WAIC 2026 : les robots chinois se mettent au travail

À première vue, la World Artificial Intelligence Conference 2026 ressemblait au plus grand défilé de robots du monde. Des humanoïdes accueillaient les visiteurs, des manipulateurs mobiles triaient des composants, des quadrupèdes circulaient dans des zones industrielles reconstituées, et des mains artificielles saisissaient des prises, du verre et des composants sensibles. Cependant, ceux qui ne prêtaient attention qu’aux mouvements spectaculaires manquaient le véritable message de Shanghai : l’industrie robotique chinoise tente de passer de la démonstration individuelle impressionnante au flux de travail fiable.

La WAIC s’est tenue du 17 au 20 juillet 2026 à Shanghai. Plus de 1 100 entreprises ont présenté plus de 3 000 expositions sur pour la première fois plus de 100 000 mètres carrés. Plus de 300 produits ont été présentés pour la première fois dans le monde selon les organisateurs. Rien que l’exposition d’applications réunissait plus de 300 robots dans des scénarios de production, de commerce, de vie quotidienne et de divertissement. Cette ampleur ne faisait pas automatiquement de la foire une preuve de maturité du marché. Elle montrait cependant où les capitaux, l’ingénierie et la politique industrielle se dirigeaient actuellement : vers l’IA dite physique, c’est-à-dire des systèmes d’IA qui ne se contentent pas de générer des textes ou des images, mais qui perçoivent le monde physique et y agissent.

Le progrès décisif de la WAIC 2026 n’était donc pas un robot individuel. C’était un nouveau système global composé de formes corporelles spécialisées, de modèles d’IA plus universels, de capteurs tactiles, de données d’entraînement, d’infrastructures de recharge et de production pré-série. La question n’était plus simplement : un humanoïde peut-il marcher ? Elle était : un robot peut-il rester disponible pendant huit heures, répéter une tâche cent fois, détecter des perturbations, collaborer avec les machines existantes et être entretenu de manière économique ?

Les points essentiels en bref

AgiBot a présenté avec A3 Ultra, X2 Edu, G2 Max et OmniHand 3 Ultra-M quatre nouveaux produits pour le service, la recherche, l’industrie et la manipulation.
MagicLab a présenté avec MagicBot X1, D1 et MagicDog T1 trois nouvelles formes de robots ainsi que le modèle Magic-VLA K02.
Robbyant, l’entreprise de robotique du groupe Ant, a présenté avec LingBot 2.0 l’approche d’un « cerveau robotique » commun pour des machines de différents fabricants.
Qianjue Robotics et l’université Fudan ont mis l’accent sur l’IA tactile : les robots doivent non seulement voir, mais aussi comprendre la force, la déformation et le glissement lors du contact.
Orbbec a présenté un nouveau matériel permettant aux humains de collecter des données d’entraînement depuis la perspective de la première personne, au poignet et lors d’activités de motricité fine.
Le Qiyuan T1 modulable a remis en question l’idée qu’un robot personnel doit toujours conserver la même forme corporelle.
De nouvelles plateformes de formation et de pré-série à Shanghai montrent que la véritable concurrence se déroule de plus en plus derrière les robots : sur les données, les tests, les normes et la production reproductible.

De la vitrine au travail en équipe

Humanoïde de service et robot industriel mobile travaillant sur une ligne de production moderne [Contenu visuel créé avec l’IA] — Tout robot de travail n’a pas besoin de jambes : l’humanoïde de service et le manipulateur mobile accomplissent différentes tâches. Visualisation indépendante par IA éditoriale.

Les salons de robots vivent depuis des années de chorégraphies. Un salto arrière, une danse ou un court combat de boxe génèrent de la portée et démontrent le contrôle des mouvements. Pour un client payant, une autre question est cependant plus importante : que se passe-t-il après la centième répétition ? Un système de production doit pouvoir faire face à des objets déplacés, des capteurs sales, une autonomie de batterie décroissante, des changements de lumière et des informations incomplètes.

