Les Jeux de robots humanoïdes de Pékin battent des records, mais l’usine reste le véritable adversaire

Les robots humanoïdes de Pékin ont franchi un seuil spectaculaire le 22 août, en réalisant un 100 mètres en 9,39 secondes, même s’ils doivent encore faire leurs preuves dans des tests plus pratiques que la piste. Les deuxièmes World Humanoid Robot Games ont également présenté des machines jouant à des sports de raquette, soulevant des poids et manipulant des haricots avec des pincettes. Ces résultats ont produit des images saisissantes. Ils n’ont pas tranché la question de savoir si les humanoïdes peuvent accomplir un travail utile de manière fiable.

L’événement de cinq jours se poursuit jusqu’au 26 août à l’Anneau national de patinage de vitesse de Pékin. Son ampleur est passée de 280 équipes en 2025 à 666 équipes et 2 056 robots inscrits cette année. Les organisateurs ont programmé 51 épreuves et 1 301 sessions de compétition, selon un aperçu officiel de l’événement.

Une brève originale de 36Kr relayée via RSSHub mettait en avant les progrès parallèles des « mains » et des « cerveaux » robotiques. Cette formulation résume le problème central de l’ingénierie. Un humanoïde utile a besoin à la fois d’une intelligence corporelle globale et d’un contrôle physique précis.

Pourtant, le concours le plus important n’oppose pas le robot à l’athlète. Il oppose les performances de compétition au travail reproductible dans les usines, les entrepôts, les hôtels et les foyers. Un sprint peut révéler l’équilibre et les performances des actionneurs. Un déploiement en production doit aussi garantir sécurité, disponibilité, adaptabilité et une justification économique pour maintenir la machine en service.

Les records ont accru la visibilité de la robotique humanoïde

Les Jeux ont transformé les progrès d’ingénierie d’une année sur l’autre en chiffres immédiatement compréhensibles pour les non-spécialistes.

Un robot de l’équipe Tianzhuo a terminé une série préliminaire du 100 mètres en 9,39 secondes. C’était plus rapide que le record du monde humain d’Usain Bolt, établi en 2009 à 9,58 secondes. Un autre essai aurait atteint 9,32 secondes lors d’un test avant l’événement, selon le développeur du robot.

Le résultat de 9,39 secondes contraste aussi fortement avec le meilleur temps des Jeux inauguraux. En 2025, Tien Kung Ultra avait remporté la finale du 100 mètres en 21,50 secondes. Réduire le temps de plus de moitié en un an suggère des améliorations majeures des moteurs, de l’alimentation électrique, de la structure mécanique, des logiciels de contrôle et de la récupération d’équilibre.

Une démonstration de saut en hauteur sans élan a produit un autre chiffre saisissant. Le robot a atteint 2,8843 mètres, contre un meilleur résultat humanoïde d’environ 0,95 mètre lors des Jeux précédents. Un robot engagé sur 400 mètres a ensuite terminé sa course en 38,15 secondes.

Ces réussites appellent un langage prudent. Les épreuves pour robots et pour humains reposent sur des corps, des règles, des méthodes de saut et des contraintes de sécurité différents. Une machine franchissant une hauteur lors d’une démonstration sans élan ne participe pas au saut en hauteur humain selon les règles de World Athletics. La comparaison aide à communiquer l’ampleur du résultat, pas à déclarer les robots meilleurs athlètes.

Malgré tout, les résultats de la journée d’ouverture témoignent d’une évolution réelle des capacités. Courir vite sur deux jambes exige que le contrôleur estime la position du corps, choisisse l’emplacement des pieds et corrige l’instabilité en quelques fractions de seconde. De petites erreurs de timing peuvent projeter une machine au sol ou contre une barrière.

