Telexistence montre un robot qui ensache seul

La société japonaise présente une démonstration de manipulation autonome et détaille surtout les limites encore à résoudre avant un usage réel.

Telexistence a publié le 10 juin les résultats de sa participation au programme Physical AI Fellowship 2026, avec une démonstration centrée sur un humanoïde capable de mettre des articles de supérette dans un sac sans téléopération. L’entreprise japonaise indique que le robot manipule des bouteilles, des onigiri et des snacks sur un comptoir de caisse, puis les place dans un sac avec ses deux bras. Le point important n’est pas le décor de magasin, mais l’architecture annoncée : Telexistence dit utiliser une seule politique VLA, c’est-à-dire un modèle vision-langage-action qui transforme directement perception et instruction en action robotique.

Dans beaucoup de démonstrations de robotique, une tâche apparemment fluide peut cacher une chaîne de modules spécialisés, ou une intervention humaine à distance. Ici, Telexistence insiste sur l’absence de téléopération pendant la séquence et sur le choix d’un modèle unique, sans passage de relais entre plusieurs sous-systèmes. Ce choix est ambitieux parce qu’il vise un comportement plus général, mais il rend aussi les limites très visibles. L’entreprise reconnaît que la vitesse n’est pas encore au niveau d’un déploiement pratique, que les mouvements restent saccadés et qu’un déplacement de quelques centimètres dans la position des objets peut faire chuter le taux de réussite.

La source est donc intéressante précisément parce qu’elle ne présente pas la démonstration comme un produit fini. Telexistence relie cette étape à son travail avec NVIDIA autour de DreamZero, un « world model », ou modèle du monde, censé prédire les états futurs d’un robot et de la scène qui l’entoure. L’entreprise affirme avoir utilisé des données réelles de téléopération humanoïde hors ligne pour vérifier que ce type de données physiques peut nourrir l’entraînement de modèles de fondation robotiques. En clair, il s’agit de transformer l’expérience accumulée par des robots opérant dans le monde réel en données utilisables pour apprendre des gestes plus autonomes.

L’enjeu dépasse une seule vidéo. Telexistence exploite déjà des robots dans des environnements commerciaux, notamment la distribution, et cherche à convertir cette présence en avantage de données. Pour la robotique, c’est un signal sobre mais utile : la compétition ne porte plus seulement sur la forme humanoïde ou la qualité des mains. Elle porte sur la boucle complète, collecte de gestes réels, apprentissage d’une politique unique, simulation ou prédiction avec modèle du monde, puis retour sur matériel physique. La démonstration montre aussi pourquoi le chemin reste long. Ensacher quelques objets est une tâche limitée, lente et fragile, mais elle expose clairement les obstacles que la robotique d’usage devra franchir avant de sortir du mode démonstration.