L’allemande Agile Robots vise à produire jusqu’à 2 000 robots humanoïdes compacts en 2027, à destination des universités et des laboratoires de recherche d’entreprises qui développent des compétences pour les futurs usages industriels.
L’entreprise de robotique basée à Munich a dévoilé Agile ONE SN lors de l’événement GTC de Nvidia à Berlin, en associant son matériel humanoïde compact aux logiciels de robotique Isaac GR00T de Nvidia et à sa plateforme informatique Jetson Thor. La production des modèles ONE S et ONE SN devrait commencer d’ici fin 2026, Agile visant entre 1 000 et 2 000 unités l’année prochaine, a déclaré son PDG Zhaopeng Chen à Reuters.
Les robots sont conçus avant tout pour les universités et les équipes de recherche en entreprise, plutôt que pour un déploiement immédiat à grande échelle dans les usines. Agile indique que l’université Stanford et l’ETH Zurich ont manifesté leur intérêt pour la plateforme, mais son annonce ne fait état d’aucune commande de la part de ces deux établissements.
Ce partenariat répond à un problème d’intégration : faire fonctionner ensemble le matériel, les capteurs, les outils de simulation et les logiciels d’IA peut prendre des mois avant que les développeurs commencent à tester de nouvelles compétences. Même après cette mise en place, l’exécution fiable des tâches reste un défi.
Le directeur produit de Nvidia Spencer Huang a déclaré qu’une configuration standardisée pourrait faire gagner aux chercheurs deux ou trois mois de travail d’intégration.
Ce que l’humanoïde apporte
L’Agile ONE SN mesure 1,4 mètre et associe un corps humanoïde à des mains tactiles à cinq doigts, des caméras, un lidar 3D et l’ordinateur embarqué Jetson Thor de Nvidia. Agile recense 71 degrés de liberté dans le corps et les mains, ce qui permet des mouvements coordonnés et des manipulations plus précises.
Ses logiciels préconfigurés comprennent GR00T 1.7, des outils de commande de l’ensemble du corps et un processus permettant de capturer des démonstrations, de générer des données, d’entraîner des modèles, de tester des compétences en simulation et de les déployer sur du matériel physique.
La plateforme prend également en charge Nvidia Isaac Sim et Isaac Lab, permettant aux chercheurs de développer et d’évaluer des comportements robotiques dans des environnements virtuels avant de les tester dans le monde réel. Les équipes peuvent utiliser le processus intégré ou incorporer certains composants à leurs systèmes existants.
Agile indique que les compétences et les données développées sur le ONE SN, plus petit, pourront ensuite être transférées à son humanoïde industriel Agile ONE de taille réelle, créant une voie potentielle entre les expériences en laboratoire et les applications en usine. L’entreprise prévoit de commercialiser le ONE SN début 2027. Nvidia et Agile ont également évoqué l’intégration de la plateforme de sécurité Halos de Nvidia, mais ce travail reste à l’étude.
Pourquoi Nvidia veut s’imposer dans la robotique humanoïde
L’accord fait également progresser les efforts de Nvidia pour devenir un fournisseur clé des outils informatiques, logiciels et de simulation qui sous-tendent l’IA physique.
Lors du GTC de Berlin, Nvidia a annoncé des mises à jour de sa plateforme de robotique Isaac, notamment Isaac Lab 3.0, l’environnement d’exécution Isaac OS et de nouveaux processus pour l’apprentissage des robots. Ces outils doivent aider les développeurs à générer des données d’entraînement, à perfectionner les modèles d’IA et à faire passer les applications robotiques de la simulation aux environnements physiques.
Cet écosystème pourrait rendre la technologie de Nvidia plus attrayante pour les fabricants de robots, tout en donnant à Agile accès à une pile logicielle et informatique qu’elle devrait autrement intégrer elle-même.
Ce qu’a constaté eWeek : accélérer le développement ne signifie pas être prêt pour l’industrie
L’aspect le plus important de ce partenariat est peut-être le temps que les chercheurs gagnent avant de pouvoir commencer à développer des compétences robotiques utiles.
Si la plateforme permet d’économiser deux ou trois mois de travail d’intégration, comme l’a estimé Spencer Huang de Nvidia, les équipes de recherche pourraient consacrer davantage de temps à tester la manipulation, les déplacements et l’exécution des tâches. Une configuration matérielle et logicielle commune pourrait également faciliter la reproduction et la comparaison des expériences entre les établissements.
Pour les entreprises, cela crée une filière potentielle entre la recherche universitaire et l’automatisation industrielle. Les fabricants pourraient à terme bénéficier de compétences développées sur des plateformes de recherche, notamment pour manipuler des objets, déplacer des matériaux et travailler avec des équipements conçus pour les humains.
Cependant, le transfert d’une compétence entre modèles de robots ne garantit pas des performances identiques. Des matériels, des configurations d’usine et des conditions d’exploitation différents peuvent nécessiter un entraînement et une validation supplémentaires. Agile indique étudier l’intégration de Halos, ce qui ne doit pas être considéré comme la preuve que la plateforme a été validée pour fonctionner à proximité de travailleurs.
Une incertitude commerciale majeure demeure : les compétences issues des environnements de laboratoire peuvent-elles générer des gains de productivité suffisants pour couvrir les coûts liés au déploiement, à la maintenance et à la supervision de ces systèmes ? La production de 2 000 robots élargirait l’accès au matériel de développement, mais elle ne prouverait pas que les humanoïdes sont prêts à remplacer les systèmes industriels spécialisés.
Pour Nvidia, l’enjeu est de rendre sa technologie centrale dans la manière dont les robots sont entraînés et utilisés. Pour Agile, les prochains tests consisteront à atteindre ses objectifs de production et de disponibilité, et à démontrer que les compétences de recherche peuvent être transférées à des tâches industrielles utiles. Avant de considérer les progrès de la recherche comme une raison d’investir dans un déploiement, les acheteurs professionnels devraient examiner les taux de réussite des tâches, la fréquence des interventions humaines nécessaires, la validation de la sécurité et les coûts d’exploitation totaux.
À lire aussi : les ambitions de Nvidia dans le domaine des humanoïdes s’étendent également aux discussions rapportées concernant un investissement supplémentaire de 1 milliard de dollars dans Figure AI, ce qui souligne son rôle potentiel à la fois comme investisseur et comme fournisseur de technologies.