques. Les NN et HMM affichent de bonnes performances sur des tâches à faible variabilité, mais se révèlent fragiles face à des séquences atypiques ou bruitées. Les méthodes logiques, bien que moins sophistiquées, se montrent plus robustes dans les scénarios à haute variabilité. Par ailleurs, la modélisation de la durée attendue des actions s'avère critique pour les tâches comportant des actions répétées, notamment lorsqu'aucun capteur complémentaire ne fournit de signal de confirmation. Ce constat a des implications directes pour les intégrateurs industriels qui déploient des cellules HRC sur des lignes d'assemblage réelles : choisir un modèle d'inférence d'état inadapté au profil de la tâche peut entraîner des erreurs de synchronisation robot-opérateur difficiles à diagnostiquer. Ce travail s'inscrit dans un domaine de recherche en pleine effervescence, porté par l'essor des robots collaboratifs (cobots) dans les environnements manufacturiers. Des acteurs comme Universal Robots, FANUC ou encore des laboratoires européens tels que ceux du LAAS-CNRS et de Fraunhofer travaillent sur des pipelines HAR similaires pour des applications d'assistance à l'assemblage. La difficulté centrale, le "demo-to-reality gap" entre conditions de laboratoire et déploiement en usine, reste entière. Cette étude ne propose pas de solution universelle mais établit une carte comparative utile, à condition que les praticiens caractérisent d'abord la variabilité réelle de leur tâche avant de sélectionner une architecture de suivi d'état.

K-VARK : filtre de Kalman résiduel à variance et noyaux pour l'estimation sans capteur des forces dans les cobots

Des chercheurs ont publié sur arXiv (référence 2512.13009v2) K-VARK, un filtre de Kalman adaptatif qui permet d'estimer les forces de contact dans les robots collaboratifs sans capteur de force dédié. L'algorithme combine des Primitives de Mouvement Noyau (Kernelized Movement Primitives, KMP) entraînées sur des trajectoires d'excitation optimisées avec un filtre de Kalman à bruit de mesure adaptatif. Validé sur un manipulateur collaboratif à 6 degrés de liberté (DoF), K-VARK atteint une réduction de plus de 20 % de l'erreur quadratique moyenne (RMSE) par rapport aux meilleures méthodes sensorless actuelles. Les tâches de validation incluent le polissage et l'assemblage, deux opérations industrielles qui exigent un contrôle précis des efforts appliqués sur la pièce. La difficulté centrale de l'estimation sensorless réside dans la modélisation des couples résiduels aux articulations : erreurs de frottement, dynamiques non linéaires, et variabilité selon la position en espace de travail. K-VARK répond à ce problème en capturant à la fois la moyenne prédictive et la variance hétéroscédastique dépendante de l'entrée, ce qui permet au filtre d'augmenter automatiquement le bruit de mesure dans les zones sous-représentées dans les données d'entraînement. Cette conscience de l'incertitude est un atout concret pour les intégrateurs : le robot sait quand il ne sait pas, et adapte sa confiance en conséquence. Le bruit de processus, lui, est réajusté en ligne par optimisation bayésienne variationnelle pour absorber les perturbations dynamiques. Combinés, ces deux mécanismes offrent une robustesse aux transitions brutales sans compromettre la précision en régime établi. L'estimation de force sans capteur est un enjeu majeur dans la conception des cobots (robots collaboratifs), car les capteurs force/couple six axes coûtent plusieurs milliers d'euros par bras et compliquent l'intégration mécanique. Les approches existantes s'appuient généralement sur des observateurs de type momentum ou des modèles dynamiques rigides, qui peinent à compenser la friction articulaire variable. K-VARK s'inscrit dans un courant de recherche qui cherche à substituer le hardware par de l'estimation probabiliste apprise, une tendance également visible chez Universal Robots (PolyScope X), Franka Robotics ou FANUC avec leur couche d'estimation d'effort. La méthode étant publiée en accès ouvert sans code associé annoncé, son adoption dépendra de la disponibilité d'implémentations de référence et de benchmarks sur des bras commerciaux standardisés.

Évaluation physiologique multimodale de l'interaction physique humain-robot à contacts intensifs en conditions variables

