Seeing Machines veut étendre son savoir-faire de perception humaine aux robots qui travaillent près des personnes. L’entreprise australienne a annoncé le 17 août sa plateforme « Physical AI », pensée pour donner aux robots humanoïdes, collaboratifs et industriels une compréhension plus fine de leur environnement immédiat.
Le point de départ est connu dans l’automobile : Seeing Machines revendique plus de huit millions de véhicules équipés de ses systèmes de surveillance conducteur et habitacle. La nouvelle plateforme transpose cette logique de détection de l’attention, du comportement et du risque vers des machines capables de se déplacer ou de manipuler des objets dans des espaces partagés.
Une carte 3D des personnes et des objets
Selon l’annonce, la plateforme construit une carte dynamique en trois dimensions des personnes, des objets et de l’environnement. L’objectif n’est pas seulement de reconnaître une silhouette ou un obstacle, mais de comprendre les relations spatiales, les gestes, les zones de proximité et les situations à risque. Cette lecture de scène doit aider un robot à décider quand poursuivre une tâche, ralentir, s’arrêter ou demander une intervention humaine.
Seeing Machines insiste sur une approche « Human-Centred AI » : le robot ne doit pas seulement optimiser sa mission, il doit interpréter la présence humaine comme une donnée centrale de sécurité. L’entreprise cite des applications dans la fabrication, la logistique, la santé, l’aide aux personnes âgées, les entrepôts, les mines et l’automatisation industrielle.
Un marché encore à prouver
Le lancement reste toutefois une annonce de plateforme, pas un déploiement client détaillé. Proactive Investors note qu’aucun accord commercial ni revenu spécifique n’a été communiqué avec cette présentation. Le sujet est donc moins celui d’un robot déjà prêt à l’emploi que celui d’une brique de perception que Seeing Machines espère vendre aux fabricants et intégrateurs.
Cette nuance compte. Les robots mobiles, les humanoïdes et les bras collaboratifs peuvent déjà être encadrés par des normes de sécurité, des capteurs de proximité ou des zones d’arrêt. Mais l’arrivée de modèles plus autonomes rend la compréhension contextuelle plus importante : un robot qui manipule, transporte ou inspecte près d’un opérateur doit savoir distinguer une simple présence, une trajectoire imprévue ou une situation dangereuse.
Notre analyse
Seeing Machines arrive avec un argument crédible : son expérience automobile lui donne une base de données, des méthodes de validation et une culture de la sécurité fonctionnelle plus solides que beaucoup de jeunes pousses de la robotique. Le passage à l’usine, à l’hôpital ou à l’entrepôt ne sera pas automatique. Les contraintes de certification, d’intégration temps réel et de responsabilité sont différentes.
Mais le mouvement illustre une tendance nette : la robotique physique ne se résume plus au moteur, au bras ou au châssis. Les fournisseurs de perception et de sécurité veulent devenir des couches indispensables, au même titre que les modèles de contrôle ou les calculateurs embarqués. Pour les industriels, l’intérêt sera de savoir si cette plateforme réduit vraiment le risque et le temps d’intégration, ou si elle reste une promesse logicielle de plus autour des humanoïdes.
