Humanoid, basé à Londres, a dévoilé KinetIQ Ascend, une approche de formation de robots humanoïdes par essais et erreurs sur des tâches de fabrication réelles. Selon le développeur, la technologie rapprochera ses plates-formes de 99,9 % de manipulations réussies à vitesse humaine ou plus rapidement.
KinetIQ Ascend étend le cadre KinetIQ qui sous-tend les robots humanoïdes. La nouvelle approche utilise l’apprentissage par renforcement (RL). Avec cette méthode, le système copie non seulement les actions humaines, mais répète également la tâche elle-même, reçoit un signal de réussite ou d'erreur et améliore progressivement le comportement.
Humanoid a déclaré qu'il exécutait RL non seulement en simulation, mais directement sur du matériel réel et dans des scénarios de production 24 heures sur 24. Selon l'entreprise, il s'agit de la première démonstration publiée de RL basée sur une vision de bout en bout pour le secteur manufacturier. VLA-des modèles entraînés sur une véritable plateforme humanoïde à deux bras dans des conditions de déploiement.
Pourquoi Humanoid parie sur RL
Avant cela, Humanoid, comme de nombreux autres développeurs de robots, formait des systèmes en simulant des démonstrations humaines.
« Un modèle copiant des démos ne peut pas dépasser la vitesse ou la qualité du démonstrateur et n'apprend pas le coût d'un échec », explique Humanoid.
Selon l'entreprise, les derniers pourcentages de fiabilité et la transition vers une vitesse supérieure à la vitesse humaine nécessitent une approche différente, et KinetIQ Ascend devrait combler cet écart grâce à la pratique sur des problèmes du monde réel. Humanoid compare ce processus à la mise à l'échelle de grands modèles de langage : plus la formation est longue, plus le taux de réussite est élevé.
Humanoid a testé KinetIQ Ascend sur trois tâches de production :
- Le robot prenait des bagues de roulement en acier dans un conteneur et les plaçait sur un tapis roulant. Selon l'entreprise, après la formation RL, le débit a augmenté de 42 %, pour atteindre 412 sonneries par heure contre 291 pour le modèle de base.
- Le robot a sorti un objet du conteneur et l’a remis à la personne. Humanoid a déclaré que le débit avait augmenté de 85 %, la durée moyenne des épisodes avait diminué de 35 % et le taux de réussite était passé de 80 % à 98 %.
- Le robot devait soulever le conteneur de la table avec les deux mains dans une orientation aléatoire. Selon Humanoid, après plusieurs jours de formation, le débit est passé de 122 à 279 conteneurs par heure, la durée moyenne des épisodes a diminué de 22,9 à 12,8 secondes et le taux de réussite est passé de 77,6 % à 98,9 %.
L’entreprise a également souligné deux conclusions supplémentaires :
- si vous améliorez la partie la plus difficile de l’opération, cela peut améliorer le résultat de l’ensemble de la tâche ;
- la compétence est transférée à des objets que le robot n'a pas vu lors de la formation RL.
Humanoid affirme avoir mesuré la croissance non pas par rapport à l’ancienne base, mais par le biais d’une comparaison A/B parallèle avec le modèle de base actuel. Ceci est important dans les environnements de production réels où les résultats peuvent varier en raison de l'éclairage, de la position de l'objet, de l'usure de l'équipement et d'autres facteurs.
Humanoid construit une chaîne industrielle en Europe
Selon The Robot Report, l'entreprise emploie plus de 250 ingénieurs, chercheurs et spécialistes. Les bureaux sont situés à Londres, Boston et Vancouver. En mai, Humanoid a annoncé un partenariat avec Bosch : la société deviendra un partenaire de fabrication sous contrat pour la sortie du HMND 01 sur le marché européen.
L'accord fait suite à des tests préliminaires en mars. Dans le cadre du test, des robots ont transféré de manière autonome des cartons d'un convoyeur à un chariot dans l'environnement logistique Bosch à Bühl, en travaillant avec cinq tailles de cartons de différentes hauteurs, formes et poids.
« Pour Humanoid, cet accord constitue une étape cruciale dans la feuille de route reliant la preuve de concept et le déploiement à grande échelle », a déclaré le fondateur de la société Artem Sokolov.
Le 13 mai, le développeur a annoncé un accord contraignant progressif avec Schaeffler. Selon Reuters, le plan prévoit le déploiement de 1 000 à 2 000 robots sur les sites de production mondiaux du partenaire d'ici 2032.
La concurrence s'intensifie
L'annonce de KinetIQ Ascend intervient alors que la course à la robotique humanoïde s'accélère. American Figure a levé plus d'un milliard de dollars lors d'un tour de table de série C en 2025 pour une valorisation de 39 milliards de dollars.
Apptronik a annoncé en février 2026 avoir reçu 520 millions de dollars de B Capital, Google, Mercedes-Benz, PEAK6, AT&T Ventures, John Deere et Qatar Investment Authority. Ce tour de table complète la série A initiale de 415 millions de dollars et porte le total levé à plus de 935 millions de dollars.
La Chine soutient également activement cette industrie. Selon Reuters, les autorités du pays ont alloué au moins 20 milliards de dollars au développement de la robotique depuis 2024. Dans le même temps, l'agence a noté que les ventes réelles sont encore limitées : l'année dernière, environ 12 000 robots humanoïdes ont été vendus, principalement à des fins de recherche, plutôt que pour une utilisation industrielle de masse.
Auparavant, Nvidia, Unitree et Sharpa avaient présenté une plateforme permettant de développer et de tester les compétences des robots humanoïdes. La configuration comprend le corps Unitree H2 Plus, Sharpa Wave, les mains tactiles à cinq doigts Jetson Thor et le logiciel Isaac GR00T.
Rappelons qu'en juin Tether a investi dans l'allemand NEURA Robotics, qui développe une plateforme « d'IA physique » et prévoit une production en série de robots humanoïdes.
Vous avez trouvé une erreur dans le texte ? Sélectionnez-le et appuyez sur CTRL+ENTRÉE
Voir l’article original en russe
