Robotique — page 9

Un robot humanoïde joue au badminton grâce à l'apprentissage par renforcement multi-étapes

Des chercheurs ont présenté un système de badminton pour robots humanoïdes entièrement piloté par apprentissage par renforcement, sans recours à des démonstrations d'experts ni à des référentiels de mouvement préenregistrés. Le pipeline d'entraînement, décrit dans un article soumis sur arXiv (arXiv:2511.11218), repose sur un curriculum en trois étapes : acquisition des déplacements de jambes, génération de frappes guidée par la précision, puis raffinement centré sur la tâche. En simulation, deux robots humanoïdes ont maintenu un échange de 21 coups consécutifs. Sur matériel réel, face à une machine lance-volants et à des adversaires humains, le robot a atteint des vitesses de volant en sortie de raquette allant jusqu'à 19,1 mètres par seconde, avec une distance d'atterrissage moyenne des retours de 4 mètres. Cette démonstration marque un cap dans la robotique des interactions dynamiques. Jusqu'ici, les robots humanoïdes excellaient dans des environnements statiques, locomotion, manipulation d'objets posés, mais échouaient face à des objets rapides et imprévisibles. Coordonner bras et jambes en temps réel pour intercepter et renvoyer un volant relève d'une difficulté qualitativement différente : le robot doit anticiper, se positionner et frapper avec précision en une fraction de seconde. Ce système unifié, qui pilote simultanément le bas et le haut du corps pour servir l'objectif de frappe, constitue une avancée directement applicable à d'autres tâches critiques en dynamique, comme la manipulation d'objets projetés ou les interactions physiques en environnement industriel. Pour déployer ce contrôleur sur robot réel, les chercheurs ont intégré un filtre de Kalman étendu (EKF) chargé d'estimer et de prédire la trajectoire du volant. Ils ont également développé une variante sans prédiction explicite, qui supprime l'EKF tout en atteignant des performances comparables, ce qui suggère que le réseau de neurones internalise lui-même une forme d'anticipation. Cette approche s'inscrit dans une tendance de fond : former des comportements moteurs complexes uniquement en simulation, puis les transférer sur hardware (sim-to-real transfer), sans nécessiter de données humaines coûteuses. Les résultats ouvrent la voie à des robots capables d'interactions physiques rapides et précises dans des contextes jusqu'ici réservés à l'humain.

Synthèse de démonstrations réelles pour la manipulation bimmanuelle à grande échelle

Des chercheurs ont développé BiDemoSyn, un système capable de générer automatiquement des milliers de démonstrations d'entraînement pour des robots à deux bras à partir d'un seul exemple réel. Présenté dans un article publié sur arXiv (arXiv:2512.09297), le framework décompose chaque tâche en deux composantes : des blocs de coordination invariants, communs à toutes les exécutions, et des ajustements variables selon la forme et la position des objets manipulés. En combinant un alignement guidé par vision artificielle et une optimisation légère des trajectoires, le système produit des données d'entraînement riches en contacts physiques et réalistes, le tout en quelques heures, sans nécessiter des sessions répétées de téléopération humaine. Les expériences couvrent six tâches différentes impliquant deux bras robotiques simultanés. L'enjeu est considérable : entraîner des robots capables de manipuler des objets avec les deux mains de façon habile reste l'un des défis les plus difficiles de la robotique d'apprentissage par imitation. Jusqu'ici, les équipes devaient choisir entre la téléopération, précise mais extrêmement coûteuse en temps humain, et la simulation, scalable mais souvent déconnectée de la réalité physique. BiDemoSyn court-circuite ce compromis : les politiques entraînées sur ses données généralisent à de nouvelles poses et formes d'objets inédits, surpassant nettement les méthodes de référence existantes. Plus remarquable encore, ces politiques réalisent un transfert zéro-shot vers d'autres plateformes robotiques, sans réentraînement, grâce à une représentation centrée sur les objets et une action en six degrés de liberté découplée de la mécanique propre à chaque robot. Ce travail s'inscrit dans une course intense à la scalabilité des données robotiques, un goulot d'étranglement majeur qui freine le déploiement de robots polyvalents dans des environnements industriels et domestiques. Des acteurs comme Google DeepMind, Physical Intelligence ou Tesla Optimus investissent massivement dans cette problématique. BiDemoSyn propose une voie intermédiaire pragmatique : ancrer les données dans le réel dès la première démonstration, puis les amplifier algorithmiquement. L'extension naturelle en mode few-shot, également démontrée dans l'article, ouvre la perspective d'une diversification encore plus large avec un effort humain minimal, rapprochant l'apprentissage par imitation d'une industrialisation viable.

Flux sensoriel modulaire pour intégrer le feedback physique dans les modèles vision-langage-action

Des chercheurs ont publié fin avril 2026 sur arXiv un article présentant MoSS (Modular Sensory Stream), un cadre modulaire conçu pour enrichir les modèles Vision-Langage-Action (VLA) avec des retours physiques multiples. Les VLA sont des systèmes d'intelligence artificielle utilisés en robotique pour interpréter des scènes visuelles et du langage naturel afin de générer des actions. MoSS introduit des flux de modalités découplés qui intègrent des signaux physiques hétérogènes, notamment tactiles et de couple mécanique (torque), directement dans le flux d'action du modèle via un mécanisme d'attention croisée. Un schéma d'entraînement en deux étapes, où les paramètres du VLA préentraîné sont d'abord gelés, assure une incorporation stable des nouvelles modalités. Des expériences en conditions réelles démontrent des gains de performance synergiques lorsque ces signaux sont combinés. L'enjeu est considérable pour la robotique de manipulation. Aujourd'hui, la grande majorité des VLA reposent quasi exclusivement sur la vision, ce qui les rend aveugles aux informations que procure le toucher ou la résistance mécanique lors d'un contact. Un robot vissant un écrou, saisissant un objet fragile ou détectant un glissement ne peut s'appuyer sur la caméra seule pour ajuster sa prise en temps réel. MoSS montre que l'ajout de signaux tactiles et de couple, traités en parallèle plutôt qu'en série, améliore la précision des actions de manière complémentaire, chaque modalité compensant les angles morts des autres. Les VLA sont devenus l'un des fronts les plus actifs de la recherche en robotique depuis l'émergence de modèles comme RT-2 (Google DeepMind) ou OpenVLA. La tendance dominante consistait jusqu'ici à enrichir la composante visuelle ou langagière de ces systèmes, en négligeant les sens physiques que les humains mobilisent naturellement pour manipuler des objets. MoSS s'inscrit dans un courant émergent qui cherche à doter les robots d'une perception proprioceptive et haptique plus fine. La nature modulaire du framework facilite l'ajout de nouvelles modalités sensorielles à l'avenir, ce qui ouvre la voie à des robots capables d'intégrer température, vibration ou pression sans nécessiter une refonte complète de l'architecture.

Approcher puis agir : séquençage comportemental pour une manipulation robotique humanoïde

Des chercheurs ont publié Move-Then-Operate (MTO), un nouveau cadre d'apprentissage pour la manipulation robotique qui s'inspire directement du fonctionnement du cerveau humain. L'approche sépare explicitement chaque geste robotique en deux phases distinctes : une phase de déplacement grossier vers la cible (move), puis une phase d'interaction de précision avec l'objet (operate). Pour orchestrer ce découpage, le système utilise une architecture à double expert, pilotée par un sélecteur de phase entraînable. Les étiquettes de phase sont générées automatiquement via un pipeline basé sur un modèle de langage multimodal, qui analyse des indicateurs contextuels légers comme la vitesse de l'effecteur terminal et la décomposition des sous-tâches. Sur le benchmark RoboTwin2, MTO atteint un taux de réussite moyen de 68,9 %, surpassant le modèle de référence monolithique pi zéro de 24 points de pourcentage, tout en atteignant ses performances maximales en 40 % moins d'étapes d'entraînement. Ces résultats ont une portée significative pour la robotique industrielle et domestique. En isolant structurellement la phase de navigation de la phase de manipulation fine, MTO parvient à égaler, voire dépasser, des modèles entraînés sur dix fois plus de données. Cette efficacité d'apprentissage représente un avantage économique et pratique considérable : moins de données coûteuses à collecter, des cycles d'entraînement plus courts, et des robots capables de tâches de haute précision comme assembler des composants délicats, manipuler des objets fragiles ou effectuer des gestes médicaux assistés. La robotique moderne bute depuis des années sur le problème des politiques monolithiques, ces systèmes qui tentent d'apprendre tous les comportements moteurs dans un seul modèle unifié, sans distinguer les régimes dynamiques fondamentalement différents que sont le déplacement et la manipulation précise. Des frameworks comme pi zéro de Physical Intelligence ont marqué des avancées, mais restent limités par cette indifférenciation. MTO s'inscrit dans une tendance plus large visant à introduire des biais structurels inspirés de la cognition humaine dans les architectures robotiques. Les prochaines étapes naturelles incluent la validation sur des robots physiques réels et l'extension à des environnements non structurés, là où la généralisation reste le défi central du domaine.

Tube Diffusion Policy : apprentissage réactif visuo-tactile pour la manipulation riche en contacts

Des chercheurs ont présenté le Tube Diffusion Policy (TDP), un nouveau cadre d'apprentissage par imitation conçu pour la manipulation robotique en contact intense, c'est-à-dire les tâches où un robot doit saisir, pousser ou assembler des objets en gérant en permanence les incertitudes physiques. Publié sur arXiv (référence 2604.23609), TDP combine deux approches distinctes : les modèles génératifs à diffusion, qui ont récemment démontré de grandes capacités pour apprendre des comportements complexes, et le contrôle par tube, une méthode de rétroaction permettant de corriger les trajectoires en temps réel. Le système a été évalué sur le benchmark Push-T, largement utilisé dans la communauté robotique, ainsi que sur trois tâches additionnelles de manipulation dextère intégrant retour visuel et tactile. Sur l'ensemble de ces tests, TDP surpasse tous les modèles de référence de l'état de l'art, et deux expériences en conditions réelles confirment sa robustesse face aux perturbations extérieures et aux incertitudes de contact. L'apport concret de TDP réside dans sa capacité à réagir rapidement à des situations imprévues pendant l'exécution d'une tâche. Les approches dominantes reposent sur l'action chunking, qui consiste à planifier de longues séquences de mouvements à l'avance : efficace dans des environnements stables, cette méthode échoue dès qu'un contact inattendu ou une résistance physique surgit. TDP génère au contraire un "tube d'action", une enveloppe autour de la trajectoire nominale qui permet des micro-corrections continues à haute fréquence en s'appuyant sur les données tactiles et visuelles en temps réel. Le mécanisme de correction progressive réduit également le nombre d'étapes de débruitage nécessaires au modèle de diffusion, ce qui améliore significativement la vitesse d'inférence et rend le système compatible avec un contrôle robotique en boucle fermée rapide. Cette publication s'inscrit dans une dynamique de recherche intense autour des politiques de diffusion en robotique, initiée notamment par les travaux de Chi et al. sur Diffusion Policy en 2023. L'intégration du retour tactile reste un défi majeur du domaine : contrairement à la vision, le toucher impose une latence ultra-faible et une sensibilité aux perturbations millimétriques. TDP ouvre des perspectives pour des applications industrielles exigeantes comme l'assemblage de pièces fines, la chirurgie assistée ou les prothèses robotiques, où la réactivité au contact est critique. Les prochaines étapes probables incluent l'extension à des environnements plus complexes et la généralisation à de nouveaux types de capteurs tactiles.

InCoM : perception guidée par l'intention et coordination structurée pour la manipulation mobile

Des chercheurs ont publié InCoM, un nouveau cadre algorithmique pour la manipulation mobile robotique, détaillé dans un préprint arXiv (2602.23024). La manipulation mobile désigne la capacité d'un robot à se déplacer dans l'espace tout en manipulant des objets avec son bras, une combinaison exigeante qui requiert la coordination simultanée d'une base motorisée et d'un effecteur. InCoM aborde ce problème sur deux fronts : d'un côté, un mécanisme de perception piloté par l'intention, qui infère dynamiquement les étapes motrices du robot pour redistribuer l'attention perceptuelle à différentes échelles ; de l'autre, un décodeur d'action à flux correspondant découplé, qui modélise explicitement la génération coordonnée des commandes base-bras sans les coupler directement. Testé sur trois scénarios du benchmark ManiSkill-HAB, InCoM surpasse les méthodes existantes avec des gains de taux de succès respectifs de 28,2 %, 26,1 % et 23,6 %, sans recours à des informations privilégiées. Ces performances ont également été confirmées sur des tâches réelles. Ces résultats comptent parce que la manipulation mobile reste l'un des verrous majeurs de la robotique généraliste. Un robot capable de naviguer dans un appartement et d'y accomplir des tâches physiques complexes, comme ranger des objets ou préparer un repas, doit gérer en permanence des points de vue changeants et des conflits de commande entre sa locomotion et son bras. Les gains de plus de 20 points de pourcentage sur un benchmark de référence signalent une rupture méthodologique, pas une amélioration incrémentale, ce qui intéresse directement les industriels travaillant sur les robots domestiques et les systèmes logistiques autonomes. La difficulté du couplage base-bras est connue depuis les premières architectures de robots mobiles manipulateurs dans les années 2010. Les approches récentes, souvent basées sur l'apprentissage par renforcement ou les transformers visuels, peinent encore à allouer efficacement l'attention perceptuelle quand la caméra du robot se déplace. InCoM répond à ce problème en introduisant une notion d'intention latente qui anticipe les phases de mouvement avant qu'elles ne surviennent. La validation sur environnements réels, souvent absente des travaux académiques, renforce la crédibilité du système. La prochaine étape probable sera l'intégration de ce cadre dans des plateformes robotiques commerciales comme celles de Figure AI, Boston Dynamics ou 1X Technologies, toutes engagées dans la course au robot domestique généraliste.

