# Robotique Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Robotique", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Qingyan Jingzhun lève plusieurs centaines de millions de yuans, le fonds national de l'équipement industriel investit

La société chinoise Qingyan Precision a clôturé sa série de financement de série B en levant des milliards de yuans en juin, attirant des investisseurs industriels majeurs. Le tour B2 a été dirigé par Xingyuan Capital avec la participation de FAW Fusheng, suivi du tour B3 dirigé par BAIC Capital avec la participation de Yulon Group. Le fonds d'État China National Machinery Industry Fund a également rejoint. Ce consortium, comprenant six constructeurs automobiles, reflète la reconnaissance de l'écosystème automobile pour la plateforme d'ingénierie d'IA physique et le système de test de Qingyan Precision. L'investissement démontre un changement de logique du marché : le capital mise désormais sur les infrastructures d'IA physique ayant une capacité d'industrialisation dans des scénarios industriels réels, aligné avec le plan gouvernemental "Action spéciale pour la formation en situation réelle des robots humanoïdes et de l'intelligence incarnée" lancé en juin 2026. Fondée en 2018 par Dong Han, docteur de l'Université Tsinghua, Qingyan Precision a évolué d'un spécialiste des tests pour véhicules neufs énergétiques vers un fournisseur de plateforme d'ingénierie d'IA physique pour l'intelligence incarnée industrielle. L'entreprise dispose de plus de 2000 points de perception déployés sur site. Sa pipeline de données multimodales TsingLoop transforme les données brutes en actifs standardisés, alimentant un système de test en boucle fermée "Robot-in-the-Loop" qui connecte simulation et environnement réel pour valider et optimiser les performances des robots. Avec une équipe de direction combinant expertise de Tsinghua, de Stanford et d'industriels chevronnés, Qingyan Precision construit une "base de données physique" visant "une plateforme, un cerveau, des centaines d'applications scénarisées". Positionnée comme un acteur clé de l'infrastructure, elle fournit les capacités nécessaires pour déployer l'intelligence incarnée dans des environnements industriels complexes.

marsbit07/13 04:35

Qingyan Jingzhun lève plusieurs centaines de millions de yuans, le fonds national de l'équipement industriel investit

marsbit07/13 04:35

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

Près d'une centaine d'acteurs se ruent dans le secteur des données d'embodiment : 44,7 milliards de yuans levés en un an, mais qui peut vraiment gagner de l'argent en "vendant des données" ? Le secteur des données pour l'intelligence incarnée (embodiment) est en plein essor, avec 97 acteurs identifiés en Chine, dont 70 dans la collecte et 27 dans l'infrastructure. Sur un an, 15 prestataires de services indépendants spécialisés ont levé environ 44,7 milliards de yuans, un montant modeste comparé aux investissements totaux dans l'embodiment. La collecte s'organise autour de quatre approches principales : téléopération de robots physiques, collecte sans robot (via capteurs de mouvement), synthèse par simulation et distillation de vidéos internet. La plupart des acteurs combinent plusieurs méthodes. Les prestataires indépendants constituent le groupe le plus important (40%), devant les plateformes publiques (26%) et les fabricants de robots (25%). La capacité de production annuelle actuelle est estimée entre 1,6 et 1,8 million d'heures de données, avec un objectif de multiplication par 15 à 20 d'ici 1 à 3 ans. Des "usines à données" sont implantées dans 20 provinces, principalement dans les régions côtières développées. Le financement reste concentré sur des sociétés en phase précoce ; plus de la moitié des prestataires indépendants financés ont moins d'un an. La startup Lightwheel AI se distingue, ayant levé 31 milliards de yuans et atteint une valorisation de plus de 20 milliards de dollars. Cependant, les investisseurs restent prudents, aucun n'ayant effectué de pari massif sur le secteur. En résumé, le marché des données d'embodiment est devenu une piste indépendante et créatrice d'emplois, mais il en est encore à ses débuts. La viabilité commerciale d'un modèle basé sur la seule vente de données n'est pas encore démontrée. Les prochaines années seront cruciales pour vérifier si ces "vendeurs de pelles" peuvent réellement être rentables.