Le spectacle a révélé ces échecs en même temps que les records. Des images d’entraînement montraient un robot courant rapidement incapable de s’arrêter avant de heurter des équipements de protection. D’autres machines ont trébuché, perdu l’équilibre ou nécessité une assistance humaine. Ces moments n’étaient pas de simples scènes comiques. Ils ont montré la différence entre maximiser un résultat mesurable et gérer une tâche entière en toute sécurité.

La compétition dans son ensemble a également beaucoup gagné en ampleur. Les organisateurs ont fait passer le programme de 26 à 51 épreuves, dont 30 compétitives et 21 fondées sur des scénarios. Le nombre de sessions est passé de 487 à 1 301. Cette expansion compte, car davantage d’essais créent davantage d’occasions de découvrir des modes de défaillance.

Le programme allait aussi au-delà des épreuves de piste. Les robots ont joué au football, au tennis de table et au tennis, où ils devaient réagir à des objets en mouvement et à d’autres participants. Les arts martiaux, la danse sportive, l’haltérophilie, le tir à la corde et les performances collectives ont sollicité différentes combinaisons de contrôle, de puissance et de coordination.

Ces activités rendent la robotique compréhensible pour le grand public. Elles donnent aussi aux ingénieurs des objectifs fixes, des échéances et des résultats comparables. Toutefois, même le record athlétique le plus clair ne dit presque rien sur la fréquence à laquelle un robot peut accomplir un poste de huit heures sans intervention.

Cet écart crée la véritable tension de l’événement. La piste a montré qu’une machine peut se déplacer très vite dans des conditions contrôlées. Les concours par scénarios ont demandé si la même pile technologique pouvait percevoir, décider et manipuler lorsque la réussite dépend de bien plus que de la vitesse.

Le test le plus difficile se joue entre deux doigts

Les épreuves de mains dextres ont placé sous les yeux du public l’interface la plus fragile et la plus importante commercialement du secteur.

L’événement comprenait huit tâches de manipulation fine : assemblage avec outils électriques, pesée de poudre, construction de blocs, fixation de clous, ouverture de bouteilles, déballage de colis, manipulation de haricots avec des pincettes et connexion de câbles. Chaque tâche associait perception, contrôle de la force et précision mécanique.

Le défi des haricots paraissait modeste à côté d’un sprint record. Il représentait sans doute mieux les obstacles auxquels se heurtent les robots généralistes. La machine devait localiser un petit objet, aligner un outil, exercer assez de pression pour le saisir, tout en évitant de l’écraser ou de le laisser tomber.

Cette séquence est difficile, car la vision seule ne peut pas révéler tout ce qui se passe au point de contact. Une caméra peut estimer où se trouvent un haricot ou un câble. Elle ne peut pas toujours déterminer si un doigt commence à glisser ou si un bouchon est sur le point de se déformer.

Les capteurs tactiles répondent à une partie de ce problème. Ils mesurent les forces de contact, les vibrations, la température, la déformation ou le mouvement sur la main d’un robot. Le contrôleur peut alors ajuster sa prise avant qu’un objet fragile ne se casse ou qu’un objet lisse ne lui échappe.

De récents travaux sur la détection tactile illustrent cette direction. Des chercheurs ont intégré un capteur multimodal dans une main dextre et combiné ses signaux à un modèle de langage spécialisé. Le système a interprété des propriétés telles que la texture, le matériau, la température et le glissement.

Ces travaux ne signifient pas que le toucher de niveau humain est résolu. Les capteurs de laboratoire rencontrent encore des difficultés de durabilité, de calibrage, de fabrication et d’intégration. Une peau sensible qui fonctionne pendant une démonstration doit aussi résister à la poussière, aux chocs, aux contacts répétés et à des milliers d’heures de fonctionnement.

La conception mécanique ajoute une autre contrainte. Davantage d’articulations peuvent produire des mouvements plus humains, mais chacune ajoute des moteurs, des câbles, des variables de contrôle, du poids et des points de défaillance potentiels. Une main dextre doit concilier flexibilité, coût et facilité d’entretien.