C’est exactement ici que le langage visuel de la WAIC a changé. Dans une ligne de production simulée pour véhicules électriques, des robots travaillaient sur des batteries, des lampes, des faisceaux de câbles, des boîtes de vitesses et des klaxons. Un système équipé de capteurs visuels et tactiles prenait les pièces, serrait les vis, connectait les raccords et vérifiait ensuite l’éclairage. Dans une autre démonstration, six robots ont construit ensemble pendant 15 heures un modèle de la Grande Muraille de Chine avec 80 000 blocs. La tâche était ludique, mais le noyau technique était sérieux : répartir les rôles, reconnaître l’avancement du travail et adapter sa propre action à celle des autres machines.

Même le salon lui-même est devenu un terrain d’essai. AgiBot a déployé, selon ses propres déclarations, plus de 60 robots sur différents sites de l’événement. Ils guidaient les visiteurs, fournissaient des informations et soutenaient les présentations. Une telle utilisation ne constitue pas encore une preuve d’exploitation rentable à long terme. Elle génère cependant des données réelles sur la navigation, la communication, la planification de la charge et le comportement humain dans un environnement complexe.

AgiBot A3 Ultra : Un humanoïde avec planning de service

Parmi les premières présentations, l’A3 Ultra a joué un rôle clé. L’humanoïde adulte mesure 1,74 mètre, pèse 60 kilogrammes et dispose de 51 degrés de liberté activement motorisés. Chaque bras devrait pouvoir porter jusqu’à cinq kilogrammes. AgiBot annonce jusqu’à huit heures de fonctionnement combiné et prend en charge la charge directe, le remplacement de batterie ainsi que le docking autonome sur une station de charge.

Pour la perception, le robot combine LiDAR 3D, caméras RGB-D, caméras fisheye et vision binoculaire. Le GPS, RTK et UWB doivent permettre la détermination de la position dans différents environnements. Pour le traitement de l’IA supérieure, AgiBot utilise NVIDIA Thor. Cela ressemble à une longue liste de composants techniques, mais c’est précisément cette liste qui montre l’ambition du produit : l’A3 Ultra ne doit pas être un robot de scène, mais un système pour l’accueil, l’orientation des visiteurs, le commerce et d’autres services publics.

Ce qui est décisif, c’est la disponibilité. « Jusqu’à huit heures de temps de fonctionnement combiné » ne signifie pas nécessairement huit heures de travail autonome à pleine charge. La durée de fonctionnement dépend des mouvements, de la charge de calcul, de la charge utile et des pauses. Néanmoins, AgiBot déplace la discussion dans la bonne direction. Un robot de service a besoin non seulement de mobilité, mais aussi d’un concept d’énergie et de flotte. Plus sur ce goulet d’étranglement est expliqué dans notre article de fond sur la durée de vie des batteries des robots humanoïdes.

G2 Max : pourquoi le meilleur robot de travail peut avoir des roues

AgiBots G2 Max est peut-être économiquement plus intéressant que l’étoile bipède. Le robot se déplace sur une base omnidirectionnelle, possède des bras à régulation de force et peut ajuster sa hauteur de travail. Il est conçu pour la manutention de matériaux, la palettisation, l’alimentation de machines et d’autres tâches répétitives physiquement exigeantes.

La construction suit une logique sobre. Des jambes sont utiles lorsque l’on doit franchir des escaliers, des seuils ou des espaces extérieurs influencés par l’homme. Sur un sol d’usine plat, elles coûtent en revanche de l’énergie, en régulation et en maintenance. Un châssis à roues est plus stable, peut supporter de plus grandes batteries et se sécurise plus facilement. L’idée humanoïde reste présente dans le torse : deux bras, une portée flexible et des outils pour les postes de travail humains. Le bas du corps est adapté à la tâche réelle.

