Discussion :

[Patrick Ruiz]

Un robot capable d’activer le mode kung fu après une bousculade avec un humain ne relève plus de la scifi comme l’illustrent des vidéos d’humanoïdes apprenant à s’entraîner et à se battre de façon autonome

Le développement de robots humanoïdes capables de s'entraîner et de combattre de manière autonome, sans intervention humaine directe, progresse à un rythme effréné. En 2026, la filière a franchi un cap critique grâce à l’émergence de modèles dits de fondation appliqués à la physique. Ces machines s'affranchissent désormais de la téléopération humaine pour anticiper, parer et porter des coups en temps réel. Bien que développées pour le combat, les compétences d'agilité autonome, de réflexes ultra-rapides et de perception prédictive offrent des avantages massifs dans plusieurs domaines. Bien sûr, des dangers sont à anticiper sur le long terme.

A Unitree G1 performs martial arts in slow motion.

Robotics still has a long way to go in intelligence.

But this level of mechanical capability is insane. pic.twitter.com/X4r84bV8Mb

— clankr (@clankrmedia) September 7, 2026

Qu’est-ce qu’un modèle de fondation appliqué à la physique ? Pourquoi est-ce une révolution pour les robots humanoïdes autonomes ?

Un modèle de fondation appliqué à la physique (souvent appelé Physics-Informed Foundation Model ou World Foundation Model) est une intelligence artificielle de grande taille pré-entraînée non pas sur du texte internet, mais sur les lois immuables de la physique (gravité, friction, inertie, dynamique des fluides et des solides) et des millions d'heures de simulations ou de démonstrations réelles.

Dans le cadre du développement des nouveaux robots humanoïdes autonomes, ce modèle sert de cerveau moteur et intuitif. Contrairement aux intelligences artificielles traditionnelles, il permet au robot de comprendre comment le monde physique fonctionne, lui donnant la capacité d'apprendre des tâches complexes et de réagir de manière fluide en temps réel (comme parer, esquiver ou frapper de manière autonome).

Jusqu'à récemment, un robot humanoïde avait besoin d'un algorithme spécifique pour chaque action (un pour marcher, un pour saisir un objet, un pour se défendre). Un modèle de fondation physique change totalement la donne grâce à diviers piliers.

Primo, Le modèle intègre des équations physiques directement dans sa fonction de perte. Le robot ne se contente pas d'analyser des images : il possède une compréhension mentale de la quantité de mouvement, de la gravité et de l'équilibre de son propre corps. S'il subit un impact ou s'il glisse lors d'un combat, il recalcule instantanément son centre de gravité pour ne pas tomber.

Deuxio, entraîner un humanoïde à combattre ou à se déplacer dans le monde réel est dangereux et coûteux. Ces modèles de fondation sont entraînés pendant des décennies virtuelles en l'espace de quelques jours dans des environnements de simulation ultra-réalistes (comme le simulateur de physique différentielle NVIDIA Newton ou Isaac Lab). Grâce à la précision du modèle physique, le robot transfère ses compétences de combat et d'agilité de la simulation au monde réel de manière sans réentraînement.

Enfin, ces modèles lient la perception visuelle (caméras du robot), la compréhension des commandes (exemple: « défends cette zone ») et l'action motrice fine. Le modèle traduit les intentions en commandes de couple précises pour les dizaines de moteurs (degrés de liberté) de l'humanoïde.

Tout cela ouvre la porte à la possibilité de l’apprentissage et du combat autonomes. Le modèle combine pour cela deux types d’apprentissage. Le premier est l’apprentissage par imitation au travers duquel le modèle ingère des captures de mouvements de combattants humains ou d'experts en arts martiaux. Le robot assimile la mémoire musculaire des enchaînements, des frappes et des postures.

Le deuxième type est l’apprentissage par renforcement au travers duquel le modèle découvre ainsi par lui-même des tactiques de combat optimales conformes à la physique. En simulation (le canal au travers duquel cet apprentissage s’opère), l'intelligence artificielle affronte des milliers d'adversaires virtuels. Elle est récompensée lorsqu'elle réussit une esquive ou touche une cible, et pénalisée si elle perd l'équilibre.