La compétition a également révélé une réserve importante sur l’autonomie. Dans au moins une épreuve de manipulation de haricots, un opérateur portait des équipements de détection et contrôlait à distance un robot sur roues. Le concours de mains dextres a donc évalué le matériel et la téléopération aux côtés de la manipulation autonome.

La téléopération reste précieuse. Elle permet aux ingénieurs de collecter des démonstrations, de se remettre des erreurs et d’entraîner des modèles à partir d’actions humaines. Elle peut aussi soutenir des travaux dangereux où envoyer une personne dans l’environnement créerait un risque inacceptable.

Cependant, le contrôle à distance modifie l’équation commerciale. Une machine qui nécessite un opérateur pour chaque tâche ne réduit pas automatiquement les besoins en main-d’œuvre. La latence réseau, les défaillances de communication, la fatigue des opérateurs et les coûts de formation deviennent alors partie intégrante du système.

La prochaine étape ne consiste pas à éliminer les personnes de chaque flux de travail. Elle consiste à réduire la fréquence des interventions humaines. Un opérateur pourrait superviser plusieurs machines et ne prendre le contrôle que lorsqu’un objet inconnu ou une condition imprévue apparaît.

La construction de blocs et la connexion de câbles testent bien cette transition. Toutes deux exigent plusieurs actions dans un ordre précis. Un robot doit reconnaître les composants, maintenir leur orientation, gérer le contact, détecter l’achèvement et se rétablir lorsque la première tentative échoue.

Ce sont à la fois des problèmes de « main » et de « cerveau ». De meilleurs doigts ne peuvent pas compenser un contrôleur qui comprend mal la scène. Un meilleur modèle de planification ne peut pas compenser des doigts dépourvus d’un retour de force suffisant.

Le résumé 36Kr de RSSHub avait donc raison de relier les progrès du matériel dextre à une intelligence coordonnée. Les deux voies de développement convergent au moment du contact. C’est là qu’une prédiction du robot devient une action physique irréversible.

Des cerveaux plus puissants doivent contrôler le corps en temps réel

Le principal changement technique réside dans une coordination plus étroite entre la planification de haut niveau et le contrôle rapide de l’ensemble du corps.

Les équipes de robotique décrivent souvent une division entre un « grand cerveau » et un « petit cerveau ». Le grand cerveau gère la perception, le langage, la planification des tâches et le raisonnement général. Le petit cerveau exécute le contrôle moteur rapide, les corrections d’équilibre et les actions au niveau des articulations.

La distinction est utile, mais les deux systèmes ne peuvent pas fonctionner indépendamment. Un modèle de planification peut décider de ramasser une bouteille. Les contrôleurs de plus bas niveau doivent traduire cette intention en mouvement du bras, positionnement des doigts, force de préhension et maintien continu de l’équilibre.

Les sports rapides mettent en lumière la couche inférieure. Pendant un sprint, la machine ne peut pas attendre qu’un modèle généraliste réfléchisse à chaque pas. Elle a besoin d’une boucle de contrôle étroitement optimisée qui réponde immédiatement aux données des capteurs.

Les tâches par scénarios exigent les deux couches. Prenons l’exemple de l’ouverture d’un colis, de l’identification de son contenu et du placement des objets dans des bacs distincts. Le robot doit comprendre l’objectif, trouver les objets pertinents, choisir une séquence d’actions et exécuter chaque contact en toute sécurité.

Cette coordination explique pourquoi les compétitions sportives peuvent tout de même contribuer aux robots pratiques. La course sollicite l’équilibre dynamique, la puissance des actionneurs, les limites thermiques et la récupération. Les sports de raquette ajoutent la prédiction et la coordination œil-main. Le football ajoute la navigation, la collaboration et les décisions autour d’agents en mouvement.

Le transfert n’est pas automatique. Un contrôleur de course optimisé pour une piste propre ne devient pas un système d’entrepôt simplement parce que les deux impliquent de marcher. Un transfert utile se produit lorsque les développeurs réutilisent des composants, des méthodes d’entraînement, des données d’échec et des principes de contrôle.

