Humanoid robots can look remarkably capable in a short demonstration and still struggle when the lighting changes, an object is moved a few inches, a drawer sticks, or a task takes longer than the sequence used during training. That gap between a polished demo and dependable real-world work is the central problem next-generation humanoid robotics is trying to solve.
The shift now underway is from robots that mainly replay programmed motions toward robots that can perceive, reason, plan, and act through a physical body. This approach is commonly called embodied AI. In practical terms, the robot is not only running an AI model; its intelligence is tied to cameras, force sensors, joint positions, hands, legs, and the changing environment around it.
As of September 2026, several major robotics programs are pushing this direction. Google DeepMind introduced Gemini Robotics 2 in July 2026 with whole-body control and embodied reasoning; NVIDIA's GR00T 1.7 provides an open vision-language-action foundation model and end-to-end training workflow; Figure says Helix 02 extends its learned control from the upper body to full-body loco-manipulation; and Boston Dynamics is combining learned behaviors, reinforcement learning, and foundation-model research with its production Atlas platform. These developments are important, but they should be read as evidence of rapid progress—not proof that general-purpose humanoids are ready for every workplace or home.
Conventional industrial robots are extremely effective when the world is controlled. A fixed arm can repeat the same weld, placement, or assembly motion thousands of times because the object location, tooling, safety enclosure, and task sequence have been engineered around the robot.
Humanoid robots target a harder operating environment: spaces built for people. Shelves, doors, bins, tools, stairs, workstations, and parts may vary. The robot may need to walk, reach, balance, manipulate, recover from a bad grasp, and understand a spoken instruction without a technician rewriting a motion program every time something changes.
That creates four connected problems:
Embodied AI is changing humanoid development because it attacks these problems as a connected learning system rather than treating perception, planning, and motion as isolated scripts.
The easiest conceptual improvement is also the most fundamental: the robot must continuously observe what happened after it acted. A scripted machine can execute “move hand to coordinates X, Y, Z.” An embodied system instead tries to answer a richer loop: “Where is the object now? Did I grasp it? Did it move? What should I do next?”
Modern vision-language-action models, usually shortened to VLAs, connect visual input and natural-language instructions to robot actions. Google DeepMind describes Gemini Robotics 2 as a VLA that converts vision and language into motor control. NVIDIA describes GR00T 1.7 as a cross-embodiment VLA that accepts multimodal inputs such as language, images, and robot state and produces actions.
This matters because the same model can potentially reuse broad concepts across many tasks. “Pick up the blue box and place it in the tray” no longer has to mean a hard-coded trajectory tied to one exact table layout.
For current technical details, see Google DeepMind's July 2026 Gemini Robotics 2 release and NVIDIA's July 2026 GR00T 1.7 development guide.
The next step is reducing how much behavior must be learned from scratch. A robot foundation model aims to encode reusable priors about objects, language, motion, and manipulation before a developer specializes it for a particular humanoid or workflow.
NVIDIA says GR00T 1.7 was pretrained on roughly 32,000 hours of real demonstration and egocentric human data plus about 8,000 hours of simulated rollouts and demonstrations. Developers can then post-train the base model for a specific embodiment and task rather than beginning with an empty policy.
The expected quality gain is not simply “the robot knows more.” The more useful outcome is generalization: a policy should continue working when object position, viewpoint, background, or task phrasing changes within reasonable bounds.
A good sign that this approach is helping is when a team can add a new object, scene layout, or instruction with less task-specific retraining than before. A warning sign is when every new variation still requires a separate policy, carefully staged environment, or manual recovery routine.
Physical robots are costly training devices. Motors heat up, hands wear, batteries run down, objects break, and a fall can stop development for hours or days. Simulation addresses this by letting policies practice many variations in parallel before testing on hardware.
Boston Dynamics describes training Atlas behaviors with reinforcement learning in simulation, then moving to real hardware and iterating from real-world results. NVIDIA's GR00T workflow similarly includes simulation setup, teleoperation data collection, policy training, evaluation, and deployment.
The critical phrase is sim-to-real: transferring what a model learned in simulation to a physical robot. Simulation is valuable, but it is not reality. Friction, contact, sensor noise, cable behavior, material compliance, and human unpredictability are difficult to model perfectly.
Teams should therefore treat simulation as a force multiplier, not a replacement for hardware validation. A policy that looks perfect in simulation but collapses under small real-world variations has not solved the deployment problem.
Humanoids become truly different from stationary robot arms when locomotion and manipulation are solved together. A person opening a heavy door naturally shifts weight, changes stance, rotates the torso, and adjusts grip. Humanoid robots must coordinate similar dependencies across many joints while remaining stable.
Figure announced Helix 02 in January 2026, saying its system links vision, touch, and proprioception to full-body actuation in a unified visuomotor network. The company demonstrated an autonomous dishwasher task that combined walking, balance, and manipulation over several minutes. This is a company-reported demonstration rather than an independent benchmark, but it illustrates the direction clearly: full-body autonomy is replacing the older split between “navigation first” and “arm task second.”