BridgeACT : relier les démonstrations humaines aux actions robotiques via les affordances outils-cibles unifiées

Des chercheurs ont présenté BridgeACT, un nouveau framework d'apprentissage robotique capable d'enseigner des gestes de manipulation à un robot uniquement à partir de vidéos humaines, sans aucune donnée de démonstration robotique. Publié sur arXiv (2604.23249), le système repose sur un concept central : l'affordance, soit la représentation de ce qu'un objet permet de faire et comment l'atteindre. BridgeACT décompose chaque tâche en deux sous-problèmes distincts : d'abord identifier où saisir un objet dans la scène, puis prédire comment se déplacer en 3D pour accomplir la manipulation. Ces affordances sont ensuite traduites en commandes exécutables par le robot via un module de préhension et un contrôleur de mouvement en boucle fermée. Les expériences conduites sur des tâches réelles montrent que BridgeACT surpasse les approches existantes et généralise à des objets, des scènes et des angles de vue inédits. L'enjeu est considérable : les vidéos humaines disponibles sur internet constituent une source d'apprentissage d'une richesse et d'une diversité incomparables, mais les convertir en comportements robotiques exploitables reste l'un des verrous majeurs du domaine. BridgeACT ouvre une voie concrète pour entraîner des robots sans passer par des phases coûteuses de collecte de données téléopérées ou de simulation robotique. Pour l'industrie, cela pourrait drastiquement réduire le temps et le coût de déploiement de robots dans de nouveaux environnements ou pour de nouvelles tâches. La robotique d'apprentissage par imitation se heurte depuis des années au problème du fossé entre l'observation humaine et l'exécution robotique. La plupart des approches actuelles, comme RT-2 ou ACT, exigent encore des volumes importants de démonstrations réalisées directement par des robots. BridgeACT s'inscrit dans une tendance plus large visant à exploiter les données humaines brutes, aux côtés de travaux comme Droid ou HumanPlus, mais se distingue par l'utilisation d'affordances comme représentation intermédiaire indépendante du corps (embodiment-agnostic). La prochaine étape sera de tester la robustesse du système sur des tâches plus complexes impliquant des chaînes de manipulation multi-étapes dans des environnements non contrôlés.

Invariance positive de la vitesse air pour les aéronefs à voilure fixe sans motorisation

Des chercheurs en robotique aérienne ont publié sur arXiv une étude portant sur la protection automatique de la vitesse air pour les avions à voilure fixe sans motorisation. Le problème central : lorsqu'un aéronef perd sa propulsion, la seule façon de réguler la vitesse air est d'échanger de l'énergie potentielle contre de l'énergie cinétique, c'est-à-dire de jouer sur l'altitude. Dans ce régime, les commandes de trajectoire deviennent critiques, surtout en présence de vent. Les auteurs proposent un cadre mathématique fondé sur la théorie de la viabilité et la condition de tangence de Nagumo pour dériver, sous forme analytique fermée, l'ensemble des commandes d'angle de trajectoire admissibles garantissant que la vitesse air reste dans une enveloppe sûre quelle que soit la direction du vent. L'enjeu opérationnel est considérable. Les drones à voilure fixe sont de plus en plus utilisés dans des missions de surveillance, de livraison ou de gestion d'urgence, et les scénarios de panne moteur doivent être anticipés. Une vitesse air trop faible provoque un décrochage, trop élevée entraîne des contraintes structurelles dangereuses. En intégrant ces contraintes directement au niveau guidage, via un programme quadratique résolu hors ligne, l'approche certifie des primitives de manœuvre sûres avant même le vol, sans calcul embarqué coûteux. Les simulations sur un modèle haute fidélité d'aéronef en vol plané, constitué de séquences de ces primitives certifiées, démontrent un respect strict des bornes de vitesse air dans toutes les conditions testées. Ce travail s'inscrit dans une dynamique plus large d'autonomisation des systèmes aériens non habités, des petits UAS aux véhicules de mobilité aérienne avancée. La réglementation et la certification de ces appareils exigent des garanties formelles de sécurité, que les approches heuristiques ne peuvent pas offrir. En appliquant des outils d'analyse de systèmes dynamiques issus du contrôle optimal, l'équipe fournit des preuves mathématiques plutôt que de simples validations empiriques. Les auteurs prévoient d'étendre l'approche aux champs de vent variables dans le temps et de valider les résultats lors d'expériences en vol réel.

L'apprentissage par démonstration avec détection d'échecs pour la navigation sécurisée des robots

Des chercheurs ont publié un article de recherche présentant un nouveau cadre d'apprentissage pour la navigation robotique, intitulé "Learning from Demonstration with Failure Awareness for Safe Robot Navigation" (arXiv:2604.23360). Leur approche s'attaque à un problème fondamental des systèmes d'apprentissage par démonstration : les robots apprennent principalement à partir de comportements réussis, ce qui les rend vulnérables dès qu'ils rencontrent des situations inédites ou dangereuses. Pour y remédier, l'équipe propose un cadre qui exploite explicitement les expériences d'échec, comme les collisions, jusqu'ici largement ignorées car elles n'offrent pas de comportement directement imitable. Le coeur de l'innovation réside dans une séparation stricte des rôles des deux types de données. Les expériences d'échec servent exclusivement à calibrer l'estimation de la valeur dans les zones à risque, signalant au robot les régions à éviter, tandis que l'apprentissage de la politique de navigation reste cantonné aux démonstrations réussies. Cette dissociation permet d'intégrer les données d'échec sans dégrader les performances globales, un écueil habituel des approches naïves qui mélangent les deux. Le tout est implémenté dans un cadre d'apprentissage par renforcement hors ligne, ce qui signifie que le robot apprend à partir d'un jeu de données fixe, sans nécessiter d'interactions supplémentaires avec l'environnement pendant l'entraînement. Les évaluations menées à la fois en simulation et en environnements réels montrent une réduction significative des taux de collision, tout en maintenant un taux de succès des tâches équivalent, avec une bonne généralisation sur différentes plateformes robotiques. Cette recherche s'inscrit dans un effort plus large pour rendre les robots autonomes fiables dans des contextes ouverts et imprévisibles, un enjeu critique pour leur déploiement dans des entrepôts logistiques, des hôpitaux ou des espaces publics. L'apprentissage par démonstration reste l'une des approches les plus pratiques pour programmer des robots sans expertise en RL, mais sa fragilité face aux situations hors distribution freine son adoption industrielle. En valorisant les données d'échec autrement que comme du bruit à écarter, ce travail ouvre une voie prometteuse pour construire des politiques de navigation plus robustes, sans coût de collecte de données supplémentaire.

RobotPan : système de vision robotique panoramique à 360° pour la perception incarnée

Des chercheurs ont publié RobotPan, un système de vision robotique à 360 degrés combinant six caméras et un capteur LiDAR pour offrir une couverture visuelle complète en temps réel. Présenté dans un article arXiv (2604.13476), ce système est accompagné d'un framework de rendu appelé RobotPan, capable de prédire des représentations 3D compactes et à échelle métrique, les "3D Gaussians", à partir d'un nombre limité de vues calibrées. Le pipeline traite les données en temps réel, permettant un rendu, une reconstruction et un streaming fluides sur des plateformes robotiques réelles couvrant la navigation, la manipulation et la locomotion. Les chercheurs publient également un jeu de données multi-capteurs inédit spécifiquement conçu pour la synthèse de nouvelles vues et la reconstruction 3D en robotique. L'enjeu est considérable pour les applications où un opérateur humain interagit directement avec un robot à distance, que ce soit en télé-opération, collecte de données ou prise de contrôle d'urgence. Les interfaces visuelles actuelles se limitent à des champs de vision étroits orientés vers l'avant, ou obligent l'opérateur à basculer manuellement entre plusieurs caméras, interrompant son flux de travail. Les mouvements du robot provoquent par ailleurs des vibrations qui génèrent un mal du simulateur chez les utilisateurs de casques de réalité mixte. RobotPan résout ces deux problèmes en fournissant une vue panoramique continue, stabilisée et exploitable directement dans un casque. La technique repose sur une représentation sphérique unifiée dans laquelle les informations multi-vues sont fusionnées, puis décodées via des priorités volumétriques hiérarchiques : la résolution est fine près du robot et plus grossière à distance, réduisant la charge de calcul sans sacrifier la qualité visuelle. Un mécanisme de fusion en ligne met à jour les éléments dynamiques tout en maintenant stable la représentation des zones statiques, évitant une croissance mémoire non contrôlée sur des séquences longues. Les résultats expérimentaux montrent que RobotPan atteint une qualité compétitive face aux méthodes de reconstruction existantes tout en générant significativement moins de Gaussians, ce qui ouvre la voie à un déploiement embarqué réaliste sur des robots autonomes en environnement réel.

Apprentissage des intentions humaines à partir de démonstrations massives pour la manipulation robotique

Des chercheurs ont publié MoT-HRA, un nouveau cadre d'apprentissage robotique capable d'extraire des intentions humaines à partir de vidéos brutes pour les transférer à des bras robotiques. Pour entraîner le système, l'équipe a constitué HA-2.2M, un jeu de données massif de 2,2 millions d'épisodes reconstruit à partir de vidéos hétérogènes d'humains en train de manipuler des objets. Ces données ont été traitées via un pipeline en quatre étapes : filtrage centré sur les mains, reconstruction spatiale 3D, segmentation temporelle et alignement avec du langage naturel. Le modèle décompose ensuite la manipulation en trois experts couplés : un expert vision-langage qui prédit une trajectoire 3D indépendante du corps, un expert d'intention qui modélise le mouvement de la main selon le format MANO comme prior latent, et un expert fin qui traduit cette représentation en séquences d'actions concrètes pour le robot. L'enjeu est de taille : les robots peinent aujourd'hui à généraliser leurs apprentissages hors des conditions d'entraînement, un problème connu sous le nom de "distribution shift". MoT-HRA améliore significativement la plausibilité des mouvements générés et la robustesse du contrôle précisément dans ces situations dégradées, là où les approches classiques échouent. En apprenant non pas ce que fait la main, mais pourquoi elle le fait, le système produit des comportements plus cohérents et transférables à différents robots sans nécessiter de réentraînement spécifique par plateforme. Ce travail s'inscrit dans une tendance forte de la robotique actuelle : exploiter les milliards d'heures de vidéos humaines disponibles sur internet pour former des politiques de contrôle sans recourir à des démonstrations téléopérées coûteuses. Le défi technique central est de séparer dans ces vidéos ce qui relève de l'intention (invariant au corps) de ce qui relève de la mécanique propre à chaque main ou bras. Le mécanisme de partage d'attention et de transfert clé-valeur en lecture seule utilisé dans MoT-HRA est une réponse architecturale directe à ce problème d'interférence. Les résultats sur des tâches réelles ouvrent la voie à des robots capables d'apprendre depuis YouTube autant que depuis un laboratoire.

SARM : une modélisation des récompenses adaptée aux étapes pour la manipulation robotique à long terme

Des chercheurs ont publié SARM (Stage-Aware Reward Modeling), un nouveau cadre d'apprentissage destiné aux robots manipulateurs, conçu pour résoudre des tâches longues et complexes impliquant des objets déformables. Le système repose sur un modèle de récompense vidéo qui prédit simultanément l'étape courante d'une tâche et la progression fine du robot, en s'appuyant sur des annotations en langage naturel pour découper les démonstrations en sous-tâches cohérentes. À partir de ce modèle, les auteurs introduisent le Reward-Aligned Behavior Cloning (RA-BC), une méthode qui filtre et repondère les démonstrations d'entraînement selon leur qualité estimée. Sur la tâche de pliage de t-shirt, SARM atteint un taux de réussite de 83 % à partir d'un état aplati et de 67 % à partir d'un état froissé, contre seulement 8 % et 0 % avec le clonage comportemental classique. Ces résultats représentent un bond considérable pour la robotique manipulation, un domaine où les objets déformables comme les vêtements posaient jusqu'ici des problèmes quasi insolubles aux systèmes automatisés. Le principal apport de SARM est sa robustesse face à la variabilité des démonstrations humaines : plutôt que d'indexer les étapes par numéro de frame (une approche fragile dès que les durées varient), le modèle comprend sémantiquement où en est le robot dans la tâche. Cela rend le système directement utilisable dans des environnements réels, sans calibration fine pour chaque nouvelle variante du problème. L'apprentissage par imitation à grande échelle est au coeur de la robotique moderne, portée par des laboratoires comme Google DeepMind, Stanford ou Carnegie Mellon, ainsi que des startups comme Physical Intelligence. Le défi persistant est la qualité inconsistante des données de démonstration collectées sur des tâches longues : un seul geste maladroit peut corrompre tout un exemple d'entraînement. SARM aborde ce problème en amont, au niveau de la supervision, plutôt qu'en collectant toujours plus de données. Cette approche, à la fois économe en annotations et généralisable hors distribution, pourrait devenir un composant standard des pipelines de robot learning dans les prochaines années.

Navigation sûre en environnements inconnus et encombrés par génération de zones libres convexes orientées

Des chercheurs ont publié sur arXiv un article présentant FRGraph, un nouveau cadre de navigation autonome pour robots évoluant dans des environnements encombrés et inconnus. L'approche repose sur la génération de régions libres convexes, des zones de l'espace certifiées sans collision, en intégrant simultanément la géométrie du robot et les directions de déplacement envisagées. Les expériences ont été conduites en simulation 2D dense, puis validées sur un robot quadrupède et un drone (UAV) en conditions réelles. Le code source est disponible publiquement sur GitHub sous le nom FRGraph. Le problème résolu est double. D'une part, les méthodes existantes construisent ces régions libres en se basant uniquement sur la géométrie des obstacles environnants, sans tenir compte de la direction où le robot doit aller : dans un couloir étroit ou un espace très encombré, les régions générées ne permettent pas toujours au robot de passer physiquement. D'autre part, vérifier la sécurité d'une trajectoire uniquement en points discrets ne garantit pas l'absence de collision entre ces points lorsque la forme réelle du robot est prise en compte. FRGraph résout les deux en couplant la génération des régions à la direction de déplacement, et en utilisant une certification continue basée sur la constante de Lipschitz pour garantir qu'aucune collision n'est possible le long de la trajectoire entière, pas seulement aux échantillons testés. Les régions et les mouvements candidats sont stockés dans un graphe mis à jour de façon incrémentale pour permettre une planification en temps réel. Ce travail s'inscrit dans un champ de recherche en robotique très actif : rendre les robots capables de naviguer de façon fiable dans des espaces non structurés, comme des entrepôts, des zones sinistrées ou des environnements urbains denses. Les approches classiques de planification de trajectoire peinent encore dans les passages étroits, un goulot d'étranglement critique pour les applications industrielles et de sauvetage. En démontrant la méthode à la fois sur un robot à pattes et un drone, les auteurs signalent une ambition de généralisation au-delà d'une plateforme unique. La mise en open source ouvre la voie à des intégrations dans des piles robotiques existantes comme ROS.

