Pendant des années, la robotique humanoïde a vendu des vidéos. Là, Apptronik vend autre chose, une usine à expérience réelle.

À Austin, la société ouvre un Robot Park de près de 90 000 pieds carrés, environ 8 400 m², et met ses robots au travail sur des tâches de logistique, d’industrie et de retail. L’idée est simple sur le papier, beaucoup moins dans l’exécution, accumuler des données physiques à cadence industrielle pour entraîner les modèles qui piloteront les prochaines générations.

La bataille se déplace du robot vers la donnée

Ce que décrit eWeek, ce n’est pas un labo de recherche classique. Robot Park sert de site d’apprentissage à l’échelle production, avec des flottes déjà actives sur place et dans un réseau plus large de sites partenaires et clients dans le monde.

Jeff Cardenas résume l’idée avec une formule assez juste: « Nous avons une usine qui produit des robots, nous avons aussi une usine qui produit des données ». Ce point compte, parce que le goulot d’étranglement du secteur n’est plus seulement le hardware, mais la qualité de la donnée embarquée.

Apollo 2 n’est pas le produit final, c’est la machine d’apprentissage

En parallèle, Apptronik officialise Apollo 2, en version bipède et en version à roues. La première vise les environnements plus proches de l’espace humain, la seconde les usages industriels où la stabilité, l’autonomie et la conformité aux standards actuels de sécurité des robots mobiles comptent tout de suite.

Selon l’entreprise, Apollo 2 travaille déjà depuis plus d’un an comme plateforme principale de collecte. Republic World ajoute qu’Apptronik a déjà construit des centaines d’unités, même si Cardenas n’a pas donné le nombre exact de robots actifs. Les pilotes doivent se poursuivre jusqu’à la fin 2026, avant des déploiements de production plus larges à partir de 2027.

Le pari DeepMind donne de la puissance, pas l’exclusivité

Le vrai levier, c’est le lien avec Google DeepMind. Les données récoltées par Apollo 2 servent à faire progresser Gemini Robotics, avec une boucle continue entre travail réel, collecte, puis entraînement. Markets Insider précise que cette collecte mêle téléopération, exécution autonome et simulations physiques haute fidélité.

Il y a aussi une ambiguïté stratégique. Cardenas dit que Google a été clair sur son ambition de bâtir une sorte d’« Android pour la robotique ». Autrement dit, l’intelligence nourrie par Apptronik pourrait un jour profiter à d’autres partenaires.

Apollo 3 arrive derrière, avec un sujet très terre à terre

C’est là que l’annonce devient plus intéressante qu’un simple lancement de site. Forbes rapporte qu’Apollo 3, attendu l’an prochain, sera le premier vrai produit commercial de la gamme. Apollo 2, lui, reste un prototype de pilotes à grande échelle et de collecte.

Le chantier annoncé est très concret, coût de nomenclature, nouveaux effecteurs terminaux, nouvelle pile de capteurs, travail spécifique sur la safe perception et la sécurité des bipèdes. Pas mal de sociétés promettent des humanoïdes. Apptronik, qui a levé 520 millions de dollars, environ 483 millions d’euros, en février sur une valorisation d’environ 5 milliards de dollars, soit 4,64 milliards d’euros, explique surtout comment elle compte passer du prototype à la marge brute.

Le toucher robotique bute souvent sur le même mur. Si vous voulez de la finesse, vous payez en calcul. Si vous voulez de la vitesse, vous perdez en détail. Et quand on ajoute la miniaturisation des doigts robotiques, la facture grimpe vite, côté capteurs comme côté latence.

C’est précisément là que le travail de Queen Mary University of London, relayé par Heise et SelectScience, devient intéressant. Le pari n’est pas d’ajouter encore de l’électronique. Il consiste à déplacer la détection dans la matière elle-même.

Le vieux problème du toucher robotique

Les peaux artificielles classiques reposent sur des réseaux denses de taxels, ces micro-capteurs qui mesurent localement pression ou déformation. C’est efficace, mais lourd à câbler, coûteux, et limité par la taille, l’espacement ou les interférences entre éléments. Les approches par caméra, elles, peuvent monter en résolution, mais demandent en général de reconstruire la géométrie du contact avec des pipelines de calcul assez lourds.

La littérature citée dans l’étude rappelle ce compromis. Les systèmes taxelisés fonctionnent en temps réel, mais dépassent rarement le millimètre. Les meilleurs systèmes visuels font mieux, au prix d’une latence qui finit par compter dans une pince ou un outil chirurgical.

Quand la matière fait le travail

L’équipe a donc conçu un capteur méchanochromique. En gros, le matériau change de couleur quand on le presse, l’étire ou le plie. Plus précisément, l’article publié dans Science Advances via Neuroscience News décrit un réflecteur de Bragg étirable pris entre deux couches de silicone souple.

La conséquence est simple à comprendre. L’information de pression n’est plus reconstruite après coup, elle est déjà encodée dans le signal lumineux. Comme l’a résumé James Busfield, « on ne reconstruit plus le toucher, on l’observe directement ».

Une résolution qui commence à compter

La démo n’est pas seulement jolie. Elle produit des cartes topologiques d’un bout de doigt, d’une feuille et d’une pièce d’un penny avec une résolution d’environ 100 micromètres. Les crêtes d’empreintes digitales apparaissent nettement, ce qui donne une idée du niveau de détail atteint sans réseaux de capteurs massifs ni amélioration par deep learning.

Une caméra USB basique suffit pour lire ces champs colorés en temps réel. Pas de reconstruction complexe, donc pas de délai computationnel ajouté.

Pourquoi ce n’est pas qu’une belle démo de labo

Les usages évoqués par les chercheurs sont assez cohérents avec la techno. D’abord les préhenseurs industriels, pour assembler des micro-composants fragiles sans les casser. Ensuite les prothèses, qui pourraient gagner un retour tactile plus riche. Enfin la chirurgie robotisée mini-invasive, où des signatures fines de pression aideraient à distinguer tissu sain et tissu anormal.

Une collaboration matériaux-robotique, publiée noir sur blanc

Le projet a été inventé par Giacomo Sasso à Queen Mary University of London, avec une collaboration impliquant aussi Federico Carpi et des équipes des universités de Florence, Trieste et Trento. Le papier s’intitule High-resolution real-time mechanochromic tactile sensors, DOI 10.1126/sciadv.aee5236. Pour la robotique, le point clé tient dans cette exécution assez élégante: moins d’architecture, moins de calcul, et plus d’information directement visible.