Aller au contenu principal

Actualités robotique — page 93

4 604 articles au fil, du plus récent au plus ancien.

Les entreprises chinoises de robotique misent sur les robots quadrupèdes comme principale source de revenus
4601SCMP Tech 

Les entreprises chinoises de robotique misent sur les robots quadrupèdes comme principale source de revenus

Les entreprises chinoises de robotique misent de plus en plus sur les robots quadrupèdes comme moteur de revenus principal. AgiBot, acteur majeur de la robotique humanoïde en Chine, vient de filialiser son département quadrupède dans une entité indépendante baptisée AgiQuad. Qiu Heng, directeur des opérations de la nouvelle structure, a déclaré lors d'un briefing presse que l'objectif était d'éviter que l'unité "vive dans l'ombre du géant humanoïde" et de lui permettre une croissance à grande échelle. Dans le même temps, Amap prépare le lancement prochain d'un modèle quadrupède commercial. Ce repositionnement stratégique révèle un écart persistant entre l'attrait médiatique des humanoïdes et leur réalité commerciale. Les quadrupèdes, plus stables mécaniquement, plus simples à déployer en environnement industriel, et déjà éprouvés dans l'inspection d'infrastructure, l'agriculture ou la sécurité, génèrent des revenus concrets là où les humanoïdes restent majoritairement en phase pilote. La décision d'AgiBot de séparer les deux activités suggère que les cycles de vente et les profils clients sont suffisamment distincts pour justifier une structure dédiée, signal que le marché quadrupède arrive à maturité commerciale en Chine. AgiBot s'est imposé ces dernières années comme l'un des développeurs humanoïdes les plus actifs en Chine, aux côtés d'Unitree et de Fourier Intelligence. Sur le segment quadrupède, Unitree domine avec ses séries Go et B, tandis qu'à l'international, Boston Dynamics reste la référence avec Spot. La création d'AgiQuad positionne AgiBot sur une concurrence directe avec ces acteurs, avec l'avantage d'un écosystème industriel chinois intégré et des coûts de production structurellement inférieurs.

Chine/AsieOpinion
1 source
Boston Dynamics et Google DeepMind apprennent à Spot à raisonner
4602IEEE Spectrum Robotics 

Boston Dynamics et Google DeepMind apprennent à Spot à raisonner

Boston Dynamics annonce l'intégration de Gemini Robotics-ER 1.6, le modèle de raisonnement incarné de Google DeepMind, dans son robot quadrupède Spot. Ce partenariat, rendu public en avril 2026, dote Spot de capacités de raisonnement autonome pour des missions d'inspection industrielle : détection de débris ou de fuites dangereuses, lecture de jauges et de regards de contrôle, et recours à des modèles vision-langage-action (VLA) lorsque la compréhension de l'environnement l'exige. Spot est aujourd'hui déployé à plusieurs milliers d'unités sur sites industriels, ce qui en fait l'une des rares plateformes à pattes ayant atteint une échelle commerciale réelle. Marco da Silva, vice-président et directeur général de Spot chez Boston Dynamics, parle de "réaction aux défis du monde réel de façon entièrement autonome", formulation prudente qui évite les superlatifs, mais qui reflète une ambition opérationnelle concrète. L'enjeu central de cette intégration est la réduction du fossé entre instruction humaine et exécution robot. Carolina Parada, responsable robotique chez Google DeepMind, résume le critère de réussite : "le système doit répondre comme un humain le ferait." Ce standard est plus exigeant qu'il n'y paraît. La vidéo de démonstration de Boston Dynamics l'illustre sans le vouloir : lorsqu'on demande à Spot de "recycler les canettes du salon", il saisit la canette de côté, ce qui serait problématique si elle contenait encore du liquide. Un humain éviterait instinctivement cette erreur en mobilisant des décennies d'expérience incarnée. Cet écart entre raisonnement déclaré et comportement effectif est précisément ce que DeepMind cherche à combler avec son benchmark ASIMOV, un corpus d'exemples en langage naturel décrivant ce qu'un robot ne devrait pas faire, ancré dans une logique de sécurité sémantique. La version actuelle de Spot n'utilise pas encore ces modèles pour la manipulation, mais les versions futures sont censées intégrer ce raisonnement sur la manière sûre de tenir les objets. Boston Dynamics dispose d'une longueur d'avance opérationnelle que peu de concurrents peuvent revendiquer : là où Figure, Agility Robotics ou Apptronik parlent encore de pilotes et de rampes de déploiement, Spot tourne en production dans des raffineries, des usines et des infrastructures critiques depuis plusieurs années. Le choix de Gemini Robotics-ER 1.6 comme couche de raisonnement haut niveau s'inscrit dans la stratégie de Google DeepMind de positionner ses modèles incarnés comme infrastructure pour l'industrie robotique, face aux approches concurrentes de Physical Intelligence (Pi-0), de NVIDIA (GR00T N2) ou de l'écosystème ROS2 open-source. Le vrai test ne sera pas la démo en salon, mais la fiabilité en environnement industriel bruité, sous contraintes de cycle et de disponibilité opérationnelle, des conditions que les benchmarks académiques ne capturent pas encore fidèlement.