AgiBot a montré des systèmes G2 qui, dans une production de tablettes, prélèvent du matériel, alimentent les dispositifs de test et ramènent les produits finis. Cela est plus important qu’une simple démonstration de préhension, car cela décrit un processus fermé. Cependant, il est possible de juger si ce processus est économique uniquement avec le temps de cycle, le taux d’erreurs, le taux d’intervention et les coûts de maintenance.

MagicLab ne construit pas un robot, mais une famille

MagicLab a également abandonné l’idée qu’une seule machine doive résoudre chaque tâche. L’entreprise a montré le MagicBot X1 bipède, l’humanoïde industriel mobile MagicBot D1 et le quadrupède léger MagicDog T1. La famille a été complétée par le modèle Magic-VLA K02.

Le X1 est la plateforme universelle humanoïde pour les tâches mobiles et la coordination corporelle complète. Le D1 combine un châssis stable avec deux bras pour le travail en usine, la logistique et la recherche. Le T1 est conçu pour porter des capteurs ou des manipulateurs supplémentaires et convient à l’inspection, à la protection des usines ou à de courts transports sur des terrains plus difficiles. Selon MagicLab, le D1 travaille déjà régulièrement dans une usine intelligente de Dreame.

Cette répartition est un indice de la maturation du marché. Dans une phase technologique précoce, un fabricant tente souvent de concentrer toute l’attention sur un produit phare. Dans une phase de production, des variantes apparaissent pour différentes structures de coûts et profils d’utilisation. AgiBot et MagicLab démontrent ainsi la même vision stratégique : la plateforme commune peut être universelle, le corps ne doit pas l’être.

Magic-VLA K02 et la recherche de flux de travail plus longs

Le modèle Magic-VLA K02 est conçu pour relier la compréhension des tâches et le contrôle direct des actions. MagicLab a ainsi démontré des activités à plusieurs étapes : empiler et fermer des cartons, plier des vêtements souples de manière flexible et préparer une valise. Ces tâches sont plus exigeantes que le Pick-and-Place classique, car l’état de l’environnement change après chaque étape.

Pour les objets souples, le robot ne peut pas déterminer seul, à partir d’une géométrie 3D rigide, où il doit saisir. Une chemise change constamment de forme lorsqu’on la plie. Un carton peut être de travers, un rabat peut ne pas s’emboîter correctement, et un objet peut bouger lors du rangement. Un modèle VLA – Vision, Language, Action – tente de combiner la perception, l’objectif formulé linguistiquement ou sémantiquement et la politique de mouvement.

MagicLab a publié pour le processus combiné d’empilage et de fermeture un taux de réussite de plus de 90 %. Ce chiffre est intéressant, mais ne doit pas être assimilé à un indicateur industriel indépendant. Le nombre et la variance des essais, la vitesse, l’intervention humaine et la définition exacte d’une exécution réussie restent flous. L’article ne devrait pas ignorer ces informations fournies par le fabricant, mais doit les présenter de manière transparente en tant que telles.

LingBot 2.0 : un cerveau pour plusieurs corps de robot

Trois robots de service différents traitent ensemble une commande dans une pharmacie moderne [Contenu visuel créé avec l’IA] — Un modèle d’IA, plusieurs corps : différents robots partagent un processus complet de pharmacie. Visualisation éditoriale autonome par IA. [Contenu visuel créé avec l’IA]

Une des idées stratégiquement les plus importantes est venue de Robbyant, l’entreprise de l’Ant Group spécialisée dans l’IA incarnée. LingBot 2.0 adopte l’approche consistant à utiliser la même famille de modèles sur différents robots. L’objectif est « un cerveau, plusieurs robots » : les compétences ne doivent plus être entièrement liées à la mécanique d’un seul fabricant.

Le salon a démontré cette approche dans une pharmacie intelligente. Trois robots différents ont pris des commandes au hasard, réparti le travail, prélevé les médicaments et remis la commande prête. Selon les organisateurs, une solution correspondante est déjà utilisée dans les succursales de la chaîne de pharmacies Guo Da à Shanghai.