marsbit07/12 02:36

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

marsbit07/12 02:36

Le nouveau scénario de Paradigm : Crypto d'une main, IA et robotique de l'autre

Paradigm, célèbre société de capital-risque, a officiellement levé 12 milliards de dollars pour son quatrième fonds en juillet 2026, marquant un tournant stratégique significatif. Historiquement focalisée exclusivement sur la cryptomonnaie et l'infrastructure blockchain, l'entreprise élargit désormais son champ d'investissement pour inclure l'intelligence artificielle, la robotique et d'autres technologies de pointe. Ce changement, anticipé par une modification de sa description officielle en mars 2026, répond à la dynamique du marché où l'IA attire des financements massifs. Bien que diversifiant son portefeuille avec des investissements dans des entreprises comme Zipline (livraison par drones) ou True Anomaly (sécurité spatiale), Paradigm reste fermement engagée dans l'écosystème crypto. Sa vision est de trouver des synergies entre ces domaines, notamment en soutenant le développement d'Agents IA décentralisés qui pourraient utiliser les blockchains comme infrastructure financière native. Des projets comme Tempo (Layer1 pour paiements et Agents IA) et des outils comme EVMbench illustrent cette approche. Dans le domaine crypto pur, l'entreprise continue de se concentrer sur les infrastructures fondamentales telles que les dérivés (Hyperliquid), les marchés prédictifs (Kalshi) et les outils pour développeurs (Reth, Foundry). L'évolution de Paradigm reflète l'adaptation des grands investisseurs à un paysage technologique en mutation rapide, où la convergence des technologies devient essentielle pour saisir les prochaines vagues de croissance, sans pour autant abandonner le noyau historique de leur expertise.

Foresight News07/09 09:09

Le nouveau scénario de Paradigm : Crypto d'une main, IA et robotique de l'autre

Foresight News07/09 09:09

L’intelligence incarnée en épreuve suprême : les modèles les plus puissants ne font que 12,8%, quand l’humain atteint 100

L'évaluation RoboDojo, un nouveau benchmark unifié pour l'intelligence incarnée en robotique, révèle l'écart considérable entre les modèles actuels et une capacité opérationnelle générale et fiable. Ce "Mont Everest de l'incarnation" évalue 30 stratégies robotiques principales sur 42 tâches en simulation et 18 tâches en monde réel, couvrant la généralisation, la mémoire, la précision, les tâches à long horizon et la compréhension sémantique ouverte. Les résultats sont sévères : dans l'environnement simulé, la meilleure stratégie, Hy-Embodied-0.5-VLA, n'atteint qu'un taux de réussite moyen de 8,80%. Dans le monde réel, le modèle le plus performant, π0.5, n'atteint que 12,8% de réussite. En comparaison, un expert humain atteint 76,03% en simulation et 100% sur les tâches réelles. RoboDojo se distingue en standardisant également l'évaluation sur robots physiques (RoboDojo-RealEval) avec des protocoles reproductibles, exposant ainsi les défis de l'incertitude physique, du bruit des capteurs et de la dérive des actionneurs. La plateforme XPolicyLab facilite l'intégration et la comparaison équitable des modèles. Le benchmark met en lumière les limites actuelles : aucune approche n'est compétente sur toutes les capacités, et les performances chutent drastiquement face à des instructions sémantiques ouvertes (environ 1,67% de réussite). RoboDojo établit ainsi une référence communautaire et ouverte, essentielle pour mesurer les progrès vers des robots polyvalents véritablement capables de comprendre et d'agir dans le monde physique.

marsbit07/08 11:55

L’intelligence incarnée en épreuve suprême : les modèles les plus puissants ne font que 12,8%, quand l’humain atteint 100

marsbit07/08 11:55

Les robots apprennent à manipuler en regardant des vidéos : Berkeley établit pour la première fois un lien direct entre les vidéos Internet et le déploiement réel sur des mains habiles