L’apprentissage robotique dépend aussi fortement des données. Les modèles à l’échelle d’Internet peuvent apprendre le langage et les concepts visuels à partir de contenu numérique. Les systèmes physiques ont besoin d’exemples incluant l’action, la force, le timing, l’état des objets et les conséquences des erreurs.

Les compétitions génèrent une partie de ces informations. Chaque chute, prise manquée, virage instable et réaction tardive peut devenir un exemple d’entraînement. Les épreuves standardisées facilitent aussi les tests répétés par rapport à des démonstrations de produits aux contours flous.

Les données de compétition ont néanmoins leurs limites. Les arènes sont délibérément structurées, les objets sont choisis à l’avance et les règles limitent ce qui peut se produire. Les lieux de travail réels comportent du désordre, des changements d’éclairage, des emballages endommagés, des travailleurs en mouvement et des équipements qui n’ont jamais été conçus pour les robots.

La simulation peut multiplier le volume d’entraînement, mais les différences entre les contacts simulés et physiques restent difficiles à surmonter. Les matériaux se plient, les surfaces glissent et les moteurs se comportent différemment lorsque la température ou l’usure évolue. Les développeurs doivent combiner l’entraînement simulé avec des données physiques et des essais sur le terrain.

La progression des Jeux vers des courses plus autonomes est significative dans ce contexte. Plusieurs épreuves sur piste de plus longue distance exigeaient que les machines perçoivent leur environnement et se déplacent sans contrôle à distance continu. Le test s’éloigne ainsi de la vitesse mécanique pour se rapprocher d’une autonomie intégrée.

La coordination de groupe a offert un autre signal utile. Huit robots Booster T2 ont formé des figures lors de la cérémonie d’ouverture sans repères au sol ni contrôle à distance direct, selon les organisateurs et le développeur. La prestation nécessitait localisation, synchronisation et évitement des collisions entre de nombreux systèmes indépendants.

Une formation chorégraphiée reste plus simple qu’un environnement de travail non structuré. Chaque participant connaît le plan, et les organisateurs peuvent maîtriser les alentours. Néanmoins, l’exploitation d’un grand groupe constitue un test pratique pour les communications, le timing et la gestion de flotte.

Cette dernière capacité comptera dans les usines. Les acheteurs jugeront rarement un déploiement à la meilleure action réussie par un seul prototype. Ils demanderont si des dizaines de machines peuvent partager un espace, recevoir des missions, signaler des problèmes et reprendre le service après maintenance.

Le référentiel technique évolue donc. Les performances de pointe attirent toujours l’attention, mais l’intelligence utile se révèle dans la capacité de récupération. Un robot doit reconnaître que la réalité s’est écartée de son plan et choisir la prochaine action sûre.

L’usine, et non l’athlète, est le principal adversaire

L’adoption commerciale sera déterminée par la fiabilité et l’économie des tâches, non par la capacité d’un humanoïde à dépasser un humain à la course.

Une usine dispose déjà de nombreuses options d’automatisation. Bras fixes, systèmes de convoyage, vision industrielle, véhicules à guidage automatique et préhenseurs spécialisés exécutent souvent des tâches ciblées plus efficacement qu’une machine à forme humaine.

Les humanoïdes sont les plus convaincants lorsque les environnements et les outils ont été conçus pour les personnes. Des jambes peuvent franchir des seuils ou monter des marches. Des bras semblables à ceux des humains peuvent atteindre des commandes existantes, tandis que des mains habiles peuvent utiliser des objets que les fabricants ne souhaitent pas repenser.

Cette polyvalence reste une promesse en cours d’évaluation. Les machines spécialisées bénéficient généralement d’une mécanique plus simple et d’une mission clairement définie. Un humanoïde supporte le coût et la complexité d’articulations dont un poste donné n’a peut-être pas besoin.

