La robotique combine mécanique, électronique et IA pour concevoir des machines capables d'agir dans le monde physique. Boston Dynamics, avec son robot Atlas, illustre l'intégration de la locomotion avancée et du contrôle par apprentissage.
AURA-Mem propose une mémoire récurrente de taille constante (4,224 bytes) pour les politiques robotiques, avec une porte apprise qui n'écrit en mémoire que si l'observation change l'action suivante. Sur LIBERO-Long avec OpenVLA-OFT 7B, elle égale la politique de base (0.233 de succès) tout en réduisant les écritures mémoire de 7× et la consommation VRAM de 6,061× vs KV-cache.
Étude de trois approches pour générer automatiquement les morphologies d'ennemis dans les jeux vidéo basées sur les données de collision. Les méthodes testées surpassent ou égalent une baseline évolutionnaire adaptée de travaux en robotique.
Helsing, startup allemande, dévoile le RX-1 le 1er juin 2026. Le robot militaire européen repose sur du silicium d'inférence américain, révélant la dépendance technologique de l'Europe en robotique de défense malgré les ambitions de souveraineté.
Des chercheurs de l'Université de Floride ont développé BlueME, une antenne permettant la communication entre robots à 700 mètres de profondeur sous-marine. La technologie résout un défi majeur des opérations robotiques en eaux profondes.
Mecka AI lève 60 millions de dollars pour accélérer le développement de robots IA. Le financement soutient l'entraînement de modèles robotiques basés sur l'IA.
Nvidia présente Cosmos 3, un modèle IA annoncé lors du GTC de Taipei aux côtés du robot humanoïde Isaac GROOT. Le modèle vise à améliorer la compréhension des scènes du monde réel.
NVIDIA publie Cosmos 3, une collection de modèles omnimodaux (Nano 16B, Super 64B) capables de générer vidéo, image, audio et commandes d'action à partir de texte, image, vidéo et trajectoires. Disponible sur Hugging Face pour applications Physical AI.
Nvidia présente Isaac GR00T, un robot humanoïde dévoilé par Jensen Huang. Le modèle de référence combine capacités de manipulation et d'apprentissage.
CTRL-STEER propose un cadre de contrôle en boucle fermée pour les modèles Vision-Language-Action (VLA). Au lieu d'utiliser un coefficient de direction fixe, la méthode adapte dynamiquement la force d'intervention via des contrôleurs PID ou par apprentissage par renforcement. Tests sur OpenVLA et LIBERO montrent une meilleure stabilité et un meilleur compromis entre direction et succès de tâche.
Demo2Reward optimise les instructions textuelles des modèles de récompense VLM au moment du test, en utilisant 3-10 démonstrations d'experts pour réduire les faux positifs en robotique. Aucun entraînement supplémentaire requis. Validation sur tâches simulées et transfert réel.
Parameterized Diffusion Policy (PDP) conditionne les politiques de diffusion sur des paramètres continus dans une variété de comportements apprise. Cette approche permet l'interpolation fluide entre stratégies et l'adaptation efficace à de nouvelles contraintes sans mise à jour des poids. Résultats améliorés sur benchmarks multimodaux en simulation et robots réels.
Un développeur entraîne un modèle local pour détecter les moustiques et les éliminer avec un laser. Projet de robotique appliquée combinant vision et contrôle automatisé.
Nvidia lance à GTC Taipei trois modèles pour l'IA physique : Cosmos 3 (world model), Alpamayo 2 Super (modèle de conduite autonome amélioré) et une plateforme de référence ouverte pour robots humanoïdes.
Nvidia annonce Alpamayo 2 Super 32B, un modèle présenté comme fondation de sa pile robotaxi. Les métriques de performance embarquées ne sont pas publiées, soulevant des questions opérationnelles pour les directeurs R&D automobile.
OpenAI relance une équipe robotique cinq ans après sa fermeture, issue du programme de simulation mondiale. L'objectif court terme : robots pour l'infrastructure. Vision long terme de Sam Altman : un robot personnel pour chacun.