SwarmDrive : coordination sémantique V2V pour la conduite autonome coopérative en temps contraint

Des chercheurs ont présenté SwarmDrive, un système de coordination sémantique véhicule-à-véhicule (V2V) pensé pour la conduite autonome sous contrainte de latence. Chaque véhicule du réseau embarque un petit modèle de langage local (SLM) et ne partage ses intentions avec les véhicules voisins que lorsque son niveau d'incertitude dépasse un seuil défini, limitant ainsi les échanges au strict nécessaire. Les données partagées sont fusionnées via un mécanisme de consensus déclenché par événement. Dans une étude en cinq configurations autour d'un scénario d'intersection obstruée, le système en mode 6G a porté le taux de succès de 68,9 % à 94,1 % par rapport à un SLM local seul. La latence chute dans le même temps de 510 ms (référence cloud) à 151,4 ms. Les performances optimales ont été mesurées avec un essaim de 4 véhicules actifs et un seuil d'entropie de 0,65 ; au-delà, la charge réseau et les pertes de paquets augmentent sensiblement. Ces résultats s'attaquent à un problème central de la conduite autonome : les modèles hébergés dans le cloud sont puissants mais introduisent des délais incompatibles avec des décisions de sécurité en temps réel, tandis que les modèles locaux peinent à raisonner correctement face aux angles morts physiques. SwarmDrive propose une troisième voie, coopérative, où plusieurs véhicules proches mutualisent leur intelligence de façon légère et ciblée, sans dépendre d'une connexion permanente à un serveur distant. Pour les constructeurs et les développeurs de systèmes ADAS, c'est une approche prometteuse pour naviguer dans des environnements urbains complexes où les occultations sont fréquentes. La coordination véhicule-à-véhicule n'est pas nouvelle, au coeur de standards comme le C-V2X, mais l'intégration de modèles de langage dans la boucle de décision embarquée en renouvelle les usages. SwarmDrive mise sur deux tendances convergentes : la miniaturisation des modèles IA et les promesses de la 6G en matière de latence ultra-faible. Les auteurs préviennent toutefois que l'étude reste un prototype sur un scénario unique, et non une validation de déploiement réel sur une infrastructure 6G opérationnelle. L'étape suivante sera de tester la robustesse du système dans des environnements plus variés et avec des flottes plus denses, où la scalabilité de la communication deviendra un obstacle critique.

Un robot hybride roues-jambes reconfiguré pour une meilleure maniabilité et adaptabilité

Des chercheurs ont présenté FLORES, un nouveau robot à roues et pattes dont la conception mécanique originale vise à dépasser les limites des plateformes hybrides existantes. La particularité de FLORES réside dans la configuration de ses pattes avant : là où la plupart des robots de ce type utilisent un degré de liberté en roulis (hip-roll) pour l'articulation de la hanche, FLORES le remplace par un degré de liberté en lacet (hip-yaw). Ce changement en apparence subtil modifie profondément la manière dont le robot oriente ses roues et coordonne ses mouvements, permettant des transitions fluides entre locomotion sur roues et locomotion sur pattes selon la nature du terrain rencontré. Cet ajustement mécanique apporte des gains concrets en matière de maniabilité et d'efficacité énergétique. Sur sol plat, le robot peut rouler de façon optimisée grâce à une meilleure orientation des roues, comparable à une direction avant pilotée. Sur terrain accidenté, les pattes reprennent le dessus avec l'agilité nécessaire pour franchir obstacles et irrégularités. Pour exploiter pleinement ces capacités, l'équipe a développé un contrôleur par apprentissage par renforcement (RL), en adaptant le cadre Hybrid Internal Model (HIM) avec une structure de récompenses taillée sur mesure pour la configuration mécanique unique de FLORES. Le résultat est un système capable de générer des allures de locomotion inédites, tirant simultanément parti des deux modes de déplacement. Les robots à roues et pattes constituent un axe de recherche actif en robotique mobile, portés par la demande croissante pour des plateformes capables d'évoluer dans des environnements non structurés, que ce soit en logistique, en inspection industrielle ou en interventions d'urgence. La plupart des designs existants peinent à exploiter pleinement les avantages des deux modes sans compromis importants sur l'un ou l'autre. FLORES s'inscrit dans cette dynamique en proposant une architecture repensée dès la conception mécanique, plutôt qu'en cherchant à compenser par le seul logiciel. Le projet est publié en open source sur GitHub, ce qui ouvre la voie à des expérimentations et adaptations par la communauté robotique.

Décision interactive pour la conduite autonome par grands modèles de langage

Des chercheurs ont publié sur arXiv un nouveau cadre de prise de décision pour véhicules autonomes, conçu spécifiquement pour les situations de trafic mixte à forte densité où coexistent voitures humaines et autonomes. Le système exploite les grands modèles de langage non pour générer du texte, mais pour analyser dynamiquement la scène routière et inférer les intentions des autres usagers. Il repose sur l'Object-Process Methodology (OPM), qui traduit les données perceptuelles brutes en objets, processus et relations compréhensibles par le modèle. Celui-ci identifie ensuite les intentions explicites et implicites des véhicules voisins, génère des trajectoires candidates par échantillonnage Monte Carlo, et sélectionne la trajectoire optimale sous contraintes conjointes de sécurité et d'efficacité. La décision finale est retranscrite en langage naturel et diffusée aux autres usagers via une interface homme-machine externe (eHMI). Testé dans un simulateur de conduite en convoi, le système surpasse les approches traditionnelles sur les critères de sécurité, confort et fluidité, et un test de style Turing révèle une forte ressemblance avec les comportements humains au volant. Ce travail s'attaque à l'un des principaux freins à l'adoption des véhicules autonomes : leur tendance aux comportements excessivement prudents dans les situations conflictuelles, qui génèrent blocages et méfiance du public. En dotant le véhicule d'une capacité de lecture des intentions des autres conducteurs et d'une communication proactive en langage naturel, le cadre proposé change la nature de l'interaction : il ne s'agit plus seulement d'éviter les accidents, mais d'expliquer en temps réel les décisions du robot pour instaurer une confiance partagée avec les piétons, cyclistes et automobilistes environnants. La conduite autonome en environnement mixte reste l'un des défis les plus complexes du secteur, au croisement de la robotique, des sciences cognitives et de l'IA générative. Des acteurs comme Waymo ou Mobileye investissent massivement dans ces problèmes d'interaction homme-machine. L'intégration des LLMs dans la boucle de décision en temps réel représente une direction émergente : elle permet d'exploiter le raisonnement de sens commun de ces modèles sans avoir à coder explicitement chaque scénario possible. Encore limité à la simulation, le système devra prouver sa robustesse et sa faible latence en conditions réelles, mais les auteurs y voient une voie crédible vers une conduite autonome réellement interactive et digne de confiance dans un trafic dense.

Surveillance d'environnements intérieurs dynamiques par apprentissage par renforcement multi-agents

Des chercheurs ont publié sur arXiv un système de surveillance d'intérieurs basé sur des équipes de robots mobiles pilotées par apprentissage par renforcement multi-agents (MARL). Le principe : plusieurs robots autonomes se coordonnent en temps réel pour observer les déplacements humains dans un bâtiment, sans contrôleur central. Chaque robot prend ses décisions à partir de ses seules observations locales, dans un cadre dit décentralisé. Les simulations ont couvert des environnements intérieurs variés et plusieurs types de tâches de surveillance, avec des équipes dont la composition en nombre d'humains observés varie dynamiquement. Ce travail s'attaque à un angle mort des approches robotiques classiques : les algorithmes de couverture de surface ou de visite périodique optimisent le déplacement des robots, pas la qualité réelle de l'observation. Pour des usages concrets comme la gestion de bâtiments, l'évaluation de la sécurité ou l'analyse de l'occupation des espaces, ce décalage est coûteux. Le système proposé aligne directement l'objectif d'entraînement sur la précision de la surveillance humaine, ce qui permet aux robots d'ajuster leur trajectoire pour maximiser la qualité d'information, y compris dans des scènes où le nombre de personnes change à l'improviste. Les résultats montrent des performances supérieures à tous les baselines testés, qu'ils soient classiques ou basés sur l'apprentissage. Ce type de travaux s'inscrit dans une tendance de fond : l'essor du MARL pour des problèmes de robotique coopérative où la coordination explicite est coûteuse ou impossible. Les environnements intérieurs dynamiques restent un défi ouvert pour la robotique autonome, en raison de l'imprévisibilité des comportements humains et des contraintes physiques des espaces. Les applications industrielles visées, de la logistique d'entrepôt à la sécurité des hôpitaux, représentent un marché en forte croissance. La prochaine étape naturelle sera le passage de la simulation au déploiement réel, où les bruits de capteurs, les occlusions physiques et la latence réseau mettront à l'épreuve la robustesse de ces politiques apprises.

Les robots comme outils pour renforcer les liens entre familles et écoles

Des chercheurs ont présenté une étude explorant l'intégration d'un robot social dans des foyers familiaux pour renforcer les liens entre l'école et les parents. Publiée sur arXiv (référence 2604.23978), la recherche a suivi dix familles pendant une semaine chacune, dans leur domicile. Le système robotique, conçu à partir de sessions de co-design impliquant à la fois des parents et des enfants, était capable de soutenir diverses interactions, notamment des conversations sur la vie scolaire et les activités pédagogiques à la maison. L'équipe a mené des entretiens préliminaires pour identifier les obstacles concrets rencontrés par les familles avant de développer le prototype. Les résultats mettent en lumière plusieurs dynamiques importantes. Les familles ont progressivement intégré le robot dans leur quotidien, mais la manière dont les parents encadraient son utilisation variait fortement d'un foyer à l'autre, influençant directement la façon dont les enfants interagissaient avec l'appareil. Les familles ont reconnu son utilité pour maintenir un fil de communication autour des sujets scolaires, tout en identifiant des limites pratiques et des questions de confidentialité. Cette étude apporte ainsi des données empiriques rares sur les interactions enfant-robot et famille-robot en contexte réel, un terrain encore peu documenté dans la littérature sur la robotique sociale. Le manque de partenariat entre familles et établissements scolaires est un problème bien identifié dans les recherches en éducation : les contraintes de temps, la communication fragmentée et le faible sentiment d'appartenance freinent l'engagement parental. Face à ces barrières structurelles, les chercheurs voient dans les robots sociaux un levier potentiel pour faciliter ce lien sans alourdir la charge des enseignants ni des parents. L'étude ouvre un espace de conception plus large pour des technologies d'accompagnement éducatif, tout en appelant à une réflexion sérieuse sur la vie privée des enfants et les implications éthiques de l'introduction de dispositifs connectés au coeur de la cellule familiale.

Cartographie structurelle adaptée aux passages pour le SLAM visuel RGB-D

Des chercheurs ont publié une nouvelle approche de cartographie structurelle pour les systèmes de navigation robotique intérieure, baptisée "passage-aware structural mapping". Présentée dans un article soumis sur arXiv (identifiant 2604.24707), cette méthode s'intègre dans les frameworks de SLAM visuel RGB-D, qui permettent à un robot de se localiser et de construire une carte de son environnement en temps réel à partir d'une caméra de profondeur. Le système détecte automatiquement les portes et ouvertures traversables en combinant trois types d'informations : géométrique (la forme et la position des surfaces), sémantique (la nature des objets reconnus) et topologique (les relations entre les espaces). Les portes sont modélisées comme des entités planes insérées dans des murs, puis classées comme franchissables ou non selon leur coplanarité avec la paroi d'appui. La méthode a été intégrée dans le framework vS-Graphs à titre de preuve de concept, et le code source est librement accessible sur GitHub. Cette avancée répond à un angle mort persistant dans la robotique d'intérieur : les systèmes de cartographie existants gèrent bien les murs et les obstacles, mais ignorent largement les ouvertures, pourtant essentielles pour qu'un robot comprenne qu'il peut passer d'une pièce à une autre. En modélisant explicitement les passages traversables, le système enrichit le graphe de scène du robot avec des abstractions de niveau "passage", ce qui améliore la modélisation de la connectivité entre pièces. Concrètement, cela ouvre la voie à des robots de service, des aspirateurs autonomes ou des systèmes de livraison intérieure capables de naviguer dans des bâtiments complexes de manière bien plus fiable qu'aujourd'hui. Le SLAM visuel est un domaine de recherche mature, mais son intégration avec la compréhension sémantique des bâtiments reste un chantier ouvert. Les auteurs s'appuient sur deux stratégies complémentaires pour inférer les passages : l'accumulation d'indices de traversée lors des interactions caméra-mur entre keyframes successives, et la validation géométrique des ouvertures par discontinuités dans la géométrie des murs cartographiés. Les évaluations qualitatives sur des séquences de bureaux intérieurs montrent une détection fiable des ouvertures. L'équipe mentionne explicitement le BIM (Building Information Modeling) comme perspective d'application, suggérant une future convergence entre la robotique autonome et les jumeaux numériques de bâtiments.

