RobotiqueMarkTechPost9sem

Google lance TensorFlow 2.21 et LiteRT : meilleures performances GPU, nouvelle accélération NPU et déploiement edge PyTorch simplifié

Résumé IASource uniqueImpact UE

Google a lancé TensorFlow 2.21 introduisant LiteRT, maintenant prêt pour la production, qui offre des améliorations de performance GPU (1,4 fois plus rapide) et une intégration NPU avancée pour une déploiement fluide des modèles PyTorch sur les appareils mobiles et edge. LiteRT remplace TensorFlow Lite, simplifiant la conversion des modèles entraînés avec PyTorch ou JAX pour un déploiement on-device, tout en renforçant la sécurité et les mises à jour des dépendances.

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Pandaily

Pony.ai lance des tests de robotaxi sans conducteur à Dubaï et vise un déploiement commercial en 2026

Pony.ai, entreprise chinoise spécialisée dans la conduite autonome, a lancé des tests de robotaxis entièrement sans chauffeur à Dubaï, franchissant une étape décisive dans son expansion au Moyen-Orient. La société, cotée au Nasdaq, collabore depuis plusieurs mois avec la Roads and Transport Authority (RTA) de Dubaï, et avait obtenu l'autorisation de tester sur voie publique dès septembre 2025. Les essais se déroulent désormais dans des conditions de circulation variées, sans aucun opérateur humain à bord. Le PDG James Peng a confirmé que le déploiement commercial est ciblé pour le second semestre 2026, avec un objectif de plus de 3 000 robotaxis opérationnels dans plus de 20 villes à travers le monde d'ici la fin de l'année, dont près de la moitié en dehors de la Chine. Ce cap est stratégiquement important pour Pony.ai, qui cherche à prouver que son modèle économique, déjà rentabilisé à l'échelle du véhicule à Guangzhou et Shenzhen, peut se répliquer à l'international. Dubaï représente l'un des marchés de mobilité intelligente les plus ambitieux au monde : la ville vise qu'un quart de tous ses déplacements soient autonomes d'ici 2030, dans le cadre de son programme "Smart City 2030". Réussir à Dubaï ouvre la voie à d'autres contrats régionaux et valide la capacité de l'entreprise à s'adapter à des environnements réglementaires et routiers très différents de la Chine. La stratégie internationale de Pony.ai repose sur un modèle dit "partner-driven" : ce sont des opérateurs locaux qui fournissent les véhicules et le support opérationnel, tandis que Pony.ai apporte sa technologie et son logiciel. Ce montage limite les besoins en capital propre et accélère le déploiement marché par marché. Outre Dubaï, des projets sont en cours à Doha et Zagreb. Cette expansion s'inscrit dans une stratégie "double moteur" combinant consolidation du marché chinois et internationalisation accélérée, alors que la concurrence mondiale dans le secteur des véhicules autonomes s'intensifie face à Waymo, WeRide et d'autres acteurs montants.

UEUn déploiement est évoqué à Zagreb (Croatie, UE) mais sans détails concrets, sans impact direct sur le marché français ou les régulations européennes à ce stade.

RobotiqueOpinion

1 source

2arXiv cs.RO

Les paris comme méthode d'évaluation des performances sim-to-real

Une équipe de chercheurs a publié sur arXiv (référence 2604.24018) une nouvelle approche pour évaluer les performances des robots sans multiplier les tests physiques coûteux. Le problème central est bien connu dans le domaine : tester un robot dans le monde réel est lent, onéreux et parfois dangereux, ce qui rend difficile la comparaison d'algorithmes, la validation de contrôleurs ou la prise de décisions réglementaires. Les chercheurs proposent une méthode fondée sur un mécanisme de "pari" (betting) pour estimer avec précision le comportement réel d'un robot à partir de données issues de simulateurs. Ils démontrent notamment son efficacité sur une tâche concrète de préhension et dépose d'objets (pick-and-place) par un bras robotique, en utilisant des distributions synthétiques comme substitut au monde réel. Cette approche présente un intérêt pratique majeur pour l'industrie robotique et les laboratoires de recherche. Contrairement aux méthodes existantes qui tentent soit de réduire la variance statistique (par échantillonnage d'importance), soit de corriger les biais introduits par les simulateurs, le mécanisme de pari proposé peut, sous certaines conditions théoriques démontrées, surpasser l'estimateur Monte Carlo classique. Les chercheurs fournissent également des règles de décision concrètes pour diagnostiquer en temps réel si la stratégie de pari fonctionne comme prévu, ce qui rend la méthode utilisable en pratique et pas seulement en théorie. Le fossé entre simulation et réalité, le fameux "sim-to-real gap", est l'un des obstacles majeurs au déploiement industriel des robots autonomes. Les simulateurs modernes restent imparfaits : ils modélisent mal les contacts, les frottements ou les imprécisions mécaniques, ce qui introduit des biais systématiques dans les évaluations. La plupart des travaux existants cherchent à corriger ces biais après coup ; cette publication propose au contraire de les intégrer dans un cadre probabiliste cohérent dès la conception de l'évaluation. Le code source est disponible sur GitHub (ISUSAIL/Bet4Sim2Real), ce qui facilite la reproduction des résultats et l'adoption par la communauté.