BYD lance sa puce Xuanji A3 pour l'autonomie automobile, réduisant sa dépendance à Nvidia. Le constructeur chinois cherche à maîtriser sa chaîne de valeur en développant ses propres solutions de conduite autonome.
NVIDIA lance Cosmos 3, un modèle omni ouvert pour l'IA physique capable de raisonner et d'agir. Le modèle traite vidéo, texte et images pour comprendre la physique du monde réel et générer des actions robotiques.
Framework d'apprentissage par renforcement pour la conduite autonome qui utilise des conseils d'experts régulés par l'incertitude. Les seuils adaptatifs d'incertitude épistémique/aléatoire déclenchent l'intervention d'experts, tandis qu'une stratégie de commitment-cooldown limite la dépendance. Testé sur CARLA : +5-7% de succès vs baseline IQN.
Deux étudiants ML questionnent l'hypothèse que la robotique souffre d'une pénurie de données. Après normalisation de datasets publics, ils suspectent que le vrai problème est l'interopérabilité : schémas hétérogènes, capteurs différents, cadres de coordonnées incompatibles. Ils demandent aux équipes robotique si elles utiliseraient réellement des données d'autres équipes via une API unifiée.
Shift, une startup de robotique, propose de nettoyer gratuitement les maisons pour collecter des données d'entraînement destinées à ses futurs robots domestiques. Modèle commercial basé sur l'acquisition de données réelles plutôt que sur la monétisation immédiate.
Mercedes lance MB.Drive Assist Pro, un système de conduite assistée urbaine capable de gérer feux rouges et trafic, pour concurrencer le Full Self-Driving de Tesla en Europe.
URIEL propose une méthode de coupe sélective en forêt tropicale combinant hélicoptères, robotique et IA pour minimiser les dégâts collatéraux. Simulation numérique et analyse économique montrent la viabilité du concept, mais sa mise en œuvre dépend de l'intégration des parties prenantes (industrie, gouvernements, entreprises certifiées, populations autochtones).
Wall-OSS-0.5 est un VLA de 4B paramètres d'X Square Robot avec code d'entraînement ouvert. Évaluation zéro-shot sur 17 tâches robotiques réelles : 4 tâches >80% de progrès, dont Rope Tightening (82%). Après fine-tuning : 60.5% de progrès moyen (+17.5pp vs pi0.5). Architecture Mixture-of-Transformers avec tokenizer RVQ aligné vision et optimiseur DMuon distribué.
Framework bayésien pour valider le déploiement de contrôleurs d'atterrissage autonomes entraînés par RL. Utilise l'inférence bayésienne pour quantifier l'incertitude sur la capacité réelle des politiques, au-delà des métriques empiriques (reward, taux de succès). Expériences avec PPO et SAC montrent que l'optimisation empirique surconfiance, tandis que l'inférence bayésienne calibre mieux la confiance de déploiement.
Un framework de machine learning informé par la physique (PIML) pour modéliser thermiquement un rover lunaire. Un réseau de neurones adaptatif détermine le maillage 3D en différences finies selon les charges thermiques, améliorant la précision de 50% vs modèles coarse-mesh et 39% vs ANN pur, tout en étant 3x plus rapide que les simulations haute-fidélité.
Framework RL pour transfert de politique sim-to-real via embeddings latents probabilistes et adaptation dynamique. Utilise meta-RL et CMDPs pour inférer la représentation latente de l'environnement, avec formulation distributional RL ajustant dynamiquement les niveaux de risque selon la précision d'estimation du contexte latent.
Un modèle open-source de 7 MB pour la conduite autonome entraîné sur données visuelles et capteurs. Exécution temps réel sur téléphone et appareils embarqués sans infrastructure serveur. Apprentissage de la navigation, suivi de voie et récupération de dérive.
LieEDNN propose des réseaux de neurones dynamiques intégrant les groupes de Lie pour modéliser les symétries continues. L'approche résout l'incompatibilité entre l'arithmétique additive des réseaux et la géométrie non-euclidienne via des actions adjointes sur l'algèbre de Lie. Application testée sur SE(3) pour manipulateurs télescopiques.