Exploration collaborative décentralisée par robots hétérogènes en environnements 3D intérieurs et extérieurs

Des chercheurs ont publié sur arXiv (référence 2604.23693) un nouveau cadre logiciel décentralisé permettant à des équipes de robots hétérogènes d'explorer de manière autonome des environnements 3D complexes, aussi bien en intérieur qu'en extérieur. Le système repose sur trois briques techniques principales : une carte de perception qui fusionne les données de terrain et d'observation, une segmentation par supervoxels améliorée qui simplifie la représentation de l'espace pour réduire la charge de communication, et un algorithme génétique optimisé pour résoudre ce que les auteurs formalisent comme un problème de type "voyageur de commerce multi-dépôts hétérogène" (HMDMTSP). Concrètement, chaque robot évalue les zones non encore cartographiées, les tâches sont regroupées selon les capacités de chaque machine, puis les conflits de trajectoires entre robots sont résolus en temps réel. Des tests en simulation et sur le terrain, dans des environnements encombrés, démontrent une efficacité d'exploration et des économies de bande passante supérieures aux approches actuellement considérées comme références. L'enjeu pratique est considérable pour des secteurs comme la recherche et le sauvetage, l'inspection industrielle ou la cartographie de zones dangereuses. Associer des robots aux capacités différentes, un drone aérien et un robot terrestre, par exemple, permet de couvrir des espaces que ni l'un ni l'autre ne pourrait explorer seul. Le cadre décentralisé signifie qu'aucun nœud central ne coordonne l'ensemble : chaque robot prend ses décisions localement, ce qui rend le système résilient aux pannes et scalable sans refonte architecturale. La robotique multi-agents hétérogène est un champ de recherche en pleine effervescence, porté par la maturité croissante des capteurs embarqués et des modèles de planification. Jusqu'ici, la plupart des approches supposaient des flottes homogènes ou nécessitaient une communication centralisée intensive, deux contraintes qui limitent leur déploiement réel. Ce travail s'inscrit dans une tendance plus large visant à rapprocher la robotique autonome des conditions du monde réel, où les équipements sont hétérogènes, la connectivité intermittente et les environnements imprévisibles. Les suites naturelles incluent l'intégration de modèles de perception plus riches, comme la vision 3D profonde, et le test à plus grande échelle avec des flottes de cinq robots ou plus.

UniX AI renforce sa stratégie en robotique domestique et gagne en visibilité internationale

UniX AI, une entreprise chinoise de robotique fondée en 2024, attire une attention internationale croissante pour ses développements dans le domaine des robots humanoïdes. Son produit phare, le Wanda 2.0, est commercialisé à partir de 88 000 yuans (environ 12 000 dollars), et se distingue par ses deux bras robotiques et sa base mobile omnidirectionnelle, conçus pour accomplir des tâches concrètes dans des environnements domestiques et commerciaux. En l'espace de quelques mois seulement, la société a enchaîné les itérations produit et atteint une production ainsi qu'une livraison à petite échelle. Cette trajectoire s'inscrit dans un marché mondial en pleine explosion : selon les données sectorielles, les expéditions mondiales de robots humanoïdes ont atteint environ 18 600 unités en 2025, soit une croissance de plus de 500 % en un an. UniX AI se distingue d'une grande partie de ses concurrents en ciblant délibérément le segment des services domestiques, alors que la majorité des acteurs du secteur se concentrent sur les applications industrielles et logistiques. Ce positionnement est stratégique : les robots de service à domicile représentent encore un marché émergent, avec un potentiel de masse considérable si les obstacles à l'adoption sont levés. La Chine joue un rôle central dans cette dynamique, représentant une part significative de la demande mondiale et de la capacité des chaînes d'approvisionnement, certains fabricants étrangers sourçant jusqu'à 70 % de leurs composants auprès de fournisseurs chinois. La montée en puissance d'UniX AI reflète une transformation plus large du secteur robotique chinois, qui passe d'une position de sous-traitant à celle d'innovateur de premier plan. La société a été citée dans plusieurs médias internationaux et intégrée à des analyses globales du secteur, signe d'une reconnaissance croissante au-delà des frontières. Reste que l'adoption à grande échelle des robots domestiques demeure à valider : le passage du prototype livré en petite série à un déploiement de masse dans les foyers constitue le véritable défi des prochaines années pour l'ensemble de l'industrie.

L'IA physique qui transforme le monde : Qasar Younis et Peter Ludwig, Applied Intuition

Applied Intuition, valorisée à 15 milliards de dollars, s'est imposée comme l'un des acteurs centraux de ce que ses fondateurs Qasar Younis et Peter Ludwig appellent l'IA physique. Née à l'époque de Y Combinator, la société a progressivement élargi son périmètre bien au-delà des outils de simulation pour robotaxis, pour déployer aujourd'hui plus de 30 produits couvrant la simulation, les systèmes d'exploitation embarqués, l'autonomie et les modèles d'IA. Ses technologies équipent des voitures, camions, engins de chantier, matériel agricole et systèmes de défense. La preuve la plus concrète de cette montée en puissance : des camions de niveau 4, entièrement autonomes, roulent déjà commercialement au Japon. L'enjeu central que défend Applied Intuition est une distinction souvent mal comprise : l'IA physique n'est pas simplement un grand modèle de langage monté sur des roues. Contrairement aux applications de chat ou de code où une erreur reste acceptable, un camion autonome ou un engin minier opèrent dans des environnements où la fiabilité doit atteindre plusieurs "neuf" de disponibilité, soit un temps de panne mesuré en minutes par an. Le vrai goulot d'étranglement n'est plus la puissance des modèles, mais leur déploiement sur du matériel contraint : latence de l'ordre de la milliseconde, faible consommation électrique, mémoire réduite, et mises à jour sûres sans risque de rendre le véhicule inutilisable. Pour répondre à ces exigences, la société développe un véritable système d'exploitation temps réel pour machines mobiles, avec une ambition claire : devenir l'équivalent d'Android pour tout ce qui se déplace. Applied Intuition a émergé à une période où les outils pour développeurs semblaient peu valorisés. Qasar Younis admet lui-même qu'en 2016, parier sur le tooling relevait presque du contre-courant. Le boom de l'IA a depuis remis les workflows et les infrastructures au premier plan. La société s'appuie aussi sur les leçons douloureuses de l'industrie : les incidents de Cruise ont rappelé que les échecs de l'autonomie ne sont pas seulement des problèmes techniques, mais des crises de confiance publique. Waymo, cité en modèle, tire le niveau vers le haut. Les prochaines questions portent sur la validation statistique des systèmes, sur les modèles du monde capables de simuler des phénomènes complexes comme l'aquaplaning ou les chantiers de construction, et sur la capacité à rendre la simulation neurale suffisamment rapide et peu coûteuse pour que l'apprentissage par renforcement devienne viable à grande échelle.

Les dernières avancées en IA physique au Robotics Summit

Le Robotics Summit & Expo 2026 se tiendra les 27 et 28 mai à Boston, et la conférence consacre pour la première fois une piste thématique entière à l'intelligence artificielle physique, soit l'intégration de l'IA dans des machines capables d'agir de manière autonome dans le monde réel. Parmi les intervenants confirmés figurent des dirigeants de Brain Corp, Agtonomy, Semaphor Surgical, Roboto AI, RealSense, AWS, MathWorks, NXP Semiconductors, Intrinsic, Universal Robots, PickNik Robotics et Path Robotics. Russ Tedrake, chercheur de référence en robotique, donnera une keynote sur sa vision des "Large Behavior Models", l'équivalent robotique des grands modèles de langage, appliqués à des robots industriels plus adaptatifs. Une démonstration en direct d'un robot IA incarné sera réalisée sur scène par Chris Matthieu de RealSense, tandis que MassRobotics présentera les lauréats de son Physical AI Fellowship et annoncera le gagnant de son troisième Form and Function Challenge. Ce programme illustre une transformation profonde de l'industrie robotique : l'IA ne sert plus seulement à optimiser des tâches répétitives, elle permet désormais aux machines de percevoir leur environnement, d'interpréter des instructions en langage naturel et d'adapter leur comportement en continu. Rachita Chandra d'AWS montrera comment des commandes formulées en langage courant sont converties en séquences d'actions concrètes pour des robots, une avancée qui rapproche la robotique du grand public et des entreprises sans compétences techniques spécialisées. Pour les industriels, les enjeux sont considérables : la logistique, la chirurgie, l'agriculture et la fabrication sont toutes concernées par des systèmes capables d'apprendre sur le terrain plutôt que d'être reprogrammés à chaque nouveau contexte. Cette édition du Robotics Summit s'inscrit dans une accélération mondiale des investissements en IA physique, portée notamment par les progrès des modèles vision-langage-action (VLA) et du reinforcement learning appliqué à la robotique. Des acteurs comme Universal Robots, leader mondial du robot collaboratif, et des startups comme Roboto AI ou Path Robotics cherchent à industrialiser ces approches encore largement expérimentales. La question des données reste centrale : Roch Nakajima de Noitom Robotics plaidera pour que les entreprises commencent à constituer leurs corpus de données dès maintenant, avant même de déployer des robots, en traitant ces données comme un actif stratégique. L'open source est également au coeur des débats, avec Brian Gerkey d'Intrinsic qui dressera un état des lieux des écosystèmes ouverts en IA et robotique, dans un secteur où la standardisation des outils de développement devient un enjeu de compétitivité autant que de collaboration.

Un robot humanoïde interrompt une performance de danse pour étreindre un étudiant

Lors de la cérémonie d'ouverture d'une compétition sportive universitaire à l'Université Xi'an Eurasia, dans la province du Shaanxi au nord-ouest de la Chine, un robot humanoïde a dévié de sa chorégraphie programmée pour se retourner vers une étudiante et la prendre dans ses bras. Le personnel présent est intervenu en quelques secondes pour séparer le robot de la jeune femme, qui n'a pas été blessée. L'incident, filmé et diffusé largement en ligne, impliquait un robot fourni par une entreprise fondée par d'anciens étudiants de l'établissement, dans le cadre d'une performance commune avec le club de danse du campus. Un membre du personnel universitaire a confirmé que cette étreinte n'était pas préprogrammée et l'a qualifiée de dysfonctionnement. La société responsable du robot a attribué le comportement anormal à des interférences de signal causées par plusieurs drones opérant simultanément pendant le spectacle. L'incident soulève une question de sécurité concrète et sérieuse, bien au-delà des spéculations sur une éventuelle "conscience" du robot, hypothèse rapidement écartée par les experts. Gao Huan, directeur adjoint du Laboratoire d'Intelligence et de Cognition de l'Université Normale de Chongqing, a pointé le vrai problème : pourquoi le robot était-il encore capable d'entrer en contact physique avec un être humain après que le comportement anormal avait déjà commencé ? Les robots utilisés dans des spectacles suivent des scripts de mouvement préprogrammés, et des erreurs de positionnement, des déviations de reconnaissance de posture ou des défaillances dans la séquence d'exécution peuvent entraîner des contacts non intentionnels. Pour Gao, l'enjeu n'est pas de savoir si le robot a agi intentionnellement, mais de déterminer si des garde-fous suffisants existaient pour stopper tout contact dès l'apparition de la défaillance. Cet épisode s'inscrit dans une série d'incidents impliquant des robots humanoïdes lors d'événements publics en Chine, où l'intégration rapide de ces machines dans les sphères culturelles et commerciales devance systématiquement les protocoles de sécurité censés encadrer leur usage. En 2025, un robot industriel était devenu incontrôlable lors d'une phase de test, blessant des opérateurs. La même année, un robot performeur avait chargé une foule derrière une barrière de sécurité lors d'un festival. Dans chaque cas, la cause technique était identifiable : erreur de code, panne de contrôle ou perturbation du signal. Gao Huan a rappelé que le déploiement responsable de robots humanoïdes dans des environnements ouverts, en collaboration avec des humains, exige des répétitions sur site, des distances de sécurité définies, des mécanismes d'arrêt d'urgence et une supervision humaine dédiée. En l'état, ces robots sont traités comme des accessoires de scène ordinaires, alors qu'ils constituent des dispositifs mécaniques présentant des risques de mouvement réels.

Sereact lève un Série B pour étendre Cortex 2.0 et entrer sur le marché américain

La startup allemande Sereact a annoncé le 27 avril 2026 une levée de fonds de série B de 110 millions de dollars pour accélérer le déploiement de son système d'intelligence artificielle robotique Cortex 2.0 et s'implanter aux États-Unis. Fondée en 2021 et basée à Stuttgart, l'entreprise vient d'ouvrir un bureau à Boston et recrute activement des ingénieurs, commerciaux et techniciens locaux. Cortex est conçu pour piloter des robots dans des environnements industriels réels : cellules de picking à un bras, stations de retours à deux bras, robots humanoïdes, ainsi qu'un système de perception 3D baptisé Sereact Lens, dédié à l'inventaire et au contrôle qualité. Parmi ses clients européens figurent déjà Daimler Truck, Mercedes-Benz, BMW, Austrian Post et le groupe Rohlik. Le chiffre mis en avant par l'entreprise est éloquent : sur 200 systèmes déployés ayant effectué un milliard de prises d'objets, une seule intervention humaine à distance est nécessaire toutes les 53 000 opérations. Ce niveau d'autonomie représente un saut qualitatif significatif pour l'automatisation des entrepôts. Contrairement à la plupart des systèmes concurrents entraînés sur des données simulées ou des démonstrations en laboratoire, Cortex apprend en conditions réelles, de nuit, en période de pointe, sur des objets atypiques que le robot n'a jamais rencontrés. Chaque prise réussie ou ratée est capturée avec ses observations synchronisées, l'état du robot, le retour de force du préhenseur et le résultat final, puis filtrée et réinjectée dans le modèle selon un principe de boucle fermée. Ce que Sereact appelle un "data flywheel", une roue d'accélération de la donnée, signifie que chaque déploiement rend le système plus robuste, creusant l'écart avec des concurrents qui misent sur des milliards de dollars de simulation sans passer par l'épreuve du terrain. La version Cortex 2.0, dont cette levée finance le déploiement à grande échelle, introduit une rupture architecturale majeure : au lieu de réagir après observation, le système "pense avant d'agir". Il intègre un modèle du monde qui génère plusieurs trajectoires possibles, les évalue selon des critères de stabilité, de risque et d'efficacité en simulant la physique et le comportement des objets, puis sélectionne la meilleure avant de bouger le bras. Cette planification s'effectue dans un "espace latent visuel", ce qui rend le modèle compatible avec différentes architectures de robots, indépendamment de leur cinématique propre. L'enjeu est de taille : la course mondiale à la robotique physique s'intensifie, avec des acteurs comme Figure, Physical Intelligence ou 1X levant des centaines de millions pour des approches concurrentes. L'entrée de Sereact sur le marché américain, depuis Boston, place la startup directement au coeur de cet écosystème en pleine ébullition.