Si un modèle peut effectivement être transféré de manière fiable entre différents corps, cela modifiera le marché des robots. Aujourd’hui, une compétence apprise est souvent étroitement liée à la position de la caméra, à la géométrie de l’articulation, au préhenseur et au contrôle d’un robot particulier. Un modèle inter-fabricants devrait reconnaître les différences et traduire les actions dans la cinématique respective. Il pourrait ainsi devenir une couche logicielle qui propage les compétences plus rapidement.

La comparaison avec un système d’exploitation pour smartphone est évidente, mais seulement partiellement appropriée. Une mauvaise instruction logicielle ne se contente pas de faire planter un robot, elle peut provoquer une collision physique. L’IA universelle pour robots nécessite donc en plus des limites de sécurité certifiées, des responsabilités claires et un contrôle local qui bloque les actions dangereuses du modèle.

Le sens du toucher devient un atout décisif

Main robotique tactile insérant un connecteur transparent dans un phare de véhicule [Contenu visuel créé avec l’IA] — Voir seul ne suffit pas : la détection tactile et le contrôle de la force permettent un assemblage de précision riche en contacts. Visualisation éditoriale indépendante par IA. [Contenu visuel créé avec l’IA]

La vision est très avancée en robotique. Les caméras reconnaissent les objets, estiment les positions et créent des modèles spatiaux. Cependant, de nombreuses erreurs ne surviennent qu’au contact : une prise est mal alignée, un tissu glisse, un verre commence à basculer ou une vis atteint son couple prévu. Sans sens tactile, le robot remarque ces situations trop tard ou seulement de manière indirecte.

Qianjue Robotics a donc présenté une nouvelle approche VTLA : Vision, Toucher, Langage et Action sont réunis dans un modèle multimodal. Les systèmes présentés distinguaient la texture de surface, la dureté et l’élasticité, détectaient le glissement imminent et adaptaient les mouvements pendant la manipulation. Dans un processus de démonstration, des insertions souples ont été retirées sans dommage, étudiées de manière sensorielle et réinsérées.

La prise de données XTac UMI G1 combine des capteurs tactiles visuels, une IMU, des encodeurs haute résolution et l’état du préhenseur. Cela permet d’enregistrer simultanément l’image, la force, le contact, le mouvement et le glissement. Ces données sont précieuses, car les vidéos seules ne montrent pas à quel point un humain exerce de la pression ou quand un objet est sur le point de glisser.

Qianjue a également montré une main complète avec des capteurs de doigts et une peau électronique. L’objectif est un réseau de nombreux points de contact plutôt que des capteurs de force isolés. Pour les mains robotiques, cela représente la même étape de développement que celle que les caméras haute résolution ont apportée au traitement d’image : partir d’un signal grossier pour obtenir un champ de perception spatiale détaillé.

OmniHand 3 Ultra-M : Une main comme outil d’entraînement et de travail

L’AgiBots OmniHand 3 Ultra-M complète ce développement du côté matériel. La main intègre 20 degrés de liberté actifs dans un boîtier pesant 630 grammes. Elle est censée pouvoir saisir jusqu’à cinq kilogrammes, s’ouvrir ou se fermer en environ 0,3 seconde et atteindre une précision de répétition de ±0,2 millimètre. Des capteurs visuels situés au niveau des bouts des doigts et une surface tactile dans la paume détectent le contact et le mouvement des objets.

Ce qui est remarquable, c’est l’objectif prévu à double usage. La main doit non seulement fonctionner sur le robot fini, mais aussi être utilisée pour la téléopération et l’enregistrement des démonstrations humaines. Cela rend la collecte de données et l’exécution ultérieure mécaniquement plus similaires. Les mouvements, les forces de contact et les états de préhension doivent être transférés moins sur un dispositif final complètement différent.

Pour une manipulation précise, le contrôle du couple reste crucial. Un modèle d’apprentissage peut générer un plan de préhension ; cependant, des boucles de régulation locales rapides doivent empêcher que les moteurs n’exercent une force excessive sur des objets sensibles ou des humains.