Les preuves les plus solides proviennent donc d’essais en production réelle. Quatre robots AgiBot Genie G2 ont réalisé une démonstration de huit heures sur une ligne d’assemblage de tablettes à Nanchang en avril. Ils ont inspecté les produits, déplacé des matériaux et isolé les anomalies pour qu’elles soient récupérées par des humains.

Selon l’entreprise et des représentants de l’usine, chaque opération prenait de 18 à 20 secondes. Les robots ont traité 310 unités par heure et auraient dépassé un taux de réussite de 99,9 %. Ces chiffres proviennent d’un déploiement contrôlé et nécessitent une évaluation indépendante continue.

L’essai sur ligne d’usine reste plus pertinent commercialement qu’un record de sprint. Il a testé un travail répété autour d’un convoyeur en activité, où une erreur peut arrêter la production ou endommager les stocks.

L’essai souligne aussi l’importance de la coordination entre les mains et le cerveau. Les robots auraient utilisé la perception visuelle et le contrôle de force pour s’adapter aux écarts de position. Ils devaient identifier les objets, ajuster leurs mouvements et les placer avec précision au rythme de la production.

Les usines automobiles offrent un autre terrain d’essai. Des entreprises telles qu’UBTech ont déployé des systèmes humanoïdes dans des usines de véhicules pour des essais de manutention, d’inspection et de tri. Ces environnements proposent des processus structurés, mais comportent encore des variations, des équipements en mouvement et des exigences strictes de sécurité.

Les centres logistiques offrent des opportunités connexes. Les robots peuvent déplacer des bacs, trier des articles et manipuler des colis tout en utilisant des allées et des rayonnages conçus pour les travailleurs humains. Pourtant, les systèmes sur roues restent souvent plus rapides et moins coûteux sur des sols plats.

Les environnements de service imposent d’autres contraintes. Un robot d’hôtel doit interagir en toute sécurité avec les clients, se déplacer de manière fiable et pouvoir se rétablir simplement. Une machine domestique fait face à encore plus de variations, notamment des enfants, des animaux, des liquides, des escaliers et des objets inconnus.

Les Jeux comprenaient des épreuves scénarisées pour l’industrie, la logistique, l’hôtellerie, le service domestique et les interventions d’urgence. Ces catégories indiquent les marchés que les développeurs souhaitent atteindre. Elles ne prouvent pas que les systèmes participants sont prêts pour un déploiement sans supervision.

Les acheteurs examineront plusieurs mesures opérationnelles qui apparaissent rarement dans les vidéos de démonstration. Le temps moyen entre pannes mesure combien de temps une machine fonctionne avant une défaillance. Le taux d’intervention mesure la fréquence à laquelle une personne doit la secourir. La réussite des tâches doit rester stable malgré l’évolution des conditions.

La consommation d’énergie compte également. Un robot qui exécute des mouvements impressionnants pendant quelques minutes peut avoir du mal à tenir tout un poste sans recharge ni remplacement de batterie. La gestion thermique se complique lorsque les moteurs génèrent à répétition un couple élevé.

La maintenance peut ruiner un dossier d’achat pourtant attractif. Les mains contiennent de petits composants exposés aux chocs et à l’usure fréquents. Une chute peut endommager simultanément les actionneurs, capteurs, réducteurs, câblages et structures extérieures.

Les normes de sécurité ajoutent du travail supplémentaire. Un robot rapide opérant près de personnes doit les détecter, limiter les forces de contact, s’arrêter de manière prévisible et passer dans un état sûr après une panne de communication. Performances et sécurité ne peuvent pas rester deux chantiers d’ingénierie distincts.

C’est là que le cadrage athlétique peut induire en erreur. Les records humains récompensent la performance maximale lors d’une tentative brève. L’automatisation industrielle récompense des performances prévisibles sur plusieurs mois, y compris pour des tâches monotones et dans des conditions imparfaites.