SEREACT lève 93 millions d’euros pour se positionner au cœur de l’IA appliquée au monde réel

La startup allemande Sereact a annoncé une levée de fonds de 93 millions d'euros en série B, un tour de table qui positionne cette société fondée à Stuttgart parmi les acteurs les mieux capitalisés de l'IA robotique en Europe. Le financement intervient à un moment où la robotique industrielle connaît une transformation profonde, portée par la convergence entre les grands modèles de langage et les systèmes physiques autonomes. Ce qui distingue Sereact sur ce marché en effervescence, c'est son approche architecturale : la société a fait le choix de découpler le logiciel d'intelligence du matériel robot lui-même. Concrètement, son système peut piloter des bras robotiques de différents fabricants sans être lié à un constructeur particulier. Pour les industriels, cela représente une rupture majeure, ils peuvent déployer une intelligence commune sur un parc de robots hétérogène, sans dépendre d'un écosystème propriétaire fermé. Cette levée s'inscrit dans une vague de financements massifs autour de la robotique fondamentale, où des entreprises comme Physical Intelligence (Pi), Figure AI ou Apptronik ont chacune attiré des centaines de millions de dollars ces deux dernières années. L'enjeu pour Sereact est de s'imposer comme couche logicielle de référence dans les entrepôts et les chaînes de production européennes, un segment que les géants américains et asiatiques cherchent eux aussi à verrouiller. Avec ce capital frais, la société devrait accélérer le déploiement commercial de sa plateforme et élargir ses partenariats avec les intégrateurs industriels.

Mercedes-Benz mise sur l’IA on-device avec Liquid AI pour ses futurs modèles

Mercedes-Benz a officialisé le 23 avril 2026 un partenariat pluriannuel avec Liquid AI, une startup spécialisée dans les modèles d'intelligence artificielle embarquée. L'accord prévoit le déploiement à grande échelle de l'IA on-device sur les véhicules équipés des systèmes MBUX de troisième et quatrième générations en Amérique du Nord, avec un premier déploiement en production attendu dès le second semestre 2026. Concrètement, Mercedes-Benz intégrera les modèles Liquid Foundations (LFM) directement dans le matériel du véhicule, ce qui permettra à l'assistant vocal MBUX de traiter localement la reconnaissance vocale, la compréhension du langage naturel et certaines capacités de raisonnement, sans passer par des serveurs distants. Cette IA embarquée ne remplacera pas les architectures cloud existantes, mais les complètera dans une logique hybride : le traitement local pour les usages quotidiens, le cloud pour les cas plus complexes. L'enjeu est double : rapidité et confidentialité. En éliminant la latence des échanges avec des serveurs distants, le système peut répondre en temps réel aux demandes du conducteur, y compris des requêtes complexes combinant navigation, confort et information. La relation entre le conducteur et son véhicule devient plus conversationnelle, moins dépendante de commandes rigides et préformatées. Pour l'industrie automobile, ce virage vers l'IA locale représente une rupture significative : les constructeurs ne sont plus contraints de s'appuyer entièrement sur des infrastructures cloud tierces, ce qui réduit les coûts d'exploitation et renforce la souveraineté sur les données des utilisateurs, un argument commercial de poids face aux régulations croissantes sur la vie privée. Ce partenariat s'inscrit dans la stratégie plus large du "software-defined vehicle", le véhicule défini par logiciel, que Mercedes-Benz construit autour de son système d'exploitation propriétaire MB.OS. Jörg Burzer, membre du directoire de Mercedes-Benz, présente cette approche comme "les bases d'une nouvelle génération d'expériences embarquées intuitives et multimodales". Pour Liquid AI, fondée par Ramin Hasani, le secteur automobile constitue l'un des débouchés les plus ambitieux de l'IA dans le monde physique : ses modèles sont conçus pour être légers et optimisés, capables de fonctionner sur le matériel déjà présent dans les véhicules sans nécessiter de composants supplémentaires coûteux. L'automobile devient ainsi un nouveau terrain de compétition pour les acteurs de l'IA embarquée, aux côtés d'Apple, Google et des équipementiers traditionnels, dans une course où la maîtrise du logiciel embarqué conditionne désormais la différenciation entre constructeurs.

Conduire ou choisir son resto ? Alibaba ne veut plus que vous choisissiez

Alibaba a annoncé lors de l'ouverture du Salon de l'automobile de Pékin 2026 l'intégration de son intelligence artificielle Qwen dans les véhicules de neuf constructeurs automobiles chinois majeurs : BYD, Geely, Li Auto, Changan, Dongfeng, BAIC, Great Wall Motor, SAIC Volkswagen et SAIC IM Motors. Le système permet aux conducteurs de piloter vocalement un large éventail de services du quotidien sans quitter la route des yeux : réservation de table au restaurant, réservation de chambre d'hôtel, achat de billets pour des événements, suivi de livraisons. Techniquement, l'architecture repose sur une combinaison de traitement embarqué local et de calcul cloud, avec les puces automobiles Nvidia en support, et Alibaba précise que le système reste opérationnel même en cas de connectivité réseau dégradée. Ce n'est pas le premier déploiement de Qwen dans l'habitacle : le modèle avait déjà été intégré plus tôt cette année dans le SUV hybride rechargeable Hongqi HS6. Cette intégration transforme le véhicule en terminal de services connectés actif, capable de gérer des transactions commerciales en temps réel pendant la conduite. Pour les conducteurs, l'enjeu est concret : déléguer à la voix des démarches qui nécessitaient jusqu'ici de manipuler un smartphone au volant, donc de prendre un risque. Pour l'industrie, la portée est plus large encore : cela positionne l'IA embarquée non plus comme un assistant de navigation amélioré, mais comme un agent autonome capable d'agir sur des plateformes tierces, de réserver, d'acheter, de suivre des commandes. Alibaba devient ainsi un intermédiaire invisible entre le conducteur et l'ensemble de l'écosystème e-commerce et services en ligne, ce qui représente une opportunité commerciale considérable pour le groupe. Cette initiative s'inscrit dans un contexte de ralentissement notable des ventes de véhicules électriques en Chine, marché pourtant pionnier mondial dans ce secteur. Face à une concurrence technique de plus en plus homogène entre constructeurs, les acteurs du marché cherchent à se différencier par la couche logicielle et les services embarqués plutôt que par les seules performances de la batterie ou la puissance moteur. Alibaba, qui dispose déjà d'un écosystème massif couvrant le e-commerce, le cloud et les paiements, se retrouve dans une position idéale pour monétiser cette intégration automobile à grande échelle. La course à l'IA dans l'habitacle est désormais ouverte en Chine, avec Huawei, Baidu et d'autres acteurs technologiques qui développent des stratégies similaires, faisant du cockpit connecté le nouveau terrain de jeu des géants de la tech chinoise.

SQUAREMIND lève 15,3 millions d’euros pour déployer Swan, sa plateforme d’imagerie dermatologique robotisée

La startup française SquareMind vient d'annoncer une levée de fonds de 18 millions de dollars, soit environ 15,3 millions d'euros, destinée à financer le déploiement commercial de Swan, son robot d'imagerie cutanée corps entier. Cette opération de financement marque une étape clé dans la stratégie de passage à l'échelle de l'entreprise, qui combine intelligence artificielle et robotique au service de la dermatologie. Swan est conçu pour réaliser une cartographie complète de la peau d'un patient en quelques minutes, détectant automatiquement les lésions suspectes grâce à des algorithmes d'analyse d'image. L'enjeu médical est considérable : le mélanome, cancer de la peau le plus agressif, se guérit dans plus de 95 % des cas lorsqu'il est détecté tôt, mais les délais de consultation en dermatologie atteignent souvent plusieurs mois en France. En automatisant le dépistage avec un robot capable de produire une imagerie standardisée et reproductible, SquareMind vise à élargir l'accès au diagnostic précoce, y compris dans des zones où les dermatologues sont rares, tout en réduisant la charge cognitive des praticiens. La levée intervient dans un contexte de tension croissante sur l'offre de soins dermatologiques en Europe, où le vieillissement de la population et l'augmentation des cancers cutanés liés à l'exposition UV créent une demande structurellement supérieure à l'offre. SquareMind s'inscrit dans une vague de startups medtech françaises qui cherchent à industrialiser l'IA clinique après des années de validation scientifique, avec la commercialisation comme prochain défi central.

Black Sesame Technologies rejoint l'écosystème open source HaloOS de Li Auto

Black Sesame Technologies a officiellement rejoint l'écosystème open source HaloOS de Li Auto, le constructeur automobile chinois. Ce partenariat prévoit une collaboration étroite sur le co-développement en open source, avec une adaptation approfondie et une optimisation des performances de HaloOS sur l'ensemble des plateformes de puces de Black Sesame, notamment les familles Huashan et Wudang. Ces composants couvrent un large spectre d'applications : systèmes d'aide à la conduite avancés (ADAS), cockpits intelligents et intégration multi-domaines. Concrètement, les cartes de développement intégrées à l'écosystème HaloOS adopteront les plateformes de puces de Black Sesame, qui ouvrira également son code source sur l'ensemble de sa gamme. HaloOS est le système d'exploitation embarqué développé en interne par Li Auto, conçu spécifiquement pour les véhicules intelligents pilotés par l'IA. Il repose sur quatre piliers : le contrôle du véhicule, la conduite autonome, le middleware de communication et la sécurité informatique. Ce rapprochement avec Black Sesame renforce la capacité de Li Auto à proposer une plateforme logicielle indépendante des fournisseurs de puces, accélérant ainsi la maturité industrielle de HaloOS. Pour les constructeurs et équipementiers qui souhaitent adopter cet OS, l'élargissement de la compatibilité matérielle représente un argument décisif. Le développement de HaloOS a débuté en 2021, mobilisant 200 ingénieurs et un investissement d'un milliard de yuans, soit environ 138 millions de dollars. Li Xiang, fondateur et PDG de Li Auto, a positionné les systèmes d'exploitation automobiles comme la plateforme centrale de la prochaine phase d'intelligence embarquée et comme le socle des futurs agents IA avancés. Dans un secteur où Tesla, Huawei et d'autres géants technologiques se disputent la maîtrise du logiciel embarqué, Li Auto mise sur l'open source pour fédérer un écosystème de partenaires et accélérer l'adoption de HaloOS au-delà de sa propre gamme de véhicules. Black Sesame, acteur montant des semi-conducteurs automobiles, trouve dans ce partenariat un levier pour imposer ses puces comme référence dans l'industrie automobile chinoise.

CodeGraphVLP : code comme planificateur et graphe sémantique d'état pour les modèles VLA non-markoviens

Une équipe de recherche a publié en avril 2026 sur arXiv (référence 2604.22238) un nouveau framework hiérarchique baptisé CodeGraphVLP, conçu pour résoudre une limitation structurelle des modèles Vision-Language-Action (VLA) appliqués à la manipulation robotique longue durée. Le système repose sur trois composants couplés : un graphe sémantique persistant qui maintient les entités et relations pertinentes à la tâche même sous observabilité partielle, un planificateur généré sous forme de code exécutable (d'où le préfixe "Code"), et un mécanisme de prompting visuo-linguistique guidé par la progression. Ce dernier construit des observations épurées, sans encombrement visuel parasite, pour focaliser l'exécuteur VLA sur les indices critiques. Les résultats sur des tâches non-markoviennes en environnement réel montrent une meilleure complétion que les baselines VLA standard et leurs variantes avec historique, avec une latence de planification significativement réduite par rapport aux approches qui intègrent un VLM directement dans la boucle de contrôle. L'enjeu technique est précis : les VLA actuels sont entraînés et déployés comme politiques à horizon court, sous hypothèse markovienne, autrement dit, la dernière observation suffit à raisonner sur l'action suivante. Cette hypothèse tient pour des gestes simples, mais s'effondre dès qu'une tâche exige de mémoriser des états antérieurs, d'interpréter des scènes occultées ou de distinguer des objets pertinents parmi du désordre visuel. CodeGraphVLP rompt avec cette contrainte en externalisant la mémoire dans un graphe symbolique et en confiant la planification à du code synthétisé plutôt qu'à des appels répétés à un grand modèle de langage, ce qui réduit la latence tout en maintenant une traçabilité explicite de la progression de la tâche. C'est un signal intéressant pour les intégrateurs industriels : la combinaison représentation symbolique + politique neuronale commence à produire des résultats mesurables sur du matériel réel, pas uniquement en simulation. Les VLA généralisés sont au coeur d'une compétition active en 2025-2026 : Physical Intelligence avec pi0, Google DeepMind avec RT-2 et ses successeurs, et des équipes académiques comme celles derrière OpenVLA. Le positionnement de CodeGraphVLP est distinct, il ne propose pas un nouveau modèle de fondation mais une architecture d'orchestration au-dessus de VLA existants, ce qui le rend potentiellement composable avec des modèles tiers. Les ablations publiées confirment la contribution individuelle de chaque module. La prochaine étape naturelle serait des tests sur des plateformes humanoïdes ou des bras industriels dans des environnements non contrôlés, domaine où l'hypothèse markovienne est la plus souvent violée.