Fudan montre pourquoi une prise est plus difficile qu’un salto arrière

L’université Fudan a présenté, en collaboration avec ses partenaires, un système visuo-tactile pour le montage des phares de véhicules. Le robot prenait les vis et les connecteurs, les insérait, surveillait les forces et vérifiait finalement le fonctionnement du phare. Les capteurs utilisés devraient offrir environ 40 000 points de perception par centimètre carré. L’université parle de plus de 10 000 heures de données d’interaction collectées.

Une telle tâche de montage semble peu spectaculaire, mais elle est techniquement très pertinente. Les composants ont des tolérances, les câbles bougent, les connecteurs peuvent se coincer et les vis peuvent endommager un filetage. Un système purement visuel ne peut pas reconnaître de manière fiable si une fiche est enclenchée avec la bonne force. Le retour tactile permet de corriger la trajectoire au contact et d’évaluer l’état atteint.

L’exemple montre pourquoi l’avenir industriel des robots humanoïdes ne se décide pas par la vitesse de marche. La plus grande valeur ajoutée se crée souvent au niveau des mains : lors de la connexion, de l’insertion, du tri, du contrôle et du traitement. C’est exactement là que la fusion de capteurs, le sens du toucher, le contrôle de la force et une compréhension du processus de travail se rencontrent.

Qiyuan T1 : Un robot personnel change sa forme

Le Qiyuan T1 met l’accent sur autre chose. Le robot présenté pour la première fois publiquement devrait pouvoir passer d’un mode intérieur humanoïde sur roues à une forme quadrupède pour l’herbe, le gravier, les rampes et les marches. Une architecture commune basée sur un transformateur devrait contrôler l’équilibre, la planification des mouvements et l’interaction dans les deux formes.

À l’intérieur, les roues doivent être silencieuses et efficaces ainsi que permettre une rotation dans des espaces étroits. À l’extérieur, la configuration quadrupède offre plus de garde au sol et de points de contact. Les tâches prévues vont de l’accompagnement à la prise de vues automatique lors de sorties ou d’activités familiales.

Le concept est éditorialement séduisant, car il remet en question l’idée culturellement dominante du robot humanoïde polyvalent. Un robot personnel n’a pas toujours besoin de ressembler à un humain. Peut-être que l’adaptabilité est plus importante que la cohérence anatomique. En même temps, des données importantes sur le produit manquent encore : prix, autonomie réelle de la batterie, résistance aux intempéries, poids, transformation sûre et date de livraison. T1 est donc un pari intéressant sur l’avenir, pas encore un marché de masse prouvé.

Données d’entraînement sans heures coûteuses de robot

Une autre première a été présentée par Orbbec. La plateforme de collecte de données sans robot comprend EGO pour les enregistrements portés sur la tête en vue à la première personne, UMI pour les données de manipulation et WristCam pour la vue rapprochée de la main ou du poignet. Les humains peuvent ainsi effectuer des tâches tout en collectant simultanément des données RGB-D, de mouvement et d’interaction.

Cela répond à un facteur de coût fondamental. Un robot est occupé pendant la collecte de données, se déplace souvent plus lentement qu’un humain et peut être endommagé en cas d’erreur. La collecte de données portable permet d’enregistrer de nombreuses démonstrations humaines en parallèle. Cependant, les mouvements doivent ensuite être transférés sur un robot ayant une portée, une force et une cinématique différentes. « Sans robot » ne signifie donc pas qu’aucun entraînement sur le robot réel ne serait plus nécessaire.

Orbbec a également présenté, en collaboration avec Robbyant, un filtre LingBot-Depth pour les caméras Gemini-330. Il est destiné à réduire le bruit de profondeur, à compléter les zones manquantes et à améliorer les contours. Il est particulièrement pertinent pour les objets transparents ou réfléchissants, pour lesquels les capteurs de profondeur classiques fournissent souvent des données incomplètes. Cela crée une chaîne continue allant de la collecte de données à l’entraînement du modèle, jusqu’à la perception sur le robot utilisé.