**Des robots apprennent à partir de vidéos humaines : une percée de Berkeley** Des chercheurs de UC Berkeley ont mis au point « Do as I Do », un pipeline complet qui transforme pour la première fois des vidéos monoscopiques RGB d’actions humaines quotidiennes en trajectoires exécutables par une main robotique agile réelle (Sharpa Wave). Le défi majeur était de convertir les vidéos bruyantes du web, souvent floues ou avec des occlusions, en données exploitables. La méthode se décompose en deux étapes : une reconstruction 4D robuste de l’interaction main-objet grâce à un modèle de diffusion guidé pour un suivi stable, puis un redirectionnement d’action optimisé pour gérer le bruit des trajectoires de référence. Les résultats sont significatifs : le système a généré 500 trajectoires validées pour 20 types d’actions (mélanger, écrire, percer, etc.) et en a déployé 10 en temps réel (50 Hz) sur un vrai robot à deux bras et deux mains Sharpa Wave (22 degrés de liberté). Le taux de succès du redirectionnement est passé de 25% à 71% sur des trajectoires bruitées. Cette recherche comble une lacune clé en robotique d’apprentissage, démontrant que l’immense corpus de vidéos humaines disponibles en ligne peut désormais servir de source de données pour l’apprentissage par imitation à grande échelle pour les mains robotiques agiles.

marsbit07/06 07:24

Les robots apprennent à manipuler en regardant des vidéos : Berkeley établit pour la première fois un lien direct entre les vidéos Internet et le déploiement réel sur des mains habiles

marsbit07/06 07:24

La Chine a ajouté 67 licornes en six mois, l'IA et la robotique en représentent plus de la moitié

Au cours du premier semestre 2026, la Chine a vu naître 67 nouvelles entreprises «licorne», portant le total à 517 pour une valorisation globale d'environ 2 390 milliards de dollars. Cette résurgence marque un nouveau cycle de croissance, après un ralentissement en 2023-2024, et est principalement tirée par l'intelligence artificielle (IA) et la robotique, qui représentent plus de 53% des nouvelles entrées. La robotique (19 entreprises) et l'IA (17 entreprises) en sont les moteurs absolus, reflétant le passage d'une économie centrée sur la consommation internet vers les technologies matures (hard tech). La répartition géographique reste très concentrée, avec Pékin (19), Shanghai (18), Shenzhen (9) et Hangzhou (5) représentant 76,1% des nouvelles licornes. Hangzhou se distingue grâce à la valorisation exceptionnelle de DeepSeek (615,38 milliards de dollars). La structure de valorisation est pyramidale, la majorité (77,6%) se situant entre 10 et 20 milliards de dollars, avec seulement deux super-licornes au-dessus de 100 milliards : DeepSeek et Ke Ling AI. On observe une polarisation dans le temps de création : près de la moitié des entreprises ont été fondées au cours des trois dernières années, certaines atteignant le statut de licorne en quelques mois seulement, souvent issues de scissions de grandes entreprises ou créées par des fondateurs renommés dans l'IA/robotique. À l'inverse, les licornes des secteurs comme les semi-conducteurs ou la biotechnologie affichent des parcours plus longs (plus de 8 ans). Cette vague met en lumière une accélération sans précédent de la transformation technologique en Chine, tout en soulevant des questions sur d'éventuels risques de surévaluation et de congestion dans les secteurs les plus en vogue. La tendance devrait se poursuivre au second semestre, l'IA et la robotique demeurant les principaux moteurs.

marsbit07/06 04:55

La Chine a ajouté 67 licornes en six mois, l'IA et la robotique en représentent plus de la moitié

marsbit07/06 04:55

Star Dynamics lève 2,5 milliards en deux mois, les capitaux d'État rejoignent le mouvement

