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 produira des données d'entraînement pour les robots humanoïdes et industriels, et validera elle-même les performances que ces machines déclarent en interne. Basée à Ridgefield Park, dans le New Jersey, et fondée en 1988, la société indique qu'elle capture les données 3D directement sur les corps, humains ou mécaniques, au lieu de déduire le mouvement en analysant de la vidéo 2D.

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

« Il n'existe 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. Les capteurs sont conçus pour enregistrer le moindre mouvement de chaque articulation, explique-t-il. Pour entraîner un humanoïde pesant près de 200 lb (90,7 kg), les mesures « ne peuvent pas être approximatives ». Tanner prend l'exemple d'un robot qui saisit une chope : attraper par l'anse est normal, attraper par la base n'est pas faux, sauf si la chope 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 à la fois ». Innodata affirme produire des données d'entraînement pour des humanoïdes, du matériel téléopéré, des systèmes portables, des bancs de capteurs, des pinces Universal Manipulator Interface et d'autres dispositifs de capture multimodale. Ces données peuvent alimenter des jumeaux numériques pour les cas limites. Le laboratoire assure aussi une validation indépendante, ce qui compte alors que les fabricants publient des performances que les acheteurs ne peuvent pas vérifier facilement.

La vitesse devient le prochain champ de bataille

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 seraient accomplies plus vite qu'un humain. La société a publié des chiffres de latence : l'inférence passe de 82 ms à 32 ms. Son argument d'ingénierie est concret. À une vitesse de 3 m/s en bout d'effecteur, 10 ms de latence représentent environ 3 cm de déplacement, assez pour 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 accomplit une tâche cinq ou dix fois plus lentement qu'une personne reste difficile à intégrer dans des flux de travail réels, soutient l'entreprise. L'accent se déplace : la question n'est plus de savoir si un robot peut faire une tâche, mais s'il peut la faire au temps de cycle dont un entrepôt ou une usine a besoin.

Ces affirmations 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. L'entreprise y constate ce qu'elle appelle des performances en dents de scie : dans chaque paire de modèles testée, le modèle le moins bien noté a réussi des tâches que le mieux noté a échouées. Le meilleur modèle changeait selon le site et selon les étiquettes de difficulté du benchmark. Une mise à jour de modèle pouvait aussi laisser la moyenne presque inchangée alors que de nombreuses tâches individuelles basculaient. Fig a publié les résultats par item sous le nom RIDGE.

Cela compte pour quiconque achète un robot sur un chiffre de benchmark. Une moyenne en tête d'affiche, soutiennent les auteurs, masque à quel point la réussite varie d'une tâche à l'autre. La catégorie de tâches sur laquelle un modèle est déployé pèse sur la fiabilité à peu près autant que le choix du modèle. Pour un déploiement en usine, la panne qui compte est celle sur votre ligne, pas celle gommée par la moyenne.

Les start-up vendent la couche, pas le corps

Destro est sortie de la discrétion le 30 septembre avec un tour d'amorçage de 8 000 000 $ et un discours inhabituel : ce n'est pas une entreprise de robotique. TechCrunch rapporte que la start-up a construit une couche d'IA qui dirige aussi des travailleurs humains. Elle mène un pilote dans un site de Yusen Logistics, dans le nord-ouest des États-Unis, avec trois robots porte-chariots construits par Miva Robotics et pilotés par le système Vision de Destro, à partir de 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 d'emballage au cross-docking, où les marchandises passent d'un camion à des chargements mixtes pour 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 € le 30 septembre pour se développer 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 €. Inbolt combine vision 3D et une couche logicielle d'IA indépendante du matériel, qui ajuste les boucles de commande des robots en temps réel. L'entreprise dit que son système tourne sur plus de 200 robots dans plus de 100 usines sur trois continents, avec parmi ses clients Bosch, Beko, Flex, Ford, Stellantis et Toyota.

Les deux entreprises vendent la même idée : le matériel devient de plus en plus un produit de base, et le plus difficile est de faire tenir à un parc installé les variations, les pièces mal alignées et l'usure de l'outillage 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 plus ancien. Linton Crystal Technologies a poursuivi Zhejiang Jingsheng devant la US District Court for the Eastern District of Texas, division de Marshall, le 22 septembre, invoquant deux brevets couvrant un système de levage et de rotation de germe pour les tireurs de cristaux Czochralski, selon Electrek. Jingsheng, cotée à Shenzhen et valorisée environ 53 000 000 000 yuans, a informé ses investisseurs de la plainte le 24 septembre. L'entreprise 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 demande des dommages-intérêts, des dommages 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 plaquettes. La presse spécialisée chinoise a rapporté que Jingsheng a remporté cette année une commande Tesla d'environ 3 000 000 000 yuans (environ 420 000 000 $) pour des tireurs de cristaux. Elle décrit un calendrier : appel d'offres Tesla clos en février, contrats signés en mars, expéditions démarrées en avril et livraison complète prévue au 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 chuté 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 $. Elle 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 appelée 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 font état d'un chiffre d'affaires services en baisse de 34 % sur un an, à 480 000 $, et d'une perte trimestrielle de 2 500 000 $. L'action a gagné environ 10 % avant l'ouverture et perdu environ 6 % après, et 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. Cette plateforme comprend une rédaction, une conférence annuelle prévue du 20 au 22 septembre 2027 à Henderson, dans le Nevada, de la recherche originale et un conseil consultatif. Elle s'adresse aux ingénieurs qui appliquent l'IA à la conception de produits, à la fabrication, à la robotique, à la medtech et à l'énergie. Le discours porte sur le passage de l'expérimentation à des applications reproductibles, pas sur un robot en particulier. Rongzhong Li, qui a livré plus de 30 000 robots quadrupèdes depuis la campagne Nybble en 2018, 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.