L’entreprise NEURA Robotics a présenté Neuron AI, un modèle de fondation multimodal pour l’IA physique, avec une démonstration annoncée au NVIDIA GTC Berlin 2026.
L’architecture Perception-Langage-Action (PLA) relie ce qu’un robot voit, entend et sent à ce qu’il a déjà fait. Selon NEURA Robotics, Neuron AI encode la vision 3D, les données tactiles et de force, l’audio, l’état du robot et le langage, puis les aligne dans un espace partagé au fil du temps pour les transformer en un flux unique d’action.
David Reger, fondateur et directeur général de NEURA Robotics, a déclaré : « Un robot intelligent a besoin d’un cerveau qui réunisse ses sens et se souvienne de ce qui s’est passé », ajoutant : « Avec Neuron AI, nous construisons le cerveau du monde physique : une IA physique qui transforme l’expertise humaine et l’expérience physique en capacités que les robots peuvent apprendre et appliquer. Développée en Allemagne, conçue pour le monde. » a indiqué
Une perception multisensorielle et une mémoire
L’intérêt de cette approche dépasse les limites des caméras, qui capturent la géométrie, les couleurs et la position mais ne fournissent pas d’information sur le contact, la force ou le son. NEURA Robotics donne l’exemple d’un robot ouvrant une serrure : seuls le son et le toucher confirment qu’elle est réellement ouverte. Le toucher peut aussi permettre de saisir des objets hors du champ de vision, tandis que le son peut renseigner sur la qualité d’un cordon de soudure.
Le modèle intègre en outre une fonction de mémoire. Pour agir dans le monde physique, un robot doit notamment conserver la permanence des objets et garder la trace des conséquences de ses actions dans le temps, y compris lorsque ces objets ne sont plus visibles. NEURA Robotics indique avoir adapté l’architecture du modèle pour y introduire cette mémoire et l’entraîner sur des jeux de données dédiés.
Trois sources de données complémentaires
Neuron AI est entraîné sur trois piliers :
- Données réelles de robots : des robots de différents types exécutent des tâches dans les NEURA Gyms et dans des environnements réels, générant des données synchronisées de vision, de toucher, de force, d’audio et de mouvement.
- Données amplifiées par simulation : le Data Amplifier et la pile de simulation de NEURA élargissent les données d’entraînement avec des variations simulées de tâches et d’environnements.
- Données de démonstrations humaines : des personnes portant des combinaisons de capture équipées de capteurs enregistrent des mouvements et des démonstrations de tâches.
Ces piliers alimentent un socle commun aux cinq plateformes de robots NEURA, dotées de pinces et de mains différentes. Le Neuraverse sert de plateforme de déploiement et de mise à jour des capacités sur des flottes de robots. Il permet aux clients d’affiner le modèle sur leurs propres tâches, de conserver leurs compétences privées ou de partager certaines contributions avec l’écosystème.
L’entreprise fait du « Time-to-Skill » une mesure centrale de progression, soit la rapidité avec laquelle un robot peut apprendre une nouvelle tâche et l’exécuter de manière fiable.
Développement en Allemagne et démonstration à Berlin
Neuron AI a été développé et entraîné en interne à Metzingen, en Allemagne. NEURA Robotics s’appuie sur des partenariats de données avec des entreprises industrielles, dont Schaeffler et Bosch, en complément des NEURA Gyms.
À l’occasion du NVIDIA GTC Berlin 2026, l’entreprise présentera son robot humanoïde 4NE1, baptisé « For Anyone », réalisant une séquence de traitement du linge de onze minutes avec la version actuelle de Neuron AI. Cette démonstration comprend le tri du linge, le chargement d’un lave-linge, sa fermeture puis sa réouverture, son déchargement et le transfert du linge vers un sèche-linge, sans intervention humaine. Elle aura lieu au Station-Berlin, Hall 3, stand #3031, du 20 au 22 octobre.
