Publié le 3 novembre 2025. Une entreprise chinoise de robotique, AgiBot, a franchi une étape importante dans l’automatisation industrielle en déployant avec succès son système d’apprentissage par renforcement dans une usine de production réelle, ouvrant la voie à une fabrication plus flexible et efficace.
- AgiBot a mis en œuvre son système d’apprentissage par renforcement dans le monde réel (RW-RL) sur une ligne de production pilote en collaboration avec Longcheer Technology.
- Il s’agit de la première application de l’apprentissage par renforcement dans le monde réel dans la robotique industrielle, reliant l’IA de pointe à la production à grande échelle.
- Le système permet aux robots d’apprendre et de s’adapter rapidement aux changements de production, réduisant considérablement les temps de reconfiguration et les coûts.
Shanghai – AgiBot, une société spécialisée dans l’intelligence embarquée pour la robotique, a annoncé aujourd’hui le déploiement réussi de son système d’apprentissage par renforcement dans le monde réel (RW-RL) au sein d’une ligne de production pilote exploitée par Longcheer Technology. Cette avancée marque une première dans le domaine de la robotique industrielle, comblant le fossé entre la recherche de pointe en intelligence artificielle et les exigences de la production à grande échelle.
Les lignes de fabrication de précision reposent traditionnellement sur des systèmes d’automatisation rigides, nécessitant une conception complexe, des réglages minutieux et des reconfigurations coûteuses. Même les solutions intégrant la vision artificielle et le contrôle de force se heurtent à des difficultés liées à la sensibilité des paramètres, aux délais de déploiement prolongés et à la complexité de la maintenance. Le système d’AgiBot résout ces problèmes en permettant aux robots d’apprendre et de s’adapter directement dans l’environnement de l’usine.
Selon AgiBot, son système permet aux robots d’acquérir de nouvelles compétences en quelques dizaines de minutes seulement, assurant un déploiement stable et des performances durables sans dégradation. Les changements de ligne ou les transitions de modèles ne nécessitent que des ajustements matériels minimes et des procédures de déploiement standardisées, améliorant ainsi considérablement la flexibilité tout en réduisant les délais et les coûts.
Les principaux avantages de l’apprentissage par renforcement dans le monde réel d’AgiBot incluent un déploiement rapide – réduisant le temps de formation aux nouvelles compétences de plusieurs semaines à quelques minutes – une grande adaptabilité, capable de compenser les variations courantes dans la position des pièces et les tolérances, et une reconfiguration flexible, permettant des modifications rapides des tâches ou des produits sans nécessiter d’outillage personnalisé. Cette dernière caractéristique permet de surmonter le dilemme traditionnel entre l’automatisation rigide et la demande variable dans la fabrication de produits électroniques grand public.
Le système présente également une forte généralité dans l’agencement des espaces de travail et des lignes de production, facilitant son transfert et sa réutilisation dans divers contextes industriels. Cette étape représente une intégration profonde entre l’intelligence de perception-décision et le contrôle de mouvement, un pas crucial vers l’unification de l’intelligence algorithmique et de l’exécution physique.
Contrairement à de nombreuses démonstrations réalisées en laboratoire, le système d’AgiBot a été validé dans des conditions proches de la production, bouclant ainsi la boucle complète entre la recherche de pointe et la vérification de la qualité industrielle.
Ces dernières années, la communauté de recherche en robotique et en IA a réalisé des progrès significatifs dans l’amélioration de la stabilité, de l’efficacité et de l’applicabilité de l’apprentissage par renforcement dans le monde réel. Le Dr Jianlan Luo, scientifique en chef chez AgiBot, et son équipe ont contribué à des avancées académiques clés démontrant que l’apprentissage par renforcement peut obtenir des résultats fiables et performants directement sur des robots physiques. Chez AgiBot, ces bases ont été transformées en un système d’apprentissage par renforcement déployable dans le monde réel, intégrant des algorithmes avancés avec des piles de contrôle et du matériel.
AgiBot et Longcheer prévoient d’étendre l’application de l’apprentissage par renforcement dans le monde réel à un éventail plus large de scénarios de fabrication de précision, notamment dans les domaines de l’électronique grand public et des composants automobiles. L’accent sera mis sur le développement de solutions robotiques modulaires et rapidement déployables qui s’intègrent harmonieusement aux systèmes de production existants.
Pour plus d’informations, veuillez consulter le site web d’AgiBot : agibot.com.
Suivez AgiBot :
Facebook
X (anciennement Twitter)
Instagram
YouTube
Recherche AgiBot :
agibot.com/research
X (anciennement Twitter)
À propos d’AgiBot
AgiBot intègre l’IA et la robotique pour créer des robots incarnés et des écosystèmes d’applications avancés à usage général. Basée sur une plateforme robotique unifiée et alimentée par la fusion de l’intelligence d’interaction, de manipulation et de locomotion – une « ontologie + trois intelligences » – AgiBot propose un portefeuille de produits complet déployé dans tous les principaux domaines d’application.
