AGIBOT dévoile le cadre Worken et la plateforme AHA3 pour mesurer la productivité des robots

Le 29 octobre 2026, lors de l’AGIBOT Innovation Day à Shanghai, l’entreprise chinoise a présenté un ensemble d’annonces destinées à rendre la robotique industrielle et de service plus mesurable et plus intégrée. Au cœur de la journée, le nouveau Worken Framework, une méthode de quantificationQuantificationTechnique réduisant la précision numérique des paramètres ou des calculs d'un modèle afin de diminuer les ressources nécessaires. du travail réel effectué par les robots, a été introduit aux côtés de la plateforme matérielle AHA3, du modèle de fondationModèle de fondationModèle entraîné sur de grandes quantités de données et pouvant être adapté à différentes tâches. GO‑3 Preview, du modèle d’interaction WITA‑Omni, du robot industriel G2 Max et du système d’exploitation Link‑U OS 1.0.

Un cadre pour mesurer le travail effectif des robots

Le terme Worken combine Work et TokenTokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. et se traduit par « Effective Intelligent Work Hours ». Le calcul proposé multiplie trois paramètres : le nombre de robots actifs sur le terrain, les heures réellement passées en travail autonome (excluant le temps d’alimentation) et un ratio d’efficacité qui compare le résultat du robot à une référence humaine pour la même tâche. Cette approche vise à dépasser les indicateurs classiques du nombre de machines produites ou livrées, en se focalisant sur la capacité des systèmes à délivrer une production utile de façon autonome.

Peng Zhihui, co‑fondateur et CTO d’AGIBOT, a expliqué que le cadre répond à une « question de mesure » qui, selon lui, freine l’adoption massive des robots dans les usines, entrepôts et services. En évaluant le travail réel, les entreprises pourraient mieux comparer le coût total de possession – matériel, logiciels, IAIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. – à la valeur ajoutée générée au cours du cycle de vie de la machine.

AHA3 : la troisième génération d’architecture humanoïde

AGIBOT a présenté AHA3 (« AGIBOT Humanoid Architecture ») comme sa première plateforme commerciale réunissant trois intelligences – locomotion, interaction et exécution de tâches – dans une même architecture. Les améliorations matérielles incluent un système de refroidissement liquide pour les articulations, une protection IP67 pour les environnements poussiéreux ou humides, et une gamme de mains robotisées (OmniHand 3 Lite, OmniHand 3, OmniHand 3 Ultra) ainsi qu’un préhenseur tactile OmniPicker 3.

Côté mobilité, la mise à jour du framework AGILE introduit une capacité d’agent auto‑évolutif, passant d’un contrôle de mouvement à une « intelligence de mobilité spatiale ». L’objectif est de permettre aux robots de s’ajuster aux configurations changeantes des sites réels, un pas important pour la flexibilité des déploiements hors chaîne de production.

Modèles d’intelligence embarquée

Le GO‑3 Preview, présenté par le Dr Yao Maoqing, repose sur le WRAM (World Reasoning Action Model). Le modèle combine raisonnement, prédiction et action dans un cadre unifié, et a affiché des performances de pointe sur les benchmarks RoboDojo, RoboTwin et RoboColiseum. AGIBOT met en avant une stratégie de Physical Intelligence Scaling qui associe pré‑entraînementTrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances., affinement post‑déploiement et amélioration continue grâce aux retours d’utilisation.

Parallèlement, WITA‑Omni, présenté par Xiong Yan, est un modèle omni‑modal capable de fusionner perception visuelle, reconnaissance vocaleSpeech-to-TextTechnologie permettant de convertir automatiquement la parole en texte écrit., dialogue en temps réel, expressions faciales et actions physiques. Le système supporte la conversation full‑duplex et fonctionne directement sur l’appareil, se classant premier sur plusieurs référentiels d’interaction embodied, dont Daily‑Omni.

Le robot industriel G2 Max et ses premiers cas d’usage

Le G2 Max est un robot à 21 degrés de liberté, capable de manipuler jusqu’à 40 kg et d’opérer entre 0,1 m et 2,5 m de hauteur. AGIBOT cite des déploiements chez Longcheer (production de tablettes), dans le conditionnement de semi‑conducteurs, le suivi de machines CNC et la logistique. Dans le métro de Guangzhou et le parc à thème Chimelong, les robots assurent l’accueil des visiteurs, répondent aux questions et offrent des services interactifs.

Ces exemples illustrent la vision d’AGIBOT selon laquelle le Worken doit s’adapter à des benchmarks spécifiques à chaque tâche, qu’il s’agisse de cycle‑time en production ou de satisfaction utilisateur en service.

Link‑U OS 1.0 : un système d’exploitation dédié à l’intelligence incarnée

Enfin, AGIBOT a lancé Link‑U OS 1.0, présenté comme le premier OS dédié aux intelligences physiques. Il repose sur une couche d’abstraction matérielle, un noyau pensé pour l’IA embarquéeEdge AIExécution de modèles d'intelligence artificielle sur des appareils locaux ou proches des sources de données. et un cadre de services intelligents. Déjà validé sur des robots en série, le projet a été confié à l’OpenAtom Foundation avec l’objectif de devenir complètement open‑source d’ici fin 2026. L’écosystème compte aujourd’hui plus de 255 universités, 511 entreprises et 80 000 développeurs.

Ces annonces, consolidées dans le « 2026 Embodied Intelligence Industry Innovation Report », montrent un effort coordonné pour rendre la robotique plus quantifiable, plus adaptable et plus ouverte. Le cadre Worken pourrait, s’il est adopté largement, devenir une référence pour les décideurs qui cherchent à justifier les investissements robotisés au-delà du simple coût d’achat.

Dans les mois à venir, les premiers retours d’utilisation du Worken et de Link‑U OS détermineront si ces outils réussiront à transformerTransformerArchitecture de réseau neuronal reposant notamment sur des mécanismes d'attention pour traiter des séquences de données. les promesses de la robotique en bénéfices mesurables pour les entreprises.