IA physiqueOpinion
1 source
L'usine Tesla de Shanghai capable de produire des robots humanoïdes, selon son président en Chine
4603SCMP Tech 

L'usine Tesla de Shanghai capable de produire des robots humanoïdes, selon son président en Chine

Allan Wang Hao, président de Tesla Chine, a déclaré lors d'un briefing médias ce mardi que la Gigafactory de Shanghai, la plus grande base de production du constructeur américain, pourrait constituer une "clé en or" pour la fabrication en masse de robots humanoïdes. Wang n'a pas annoncé de calendrier précis ni de volume de déploiement, mais il a explicitement lié la capacité manufacturière exceptionnelle du site, qui produit actuellement plus de 450 000 véhicules par an, à l'ambition d'Elon Musk de commercialiser l'Optimus à grande échelle. Aucun chiffre de production cible pour le robot n'a été communiqué lors de cet événement. Cette déclaration signale une évolution stratégique notable : Tesla envisage de faire de sa chaîne automobile existante un vecteur d'industrialisation robotique, ce qui réduirait structurellement les coûts de montée en cadence. Pour les décideurs industriels, cela suggère que le vrai différenciateur dans la course humanoïde ne sera pas uniquement la performance du modèle d'IA, mais la maîtrise du scale-up manufacturier, un domaine où Tesla dispose d'un avantage reconnu. Il reste cependant à distinguer cette déclaration d'intention d'un engagement de production ferme. Tesla teste actuellement des unités Optimus Gen 2 en interne dans plusieurs de ses usines, sans déploiement commercial confirmé à ce jour. Sur le marché, les concurrents directs incluent Figure AI (Figure 02), Agility Robotics (Digit, déployé chez Amazon), et le chinois Unitree. La Gigafactory de Shanghai, implantée en Chine, donnerait également à Tesla un accès privilégié à la chaîne d'approvisionnement en composants robotiques, dominée par des fournisseurs asiatiques, ce qui constitue un levier logistique non négligeable pour atteindre les objectifs de coût évoqués par Musk.

Robotique humanoïde : Le vrai défi n’est plus la technologie, mais le passage à l’échelle
4604Robot Magazine FR 

Robotique humanoïde : Le vrai défi n’est plus la technologie, mais le passage à l’échelle

En 2026, le secteur de la robotique humanoïde franchit un seuil paradoxal : les machines savent marcher, saisir, et exécuter des tâches d'assemblage ou de picking, mais moins de 1 % des entreprises industrielles les utilisent en production réelle. Le marché mondial est estimé entre 30 et 60 milliards de dollars d'ici 2035, avec une croissance annuelle projetée supérieure à 35 %, mais les déploiements actuels restent anecdotiques : là où une seule usine automobile opère plus de 1 000 robots industriels classiques, les pilotes humanoïdes plafonnent à des flottes de 10 à 100 unités en environnement contrôlé. Le prix unitaire, toujours compris entre 50 000 et 150 000 dollars, constitue un premier verrou. L'autre est structurel : faire fonctionner un robot est résolu ; le faire opérer à l'échelle dans un environnement non structuré reste un problème ouvert. Le vrai goulot d'étranglement n'est plus mécanique ni algorithmique, il est infrastructurel et organisationnel. Les robots humanoïdes autonomes exigent des réseaux ultra-fiables avec une latence inférieure à 10 millisecondes pour les applications critiques, et génèrent plusieurs gigaoctets de données par heure et par unité. Or, selon les données citées dans l'article, plus de 70 % des industriels estiment que leur infrastructure actuelle n'est pas dimensionnée pour accueillir des flottes autonomes. À cela s'ajoute la réglementation : en Europe, les cadres IA/robotique en cours de structuration depuis 2025 imposent des certifications de sécurité et une traçabilité algorithmique qui allongent les délais de mise en marché de 24 à 36 mois dans des secteurs comme la santé. Ces contraintes sont réelles, mais une harmonisation normative à horizon 2028-2030 pourrait paradoxalement accélérer l'adoption en fournissant un cadre de confiance aux intégrateurs. La réponse émergente au problème du coût d'entrée est le modèle Robot-as-a-Service (RaaS), en croissance de plus de 20 % par an : les entreprises louent la capacité robotique entre 2 000 et 5 000 dollars par mois par unité, maintenance et mises à jour logicielles incluses, sans immobilisation de capital. Ce pivot du hardware vers le service layer s'accélère depuis 2022, portant avec lui une question industrielle encore peu résolue : produire quelques dizaines d'humanoïdes est maîtrisé, en produire 10 000 à 100 000 unités annuellement d'ici 2030 implique une refonte complète de la supply chain et de la sécurisation des composants critiques. L'article ne cite pas de constructeurs spécifiques ni de sites de déploiement nominatifs, ce qui en limite la portée factuelle : il s'agit davantage d'une synthèse de tendances sectorielles que d'un reportage terrain sur des déploiements effectifs.

HumanoïdesOpinion
1 source