Vidéo du vendredi : qui gagne entre un robot et un joueur professionnel de ping-pong ?

La semaine du 18 avril 2026 a été marquée par plusieurs démonstrations robotiques notables, dont la plus emblématique s'est déroulée à Pékin : lors d'un semi-marathon de 21 kilomètres réunissant 12 000 coureurs humains, plus de 100 robots humanoïdes ont pris le départ aux côtés d'athlètes humains, et trois d'entre eux ont franchi la ligne d'arrivée avant tout concurrent humain. Ce résultat, relayé par Al Jazeera, illustre une progression rapide de la locomotion bipedale en conditions réelles. En parallèle, Sony AI publiait dans Nature les résultats d'un système autonome capable de disputer une partie de ping-pong contre des joueurs professionnels, en relevant le défi de la perception haute vitesse et du contrôle dynamique en temps réel, deux verrous longtemps considérés comme bloquants pour l'IA physique compétitive. Autre fait marquant, le robot AthenaZero du Robotics and AI Institute a réalisé du jonglage à trois balles à mains nues, sans motion capture externe ni entonnoir mécanique, en s'appuyant uniquement sur des capteurs embarqués et une coordination oeil-main apprise pour gérer l'incertitude au contact. Ces résultats alimentent le débat sur l'écart entre démonstration et déploiement réel. Le semi-marathon de Pékin constitue une preuve de robustesse locomotrice en environnement non contrôlé, même si les conditions de course (surface, pace, assistance technique en bord de piste) mériteraient d'être précisées pour évaluer la comparabilité exacte avec une performance humaine. La publication Sony dans Nature donne une légitimité scientifique au domaine de l'IA physique compétitive et valide l'idée que des boucles de contrôle rapide peuvent être apprises à partir de données réelles plutôt que simulées. AthenaZero, de son côté, illustre les progrès du sim-to-real sur des tâches de manipulation dynamique sans infrastructure externe, ce qui ouvre la voie à des applications industrielles de tri ou de reorientation d'objets en mouvement. En contrepoint, IEEE Spectrum souligne que la vraie valeur en entrepôt vient encore de systèmes d'automatisation mobile comme ceux de Berkshire Grey, et non des humanoïdes, une nuance importante pour les décideurs B2B qui évaluent des ROI à court terme. Le contexte de cette semaine s'inscrit dans une accélération visible de la robotique chinoise, portée notamment par des acteurs comme Unitree, qui présente des séquences de locomotion en milieu non structuré, et DEEP Robotics, dont les robots quadrupèdes sont déjà déployés en patrouille résidentielle en Amérique du Nord. Sur le plan matériau, le Max Planck Institute for Intelligent Systems a publié une méthode d'évaluation des actionneurs électrostatiques souples utilisant des actionneurs Peano-HASEL, atteignant un rendement électromécanique de 63,6 %, soit plus de trois fois supérieur aux valeurs antérieurement rapportées, ce qui ouvre des perspectives pour des robots légers et silencieux. Côté mobilité aérienne, Skydio a montré la capture de drones en vol avec un bras UR20, tandis qu'ETH Zurich continue ses travaux sur drones suractuatés. Enfin, Sphero se positionne pour combler le vide laissé par LEGO Mindstorms sur le marché de la robotique éducative, un segment commercial non négligeable laissé en friche depuis l'abandon de la gamme par LEGO.

ExpressMM : des comportements de manipulation mobile expressifs dans les interactions humain-robot

Des chercheurs ont présenté ExpressMM, un framework destiné aux manipulateurs mobiles déployés en environnements humains, capable de générer des comportements expressifs en temps réel pendant l'exécution de tâches collaboratives. Publié sur arXiv (2604.05320v3), le système repose sur une architecture à deux niveaux : un planificateur de haut niveau fondé sur un modèle vision-langage (VLM) prend en charge la perception et le raisonnement conversationnel, tandis qu'une politique vision-langage-action (VLA) de bas niveau produit les mouvements expressifs du robot. Élément distinctif : ExpressMM supporte les interactions interruptibles, c'est-à-dire que l'utilisateur peut modifier ou rediriger les instructions du robot en cours d'exécution. L'évaluation a été conduite sur un manipulateur mobile réel lors d'un scénario d'assemblage collaboratif, avec des démonstrations en direct devant un public et des questionnaires post-session. La majorité des travaux antérieurs sur les comportements expressifs des robots s'appuyaient sur des mouvements préprogrammés ou appris par démonstration, et n'anticipaient pas les interruptions en cours de tâche, un cas pourtant courant dès qu'un humain travaille aux côtés d'un robot. ExpressMM traite cette lacune en couplant une VLA capable de s'adapter dynamiquement aux nouvelles instructions avec un raisonnement langage-vision pour maintenir la cohérence sociale de l'interaction. Les résultats des questionnaires indiquent que les observateurs ont trouvé les actions du robot clairement interprétables, les interactions socialement appropriées, et le comportement prévisible et sûr. Pour les intégrateurs industriels et les équipes opérations, c'est un signal fort : les robots collaboratifs ne peuvent plus se contenter d'accomplir une tâche ; ils doivent être lisibles par les humains qui partagent l'espace de travail. Le sujet de l'expressivité robotique est activement exploré depuis plusieurs années dans la communauté HRI, mais les approches précédentes peinaient à généraliser au-delà de comportements scénarisés ou de démos contrôlées. L'utilisation conjointe d'un VLM et d'une VLA dans un seul pipeline interruptible représente une progression architecturale significative. Sur le plan concurrentiel, des acteurs comme Boston Dynamics (avec Spot) ou des startups HRI telles que Enchanted Tools en France (robot Miroki) travaillent également sur la dimension sociale des robots collaboratifs, mais peu publient des évaluations HRI aussi structurées en conditions réelles. Les prochaines étapes logiques pour ExpressMM seraient des déploiements en environnements industriels ou de service à plus grande échelle, où la variété des interactions humaines dépasse largement les scénarios d'assemblage contrôlés.

Apprendre la physique à partir de modèles vidéo préentraînés : modèles du monde continus et séquentiels pour la manipulation robotique

Une équipe de chercheurs propose PhysGen, un cadre d'apprentissage publié en prépublication sur arXiv (réf. 2603.00110v2), qui exploite des modèles de génération vidéo pré-entraînés comme substituts de simulateurs physiques pour la manipulation robotique. L'idée centrale est de traiter la vidéo générée de manière autorégressive comme un proxy du monde physique, et d'y greffer des actions robotiques continues via une représentation unifiée baptisée "physical tokens", des jetons partagés qui fusionnent la modalité vidéo et les commandes motrices. Pour assurer la convergence, PhysGen intègre du masquage causal, de la cinématique inverse, une prédiction multi-tokens anticipative (L-MTP) et du cache clé-valeur (KV caching). Sur les benchmarks Libero et ManiSkill, le système surpasse OpenVLA de 13,8 points et WorldVLA de 8,8 points. Plus frappant : en conditions réelles, PhysGen atteint les performances de π₀ (Physical Intelligence) sur des tâches physiquement exigeantes, notamment la saisie d'objets transparents, sans avoir bénéficié d'un pré-entraînement spécifique aux données d'action. L'enjeu pour l'industrie est direct : la pénurie de données robotiques à grande échelle reste le principal frein à la généralisation des politiques de manipulation. PhysGen contourne ce goulot en recyclant des modèles vidéo entraînés sur des corpus massifs d'internet pour en extraire une intuition physique implicite, permanence des objets, dynamique de contact, sans collecter de trajectoires robot. Le fait de rivaliser avec π₀ sans son pré-entraînement propriétaire sur des données d'action est une validation partielle de l'hypothèse que le "sim-to-real gap" peut être réduit par la connaissance du monde visuel plutôt que par des démonstrations téléopérées. Cela dit, les résultats restent issus d'un papier de recherche avec des benchmarks sélectifs ; la robustesse sur des scènes industrielles non structurées reste à démontrer. PhysGen s'inscrit dans un courant actif qui voit les laboratoires de robotique piller les architectures de génération multimodale pour nourrir leurs politiques de contrôle : UniSim, Genie, et surtout WorldVLA avaient déjà exploré cette piste. Physical Intelligence (π₀) représente aujourd'hui la référence en termes de performances sur tâches réelles grâce à son pré-entraînement massif sur données d'action hétérogènes, ce qui rend la comparaison de PhysGen d'autant plus significative. OpenVLA (Berkeley) constitue le concurrent open-source direct. La prochaine étape logique pour les auteurs serait une évaluation sur des manipulateurs industriels multi-DOF en environnement non contrôlé, et une intégration avec des pipelines de données synthétiques pour réduire encore la dépendance aux démonstrations humaines.

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

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

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

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

Planification VLA à horizon étendu par conditionnement sur traces

Une équipe de chercheurs a publié en avril 2026 LoHo-Manip (arXiv:2604.21924), un cadre modulaire conçu pour étendre les politiques VLA (vision-language-action) aux tâches de manipulation longue durée. Le coeur du système repose sur une architecture découplée : un VLM gestionnaire de tâches et un VLA exécuteur distincts. Le gestionnaire opère selon un principe de planification à horizon glissant (receding-horizon) : à chaque étape, il prédit un plan résiduel combinant une séquence de sous-tâches avec une séparation explicite "fait / restant" comme mémoire légère en langage naturel, et une trace visuelle, une trajectoire 2D de points-clés indiquant au bras où se déplacer et quel objet approcher. L'exécuteur VLA est ensuite conditionné sur cette trace rendue pour produire ses commandes motrices. Les expériences couvrent la planification incarnée, le raisonnement longue portée, la prédiction de trajectoire et la manipulation bout-en-bout, à la fois en simulation et sur un robot Franka réel, avec des gains annoncés en taux de succès, robustesse et généralisation hors distribution. Les métriques précises ne sont pas communiquées dans le préprint. Ce qui distingue LoHo-Manip des approches VLA classiques, c'est le bouclage implicite sans logique de récupération codée en dur : lorsqu'une sous-tâche échoue, elle reste dans le plan résiduel prédit au pas suivant, et la trace visuelle se met à jour automatiquement. Les modèles VLA actuels comme pi0 (Physical Intelligence) ou OpenVLA peinent sur les séquences multi-étapes en raison de l'accumulation d'erreurs d'exécution ; LoHo-Manip traite ce problème en transformant la prise de décision longue portée en une série de contrôles locaux guidés par trace. Pour un intégrateur industriel, cela ouvre la voie à des chaînes de manipulation complexes (assemblage séquentiel, tri multi-objets) sans reprogrammation manuelle à chaque point de défaillance, ce que les approches purement symboliques ne permettent pas sans pipeline rigide. Le problème de la manipulation longue portée est un obstacle structurel de la robotique VLA depuis l'émergence des modèles fondationnels en action, notamment après les travaux RT-2 de Google DeepMind (2023) et pi0 de Physical Intelligence (2024). La plupart des solutions actuelles combinent un planificateur symbolique haut niveau avec des primitives de bas niveau, au prix d'une rigidité importante face aux perturbations. LoHo-Manip adopte une voie intermédiaire en ancrant le plan dans une modalité visuelle légère (la trace 2D) plutôt que dans des primitives figées, ce qui est comparable dans l'esprit aux travaux de trajecto-conditioned diffusion de chez Nvidia (GR00T) ou de Cobot Magic. Il s'agit pour l'instant d'un preprint non relu par les pairs, validé sur un seul robot académique (Franka 7 DOF), sans déploiement industriel ni pilote annoncé. Les prochaines étapes crédibles passeraient par une validation sur des manipulateurs à plus haute redondance et des environnements moins structurés.

Anduril collabore avec l’US Army pour perfectionner des drones autonomes et des programmes IA

Le 13 mars 2026, l'US Army a notifié à Anduril Industries un contrat-cadre de type IDIQ plafonné à 20 milliards de dollars sur dix ans, structuré en deux périodes de cinq ans. Cet accord consolide plus de 120 programmes d'achats technologiques existants au sein d'un cadre unique géré depuis le centre d'Aberdeen. Un premier financement de 87 millions de dollars est déjà fléché vers le NORAD pour déployer la plateforme d'intelligence artificielle Lattice dans la lutte anti-drones. Concrètement, Lattice fusionne en temps réel les données de radars, capteurs infrarouges et systèmes Sentry pour détecter et intercepter des menaces en quelques secondes, y compris sans signal GPS grâce à la vision par ordinateur. Les drones Altius, déjà utilisés par centaines en Ukraine depuis 2022 et livrés à Taïwan en août 2025, le missile intercepteur réutilisable Roadrunner, et le drone furtif Fury, produit depuis fin mars 2026 dans l'usine Arsenal-1 en Ohio, forment le coeur de l'arsenal déployé sous ce contrat. La startup vise un chiffre d'affaires de deux milliards de dollars d'ici fin 2026, soit le double de son niveau actuel. Ce contrat repositionne Anduril comme pilier central de la modernisation militaire américaine, au moment où le Pentagone cherche à opérer à ce que Gabe Chiulli, directeur technique du bureau CIO du DoD, appelle la "vitesse machine". L'architecture décentralisée de Lattice garantit une haute résilience face au brouillage électronique, point critique sur les théâtres modernes. En remplaçant les anciens dispositifs de commandement par un logiciel ouvert interopérable entre forces terrestres, navales et aériennes, l'armée américaine réduit ses délais administratifs d'acquisition et accélère l'équipement des unités en opération. Pour l'industrie de défense, le signal est sans ambiguïté : les startups logicielles à cycle court concurrencent désormais frontalement les géants historiques comme Lockheed Martin ou Raytheon sur des marchés jusqu'ici captifs. Ce rapprochement s'inscrit dans une accélération dictée par deux crises majeures. D'un côté, la guerre en Ukraine a validé en conditions réelles l'efficacité des drones autonomes à bas coût et du logiciel Lattice, malgré des réserves de l'US Air Force sur la fiabilité de certains systèmes, réserves qui alimentent désormais directement l'apprentissage automatique des engins. De l'autre, la menace d'essaims de drones en mer de Chine impose une réponse scalable que les systèmes traditionnels ne peuvent pas fournir. L'intégration de Lattice au réseau militaire global JADC2 et les outils de commandement en réalité augmentée comme les lunettes EagleEye dessinent un champ de bataille unifié que Washington veut opérationnel bien avant la fin de la décennie.