L’usine derrière l’usine de robots

Des ingénieurs testent des robots humanoïdes, des mains de robot et différentes plateformes dans une usine de formation [Contenu visuel créé avec l’IA] — L’usine derrière le robot : formation, examen et production pilote deviennent une infrastructure stratégique. Visualisation KI éditoriale autonome. [Contenu visuel créé avec l’IA]

La nouvelle potentiellement la plus importante du WAIC n’était pas un produit robotique. Le centre national et local d’innovation pour les robots humanoïdes a présenté, en collaboration avec Huawei, un nouveau terrain d’entraînement. De plus, une plateforme pilote et de test mise en place par le centre et Shanghai Electric a été mise en service à Pudong.

L’installation d’environ 6 800 mètres carrés comprend des lignes d’assemblage modulaires, des zones de test et un entrepôt intelligent. Elle devrait pouvoir accueillir différents humanoïdes, des manipulateurs mobiles et des robots quadrupèdes. Des capacités allant jusqu’à 2 000 systèmes robotiques ainsi que 2 000 modules articulaires ou de main par an sont indiquées. Plus de 400 tests devraient couvrir les composants et les systèmes complets. L’équipement comprend des bancs d’essai pour les mains, des tapis roulants spéciaux et des chambres de température accessibles.

Une telle infrastructure comble le fossé entre le laboratoire et l’usine de production en série. Les jeunes fabricants peuvent assembler des conceptions, effectuer des tests de résistance, optimiser les étapes de production et produire de petites séries, sans avoir à construire immédiatement leur propre usine. Encore plus important est la standardisation : des tests comparables et des formats de données communs rendent les progrès mesurables et facilitent l’intégration pour les fournisseurs.

La Chine ne construit pas seulement des robots avec cela, mais une machine d’apprentissage industrielle. Les données provenant de tâches réelles sont intégrées dans les modèles, les modèles sont testés sur différents corps, les composants sont fabriqués en pré-série, et les résultats sont réinjectés dans la conception et l’entraînement. Cette vitesse peut générer un avantage concurrentiel plus important qu’une seule articulation brevetée.

Ce qui était vraiment nouveau – et ce qui n’était que une nouvelle mise en scène

Un bilan sérieux du WAIC doit distinguer les premières présentations des mises à jour. Le robot bipède Suyuan de Shanghai Electric avait déjà été présenté en 2025. Lors du WAIC 2026, ce qui était particulièrement intéressant, c’était le concept opérationnel amélioré avec un système d’échange à chaud de deux batteries. Matrix-3 avait déjà été annoncé en janvier 2026 ; pendant le salon, l’accent était mis sur une mise à jour du modèle WAVE et de nouveaux programmes partenaires. Keenon a montré un nouveau processus pour le linge d’hôtel, utilisant cependant principalement des plateformes de robots déjà connues.

Même les constructions mécaniques habitées, le basketball et les démonstrations acrobatiques ont produit des images impressionnantes, mais n’ont fourni que des indications limitées sur le travail économique. Une grande vitesse des articulations ne prouve ni une collaboration sûre ni une reconnaissance fiable des objets. C’est exactement cette distinction qu’un article éditorial devrait maintenir de manière cohérente.

Les questions ouvertes derrière les démonstrations impressionnantes

Dans quelle mesure les systèmes étaient-ils vraiment autonomes ?

Lors de nombreuses démonstrations en salon, il n’est pas possible de savoir si un processus était entièrement autonome, partiellement télécommandé ou strictement limité par des conditions préparées. La téléopération n’est pas un défaut ; elle peut être un mécanisme de sécurité et d’apprentissage utile. Elle ne devient problématique que lorsque le travail humain est présenté comme une performance robotique autonome.

À quelle fréquence une tâche a-t-elle réussi ?

Un taux de réussite sans nombre, variabilité des objets et fenêtre temporelle est peu significatif. Pour les clients industriels, ce sont des milliers de répétitions qui comptent, pas la meilleure vidéo. Les fabricants devraient à l’avenir divulguer le taux de réussite, le temps de cycle moyen, les interventions par poste et les réactions sûres en cas de panne.