Les robots s’appuient sur des actionneurs et moteurs de haute performance pour ce qui est de leur « corps »

Pour le combat, les robots nécessitent un couple phénoménal au niveau des articulations (souvent plus de 17 à 30 degrés de liberté). Les moteurs électriques de haute précision (conçus par des leaders comme Faulhaber) gèrent des boucles de commande ultra-rapides.

Le torse des robots abrite des processeurs (CPU) couplés à des accélérateurs d'IA et GPU intensifs pour traiter la vision artificielle locale sans dépendre d'une connexion Wi-Fi (qui pourrait être brouillée en combat).

Les robots intègrent des capteurs LiDAR à balayage rapide, des caméras de profondeur stéréoscopiques et des capteurs haptiques (peaux tactiles) pour évaluer l'impact des coups reçus et la configuration du terrain.

Unitree Robotics fait partie des leaders technologiques sur ce segment

Le constructeur de robots Unitree propose des modèles de fondation open-source capables de coordonner l'ensemble du corps des humanoïdes en temps réel.

La startup Physical Intelligence aussi est un acteur de cette filière. Elle a lancé π0 (Pi-Zero), un modèle de fondation généraliste conçu pour donner une forme d’intelligence physique universelle aux robots, leur permettant de manipuler des objets et de se mouvoir de façon fluide.

De son coté, NVIDIA a développé GR00T, un modèle de fondation pour humanoïdes, couplé récemment à SONIC, un contrôleur universel capable de gérer les mouvements complets du corps (whole-body control) pour des actions dynamiques comme le sprint ou des coups de pied.

C’est en droite ligne avec la disponibilité de ces outils que les entreprises proposent des démonstrations de robots apprenant à s’entraîner et à se battre de façon autonome.

• Unitree Robotics (Chine) : Début septembre 2026, l'entreprise a dévoilé une avancée historique avec son robot humanoïde G1, capable de se battre et de faire du sparring de manière 100 % autonome contre un humain en temps réel. Contrairement aux démonstrations passées basées sur des télécommandes ou des casques VR, le système agit de son propre chef.
• L'Armée populaire de libération (APL) : Immédiatement après les Jeux mondiaux des robots humanoïdes, le quotidien officiel de l'armée chinoise a appelé à accélérer le transfert de ces technologies vers les terrains d'entraînement militaire pour préparer le déploiement opérationnel de robots humanoïdes "combattants"
• Les projets académiques de pointe : Le framework RoboStriker (publié par des chercheurs en janvier 2026) utilise le Multi-Agent Reinforcement Learning (MARL) pour permettre une autonomie complète en boxe humanoïde. De même, les universités de Berkeley et Stanford ont développé le framework BeyondMimic, permettant à des robots d'apprendre de manière autonome des coups de pied rotatifs (spin kicks) et des enchaînements agiles sans réglage humain spécifique.

Unitree Breakthrough: The World’s First Real-Time World Model-Driven Fully Autonomous Humanoid Robot Combat🥊
UnifoLM-X2-1.0 breaks through world-action foundation models' bottlenecks in instant planning, decision-making, and dynamic interactive execution, achieve high dynamics,… pic.twitter.com/xqAodjuD1m

— Unitree (@UnitreeRobotics) September 7, 2026

La défense et la sécurité, la gestion des catastrophes et le secours, l’industrie lourde et de maintenance font partie des secteurs à même de bénéficier des avantages offerts par ces robots

En effet, ces derniers sont susceptibles d’être utiles au remplacement des soldats humains dans les guerres urbaines hautement létales, les missions d'infiltration, le déminage ou la surveillance de sites sensibles en zone de guerre. Ils viendraient ainsi en complément des robots-chiens utilisés sur les champs de bataille actuels et qui, du point de vue du développeur informatique, ces robots sont des kits matériels - à la présentation visuelle similaire à celle d’un chien sur pattes – programmables via une API fournie par le constructeur.

Code Python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
# Copyright (c) 2023 Boston Dynamics, Inc.  All rights reserved.
# Downloading, reproducing, distributing or otherwise using the SDK Software 
# is subject to the terms and conditions of the Boston Dynamics Software 
# Development Kit License (20191101-BDSDK-SL). 
 
