Unitree muscle son H2 Plus pour les développeurs

Unitree présente le H2 Plus comme une version de recherche et de développement de son humanoïde H2, avec une fiche technique désormais centrée sur le calcul embarqué et la manipulation. Le fait vérifié tient en quelques lignes de sa page officielle : le robot est annoncé avec un module NVIDIA Jetson T5000, une puissance FP4 de 2 070 TFLOPS, 128 Go de mémoire unifiée, environ trois heures d’autonomie, des mains tactiles à cinq doigts et 75 degrés de liberté pour l’ensemble corps et mains. Ce n’est pas une démonstration de laboratoire isolée, mais une tentative de transformer l’humanoïde en plateforme de développement plus intégrée.

Dans un robot humanoïde, les degrés de liberté désignent les axes de mouvement contrôlés, par exemple une articulation d’épaule, de poignet ou de doigt. Plus ils sont nombreux, plus le robot peut viser des gestes variés, mais plus le contrôle devient difficile. Unitree indique 31 moteurs articulaires pour le corps, 22 degrés de liberté actifs par main tactile, un couple maximal de 120 N.m au bras et de 360 N.m à la jambe, ainsi qu’une charge utile nominale de 7 kg par bras, avec un pic annoncé à environ 15 kg. Ces chiffres ne prouvent pas à eux seuls une dextérité fiable en usine, mais ils définissent le terrain sur lequel les algorithmes devront travailler.

Le point le plus intéressant est l’assemblage entre mécanique, perception et pile logicielle. La page relie le H2 Plus à NVIDIA Isaac GR00T, Isaac TeleOp, Isaac Sim, Isaac Lab, Isaac ROS et Jetson Thor. En clair, Unitree vend moins un robot autonome clé en main qu’un support matériel pour capter des démonstrations, entraîner des politiques de contrôle en simulation, les tester, puis les porter sur le robot. Une politique de contrôle est le logiciel qui choisit l’action suivante du robot à partir de ses capteurs et de son objectif immédiat.

Cette orientation dit quelque chose du moment de la robotique humanoïde. Les annonces se déplacent d’une simple vidéo de marche ou de danse vers l’infrastructure nécessaire pour apprendre des tâches utiles : vision grand angle, caméras de poignet, micro et haut-parleurs, arrêt d’urgence à distance, calcul local et interfaces nombreuses. Il reste beaucoup d’inconnues, notamment le prix réel, la disponibilité, la robustesse hors démonstration et la sécurité près des humains. Mais la feuille de route est lisible : les fabricants veulent que les humanoïdes deviennent des machines d’expérimentation reproductibles, où les équipes peuvent comparer des modèles, des mains, des capteurs et des scénarios sans reconstruire toute la plateforme à chaque essai.