L’usine est donc le véritable adversaire. Elle impose une norme implacable fondée sur le temps de fonctionnement, le débit, la qualité, la sécurité et le coût total d’exploitation. Un robot ne gagne pas en ayant l’apparence d’un humain. Il gagne en accomplissant suffisamment de travail utile pour justifier sa complexité.

Ce que les vidéos de démonstration n’établissent pas

Les Jeux offrent de précieux tests de résistance, mais leurs résultats ne démontrent pas encore une autonomie générale ni une préparation commerciale à grande échelle.

Premièrement, les règles des épreuves comptent. Les participants autonomes et téléopérés testent des capacités différentes, même lorsqu’ils figurent dans le même programme. Rapporter un résultat sans préciser le mode de contrôle peut faire passer une prouesse matérielle pour une avancée en autonomie.

Deuxièmement, les comparaisons de records nécessitent du contexte. Les athlètes humains suivent des contraintes biologiques et sportives standardisées. Les robots varient fortement par leurs dimensions, leurs matériaux, leurs systèmes d’alimentation et leurs techniques d’épreuve. La comparaison chiffrée produit un titre intuitif, pas une catégorie compétitive commune.

Troisièmement, les environnements scénarisés masquent la longue traîne des variations physiques. Une équipe peut étudier l’arène, s’entraîner avec des équipements connus et ajuster son comportement à un système de notation précis. Un client ne peut pas empêcher l’apparition de chaque nouvel objet ou interruption.

Quatrièmement, les démonstrations divulguent rarement des données d’intervention complètes. Une machine peut achever sa tentative filmée après que des ingénieurs l’ont réinitialisée plusieurs fois. Sans le total des tentatives, des échecs, du temps de récupération et des données de maintenance, les spectateurs ne peuvent pas calculer une performance fiable.

Cinquièmement, le secteur manque encore de preuves suffisamment standardisées pour comparer les déploiements. Les fournisseurs communiquent des taux de réussite selon des conditions et définitions différentes. Une entreprise peut considérer comme réussie une action corrigée, tandis qu’une autre considère toute intervention humaine comme un échec.

Cela ne réduit pas les compétitions à un spectacle vide. Une échéance publique oblige les équipes à intégrer des systèmes qui, autrement, resteraient peut-être des projets de laboratoire distincts. Les échecs surviennent devant des rivaux, des clients, des chercheurs et des caméras.

Le format crée aussi des tâches communes. Si les organisateurs préservent les règles, les environnements et les résultats complets, les comparaisons d’une année sur l’autre peuvent révéler de véritables progrès. La publication des classifications d’autonomie et des décomptes d’intervention rendrait ces comparaisons bien plus solides.

Le soutien des pouvoirs publics accélère la recherche de preuves sur le terrain. Le ministère chinois de l’Industrie et le régulateur des actifs publics ont lancé en 2026 un programme de formation en conditions réelles pour les humanoïdes et l’intelligence incarnée. Il couvre l’industrie manufacturière, la logistique, la maintenance, le commerce de détail, les soins de santé et les interventions d’urgence.

Le programme de déploiement vise, d’ici la fin de l’année, une exploitation validée et régulière dans des environnements représentatifs. Il cherche également à développer plus de 100 scénarios à forte valeur et une capacité de déploiement mesurée en dizaines de milliers d’unités.

Ce sont des objectifs politiques, non des résultats de marché confirmés. Ils montrent que les organismes publics reconnaissent le même écart mis en évidence par les Jeux. Les machines ont besoin d’une exposition plus longue au travail réel, de données physiques plus riches et d’une gestion sur l’ensemble de leur cycle de vie.

La pression géopolitique ajoute une autre incertitude. La robotique humanoïde s’inscrit désormais dans une compétition plus large autour de l’IA, des semi-conducteurs, des chaînes d’approvisionnement et du leadership industriel. Les restrictions commerciales peuvent influer sur les composants, l’accès aux marchés, les contrôles de sécurité et les partenariats internationaux.