Google DeepMind's Gemini Robotics 2 release similarly emphasizes whole-body humanoid control, including coordinated movement from feet to fingertips. The broader engineering goal is not to make every humanoid move like a person. It is to let the robot choose stable, efficient body motions that achieve the task safely.
A VLA can handle local sensor-to-action behavior, but long tasks need higher-level reasoning. Consider “clear this workbench, put tools in their labeled drawers, throw away packaging, and report anything damaged.” The robot must identify subtasks, track which ones are complete, recognize failure, and change the plan when the environment does not match expectations.
Google DeepMind délègue ce rôle à Gemini Robotics ER 2, un modèle de raisonnement incarné destiné à la compréhension spatiale, la planification des tâches, l'orchestration des outils et la détection des succès. L'entreprise décrit une hiérarchie dans laquelle un modèle de raisonnement de haut niveau peut confier l'exécution motrice à un VLA de niveau inférieur.
Cette conception en couches est importante car le contrôle moteur à haute fréquence et la planification lente et délibérée des tâches ont des exigences différentes. Une main humanoïde peut nécessiter des mises à jour de contrôle rapides, tandis qu'un planificateur peut n'avoir besoin de reconsidérer la sous-tâche suivante qu'après un événement significatif.
Pour les équipes de production, le test de qualité consiste à vérifier si le système peut se remettre d'erreurs courantes. Un robot qui ne peut exécuter huit étapes que si chacune des étapes précédentes a réussi reste fragile. Un système plus robuste peut détecter le dérapage de la pièce, la rattraper et poursuivre sans avoir à réinitialiser l'ensemble de la tâche.
Le raisonnement dans le nuage de points permet de traiter des modèles complexes et de fournir une puissance de calcul importante, mais un robot physique ne peut pas toujours attendre la fin d'un aller-retour réseau avant de réagir. L'équilibre, l'évitement des collisions, la correction de la préhension et de nombreuses boucles de contrôle exigent une latence faible et prévisible.
C’est pourquoi les modèles robotiques embarqués et les accélérateurs de périphérie sont importants. Les travaux de Google DeepMind sur la robotique embarquée Gemini se concentrent sur l’exécution locale de fonctions d’intelligence de manipulation à usage général, tandis que la plateforme humanoïde de NVIDIA prend en charge le déploiement via l’informatique de périphérie, comme Jetson Thor.
L'architecture probable pour les humanoïdes performants est hybride plutôt que purement locale ou purement basée sur le cloud : perception et contrôle rapides à proximité du robot, avec une planification plus poussée, des analyses de flotte ou des mises à jour de modèles exécutées sur une infrastructure plus puissante lorsque la latence et la connectivité le permettent.
L'avantage commercial de l'IA incarnée s'accroît lorsque les compétences peuvent être réutilisées par de nombreux robots. L'automatisation traditionnelle s'étend souvent en copiant le même programme sur des cellules identiques. L'apprentissage du comportement humanoïde peut potentiellement s'étendre en distribuant une politique améliorée, puis en utilisant les données de la flotte pour découvrir de nouveaux cas de défaillance.
Boston Dynamics affirme que les comportements appris par Atlas peuvent être réutilisés au sein de différentes flottes et développe Atlas pour des tâches industrielles telles que le séquençage de pièces et la manutention. Son programme de produits pour 2026 inclut également une collaboration avec Google DeepMind sur les modèles de base de Gemini Robotics. Consultez la présentation de l'évolution d'Atlas par Boston Dynamics et l'annonce de son partenariat avec Google DeepMind .
L'apprentissage automatique introduit une nouvelle exigence : la rigueur de l'évaluation. Une mise à jour de politique qui améliore une tâche mais engendre des défaillances ailleurs ne doit pas être déployée à grande échelle sans tests de régression.
| approche plus ancienne | Direction de l'IA incarnée | Résultat à rechercher |
|---|---|---|
| Scripts et coordonnées fixes | Contrôle visuel et proprioceptif en boucle fermée | Récupération en cas de déplacement d'objets ou de défaillance de la préhension |
| Une politique par tâche | Modèles de base et post-formation | Adaptation plus rapide aux tâches connexes |
| Marche et manipulation séparées | Contrôle acquis du corps entier | loco-manipulation stable sur des tâches plus longues |
| Petits ensembles de données physiques | Données réelles, simulation et téléopération | Couverture plus large des cas limites |
| Scripts de tâches locales | Raisonnement hiérarchique et exécution VLA | Séquences plus longues avec autocorrection |
| Réglage d'un seul robot | Apprentissage inter-incarnationnel et en flotte | Des compétences réutilisables sur différentes plateformes et déploiements |
Les progrès sont réels, mais plusieurs limites restent faciles à sous-estimer.