Une équipe de chercheurs a publié une étude empirique multimodale portant sur l'interaction physique humain-robot (pHRI) dans des conditions environnementales variables. Le protocole a soumis des opérateurs humains à 18 combinaisons distinctes de température, bruit acoustique et niveau d'éclairement, pendant l'exécution de tâches de traçage en contact direct avec un robot. Les chercheurs ont enregistré simultanément l'activité électrodermale (EDA), l'électromyographie de surface (sEMG), des données d'eye-tracking et des évaluations subjectives du confort. Résultat principal : la performance d'exécution est restée stable à travers toutes les conditions, mais la charge autonomique, mesurée par le niveau de conductance cutanée (SCL), a augmenté significativement avec la température. Les charges physique et cognitive, elles, n'ont pas varié de façon notable. Ces résultats mettent en évidence un mécanisme de compensation physiologique : les opérateurs maintiennent leur niveau de performance en augmentant leur effort biologique pour supprimer l'inconfort thermique, sans que cela ne soit visible dans les métriques de tâche classiques. C'est une distinction critique pour les intégrateurs et les concepteurs de systèmes cobotiques industriels : une évaluation centrée uniquement sur la performance (temps de cycle, taux d'erreur) peut masquer un coût opérateur réel, notamment en environnements chauds ou bruyants. Le fait que le confort perçu ne corrèle pas avec l'erreur de traçage ni le temps d'exécution invalide l'hypothèse courante que la performance se dégrade avec l'inconfort ressenti. Ce travail s'inscrit dans un courant de recherche croissant sur les architectures de contrôle "physiology-aware", où les signaux biologiques temps réel de l'opérateur alimentent la boucle de commande du robot pour adapter son comportement à l'état de charge de l'humain. La robotique collaborative industrielle, notamment dans des secteurs comme l'automobile ou la logistique, où les conditions thermiques et sonores sont variables, constitue le terrain d'application naturel. Des systèmes comme les cobots Universal Robots ou KUKA devront intégrer ce type de feedback pour répondre aux exigences ergonomiques croissantes des régulateurs européens. Les prochaines étapes identifiées par les auteurs incluent le développement de pipelines de traitement de signal adaptatifs capables d'exploiter ces métriques physiologiques en conditions non structurées.

Étude de cas : automatisation robotique dans l'habillement, jumeaux numériques, interopérabilité et formation des équipes

Un système de couture robotisé pour la fabrication de jeans a été déployé en deux phases dans un environnement de production réel, selon une étude de cas publiée sur arXiv (2606.16078) en juin 2026. Le système s'appuie sur un module de "fil numérique" qui parse automatiquement des dessins de production au format DXF pour en extraire des paramètres de process et des trajectoires exécutables par le robot, réduisant l'effort de programmation manuelle et permettant un reciblage rapide entre différentes opérations de couture. Un jumeau numérique de la cellule de travail est utilisé en pré-déploiement pour valider la portée du bras, les dégagements, la disposition et le séquençage, ainsi que la compatibilité en temps de cycle avec les tâches en amont et en aval. En production, un robot collaboratif est intégré à des équipements de couture conventionnels, à des postes de soudure, à des préhenseurs à aspiration et à des automates machine via une couche d'interopérabilité. Les deux déploiements couvrent des opérations de couture 2D (poches plaquées sur shorts en denim) et des coutures 3D de mise en forme de vêtements, accompagnés d'un monitoring en temps réel incluant la vérification des coutures, la détection de collision et la validation de trajectoires. La portée de ce travail dépasse la démonstration de laboratoire : il s'agit d'un déploiement usine réel sur des pièces textiles déformables, segment réputé pour son "reality gap" persistant entre environnements contrôlés et production. L'article identifie cinq leviers critiques pour monter en échelle : validation par jumeau numérique, génération de tâches par fil numérique, interopérabilité entre équipements hétérogènes, vérification runtime, et outillage de formation des opérateurs. Ce dernier point est souvent négligé dans la littérature robotique mais s'avère décisif pour l'adoption en PME textile. Les auteurs ne communiquent pas de métriques de temps de cycle chiffrées dans l'abstract, ce qui limite l'évaluation comparative de la performance brute. L'automatisation de la confection demeure l'un des derniers bastions résistants à la robotisation flexible, là où l'électronique et l'automobile ont largement industrialisé leurs lignes. Les principaux acteurs sur ce créneau incluent SoftWear Automation (Sewbot, États-Unis), Sewts (Allemagne) et quelques projets en cours en Europe du Sud. Aucune entreprise n'est nommée dans cet article académique, ce qui suggère soit une confidentialité industrielle, soit un partenariat en phase pilote. Les prochaines étapes logiques seraient l'extension à d'autres typologies de vêtements, la généralisation du fil numérique à d'autres formats CAO que le DXF, et la quantification rigoureuse des gains de productivité pour un dossier ROI convaincant auprès des intégrateurs textiles.

MPC d'impédance avec estimation des perturbations pour le contrôle de main dextérique