La Chine dispose d’une importante profondeur industrielle dans les moteurs, les batteries, l’électronique et les composants mécaniques. Les entreprises américaines restent très présentes dans la recherche en IA, les puces, les logiciels et les programmes humanoïdes médiatisés. Aucun de ces avantages n’élimine le difficile travail d’intégration.

La principale voie commerciale peut également différer selon les marchés. Certaines entreprises privilégient des humanoïdes polyvalents entraînés sur de nombreuses tâches. D’autres construiront des systèmes spécialisés pour un secteur donné, en n’utilisant des caractéristiques humaines que là où les environnements existants les exigent.

Les Jeux ne peuvent pas trancher ce débat. Leur diversité récompense les plateformes flexibles, alors qu’une usine récompense souvent une optimisation ciblée. Les acheteurs commerciaux décideront si la généralité crée suffisamment de valeur pour compenser le coût et la complexité supplémentaires.

Trois signaux montreront si les compétences de compétition sont transférables

La prochaine phase devrait être évaluée à travers l’autonomie, le déploiement soutenu et la fiabilité de la manipulation dans des conditions inconnues.

Le premier signal est une autonomie complète sous des règles publiées. Les futurs résultats devraient clairement indiquer si une machine a agi de façon indépendante, suivi un script préparé ou reçu un contrôle humain continu. La fréquence des interventions devrait apparaître à côté du temps de réalisation.

Si les robots autonomes conservent leur vitesse tout en gérant des perturbations, l’argument en faveur d’une intelligence corporelle globale transférable se renforcera. Si les performances chutent fortement sans téléopération, les Jeux resteront principalement une vitrine matérielle.

Le deuxième signal est constitué de données d’usine sur plusieurs mois. Développeurs et clients devraient communiquer les heures de fonctionnement, le débit, les interventions, la maintenance, les incidents de sécurité et les changements de tâches. Le passage des pilotes à des commandes répétées aurait plus de poids que les seules annonces de livraisons.

Un déploiement utile devrait résister à des variations qui n’ont pas été programmées individuellement. Il devrait s’adapter à de modestes changements d’agencement, reconnaître des entrées défectueuses et se rétablir en sécurité. Des résultats cohérents sur plusieurs sites clients renforceraient l’argument commercial.

Le troisième signal est une manipulation habile avec une supervision réduite. Il faudra observer si les robots peuvent manipuler des objets souples, réfléchissants, irréguliers ou partiellement cachés sans mise en place soigneusement préparée. L’utilisation d’outils et la manipulation de câbles fourniront des tests particulièrement instructifs.

Une réussite montrerait que la perception tactile, la perception visuelle, la planification et le contrôle souple convergent en un système fiable. Des échecs persistants indiqueraient que de meilleures mains et de meilleurs modèles ne parviennent toujours pas à se coordonner avec une qualité de production.

Les deuxièmes World Humanoid Robot Games ont déjà modifié les attentes du public. Un sprint en 9,39 secondes et un saut en hauteur sans élan de 2,8843 mètres font paraître les machines de l’an dernier bien lointaines. Les épreuves de manipulation fine ont également déplacé la conversation des corps qui marchent vers le contact utile.

Cependant, la conclusion la plus solide est plus nuancée. La compétition devient un laboratoire d’intégration rapide, tandis que la maturité commerciale demeure un test distinct. RSSHub et 36Kr ont mis en lumière une tendance réelle, mais les preuves décisives viendront une fois les caméras parties.

Au cours des trois prochains mois, regardez au-delà des nouveaux records et observez à quelle fréquence les robots agissent sans intervention de secours. Suivez si les projets pilotes en usine se transforment en commandes régulières et si les mains agiles conservent leur précision face à des objets changeants. Si ces signaux s’améliorent simultanément, les Jeux auront fait plus que produire des images marquantes. Ils auront accéléré une voie crédible menant du spectacle sportif à une intelligence physique utile.