☕️ Un robot de Sony bat des champions humains au ping-pong

Le robot Ace, développé par Sony AI, a remporté trois des cinq matchs disputés contre des pongistes humains de haut niveau, marquant une première dans l'histoire de la robotique sportive. Monté sur un bras à huit articulations avec une base mobile, Ace ne possède pas d'yeux à proprement parler, mais s'appuie sur neuf capteurs d'image et de mouvement (IMX273 et IMX636) répartis dans la salle pour couvrir la table sous tous les angles. Ce dispositif lui permet de suivre la balle en temps réel avec une latence de perception de 10,2 millisecondes, un exploit technique quand on sait qu'une balle de ping-pong peut dépasser les 20 m/s et atteindre 160 révolutions par seconde. Pour estimer la rotation, le système cible le logo imprimé sur la balle et en déduit l'axe et l'effet en quelques millisecondes. Le robot ajuste ses mouvements mille fois par seconde et dispose d'une bibliothèque de gestes appris lors de 3 000 heures de jeu en simulation. L'étude a été publiée dans la revue Nature. Cette performance illustre ce que Michael Spranger, président de Sony AI, décrit comme "l'une des dernières frontières" de la robotique : la vitesse non prédéterminée. Contrairement aux robots industriels qui répètent des mouvements calibrés à l'avance, Ace doit réagir à des dynamiques imprévisibles en conditions réelles, comme une balle touchant le filet et changeant de trajectoire à la dernière fraction de seconde. Le système peut corriger sa frappe en plein geste, ce qui représente un saut qualitatif considérable pour les robots autonomes appelés à interagir avec des humains à vitesse humaine. Pour l'ancien pongiste olympique Kinjiro Nakamura, convié à s'opposer au robot, un coup en particulier a été révélateur : Ace a intercepté la balle très tôt pour lui imprimer un effet coupé inattendu, un geste que Nakamura n'avait jamais vu chez les meilleurs joueurs. Sa réaction dit beaucoup : "Maintenant que j'ai vu le robot le faire, cela signifie que les humains pourraient aussi y parvenir." Ce projet s'inscrit dans une trajectoire déjà bien balisée chez Sony AI, qui avait développé GT Sophy, un agent de course capable d'affronter les joueurs dans le simulateur Gran Turismo. Ace applique des principes similaires au monde physique, là où la chaîne perception-décision-action ne peut tolérer aucun délai. Dans un contexte plus large, cette victoire rappelle les étapes franchies par Deep Blue aux échecs en 1997, puis par AlphaGo au jeu de Go en 2016 : chaque fois, la machine repousse une limite que l'on croyait réservée à l'intelligence et aux réflexes humains. Les prochains défis pour Sony AI seront d'étendre ces capacités de réaction ultrarapide à des environnements moins contrôlés que la table de ping-pong, et de voir si ces avancées peuvent irriguer des applications industrielles ou médicales où la précision en milliseconde est critique.

Vidéo : Ce robot humilie les meilleurs joueurs de ping-pong au monde

Sony AI a dévoilé mercredi dans la revue scientifique Nature les résultats d'Ace, un robot de tennis de table développé à Zurich. Sur cinq matchs disputés en règles officielles contre des joueurs d'élite, Ace en a remporté trois. Face à des professionnels confirmés, le bilan est plus nuancé : deux défaites et une seule manche gagnée sur sept rencontres. Le système repose sur un bras articulé à huit axes monté sur une base mobile, équipé de caméras multi-angles qui analysent position et rotation de la balle en temps réel. En ciblant le logo imprimé sur la balle, Ace estime l'effet en quelques millisecondes. L'entraînement a nécessité environ 3 000 heures de simulation, et certains gestes, notamment le service, ont été modélisés directement à partir de joueurs expérimentés. Peter Dürr, responsable du projet chez Sony AI, indique que le robot a depuis progressé : « Nous avons affronté des adversaires plus forts et nous les avons battus. » Le tennis de table est depuis longtemps considéré comme l'un des défis les plus ardus pour la robotique : la vitesse des échanges, la diversité des effets et la précision millimétrée requise en font un banc d'essai exigeant pour les systèmes autonomes. Ace a démontré une maîtrise solide de ces contraintes, gérant des situations complexes comme des balles frôlant le filet, et réalisant un coup rétro rapide qu'un ancien joueur olympique, Kinjiro Nakamura, jugeait jusqu'alors impossible à produire mécaniquement. Ce dernier estime désormais que les humains pourraient s'inspirer de cette technique. Le robot bénéficie par ailleurs d'un avantage psychologique non négligeable : sans regard ni langage corporel, ses intentions sont illisibles pour l'adversaire, ce qui perturbe les stratégies habituelles de lecture du jeu. Cette percée s'inscrit dans une compétition mondiale accélérée autour de la robotique généraliste à haute réactivité, où Sony AI se positionne comme un acteur sérieux aux côtés de Google DeepMind, Boston Dynamics ou Figure AI. Jusqu'ici, les tentatives de robots pongistes restaient cantonnées à des démonstrations contrôlées, loin des conditions de match réel. Publier dans Nature avec des résultats contre de vrais compétiteurs marque un saut qualitatif. Les limites actuelles d'Ace, difficultés sur les balles lentes et peu liftées, indiquent les axes de travail restants, mais la trajectoire est claire : chaque version repousse davantage le niveau humain de référence, et les chercheurs laissent entendre que la parité avec les meilleurs joueurs mondiaux n'est plus une question de principe, mais de temps.

Vidéo : SamuRoid, le robot humanoïde chinois compact aux interactions plus intelligentes

SamuRoid, un robot humanoïde compact développé par la société chinoise XiaoR Geek Technology basée à Shenzhen, vient d'être présenté comme une nouvelle plateforme d'IA embarquée accessible aux chercheurs et développeurs. Mesurant 390 mm de hauteur pour 2,3 kg, il embarque 22 servomoteurs haute-couple de la série XRS couvrant l'intégralité du corps, une caméra 1080p grand angle sur une nacelle 2 axes, un microphone USB intégré, ainsi qu'une connectivité Wi-Fi 5 double bande et Bluetooth 5.0. Son cerveau est un Raspberry Pi 4 Model B disponible en 4 ou 8 Go de RAM. La batterie 12V 3000 mAh lui offre environ une heure d'autonomie. La version Professional Edition est proposée à environ 1 565 dollars, tandis que des éditions Developer et Flagship plus complètes sont actuellement en rupture de stock. Ce qui distingue SamuRoid de ses prédécesseurs, c'est son niveau d'intégration logicielle et ses capacités multimodales. Le robot fonctionne sous ROS (Robot Operating System), avec un code source ouvert compatible C++ et Python, et intègre OpenCV pour la reconnaissance faciale, le suivi de couleurs et la détection de QR codes. Surtout, il se connecte à des grands modèles de langage comme DeepSeek et Doubao, ce qui lui permet de comprendre des instructions en langage naturel plutôt que des commandes rigides. Si un utilisateur dit qu'il est fatigué et veut s'amuser, le système interprète l'intention et déclenche une action appropriée, comme une chorégraphie, tout en fournissant un retour vocal. Ce saut qualitatif positionne SamuRoid comme un outil de recherche crédible pour explorer l'interaction homme-machine de nouvelle génération, à un prix bien en dessous des plateformes industrielles. L'essor de robots humanoïdes compacts et ouverts reflète une tendance de fond dans l'industrie robotique mondiale : rendre l'IA incarnée accessible hors des grands laboratoires. Jusqu'ici, ce segment était dominé par des plateformes coûteuses ou des jouets aux capacités limitées. XiaoR Geek tente de combler cet écart en proposant une architecture ouverte compatible avec les workflows ROS standard, adoptés par la grande majorité des chercheurs en robotique. La Chine multiplie ces initiatives, portée par un écosystème de fabrication performant et des modèles de langage locaux comme DeepSeek qui rivalisent désormais avec les offres occidentales. SamuRoid arrive dans un contexte où plusieurs acteurs, d'Agility Robotics à Figure AI en passant par Boston Dynamics, cherchent à démocratiser l'humanoïde. La question ouverte reste celle de la durée d'autonomie, une heure restant un frein réel pour des usages continus, et de la robustesse en dehors des environnements contrôlés.

Le robot IA de Sony bat des joueurs pendant qu'un robot humanoïde remporte une course à Pékin

Un robot de tennis de table développé par Sony AI, baptisé Ace, a remporté des matchs contre des joueurs humains de haut niveau dans des conditions de compétition officielles, arbitrées selon les règles de la Fédération internationale de tennis de table. En avril 2025, Ace a gagné trois manches sur cinq face à des joueurs de niveau élite, avant d'enchaîner de nouvelles victoires contre des professionnels en décembre 2025 et début 2026. Le système repose sur neuf caméras synchronisées, trois systèmes de vision et huit articulations contrôlant la raquette, le tout capable de traiter le mouvement d'une balle à une vitesse que l'oeil humain ne peut résoudre. Contrairement aux robots de ping-pong existants depuis les années 1980, Ace n'a pas été entraîné par imitation de joueurs humains mais par auto-apprentissage en simulation, ce qui lui a permis de développer des stratégies propres, moins prévisibles pour ses adversaires. L'étude décrivant le système a été publiée dans la revue Nature. Cette performance marque une étape significative dans ce que l'industrie appelle la "physical AI", l'application de l'intelligence artificielle à des machines opérant dans des environnements réels et dynamiques. Le tennis de table représente un défi technique particulièrement difficile : la vitesse de la balle, la variabilité des effets et la contrainte de temps extrême exigent une perception et une coordination quasi instantanées. Peter Dürr, directeur de Sony AI Zurich et responsable du projet, souligne que contrairement aux jeux vidéo ou aux échecs, les sports physiques en temps réel restaient jusqu'ici hors de portée de l'IA. La joueuse professionnelle Mayuka Taira, battue par Ace, a noté que l'absence de signaux émotionnels du robot le rendait particulièrement difficile à lire : impossible de deviner ses points faibles ou ses préférences de jeu. L'équipe de Sony AI estime que les techniques de perception et de contrôle développées pour Ace pourront être transposées à la robotique industrielle et aux services. Dans un registre différent mais tout aussi révélateur de l'essor de la robotique physique, le premier semi-marathon de robots humanoïdes s'est tenu le même mois à Pékin, dans le district d'E-Town. L'événement a réuni plus d'une centaine de robots et quelque 12 000 coureurs humains sur des parcours séparés de 21 kilomètres. Le robot Lightning, développé par Honor, a franchi la ligne d'arrivée en 50 minutes et 26 secondes, établissant le meilleur temps de la compétition. Ces deux événements, le robot pongiste de Sony et le marathon pékinois, illustrent une même dynamique : après des années de progrès dans les environnements numériques contrôlés, l'IA s'attaque désormais au monde physique, avec des résultats qui commencent à rivaliser sérieusement avec les capacités humaines dans des disciplines concrètes et mesurables.

Horizon dévoile trois produits majeurs : une puce, un OS et un système de conduite intelligente

Le 22 avril, Horizon Robotics a dévoilé trois produits majeurs qui complètent sa stratégie full-stack pour l'intelligence embarquée dans les véhicules : la puce Horizon Starry, le système d'exploitation KaKaClaw, et la version 1.6 de son système de conduite assistée HSD. La puce Starry, gravée en 5 nm selon des standards automobiles, est le premier composant chinois à intégrer cockpit et conduite autonome sur une architecture mémoire unifiée. Dans sa version 6P, elle délivre 650 TOPS de puissance de calcul et 273 Go/s de bande passante mémoire, permettant de faire tourner simultanément des modèles d'IA pour l'habitacle et pour la conduite. Sur le plan commercial, plus de dix constructeurs ont déjà signé des partenariats de production en série, dont Volkswagen, BYD et Chery, ainsi que des équipementiers de rang 1 comme Bosch et Denso. KaKaClaw, présenté comme le premier système d'exploitation agentique pour véhicule en Chine, introduit un modèle d'interaction par commandes en langage naturel, permettant de piloter simultanément les fonctions de conduite et de cockpit via des agents physiques, numériques et des modèles IA cloud-edge. HSD V1.6, quant à lui, est décrit comme la première solution de conduite assistée end-to-end en production de masse en Chine, marquant le passage des systèmes à base de règles vers des architectures entièrement pilotées par l'IA. L'impact concret est immédiat et chiffré. L'architecture unifiée de la puce Starry réduit l'encombrement physique de 50 % et fait baisser le coût par véhicule de 1 500 à 4 000 yuans, soit environ 210 à 560 dollars. Les cycles de développement tombent de 18 à 8 mois, et le délai d'intégration des systèmes cockpit-conduite diminue de 56 %. Côté usage réel, 77 % des acheteurs de véhicules proposant HSD en option payante ont choisi de l'activer, et le taux de kilométrage parcouru en conduite assistée approche le seuil symbolique de 50 %, signe d'une confiance utilisateur en forte progression. HSD V1.6 mise délibérément sur la fiabilité quotidienne plutôt que sur des démonstrations spectaculaires, ciblant les trajets domicile-travail avec une conduite plus fluide et plus sûre. Horizon Robotics s'inscrit dans une course mondiale à l'intelligence véhiculaire où les géants technologiques cherchent à reproduire, dans l'automobile, la domination exercée par les puces et systèmes d'exploitation dans le smartphone. Le fondateur Yu Kai parle d'un "saut stratégique majeur" : l'entreprise ne se positionne plus comme fournisseur de composants, mais comme infrastructure complète de l'ère agentique. Cette vision place Horizon en concurrence directe avec des acteurs comme Qualcomm, Nvidia et Mobileye sur le marché des puces auto, tout en rivalisant avec les OS embarqués de Tesla ou Huawei. Avec la Chine comme marché de validation à grande échelle, Horizon cherche désormais à faire du véhicule la prochaine grande plateforme de calcul, après le mobile.

Un robot humanoïde prend en charge la collecte de données et les tâches administratives sur un chantier britannique

La société de construction britannique Tilbury Douglas est devenue la première grande entreprise du secteur au Royaume-Uni à déployer un robot humanoïde sur un chantier réel. Baptisé Douglas, le robot de 30 kg est fabriqué par Unitree, l'un des leaders mondiaux du marché des robots humanoïdes. Il a déjà prouvé son utilité lors d'un essai de dix semaines sur site actif. Sa mission n'est pas de poser des briques ni de couler du béton, mais de prendre en charge les tâches administratives et de collecte de données qui mobilisent quotidiennement les équipes. Équipé de capteurs LiDAR et de caméras 360 degrés, Douglas parcourt le chantier de façon autonome, photographie les avancées de la construction depuis des coordonnées identiques chaque jour, effectue des scans laser pour générer des nuages de points en trois dimensions, et alimente directement les flux de travail liés à la sécurité. Résultat : environ 40 heures de travail administratif économisées chaque mois, soit une semaine complète rendue aux équipes terrain. Cet apport concret change la donne pour les chefs de chantier, qui passaient jusqu'ici une partie de leur journée à arpenter les structures en acier et les pièces inachevées pour documenter l'avancement des travaux. En confiant cette routine à la machine, Tilbury Douglas libère ses professionnels pour des tâches à plus forte valeur ajoutée : coordination technique, résolution de problèmes complexes, management des équipes. La précision du robot dépasse également celle d'un humain sur certains points : en capturant les données depuis exactement les mêmes positions chaque jour, il permet aux logiciels d'IA de détecter automatiquement les déviations et les défauts de construction que l'oeil humain pourrait rater. À 15 000 livres sterling, son coût reste relativement accessible pour une entreprise du secteur. Le timing de ce déploiement n'est pas anodin. Le secteur de la construction britannique traverse une pénurie de compétences structurelle, peinnant à recruter la prochaine génération d'ingénieurs et de chefs de projet. C'est dans ce contexte que Tilbury Douglas, via son directeur technique Mark Buckle, présente Douglas non pas comme un substitut aux travailleurs, mais comme un outil pour les renforcer en automatisant les tâches répétitives. Pour l'heure, le robot est maintenu à distance des bords de chantier pour éviter les chutes, et sera prochainement équipé de marquages haute visibilité et d'une balise d'avertissement pour évoluer en sécurité à proximité d'engins lourds dès les phases de fondation. Cette expérience illustre une tendance de fond : l'IA et la robotique bouleversent les métiers manuels tout autant que les fonctions de bureau, redessinant en profondeur l'organisation du travail dans les industries physiques.

AGIBOT et l'Institut de promotion du commerce et des investissements de Macao concluent un partenariat stratégique pour déployer l'IA incarnée à l'échelle mondiale

AGIBOT, entreprise chinoise spécialisée dans la robotique et l'intelligence artificielle incarnée, a signé un accord-cadre de partenariat stratégique avec l'Institut de promotion du commerce et des investissements de Macao (IPIM), lors d'une cérémonie tenue à Lisbonne, au Portugal. Cet accord prévoit la création d'une entité commerciale à Macao dédiée à la fabrication, à l'assemblage, à la R&D, ainsi qu'aux ventes et services après-vente de robots. La zone de coopération approfondie Guangdong-Macao à Hengqin servira de base de production, tandis que Macao constituera le centre commercial et de marque, selon un modèle hybride du type "R&D à Macao, production à Hengqin". Les deux parties envisagent également d'établir un centre de données conjoint avec des universités locales, orienté vers la collecte de données et le développement d'applications en intelligence artificielle incarnée. Les marchés cibles comprennent la Grande Baie, les pays lusophones et l'Asie du Sud-Est. Ce partenariat représente une étape significative dans la stratégie de mondialisation d'AGIBOT, qui s'appuie sur le positionnement unique de Macao comme plateforme de coopération commerciale entre la Chine et les pays de langue portugaise. Pour AGIBOT, l'accès à ce corridor diplomatique et économique ouvre des débouchés dans des marchés émergents difficiles à pénétrer directement depuis la Chine continentale, notamment le Brésil, le Portugal, l'Angola ou le Mozambique. L'IPIM apportera un accompagnement complet via son service "China-Portuguese Trade Navigator", incluant consultations sur les environnements d'investissement, cadres réglementaires, mise en relation avec des partenaires locaux, et soutien au développement des talents technologiques. Ce type de structure permettrait à AGIBOT de contourner certaines barrières réglementaires et géopolitiques en bénéficiant du statut particulier de Macao au sein du système juridique sino-portugais. La robotique incarnée, qui désigne des systèmes d'IA intégrés dans des robots physiques capables d'interagir avec leur environnement réel, est devenue l'un des fronts les plus compétitifs de l'industrie technologique mondiale. AGIBOT, fondée en 2023 et soutenue par des investisseurs de premier plan, s'est positionnée parmi les acteurs chinois les plus ambitieux de ce secteur, aux côtés d'Unitree Robotics et de Fourier Intelligence. La signature à Lisbonne n'est pas anodine : elle illustre une tendance plus large des entreprises chinoises de haute technologie à utiliser Macao comme tête de pont vers l'Europe et l'Afrique lusophone, profitant des avantages fiscaux et de la liberté de circulation des capitaux propres à ce territoire. AGIBOT a indiqué qu'elle avancerait sur ce projet en veillant à la conformité réglementaire, tout en s'impliquant activement dans la formation de talents locaux, ce qui pourrait faciliter son intégration dans les écosystèmes technologiques des marchés cibles.

Pudu Robotics lève près d'un milliard de yuans et ouvre son siège américain

Pudu Robotics, fabricant chinois de robots de service commerciaux, a finalisé en avril 2026 une levée de fonds de près d'un milliard de yuans, soit environ 140 millions de dollars, portant sa valorisation à plus de 10 milliards de yuans (1,4 milliard de dollars). Ce tour de table a été co-dirigé par Longgang Financial Holdings et Ya Capital, avec la participation de BAIC Capital, Lens Technology, Honghui Fund et plusieurs fonds soutenus par des institutions gouvernementales chinoises spécialisées dans les technologies de pointe. Simultanément, la société a officiellement inauguré son siège américain à Dallas, au Texas, marquant une nouvelle étape dans son déploiement structuré sur le marché des Amériques. Depuis son entrée aux États-Unis en 2018, Pudu y a déployé près de 15 000 robots et enregistré une croissance de son chiffre d'affaires de 285 % en glissement annuel. L'entreprise revendique plus de 120 000 unités expédiées dans le monde, une présence dans plus de 80 pays, et une part de marché mondiale de 23 % selon le cabinet Frost & Sullivan, ce qui la place en première position mondiale dans son secteur. Les fonds levés seront investis dans la recherche en IA incarnée, l'élargissement du catalogue produit, l'augmentation des capacités de fabrication et le renforcement des chaînes d'approvisionnement. L'écosystème de Pudu couvre déjà la livraison en restauration et hôtellerie avec la gamme BellaBot, le nettoyage commercial avec le PUDU CC1, et la logistique industrielle avec les robots de la série T. Cette diversification positionne la société bien au-delà du robot de restaurant qui l'a rendue célèbre, vers une plateforme d'IA embarquée à spectre large. Pour les secteurs de la santé, du commerce de détail et de la logistique, cela signifie un accès croissant à des solutions robotiques commercialement éprouvées, à grande échelle et à coût maîtrisé. Pudu Robotics s'inscrit dans une tendance de fond : la montée en puissance de l'IA incarnée attire des capitaux considérables vers les entreprises capables de démontrer une commercialisation réelle, et non de simples prototypes. Fondée il y a une décennie à Shenzhen, la société est devenue l'une des rares à combiner volumes industriels, rentabilité commerciale et ambitions technologiques de long terme. L'ouverture du siège de Dallas répond à une pression croissante sur les entreprises chinoises d'IA et de robotique pour localiser leurs opérations aux États-Unis dans un contexte de tensions géopolitiques et de restrictions commerciales. Le fondateur et PDG Zhang Tao a déclaré que cette levée traduit la confiance des marchés dans la stratégie globale de l'entreprise. À terme, Pudu vise à passer du statut de fournisseur de solutions sectorielles à celui de plateforme d'IA incarnée à pile complète, capable de rivaliser avec les grands acteurs mondiaux de la robotique de service.

AWS et NEURA Robotics unissent leurs forces pour industrialiser l’IA physique

Amazon Web Services et NEURA Robotics ont annoncé le 21 avril 2026 un partenariat stratégique destiné à industrialiser ce que l'industrie appelle l'IA physique, soit des systèmes robotiques capables d'agir et d'apprendre dans des environnements réels. L'objectif affiché est le déploiement de millions de robots cognitifs d'ici 2030. Le partenariat repose sur trois piliers : l'hébergement du Neuraverse, l'environnement numérique centralisé de NEURA dédié à l'entraînement et au partage de données robotiques, sur l'infrastructure AWS ; la connexion des installations NEURA Gym à Amazon SageMaker pour standardiser la formation des modèles d'IA ; et l'intégration expérimentale des robots NEURA dans des centres logistiques d'Amazon, où la manutention, le tri et la collaboration homme-machine serviront de terrain de validation à grande échelle. L'enjeu central de cet accord est de résoudre un problème structurel qui bloque l'essor de la robotique intelligente : le manque chronique de données d'entraînement. Contrairement aux grands modèles de langage, nourris par des milliards de documents issus du web, les robots doivent apprendre à partir d'expériences physiques concrètes, difficiles à collecter et à reproduire. En couplant la plateforme cognitive de NEURA, qui permet aux machines de s'adapter en temps réel à leur environnement, avec la capacité de calcul distribuée et la couverture mondiale d'AWS, les deux acteurs cherchent à créer des boucles d'apprentissage continues entre simulation et réalité. Pour les industriels partenaires, cela signifie des cycles de développement raccourcis et des performances reproductibles quelle que soit l'implantation géographique de leurs flottes. Ce rapprochement s'inscrit dans une tendance de fond qui voit l'innovation robotique européenne s'appuyer sur les infrastructures cloud américaines pour franchir le cap du prototype à la production. NEURA Robotics, start-up allemande fondée en 2019 et déjà reconnue pour son approche intégrée de la robotique cognitive, dispose d'une expertise hardware et logicielle pointue mais manque de l'échelle nécessaire pour collecter et traiter des volumes de données comparables à ceux des géants technologiques. AWS, de son côté, cherche à positionner son cloud comme colonne vertébrale de la prochaine vague d'automatisation industrielle, un marché estimé à plusieurs centaines de milliards de dollars. Les entrepôts Amazon constituent un laboratoire idéal : si les robots NEURA y font leurs preuves, le modèle pourra être répliqué chez des milliers de clients industriels à travers le monde, accélérant la normalisation de l'IA physique bien au-delà de la logistique.

💬 Le vrai verrou de la robotique, c'est pas le hardware, c'est les données d'entraînement, et c'est un problème que personne n'avait vraiment résolu jusqu'ici. En ouvrant ses entrepôts, Amazon aide NEURA à franchir ce cap tout en se constituant un corpus d'apprentissage physique que personne d'autre n'aura. Malin de leur part, mais les clés du camion, c'est eux qui les gardent.

Navigation autonome d'un robot par apprentissage structurel en ligne et planification par inférence active

Des chercheurs de l'université de Gand ont publié sur arXiv un système de navigation robotique autonome baptisé AIMAPP (Active Inference MAPping and Planning), capable d'explorer des environnements inconnus sans carte préalable ni phase d'entraînement. Le robot construit en temps réel une carte topologique sparse, apprend dynamiquement les transitions d'états et planifie ses actions en minimisant ce que les auteurs appellent l'Énergie Libre Attendue (Expected Free Energy), un principe emprunté à la théorie de l'inférence active. Le système est compatible avec ROS, indépendant du type de capteurs utilisés et fonctionne en mode entièrement auto-supervisé, sans aucune intervention humaine préalable. L'intérêt principal d'AIMAPP réside dans sa robustesse face aux conditions réelles d'opération : il continue de fonctionner même en cas de défaillance partielle des capteurs ou de dérive odométrique cumulative, deux problèmes qui paralysent souvent les systèmes classiques de navigation SLAM. Contrairement aux approches par apprentissage profond qui nécessitent d'importants volumes de données annotées, AIMAPP s'adapte en ligne à des environnements changeants et à des observations ambiguës. Dans des évaluations conduites à grande échelle, en environnements réels et simulés, le système surpasse ou égale les planificateurs de référence actuels, ouvrant la voie à des robots déployables dans des contextes non structurés comme des entrepôts, des zones sinistrées ou des espaces extérieurs. L'inférence active est un cadre théorique issu des neurosciences computationnelles, initialement développé pour modéliser la perception et l'action chez les êtres vivants. Son application à la robotique est encore émergente, mais AIMAPP représente une des implémentations les plus complètes à ce jour, combinant cartographie, localisation et prise de décision dans un modèle génératif unifié. Le code est disponible publiquement sur GitHub (decide-ugent/aimapp), ce qui pourrait accélérer son adoption dans la communauté robotique. La prochaine étape naturelle sera de tester le système sur des flottes de robots opérant en parallèle, ainsi que dans des environnements dynamiques peuplés d'humains.

💬 Pas de données annotées, pas de carte préalable, et ça tient quand les capteurs flanchent, là où SLAM se plante souvent. C'est le problème qu'on n'arrivait pas à régler proprement depuis des années en robotique mobile. Le code est sur GitHub et compatible ROS, donc les labos n'ont pas besoin de repartir de zéro.