Des chercheurs ont soumis en juin 2026 sur arXiv (réf. 2606.14606) un cadre de contrôle baptisé Impedance MPC pour doigts robotiques dextres, actuateur-agnostique, couvrant transmissions hydrauliques, câblées, pneumatiques, à corde torsadée et série-élastiques. Un préfiltrage algébrique réduit la dynamique tendineuse à un double intégrateur à coefficients constants, dont l'inverse du coût QP est précalculé hors ligne ; un horizon glissant de 10 pas tourne à 500 Hz avec contraintes dures sur les forces de contact (ISO/TS 15066), les limites d'actionnement et le jerk. Un filtre de Kalman augmenté, alimenté uniquement par encodeurs, annule l'erreur statique sous charge constante. Sur un prototype de doigt à actionnement hydraulique, le contrôleur atteint 0,5 mrad RMS, 0,1 mrad en régime permanent et 6,6 mrad en pic sous 1,5 Nm de couple de contact, soit 183×, 1500× et 23× meilleur que l'impédance classique à gain fixe ; la raideur réalisée s'étend de 18 à 323 Nm/rad selon la fréquence de mise à jour. En simulation MuJoCo, le cadre s'étend à une main LEAP à 16 DOF, récupérant en 0,7 s après une perturbation de saisie de 2,5 N. L'actuateur-agnosticisme est le principal atout pour les intégrateurs : une seule loi de commande couvre des architectures mécaniquement très hétérogènes sans retuning, réduisant le coût d'intégration sur des plateformes multi-actionneurs. La conformité native à l'ISO/TS 15066 dans la formulation du problème simplifie les validations pour le déploiement cobotique en environnement humain, là où les forces de contact sont réglementées. Il faut cependant relativiser les gains annoncés, dont le plus élevé atteint 1500× : la référence est un contrôleur à gain fixe, choix délibérément défavorable, et des benchmarks contre du MPC adaptatif ou du contrôle par apprentissage sont absents de l'article. La main dextre reste le maillon faible de la robotique humanoïde : Shadow Robotics, Inspire Robots et d'autres ont progressé sur le plan mécanique, mais le contrôle fin sous contact demeure un problème ouvert. Les mains LEAP, issues de Carnegie Mellon, constituent la plateforme open-source de référence pour la recherche en manipulation. Les approches concurrentes privilégient l'apprentissage par renforcement et les architectures VLA (vision-langage-action), qui court-circuitent le contrôle classique au prix des garanties formelles ; cet article occupe l'angle inverse, avec des propriétés de stabilité et de faisabilité récursive héritées du cadre pHRI (interaction physique humain-robot). Aucun partenaire industriel ni calendrier de transfert n'est mentionné ; la contribution reste académique, mais elle outille directement les équipes intégrant des mains dextres sur des humanoïdes commerciaux comme ceux de Figure AI ou Unitree.

Les modèles vision-langage apprennent aux robots à lire les émotions humaines

Des chercheurs de l'Université de Melbourne ont entraîné un robot collaboratif à reconnaître les émotions humaines en combinant analyse faciale et facteurs contextuels, via un modèle de langage visuel (VLM, ou Vision Language Model). Les résultats, publiés le 18 mai 2026 dans IEEE Robotics and Automation Letters, montrent que cette approche surpasse les systèmes classiques de reconnaissance d'expression : le VLM obtient un score de similarité de 0,86 sur 1, contre 0,77 pour les outils d'analyse faciale et de suivi d'objets conventionnels. L'étude a été conduite par Seung Chan Hong dans le cadre de sa thèse de licence, avec une cohorte de 40 volontaires. Pour entraîner le modèle, des participants ont d'abord visionné des vidéos de robots effectuant des transferts d'objets à des humains avec des degrés de succès variés, puis décrit les émotions perçues en tenant compte de la scène complète : posture, gestes (doigts qui tambourinent, lèvres pincées), position dans l'espace, et non plus seulement l'expression du visage. Dans un second test, le robot équipé du VLM a intentionnellement commis une erreur, puis proposé soit une excuse adaptée à l'état émotionnel perçu, soit une formule pré-scriptée. Résultat : 31 personnes sur 40 ont préféré la réponse contextuelle. Le résultat le plus significatif n'est pourtant pas le gain de performance du VLM, mais la limite qu'il révèle. Même avec une excuse personnalisée et émotionnellement cohérente, la confiance des participants envers le robot avait chuté après l'erreur, indépendamment de la qualité de la réponse sociale. Les auteurs en tirent une conclusion directe pour les intégrateurs et les équipes de conception : l'adaptivité émotionnelle agit comme un lubrifiant social, elle n'efface pas un déficit fonctionnel. Pour les COO et décideurs qui évaluent des déploiements de cobots en environnement humain, cela signifie que l'investissement dans la fiabilité mécanique reste prioritaire sur les couches d'intelligence émotionnelle. En revanche, dans les scénarios où des erreurs sont inévitables, un module de reconnaissance émotionnelle contextuelle peut atténuer les effets négatifs sur la relation opérateur-robot, ce qui est pertinent dans les environnements d'assemblage ou de logistique. Le VLM utilisé dans l'étude fonctionne sur un principe similaire aux grands modèles de langage comme ChatGPT, mais avec une entrée visuelle permettant une lecture de scène au-delà de la seule mimique faciale. La recherche en interaction humain-robot (HRI) investit depuis plusieurs années dans les modèles de reconnaissance d'affect, mais les approches classiques restaient cantonnées à l'analyse des expressions faciales ou au suivi de posture. L'intégration des VLMs dans ce domaine suit la vague des modèles de vision-langage généralistes issus de Google DeepMind, OpenAI ou Meta. L'étude de Melbourne se distingue par une validation empirique sur sujets humains réels avec une tâche collaborative concrète, plutôt qu'une évaluation sur benchmark. Les prochaines étapes pour ce type de recherche incluront probablement des tests en environnement industriel contrôlé, pour vérifier si la perception émotionnelle reste robuste sous pression temporelle et dans des scènes visuellement chargées.

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.

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.

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).

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.

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.

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.

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.

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.

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.

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.