RobotiqueActu

1 source

3Pandaily

SHAREBOT lève plusieurs centaines de millions de yuans pour accélérer son réseau de déploiement de robots

SHAREBOT, plateforme chinoise de location de robots, a bouclé un nouveau tour de table de pré-série A d'un montant de plusieurs centaines de millions de yuans, son quatrième financement en seulement quatre mois d'existence. Le tour a attiré des investisseurs stratégiques de premier plan, notamment Chia Tai Robot (filiale du conglomérat thaïlandais CP Group), Changxin Shares, ainsi que deux sociétés cotées en bourse, Mecury Intelligent (002881.SZ) et Lens Technology (300433.SZ / 06613.HK). Les investisseurs historiques Mingjia Capital, Zhixing Investment et Ruizi Venture Capital ont pour leur part sursouscrit massivement leurs allocations. À la mi-avril 2026, la plateforme SHAREBOT intégrait plus de 4 000 robots déployables, avec une couverture s'étendant à plus de 100 villes chinoises. Les fonds levés seront principalement affectés au développement d'un réseau national de distribution et de services, à l'amélioration des systèmes de gestion et de dispatch des actifs robotiques, au renforcement des infrastructures d'assurance logistique, et à l'expansion des capacités à l'international. Ce financement illustre la transition en cours dans l'industrie robotique chinoise : la compétition ne se joue plus sur les prouesses techniques ou les démonstrations, mais sur la capacité d'exécution à grande échelle. Le PDG Li Yiyan a déclaré que l'enjeu n'est pas d'augmenter simplement le volume de locations, mais de construire un système intégré couvrant l'approvisionnement en équipements, la mise en relation avec les besoins des entreprises, les services urbains, la garantie de livraison et les réseaux mondiaux. Pour les clients industriels et commerciaux, cela signifie un accès à des robots opérationnels de manière standardisée, sans avoir à gérer la complexité de la maintenance ou du renouvellement du parc. SHAREBOT a également noué un partenariat avec PICC Property & Casualty pour créer un système d'assurance dédié à la robotique, couvrant déjà plus d'un millier de robots et traitant ses premiers sinistres dans le domaine de l'IA incarnée. La montée en puissance de SHAREBOT s'inscrit dans un contexte d'accélération du déploiement commercial des robots en Chine, porté par des investissements massifs dans l'IA embarquée et la robotique humanoïde. L'entrée de CP Group via Chia Tai Robot est particulièrement significative : le conglomérat a précédemment investi dans Zhiyuan Robotics, spécialiste de l'IA incarnée, signalant une stratégie cohérente pour dominer l'écosystème robotique en Asie et au-delà. L'annonce du 17 avril 2026 d'une expansion internationale sous la marque SHAREBOT, combinée à la participation de Lens Technology et Mecury Intelligent, renforce les capacités de la plateforme en connectivité des appareils, gestion à distance, dispatch des commandes et coordination de la chaîne d'approvisionnement mondiale. Alors que le secteur bascule de la phase de prototypage vers le déploiement commercial répété et massif, SHAREBOT entend s'imposer comme la couche applicative incontournable permettant aux robots de quitter les labs pour s'intégrer durablement dans l'économie réelle.

RobotiqueActu

1 source

4arXiv cs.RO

Améliorer la couverture sensorielle et la conformité des peaux artificielles imprimées en 3D grâce à des capteurs multimodaux et des matériaux souples

Des chercheurs ont développé une nouvelle génération de peaux artificielles imprimées en 3D capables de couvrir l'ensemble du corps d'un robot avec des capteurs tactiles et de proximité. Présentés dans une étude diffusée sur arXiv (arXiv:2504.25563), ces revêtements hybrides combinent deux modalités de détection : le temps de vol (ToF), qui mesure la distance par impulsions lumineuses, et la capacitance propre (SC), qui détecte le contact ou la pression via des variations électriques. Le système a été validé sur un bras robotique FR3, équipé de six unités de peau totalisant 40 éléments sensoriels répartis sur sa surface. Ce que cette recherche change concrètement, c'est la capacité des robots à percevoir leur environnement de manière fine et continue, sans dépendre d'une seule source d'information sensorielle. La combinaison ToF et SC permet simultanément de détecter les contacts, de reconstruire une scène spatiale et de mesurer la pression exercée sur le revêtement souple. Ce dernier point est particulièrement significatif : les matériaux souples utilisés absorbent les chocs et transmettent les variations de pression en signaux exploitables, là où les implémentations précédentes restaient cantonnées à des matériaux rigides et à un seul type de capteur. Pour les applications en robotique collaborative, où un bras mécanique partage l'espace de travail avec des humains, cette sensibilité multi-modale est un prérequis de sécurité. Jusqu'ici, les peaux artificielles pour robots se heurtaient à deux obstacles majeurs : la rigidité des matériaux, qui limite leur adhérence et leur confort sur des surfaces courbes, et l'absence de combinaison sensorielle, qui rendait la détection partielle. L'impression 3D offre une voie de fabrication scalable, c'est-à-dire adaptable à différentes morphologies robotiques sans recourir à des processus industriels coûteux. L'intégration d'une interface électrique simplifiée entre les traces conductrices imprimées et l'électronique externe représente également un progrès pratique. La prochaine étape logique sera d'étendre cette couverture à des robots entiers et de tester la robustesse du système dans des environnements industriels réels.

UECes travaux pourraient bénéficier aux fabricants européens de robots collaboratifs, notamment dans l'industrie allemande et française où l'adoption des cobots est en forte croissance, en réduisant les coûts de fabrication des revêtements sensoriels via l'impression 3D.

RobotiqueOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour