Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Les fabricants de robots visent la vitesse humaine, Innodata ouvre un laboratoire de capture de mouvement

Innodata a ouvert le 30 septembre un laboratoire de capture de mouvement pour produire des données d'entraînement destinées aux robots humanoïdes et industriels. L'entreprise affirme que la capture 3D directe vaut mieux que la déduction du mouvement à partir d'une vidéo 2D. Le même jour, MindOn a annoncé que son modèle Mind-1 réduisait la latence d'inférence des robots de 82ms à 32ms.

TechnologieAnalyseSophie LeclercPublié le: 30 septembre 20267 min de lectureSources 9
Les fabricants de robots visent la vitesse humaine, Innodata ouvre un laboratoire de capture de mouvement

Innodata a ouvert un laboratoire de capture de mouvement le 30 septembre. L'entreprise y produira des données d'entraînement pour les robots humanoïdes et industriels et validera de façon indépendante les performances que les robots annoncent en interne. Basée à Ridgefield Park, dans le New Jersey, et fondée en 1988, elle capture les données 3D directement sur les corps, humains ou mécaniques, au lieu de déduire le mouvement en analysant une vidéo 2D.

Selon The Robot Report, l'installation s'adresse aux équipes qui se heurtent à ce qu'Innodata appelle un mur de données.

« Il n'existe tout simplement aucun substitut à la capture de mouvement 3D directe », a déclaré Franklin Tanner, vice-président d'Innodata chargé de la robotique et de l'IA physique, à The Robot Report. Il explique que les capteurs sont conçus pour enregistrer le plus infime mouvement de chaque articulation et que, pour entraîner un humanoïde pesant presque 200 lb (90,7 kg), les relevés « ne peuvent pas se contenter d'un ordre de grandeur ». Tanner prend l'exemple d'un robot qui saisit une tasse : attraper par l'anse est normal, attraper par le fond n'est pas faux, sauf si la tasse contient un liquide chaud. Le contexte, dit-il, n'est pas toujours encodé dans les jeux de données existants.

Le problème des données ne tient pas qu'au volume. Tanner décrit l'IA physique comme devant « gagner ses tokens une interaction après l'autre ». Innodata affirme produire des données d'entraînement pour les humanoïdes, le matériel téléopéré, les systèmes portables, les bancs de capteurs, les pinces Universal Manipulator Interface et d'autres dispositifs de capture multimodaux. Ces données peuvent alimenter des jumeaux numériques pour les cas limites. Le laboratoire assure aussi une validation indépendante, ce qui compte quand les fournisseurs publient des performances que les acheteurs ne peuvent pas vérifier facilement.

La vitesse devient le prochain terrain d'affrontement

Le même jour, MindOn a présenté Mind-1, un modèle d'IA physique qui, selon l'entreprise, amène l'exécution des tâches robotiques à la vitesse humaine dans la logistique et les environnements du quotidien, certaines tâches étant même accomplies plus vite qu'un humain. La société a publié ses chiffres de latence : l'inférence passe de 82ms à 32ms. Son raisonnement technique est concret. À une vitesse de 3 m/s en bout effecteur, 10ms de latence correspondent à environ 3cm de déplacement, de quoi affecter une saisie précise, une insertion ou une manipulation riche en contacts.

MindOn pointe aussi les données d'entraînement elles-mêmes. Une grande partie des données de manipulation robotique provient de la téléopération, souvent plus lente que le mouvement humain naturel. Les modèles apprennent donc le tempo de leurs démonstrations en même temps que la tâche. Un robot qui réalise une tâche cinq ou dix fois plus lentement qu'une personne, soutient l'entreprise, reste difficile à intégrer dans des flux de travail réels. L'accent se déplace : la question n'est plus de savoir si un robot peut faire une tâche, mais s'il peut la faire dans le temps de cycle dont un entrepôt ou une usine a besoin.

Ces promesses commerciales seront confrontées à des mesures indépendantes. Fig Inc. a publié le 30 septembre une évaluation portant sur cinq domaines, dont Bench2Drive, VLABench, IndEgo et Assembly101. Elle a constaté ce qu'elle appelle des performances en dents de scie : dans chaque paire de modèles testée, le modèle le moins bien noté a résolu des tâches que le mieux noté a échouées. Le meilleur modèle changeait selon le site et selon les niveaux de difficulté attribués par le benchmark. Une mise à jour de modèle pouvait laisser la moyenne presque inchangée alors que de nombreuses tâches individuelles s'inversaient. Fig a publié les résultats par item sous le nom de RIDGE.

Cela compte pour quiconque achète un robot sur un chiffre de benchmark. Une moyenne affichée, expliquent les auteurs, masque à quel point le succès varie d'une tâche à l'autre. La catégorie de tâches sur laquelle un modèle est déployé pèse autant sur la fiabilité que le choix du modèle. En usine, l'échec qui compte est celui de votre ligne, pas celui que la moyenne a effacé.

Les startups vendent la couche, pas le corps

Destro est sortie de l'ombre le 30 septembre avec un tour d'amorçage de 8 000 000 de dollars et un discours inhabituel : ce n'est pas une entreprise de robotique. TechCrunch rapporte que la startup a construit une couche d'IA qui dirige aussi des travailleurs humains. Elle mène un pilote sur un site de Yusen Logistics dans le nord-ouest des États-Unis avec trois robots porte-chariots fabriqués par Miva Robotics, pilotés par le système Vision de Destro, fondé sur des modèles vision-langage-action à poids ouverts. Richard Brunelle, directeur de l'automatisation du groupe logistique américain de Yusen, a déclaré à TechCrunch avoir demandé à Destro d'adapter son outil de prélèvement et de conditionnement au cross-docking, où les marchandises passent d'un camion dans des chargements mixtes destinés à d'autres.