Reachy Mini, robot humanoïde de Pollen Robotics, fonctionne désormais entièrement en local sans connexion cloud. Intégration de modèles open-source (Llama, Whisper) pour la vision, la parole et le contrôle moteur. Déploiement sur hardware embarqué.
Framework neuro-inspiré pour la planification et le contrôle embodié. L'Inverter utilise l'Inverse Learning (IL) pour générer des séquences d'actions multi-étapes. Améliore les baselines offline-RL et diffusion-planner sur D4RL (+24.2% en moyenne) avec 100-1000x moins de calcul à l'inférence. Application : synthèse de portes quantiques avec fidélité GRAPE en 1000x plus rapide.
Modèle d'interaction pensée-apprentissage pour robots autonomes en environnements changeants. La pensée guide l'apprentissage (identification de changements, sélection d'évidences, planification), l'apprentissage améliore la pensée (mise à jour des connaissances, stratégies d'action). Résultats : précision de reconnaissance 0.419→0.845, longueur d'action 13.0→4.0, taux de sélection d'évidences 0.272→0.965.
Appel à contributions pour le 2e Workshop on Efficient Reasoning à COLM 2026 (9 octobre). Deadline : 12 juillet 2026. Thèmes : raisonnement multimodal sous contraintes, datasets, optimisations algorithmiques, inférence rapide (pruning, compression, KV-cache), benchmarks, déploiement on-device, sécurité, applications temps réel (santé, robotique).
Fast-dDrive est un modèle VLA (Vision-Language-Action) basé sur la diffusion par blocs pour la conduite autonome. Il combine raffinement bidirectionnel au sein d'unités sémantiques avec un ordre causal strict, gère les sorties JSON structurées et atteint 12× d'accélération de débit avec SGLang. Sur nuScenes, erreur L2 réduite à 0,32m (amélioration 22%), SOTA sur WOD-E2E.
Utilisateur demande conseil sur un goulot d'étranglement en entraînement d'imitation learning robotique. Pipeline : 4 caméras RGB 128×128 → ResNet18 gelé → DiT (~50M params, 8 couches) prédisant chunks d'actions. GPU A4500 à 20-30% d'utilisation, CPU saturé, ~10 iter/sec. Profiler montre optimizer_step dominant (62.4%).
Alibaba déploie Qwen3.7-Max, un modèle propriétaire conçu pour les tâches d'agent autonome longue durée. Il égale Claude Opus 4.6 sur les benchmarks et surpasse DeepSeek V4 Pro et Kimi K2.6. Le modèle a fonctionné 35 heures en continu pour optimiser du code destiné à une puce personnalisée Alibaba.
ScenePilot génère des scénarios critiques pour tester les systèmes de conduite autonome via apprentissage par renforcement multi-objectif. Le framework combine une mesure de faisabilité physique (RSS) avec un prédicteur de risque pour cibler les scénarios à la limite : physiquement possibles mais causant des défaillances. Résultats : +6,2 points de collision sur SafeBench tout en préservant la validité physique.
Entraînement conjoint d'une voiture autonome et de 12 piétons via MARL (MAPPO) en simulation. Le SDC atteint 78% de ses objectifs avec 14% de collisions, contre 35%/33% pour la baseline. Les jaywalkers (13% des traversées) causent 62% des collisions. Co-entraînement réduit les collisions de 30% vs RL monoagent.
Algorithme RL personnalisé NOML pour le contrôle de vol continu en 6-DoF. Combine TD3 avec politique d'ancrage (action sûre fixe), acteur hiérarchique (3 MLPs indépendants pitch→roll→reste) et apprentissage miroir (symétrie gauche-droite). Résout l'instabilité oscillatoire du TD3 vanilla. Code open-source Apache 2.0.
Google DeepMind intègre son modèle monde Genie 3 aux données Street View : les utilisateurs placent une épingle sur une carte et explorent un monde généré par IA basé sur un lieu réel. Street View devient ressource d'entraînement stratégique pour les agents IA et robots.
Rerun est un outil open-source pour visualiser, interroger et streamer des données robotiques multimodales destinées à l'entraînement. Plateforme de visualisation et de gestion de données pour projets robotiques complexes.