Le Danemark teste des robots humanoïdes dans ses supermarchés

Le Danemark teste des robots humanoïdes dans ses supermarchés afin de réduire la charge de travail du personnel de nuit. L'initiative implique une start-up, Hive Robots, qui teste depuis juin des robots humanoïdes Unitree dans un magasin Føtex près de Copenhague.

Des robots guidés à distance pour le réapprovisionnement

Les robots sont plus lents que les employés et sont encore guidés à distance. Leur objectif est de réapprovisionner certains rayons de manière autonome d'ici le début de 2027. Selon une étude publiée en juillet, leur meilleur taux de réussite sur un rayon reconstitué atteint actuellement 42 % au maximum.

Entraîner les robots grâce à la réalité virtuelle

Chez Hive Robots, Roger Sala utilise un casque de réalité virtuelle et des manettes pour guider un humanoïde à travers les rayons d'un supermarché fermé. Chaque mouvement enregistré sert à entraîner la machine. Le magasin se trouve à Lyngby, au nord de Copenhague, et appartient à Føtex, une enseigne du groupe Salling, le premier distributeur danois.

Les difficultés de recrutement pour le réapprovisionnement

Føtex indique que le réapprovisionnement absorbe 40 à 50 % du temps de travail du personnel, et que l'enseigne peine à recruter des jeunes pour ces tâches. Simon Kudsk, son directeur des opérations, envisage « un ou deux humanoïdes dans chaque magasin » et estime qu'il faudra jusqu'à cinq ans pour équiper l'ensemble du réseau.

Une collaboration avec l'Université technique du Danemark

En juillet, l'équipe a publié, avec l'Université technique du Danemark (DTU), une étude détaillant sa méthode, baptisée DEED. Les tests ont lieu sur une réplique de rayon comprenant des étagères, un chariot et une boîte de sachets de chips. Le robot, un Unitree G1-Edu, est piloté par GR00T N1.6, le modèle de Nvidia destiné aux humanoïdes.

Améliorer le taux de réussite grâce au affinage des données

Les chercheurs ont revu les données pour améliorer les performances du robot. Ils ont conservé les moments où l'opérateur corrige une erreur, afin que le robot apprenne à se corriger lui-même. Des masques visuels orientent l'attention du modèle vers l'emplacement de l'étagère vide, et un filtre lisse les mouvements. Le taux de réussite grimpe alors à 32 %.

Apprendre de sa propre expérience

Dans une deuxième phase, le robot apprend de sa propre expérience. Ses réussites, ses échecs et les corrections humaines sont réintégrés à l'entraînement. Après une itération, le taux de réussite atteint 42 %, mais le robot s'arrête après un seul sachet au lieu de revenir à sa position de départ.

Détection des échecs en temps réel

Un outil détecte en temps réel lorsque le robot s'écarte de ce qu'il a appris, ce qui permet d'anticiper les échecs. Les auteurs concluent que combler l'écart entre le laboratoire et le magasin dépend davantage de l'intégration des systèmes et du soin apporté aux données que d'une nouvelle architecture d'IA.

Objectifs à long terme pour le déploiement des robots

Jakob Sand, fondateur de Hive Robots, compare la robotique actuelle à ce qu'était l'IA conversationnelle il y a deux ou trois ans. Sa start-up vise un réapprovisionnement nocturne autonome de certains produits d'ici le début de 2027, avant de s'attaquer à des tâches plus complexes, comme la détection des produits manquants ou mal rangés.