RoboScience lève des centaines de millions de yuans pour accélérer le robot logistique REX G1

La start‑up chinoise RoboScience a annoncé la clôture d’une levée de fonds de série A2, estimée à plusieurs centaines de millions de yuans. Le tour, mené par Amber Capital, Hongruida Investment et Shanghai Semiconductor Industry Investment, a été rejoint par d’autres acteurs du capital risque. L’argent recueilli doit financer le passage à l’industrialisation du robot humanoïde à roues REX G1 et les premiers essais dans la logistique, le commerce et l’industrie.

Un robot hybride pour les entrepôts

REX G1 est le premier robot complet présenté par RoboScience. Il combine un torse humanoïde – doté de bras capables d’accomplir les mêmes gestes que les opérateurs humains – avec une base mobile à roues. Le choix des roues, plutôt que la marche bipède, simplifie la mécanique et diminue la consommation d’énergie, tout en restant compatible avec les sols plats typiques des entrepôts, des magasins et des usines. Cette architecture vise à réduire les coûts d’intégration et à accélérer le déploiement dans des environnements déjà structurés.

Le robot sert de plateforme au modèle d’intelligence artificielleIntelligence 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. Visics. RoboScience a développé une architecture VLOA (Vision, Language, Object, Action) qui transforme la perception tridimensionnelle des objets en commandes directement exploitables par le robot. L’idée maîtresse est de partager la même compétence entre plusieurs bras, préhenseurs ou même robots, sans devoir réentraîner chaque dispositif depuis zéro.

Simulation et données à bas coût

Pour nourrir Visics, l’entreprise s’appuie sur RoboMirage, un moteur de simulation physique capable de générer des interactions à grande échelle. Les données synthétiquesDonnées synthétiquesDonnées générées artificiellement pour simuler ou compléter des données réelles, notamment lors de l'entraînement de modèles. sont ensuite enrichies par une chaîne d’annotation vidéo. RoboScience affirme avoir réduit le coût d’un exemple d’entraînementTrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances. à 0,05 yuan, et avoir porté son corpus vidéo à entre un et quatre millions d’éléments entre le début de 2026 et octobre.

Ces chiffres proviennent des communiqués de RoboScience et ne sont pas vérifiés par un organisme tiers. Ils illustrent néanmoins la stratégie du groupe : diminuer le prix d’adaptation à une nouvelle tâche en faisant progresser simultanément le simulateur, le modèle d’IA et le robot physique.

Trois voies de commercialisation

RoboScience envisage trois modèles de revenu. La première consiste à vendre des solutions clés en main à des secteurs spécifiques (logistique, commerce, industrie). La deuxième propose un contrôleur embarqué que d’autres fabricants peuvent intégrer dans leurs propres machines. Enfin, un service cloud, développé avec Tencent Cloud sous le nom EaaS (EmbeddingEmbeddingReprésentation numérique vectorielle d'un contenu permettant notamment de mesurer des similarités entre des éléments. as a Service), permettra à des intégrateurs d’appeler les capacités de Visics sans gérer l’infrastructure d’entraînement.

Le financement doit d’abord permettre de réaliser des preuves de concept, puis d’étendre le déploiement. RoboScience cite plusieurs partenaires industriels, mais ne donne pas de noms ni de volumes de commande pour le REX G1. Le vrai test sera de démontrer que la généralisation annoncée réduit effectivement le temps et le coût d’intégration dans des opérations répétitives. Les indicateurs de disponibilité, de taux de succès et de productivité du robot restent à publier.

Perspectives pour la robotique industrielle

Si les ambitions de RoboScience se concrétisent, le REX G1 pourrait offrir une alternative moins coûteuse aux robots à pattes ou aux bras fixes, tout en conservant la flexibilité des manipulateurs humains. Le modèle VLOA, s’il réussit à transférer les compétences entre différents effecteurs, pourrait simplifier la chaîne de déploiement d’applications d’IA dans la chaîne d’approvisionnement.

Pour l’instant, le projet reste à un stade intermédiaire entre la R&D et la commercialisation. La levée de fonds donne à l’entreprise les moyens de franchir ce cap, mais les résultats concrets – en termes de taux d’utilisation, de retour sur investissement et de fiabilité à long terme – seront le véritable critère d’acceptation par les industriels.

En résumé, RoboScience mise sur une combinaison de robotique mobile, d’intelligence artificielle partagée et de services cloud pour gagner du terrain dans la logistique de demain.