Combien coûte une heure productive ?

Le prix d’achat seul ne suffit pas. Les éléments décisifs sont l’amortissement, l’énergie, la maintenance, les pièces de rechange, le personnel de centre de contrôle, les licences logicielles et les arrêts. Un robot bon marché peut revenir cher si un technicien doit intervenir constamment. Un système plus coûteux peut devenir rentable s’il accomplit plusieurs tâches de manière fiable.

Quelle est la sécurité des modèles et des données ?

Les plateformes d’IA interconstructeurs et la collecte de données portables créent de nouvelles surfaces d’attaque. Les caméras et les microphones peuvent enregistrer des données confidentielles de production ou des données clients. Les modèles de manipulation ne doivent pas dépasser les limites certifiées de puissance, de vitesse et de collision. La cybersécurité et la protection des données font donc partie de la sécurité physique.

Y a-t-il un service, des pièces de rechange et des délais de livraison fiables ?

Le secteur de la robotique est plein d’excellents prototypes. Un produit n’existe pleinement qu’avec une maintenance documentée, une formation, une disponibilité des pièces de rechange, des mises à jour et une assurance. Il est particulièrement incertain, chez les jeunes fabricants, de savoir comment les flottes seront prises en charge après trois ou cinq ans.

Qui a remporté le WAIC 2026

Le kit de construction de produits le plus convaincant a été présenté par AgiBot. A3 Ultra, G2 Max, X2 Edu et OmniHand ciblent différentes couches du marché et sont complétés par des expériences réelles de flottes et d’usines. L’idée logicielle la plus intéressante sur le plan stratégique est venue de Robbyant : un modèle commun pour différents corps de robots pourrait diffuser les capacités plus rapidement et rendre les fournisseurs de matériel plus interchangeables.

Les avancées techniques les plus importantes étaient représentées par les approches tactiles de Qianjue et Fudan. Dès que les robots comprennent ce qui se passe lors du contact, des tâches deviennent possibles qui ne peuvent pas être résolues de manière robuste uniquement avec des caméras et des trajectoires fixes. MagicLab a de nouveau montré qu’une plateforme technologique commune peut être raisonnablement répartie sur des bipèdes, des robots à roues et à quatre pattes. Qiyuan T1 a fourni la conception la plus audacieuse pour la robotique personnelle.

À long terme, l’infrastructure de formation et de pré-série à Pudong pourrait cependant être le véritable gagnant. Les produits changent rapidement ; une plateforme qui relie données, tests, fabrication et normes accélère toute une industrie.

Conclusion : le meilleur robot n’était pas le plus spectaculaire

Le WAIC 2026 n’a pas marqué de percée soudaine vers l’ouvrier robot universel. La fiabilité, le coût et la sécurité ne sont pas encore suffisamment établis. L’événement a cependant montré comment les priorités évoluent. Les jambes restent visibles, mais les mains, les capteurs, les données et la planification de la charge deviennent plus importants. Les fabricants ne présentent plus seulement un corps, mais des familles de produits. Les modèles doivent pouvoir passer d’un robot à l’autre. Les plateformes de formation et de fabrication doivent raccourcir la transition vers la production en série.

Le critère décisif des prochaines années ne sera donc pas de savoir quel humanoïde saute le plus haut. Le système qui gagnera sera celui qui commence ponctuellement un mardi matin ordinaire, travaille huit heures de manière compréhensible, gère les erreurs en toute sécurité et laisse enfin une facture de coûts inférieure au processus qu’il remplace.

Sources et informations complémentaires

Bewerte den Beitrag hier!

[Total: 0 Average: 0]

Nico Nuss

Website

L’auteur Nico Nuss travaille depuis 2001 sur les thèmes de l’informatique mobile et des logiciels d’automatisation. Fort de son expérience et de son vif intérêt pour les technologies d’avenir, il se concentre sur la robotique et l’IA.