Foxglove a présenté le 18 août une évolution importante de sa plateforme de données pour la robotique. L’entreprise ne parle plus seulement d’un outil de visualisation ou de débogage : elle met en avant une « Agentic Data Platform for Physical AI », pensée pour collecter, interroger et exploiter les données produites par des robots réels tout au long du cycle de développement.
Le point central est l’arrivée d’agents dans l’application Foxglove. Depuis une barre latérale dédiée, les équipes peuvent poser des questions en langage naturel sur des journaux de robots, demander une recherche dans les données, générer une vue adaptée à un incident ou retrouver les moments où un comportement précis apparaît. Foxglove insiste sur un principe important pour l’ingénierie : les réponses doivent rester liées aux données sources, avec des références aux topics, timestamps et schémas concernés.
Réduire le délai entre terrain et correction
Dans son annonce, Foxglove décrit un écart fréquent entre les robots qui fonctionnent correctement en laboratoire et les machines confrontées au monde réel. L’entreprise cite des systèmes capables d’atteindre 95 % de succès dans un environnement contrôlé, mais qui peuvent descendre autour de 60 % une fois déployés. Son diagnostic est clair : le goulot d’étranglement n’est pas seulement l’entraînement des modèles, mais la capacité à transformer rapidement les données terrain en corrections utiles.
La nouvelle approche regroupe plusieurs briques. La recherche sémantique doit permettre de trouver des scènes ou actions sans étiquetage manuel préalable, par exemple un robot qui hésite, un obstacle qui apparaît ou un objet mal manipulé. Foxglove explique utiliser des embeddings vidéo-texte, notamment via NVIDIA Cosmos, pour indexer des segments multimodaux et les rendre interrogeables.
L’entreprise ajoute aussi des fonctions de comparaison de runs. Les ingénieurs peuvent aligner plusieurs enregistrements sur une même chronologie, superposer des signaux et comparer des essais de simulation, de banc de test ou de robot réel. C’est un usage très concret pour repérer une régression après un changement logiciel, une différence de capteur ou un comportement qui ne se reproduit que dans certaines conditions.
Accès distant et agents externes
Autre élément du lot : Foxglove annonce la disponibilité générale de Remote Access. Cette fonction permet de connecter un robot déployé à des visualisateurs Foxglove via Internet, avec prise en charge de WebRTC, de passerelles côté robot et de sessions à identifiants temporaires. Le cas d’usage visé est le suivi de machines hors laboratoire, jusqu’à la téléopération ou à la publication de commandes depuis des panneaux autorisés.
Foxglove ouvre aussi son environnement aux assistants externes via un serveur MCP intégré à l’application de bureau. Des outils comme Claude, ChatGPT, Gemini ou Cursor peuvent ainsi accéder aux capacités de recherche et d’analyse, sous réserve des données et permissions disponibles. Pour les équipes robotiques, l’intérêt est de relier les agents logiciels aux traces réelles des robots, plutôt que de les limiter à du code ou à de la documentation.
La prudence reste nécessaire. Les annonces de Foxglove décrivent une couche d’assistance puissante, mais les décisions critiques sur un robot physique ne peuvent pas être abandonnées à un agent sans validation, garde-fous et tests. Le signal intéressant est ailleurs : les plateformes de données robotiques commencent à intégrer l’IA agentique non comme démonstration abstraite, mais comme outil de tri, de diagnostic et de retour d’expérience sur des flottes réelles.
Sources : Foxglove, Agentic Data Platform for Physical AI, Foxglove goes agentic, Semantic Search et Remote Access.