« Beaucoup d'entreprises de robotique sont parties d'ingénieurs en robotique qui se demandaient quelles choses intéressantes ils pouvaient faire », a déclaré à TechCrunch Manthan Pawar, fondateur de Destro. « L'une des principales raisons pour lesquelles nous gagnons face aux entreprises de robotique, c'est que nous ne sommes pas une entreprise de robotique. »

Inbolt, société de robotique industrielle parisienne fondée en 2019, a levé 11 000 000 d'euros le 30 septembre pour s'étendre à l'international et entrer dans les centres de données et la fabrication électronique, selon Tech.eu. Le tour a été mené par Shift4Good avec Bridges Climate Transition Partners et les investisseurs existants BNP Paribas Développement et Ora Global, portant le financement total à 30 000 000 d'euros. Inbolt combine vision 3D et une couche logicielle d'IA indépendante du matériel qui ajuste en temps réel les boucles de commande des robots. L'entreprise affirme que son système tourne sur plus de 200 robots dans plus de 100 usines sur trois continents, avec des clients comme Bosch, Beko, Flex, Ford, Stellantis et Toyota.

Les deux entreprises vendent la même idée : le matériel devient une marchandise courante, et le plus difficile est d'aider un parc installé à absorber la variation, les pièces mal alignées et l'usure des outils sans arrêter la ligne.

La base industrielle reste l'essentiel

Le contrepoids le plus clair à l'engouement pour les humanoïdes se trouve dans le parc installé de longue date. Linton Crystal Technologies a poursuivi Zhejiang Jingsheng devant la US District Court for the Eastern District of Texas, division de Marshall, le 22 septembre, en invoquant deux brevets couvrant un système de levage et de rotation de germe pour les tireurs de cristal Czochralski, selon Electrek. Jingsheng, cotée à Shenzhen et valorisée à environ 53 000 000 000 de yuans, a informé ses investisseurs du procès le 24 septembre. Elle affirme que ses produits utilisent des « solutions techniques entièrement différentes » de celles des brevets, qu'elle n'a pas été formellement assignée et qu'elle n'attend aucun impact significatif. Linton réclame des dommages-intérêts, des dommages-intérêts triplés pour contrefaçon délibérée et une injonction permanente.

L'affaire touche l'usine solaire prévue par Tesla au Texas, car les tireurs sont la première étape de la fabrication des wafers. La presse commerciale chinoise a rapporté que Jingsheng a remporté plus tôt cette année une commande Tesla d'environ 3 000 000 000 de yuans (environ 420 000 000 de dollars) pour des tireurs de cristal. Elle a décrit un calendrier où un appel d'offres Tesla s'est clos en février, les contrats ont été signés en mars, les livraisons ont commencé en avril et la livraison complète était prévue pour le troisième trimestre. Ni Tesla ni Jingsheng n'ont confirmé la commande, et Tesla n'est pas partie au procès. Electrek note aussi que le chiffre d'affaires de Jingsheng a reculé d'environ 40 % sur un an au premier semestre 2026 et que Dalian Linton a enregistré une petite perte sur la même période, la surcapacité de production solaire chinoise ayant écrasé les commandes d'équipements.

Un autre type de retour au réel est venu de KIDZ AI, société cotée au Nasdaq valant environ 2 400 000 de dollars, qui a annoncé le 30 septembre avoir envoyé à Tesla une demande d'achat pour 500 Robotaxis. Electrek rapporte que l'entreprise, autrefois une école de code en ligne nommée Classover Holdings, a précisé que cette demande ne constitue pas une commande ferme et que le projet en est à une phase préliminaire. Ses résultats du deuxième trimestre 2026 montrent un chiffre d'affaires services en baisse de 34 % sur un an, à 480 000 de dollars, et une perte trimestrielle de 2 500 000 de dollars. L'action a gagné environ 10 % avant l'ouverture et perdu environ 6 % après, et elle recule d'environ 99,97 % sur un an.

Toujours dans la même pile du 30 septembre, Arrowfly, maison mère de The Robot Report, a lancé AI for Engineers, une plateforme avec une rédaction, une conférence annuelle prévue du 20 au 22 septembre 2027 à Henderson, dans le Nevada, des recherches originales et un conseil consultatif. Elle vise les ingénieurs qui appliquent l'IA à la conception de produits, à la fabrication, à la robotique, aux technologies médicales et à l'énergie. Son discours porte sur le passage de l'expérimentation à des applications reproductibles, pas sur un robot particulier. Rongzhong Li, qui a livré plus de 30 000 robots quadrupèdes depuis la campagne Nybble en 2018, a écrit sur Hackster que les produits les plus livrés en robotique ces dernières années ont été des vidéos, et que chaque incarnation finit par trouver la voie la plus proche de ce qu'elle fait le mieux. L'usine d'humanoïdes sera jugée de la même manière.

Commentaires 0

Sources

9
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Mind-1: Cutting robot inference latency from 82ms to 32msEN
  3. 03How Do Astra and Opus 5.5 Perform on Robotics and Web TasksEN
  4. 04Destro AI's secret sauce is getting robots and humans on the same pageEN
  5. 05Inbolt raises €11M to bring real-time vision and intelligence to industrial robotsEN
  6. 06Tesla's solar factory dragged into patent war between Chinese suppliersEN
  7. 07Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
  8. 08The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
  9. 09What 30k robot dogs taught me about degrees of freedom, shipping a real productEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.