La startup chinoise de robotique « embodied AI » Xingdong Jiyuan a levé 10 milliards de yuans (environ 1,4 milliard de dollars) le 6 juillet, portant le total de ses financements à 25 milliards de yuans en deux mois. Ce tour de table, mené par des fonds d’État dont China Reform Holdings, marque un fort soutien institutionnel. Issue de l’Université Tsinghua et fondée en 2023 par Chen Jianyu, la société se distingue par sa stratégie « AI Native » et son approche pionnière des « modèles mondiaux » (world models) pour l’intelligence incarnée. Elle développe en interne une pile technologique complète, allant des algorithmes et des données jusqu’aux actionneurs et aux robots. Un élément clé de sa stratégie est le développement de mains robotisées hautes performances (série XHAND). Conçues pour collecter des données de haute qualité lors d’interactions physiques, elles alimentent l’entraînement des modèles d’IA de la société, créant ainsi une boucle vertueuse entre le matériel et l’intelligence. Sur le plan commercial, Xingdong Jiyuan a atteint un Product-Market Fit dans la logistique, avec des robots déployés chez des acteurs majeurs comme SF Express et China Post, fonctionnant 24h/24 pour le tri de colis. La société étend également ses applications à la fabrication haut de gamme (avec des partenaires comme Samsung, Lenovo) et aux services commerciaux. Avec une base de données étendue issue de scénarios réels et un écosystème d’investisseurs mêlant capitaux publics, financiers et industriels, la société vise à construire un avantage concurrentiel durable à l’ère où la mise à l’échelle commerciale et la supériorité technologique deviennent déterminantes dans le secteur de l’IA incarnée.

marsbit07/06 01:40

Star Dynamics lève 2,5 milliards en deux mois, les capitaux d'État rejoignent le mouvement

marsbit07/06 01:40

Dernier article long de Fei-Fei Li : Lorsque la génération vidéo, la robotique et NVIDIA se disent tous des modèles du monde, nous avons besoin d'une taxonomie

Dans un article, Li Fei-Fei propose une taxonomie pour clarifier le terme largement utilisé et souvent confus de « modèle du monde » en IA. Elle s'appuie sur le cadre classique du POMDP (processus de décision markovien partiellement observable) où un agent exécute des actions qui modifient l'état du monde, et reçoit en retour des observations. Elle distingue trois catégories fonctionnelles de « modèles du monde » selon leur sortie dans cette boucle : 1. **Le moteur de rendu (Renderer)** : Génère des observations (pixels visuels). Son critère est la fidélité visuelle (ex : Sora, Genie). Commercialement mature, il a une limite car la beauté ne garantit pas l'exactitude physique. 2. **Le simulateur (Simulator)** : Génère ou modélise des états du monde, avec une représentation géométrique et physiquement précise (ex : Omniverse de NVIDIA). C'est le pont clé et sous-estimé, car il sert à la fois aux humains (visualisation) et aux machines (entraînement de robots, planification). Il travaille sur la structure même du monde (géométrie, physique). 3. **Le planificateur (Planner)** : Génère des actions. À partir d'une observation et d'un but, il détermine la prochaine action d'un agent (ex : modèles vision-langage-action). C'est le plus excitant mais le moins mature, avec un écart important entre les démonstrations en labo et un déploiement réel fiable. Li Fei-Fei argue que le simulateur est le pivot crucial, car la maîtrise de la simulation fournit une base pour le rendu et la planification. La tendance actuelle est à la fusion de ces trois catégories, reposant sur l'idée qu'elles partagent une compréhension sous-jacente commune du monde. L'objectif final est un modèle du monde unifié capable de basculer entre ces fonctions. Cette convergence redéfinira l'intelligence spatiale, permettant aux machines non seulement de parler du monde (via le langage) mais de le comprendre, de l'imaginer et d'interagir avec lui.

marsbit07/05 09:30

Dernier article long de Fei-Fei Li : Lorsque la génération vidéo, la robotique et NVIDIA se disent tous des modèles du monde, nous avons besoin d'une taxonomie

marsbit07/05 09:30

Dernier article de Fei-Fei Li : Alors que la génération vidéo, la robotique et NVIDIA revendiquent tous le titre de "modèle du monde", nous avons besoin d'une taxonomie