Un modèle peut obtenir d'excellents résultats aux évaluations robotiques tout en étant inadapté aux applications critiques pour la sécurité. La fiche technique du modèle Gemini Robotics ER 2 de Google DeepMind recommande explicitement aux utilisateurs de faire preuve de discernement dans les environnements de production, commerciaux ou publics et précise que ces modèles robotiques ne doivent pas être utilisés pour des applications critiques où un dysfonctionnement pourrait entraîner des blessures, des décès ou des dommages matériels.
Le déballage de cartons est bien plus simple que la manipulation de câbles souples, d'objets humides, d'emballages déformables, de fixations serrées ou d'outils encombrants. Les démonstrations impressionnantes doivent donc être jugées sur la diversité et la répétabilité des tâches, et non uniquement sur leur complexité visuelle.
Même si chaque action individuelle est très fiable mais pas parfaite, une tâche comportant des dizaines, voire des centaines d'actions dépendantes, peut néanmoins échouer fréquemment. C'est pourquoi la détection des succès, la récupération et la gestion des exceptions sont aussi importantes que la précision brute des actions.
Les meilleurs modèles ne peuvent pas compenser indéfiniment la faiblesse des mains, la mauvaise sensibilité des capteurs, la surchauffe des actionneurs, l'autonomie limitée de la batterie, le jeu mécanique ou la difficulté d'entretien. L'utilité des humanoïdes repose sur l'amélioration conjointe des logiciels et du matériel.
La meilleure façon d'évaluer une IA incarnée est d'aller au-delà de la qualité des démonstrations et de se demander si le robot devient plus utile face aux variations. Une auto-évaluation pratique peut inclure les questions suivantes :
Si les progrès ne se manifestent que dans des démonstrations soigneusement mises en scène et non dans ces mesures, l'équipe devrait changer d'approche, souvent en restreignant la tâche, en collectant de meilleures données sur les défaillances, en améliorant la couverture de la simulation, en renforçant le contrôle de bas niveau ou en ajoutant des couches de sécurité et de récupération explicites.
L'intelligence artificielle incarnée révolutionne la robotique humanoïde car elle modifie la façon dont les robots acquièrent et réutilisent leurs compétences. Le changement fondamental réside dans le passage d'une programmation de chaque mouvement à des systèmes d'entraînement capables de connecter perception, langage, état physique, raisonnement et action dans une boucle continue.
L'élément le plus probant en 2026 n'est pas que les humanoïdes soient devenus universellement polyvalents. C'est plutôt que plusieurs technologies auparavant distinctes — modèles de base multimodaux, politiques VLA, apprentissage par renforcement, simulation, matériel de précision, inférence embarquée et déploiement de flottes — convergent vers des systèmes robotiques cohérents.
Cette convergence rend les robots humanoïdes plus adaptables et plus faciles à programmer, mais une autonomie fiable exige toujours une évaluation rigoureuse dans l'environnement précis où le robot évoluera. La prochaine génération sera moins jugée sur sa capacité à réaliser une démonstration spectaculaire que sur son aptitude à répéter des tâches utiles en toute sécurité, à corriger ses erreurs courantes et à s'améliorer sans reprogrammation manuelle constante.
Découvrez comment les chiplets, l'encapsulation avancée, les accélérateurs d'IA et le carbure de silicium remodèlent l'industrie, et comment évaluer cette technologie sans se laisser influencer par le battage médiatique.
See how embodied AI, vision-language-action models, simulation, and whole-body control are making humanoid robots more adaptable—and where limits remain.
Comparez les systèmes de contrôle aérien centralisé, UTM/U-space, les corridors et la gestion hybride du trafic pour les zones urbaines denses, en tenant compte de la sécurité, de l'évolutivité, de la résilience et des compromis.
Découvrez comment les jumeaux numériques de la chaîne d'approvisionnement combinent données en temps réel, simulation et tests de scénarios pour améliorer la visibilité, la résilience et la réponse aux perturbations.
Un aperçu pratique de l'espace aérien, des plateformes au sol, de l'énergie, des communications, de la sécurité et des infrastructures communautaires nécessaires pour rendre le fret aérien fiable à grande échelle.
Comment les mégapoles peuvent utiliser les infrastructures vertes, les forêts urbaines, les zones humides, les toits verts et les corridors bleu-vert pour réduire les risques de chaleur et d'inondations.
Découvrez comment UTM combine intention de vol partagée, déconfliction stratégique, surveillance de la conformité, séparation tactique et IA soigneusement encadrée pour gérer un trafic dense de drones.
Découvrez comment les interfaces cerveau-ordinateur rétablissent la communication et le contrôle, ce que la recherche actuelle peut réellement accomplir, et les questions de sécurité et d'éthique à venir.
Découvrez comment les usines déploient des systèmes autonomes à travers la robotique, les robots mobiles autonomes, l'IA, les fils numériques, la sécurité et la cybersécurité grâce à un exemple d'usine hypothétique clairement étiqueté.
Comparez les principaux programmes de diplôme en interface cerveau-ordinateur (BCI), en neuro-ingénierie et en neurotechnologie, du baccalauréat au doctorat, et découvrez ce qu'il faut étudier avant de postuler.
