Gpuquant

J’ai cartographié la chaîne de valeur des robots humanoïdes Gardez-la en mémoire, elle est beaucoup plus large que ce que je pensais Voici les trois goulots d’étranglement que je relève : 1. Les actionneurs et la mécanique de précision Le rôle de cette brique clé, c’est de permettre aux bots d’obtenir suffisamment de force et de précision dans des articulations compactes, légères et fiables. Il faut faire tenir les moteurs, les transmissions et les capteurs dans un corps aux dimensions humaines, sans sacrifier les performances. Le sujet, c’est de produire des articulations qui tiennent dans la durée, à un coût compatible avec un déploiement massif Trois noms ressortent : $SKF, Leaderdrive et Schaeffler ($SHA0). Le suédois SKF et le chinois Leaderdrive ont annoncé une coentreprise dédiée aux transmissions de précision pour les articulations des humanoïdes, en combinant expertise des roulements, savoir-faire robotique et capacités industrielles. L’allemand Schaeffler développe de son côté des actionneurs linéaires et rotatifs, avec des accords de développement et de fourniture déjà signés 2. Les mains et le sensing Voir un objet ne suffit pas pour le manipuler. Il faut aussi doser la force, détecter qu’il glisse et corriger le mouvement avant de le lâcher. Figure explique justement avoir développé ses propres capteurs tactiles après avoir jugé les solutions disponibles insuffisamment robustes pour les usages réels. Le problème n’est pas seulement la dextérité, c’est la dextérité qui résiste à une utilisation répétée Je m’étais intéressé à $VPG, notamment pour Micro-Measurements et ses jauges de contrainte utilisées dans la mesure des forces et des couples. Mais il existe d’autres plays plus larges : Novanta ($NOVT), via ATI sur les capteurs de force et de couple, et TE Connectivity ($TEL), à la fois sur les capteurs et la connectique nécessaire à leur intégration 3. La vision et les capteurs de perception Reconnaître une tasse sur une image et savoir précisément où elle se trouve dans une cuisine sont deux problèmes différents. Le robot doit estimer les distances, repérer les obstacles et suivre ses propres mouvements pour garder l’équilibre. C’est là qu’interviennent les capteurs d’image, les capteurs de profondeur et les centrales inertielles. Le vrai sujet va être de combiner ces données pour obtenir une perception fiable en temps réel, même quand le robot bouge ou que son environnement change. Et le marché est mûr, on a déjà eu l'incident caméra vs LiDar donc je pense qu'on verra moins de gros repricing sur ce domaine. Ce qui m’intéresse ici, c’est cette capacité à fournir plusieurs briques ensemble, plutôt qu’un capteur isolé comme chez $STM, car les équipementiers vont chercher à centraliser les "suppliers" Quelques noms à retenir : STMicroelectronics ($STM la stack est folle d'ailleurs, onsemi ($ON), Ouster ( $OUST ) -- Le narratif prendra probablement du temps à s’installer. On a déjà eu, et on aura encore, des phases de hype puis de repli. La temporalité peut très bien se décaler vers la droite. Mais à mon sens, ce thème restera l’un des narratifs les plus puissants des prochaines années C’est justement pour cela qu’il est crucial de comprendre qui fait quoi dans la stack, où se situent la demande et surtout quelles sociétés pourront capter cette dernière.