L'article de Fei-Fei Li propose une taxonomie pour clarifier le concept de « modèle du monde », de plus en plus utilisé de manière disparate dans l'IA. En s'appuyant sur le cadre classique du POMDP (Processus de Décision Markovien Partiellement Observable), elle distingue trois fonctions distinctes : 1. **Le moteur de rendu** : Il génère des observations visuelles (pixels) à partir d'actions ou de prompts. Son objectif est la fidélité visuelle, mais il ne garantit pas l'exactitude physique (ex. : Sora, Genie). 2. **Le simulateur** : Il produit un **état** du monde précis sur les plans géométrique, physique et dynamique. Il sert à la fois aux humains (conception, visualisation) et aux programmes (entraînement de robots, tests). C'est le pivot crucial, sous-estimé, car il fournit la base structurelle pour le rendu et la planification. 3. **Le planificateur** : À partir d'une observation et d'un objectif, il détermine les **actions** à exécuter. C'est le plus excitant mais le moins mature, l'écart entre les démonstrations en laboratoire et les déploiements réels restant important (ex. : modèles vision-langage-action). L'article souligne que ces trois catégories, bien que distinctes, partagent une compréhension sous-jacente commune du monde (géométrie, physique). La tendance actuelle est à leur **fusion**. Un modèle unifié pourrait, à terme, basculer entre ces modes selon les besoins. Le simulateur y joue un rôle central : maîtriser la simulation permet de dériver à la fois le rendu et la planification, l'inverse n'étant pas vrai. La vision finale est un modèle de base unique capable de rendre, simuler et planifier, redéfinissant ainsi l'intelligence spatiale des machines.

链捕手07/05 09:19

Dernier article de Fei-Fei Li : Alors que la génération vidéo, la robotique et NVIDIA revendiquent tous le titre de "modèle du monde", nous avons besoin d'une taxonomie

链捕手07/05 09:19

Sélections de la Semaine : Robinhood lance sa L2, 140 géants lancent l'OUSD stablecoin, MicroStrategy dévoile son plan de sauvetage

Résumé hebdomadaire de PANews : L'actualité de la semaine écoulée a été marquée par plusieurs développements majeurs dans les secteurs de la cryptographie, de l'IA et de la finance. Dans le domaine de la crypto, Robinhood a lancé sa propre blockchain de couche 2 (L2), Robinhood Chain, intégrant des actions tokenisées et des services de prêt. L'alliance Open Standard, soutenue par 140 géants de la fintech dont Stripe, a présenté OUSD, un nouveau stablecoin qui défie l'oligopole de l'USDT et de l'USDC, provoquant une chute de l'action de Circle. MicroStrategy a annoncé un changement stratégique, prévoyant de vendre pour 1,25 milliard de dollars de BTC et un rachat d'actions de 2 milliards, s'éloignant de sa stratégie d'accumulation passive. Le secteur de l'IA a vu des mouvements significatifs : Meta développe une activité de cloud computing pour vendre de la puissance de calcul IA, ce qui a entraîné une volatilité sur le marché des infrastructures. En Corée du Sud, Samsung et SK Hynix ont promis des investissements massifs dans les semi-conducteurs. Parallèlement, des préoccupations émergent concernant la surconsommation de tokens par les outils d'IA comme Claude de Microsoft, soulevant des questions sur leur efficacité économique. Sur les marchés, des analyses pointent un possible retournement pour les cryptomonnaies à l'automne, tandis que l'a16z met en avant la robotique comme prochaine frontière de l'IA. Le calendrier de juillet est chargé, avec la fin de la période de transition du règlement MiCA de l'UE et des événements majeurs comme la finale de la Coupe du Monde. Des informations clés incluent le retour des flux nets positifs pour les ETF spot Bitcoin, la chute brutale de l'Avalanche Treasury Corp et le short de Michael Burry sur Micron.

marsbit07/04 02:00

Sélections de la Semaine : Robinhood lance sa L2, 140 géants lancent l'OUSD stablecoin, MicroStrategy dévoile son plan de sauvetage

marsbit07/04 02:00