"""Tutorial to show how to use the Boston Dynamics API to detect and follow an object""" 
import argparse 
import io 
import json 
import math 
import os 
import signal 
import sys 
import time 
from multiprocessing import Barrier, Process, Queue, Value 
from queue import Empty, Full 
from threading import BrokenBarrierError, Thread 
 
import cv2 
import numpy as np 
from PIL import Image 
from scipy import ndimage 
from tensorflow_object_detection import DetectorAPI 
 
import bosdyn.client 
import bosdyn.client.util 
from bosdyn import geometry 
from bosdyn.api import geometry_pb2 as geo 
from bosdyn.api import image_pb2, trajectory_pb2 
from bosdyn.api.image_pb2 import ImageSource 
from bosdyn.api.spot import robot_command_pb2 as spot_command_pb2 
from bosdyn.client.async_tasks import AsyncPeriodicQuery, AsyncTasks 
from bosdyn.client.frame_helpers import (GROUND_PLANE_FRAME_NAME, VISION_FRAME_NAME, get_a_tform_b, 
                                         get_vision_tform_body) 
from bosdyn.client.image import ImageClient 
from bosdyn.client.lease import LeaseClient, LeaseKeepAlive 
from bosdyn.client.math_helpers import Quat, SE3Pose 
from bosdyn.client.robot_command import (CommandFailedError, CommandTimedOutError, 
                                         RobotCommandBuilder, RobotCommandClient, blocking_stand) 
from bosdyn.client.robot_state import RobotStateClient 
 
LOGGER = bosdyn.client.util.get_logger() 
 
SHUTDOWN_FLAG = Value('i', 0) 
 
# Don't let the queues get too backed up 
QUEUE_MAXSIZE = 10 
 
# This is a multiprocessing.Queue for communication between the main process and the 
# Tensorflow processes. 
# Entries in this queue are in the format: 
 
# { 
#     'source': Name of the camera, 
#     'world_tform_cam': transform from VO to camera, 
#     'world_tform_gpe':  transform from VO to ground plane, 
#     'raw_image_time': Time when the image was collected, 
#     'cv_image': The decoded image, 
#     'visual_dims': (cols, rows), 
#     'depth_image': depth image proto, 
#     'system_cap_time': Time when the image was received by the main process, 
#     'image_queued_time': Time when the image was done preprocessing and queued 
# } 
RAW_IMAGES_QUEUE = Queue(QUEUE_MAXSIZE) 
 
# This is a multiprocessing.Queue for communication between the Tensorflow processes and 
# the bbox print process. This is meant for running in a containerized environment with no access 
# to an X display 
# Entries in this queue have the following fields in addition to those in : 
# { 
#   'processed_image_start_time':  Time when the image was received by the TF process, 
#   'processed_image_end_time':  Time when the image was processing for bounding boxes 
#   'boxes': list of detected bounding boxes for the processed image 
#   'classes': classes of objects, 
#   'scores': confidence scores, 
# } 
PROCESSED_BOXES_QUEUE = Queue(QUEUE_MAXSIZE) 
 
# Barrier for waiting on Tensorflow processes to start, initialized in main() 
TENSORFLOW_PROCESS_BARRIER = None 
 
COCO_CLASS_DICT = { 
    1: 'person', 
    2: 'bicycle', 
    3: 'car', 
    4: 'motorcycle', 
    5: 'airplane', 
    6: 'bus', 
    7: 'train', 
    8: 'truck', 
    9: 'boat', 
    10: 'trafficlight', 
    11: 'firehydrant', 
    13: 'stopsign', 
    14: 'parkingmeter', 
    15: 'bench', 
    16: 'bird', 
    17: 'cat', 
    18: 'dog', 
    19: 'horse', 
    20: 'sheep', 
    21: 'cow', 
    22: 'elephant', 
    23: 'bear', 
    24: 'zebra', 
    25: 'giraffe', 
    27: 'backpack', 
    28: 'umbrella', 
    31: 'handbag', 
    32: 'tie', 
    33: 'suitcase', 
    34: 'frisbee', 
    35: 'skis', 
    36: 'snowboard', 
    37: 'sportsball', 
    38: 'kite', 
    39: 'baseballbat', 
    40: 'baseballglove', 
    41: 'skateboard', 
    42: 'surfboard', 
    43: 'tennisracket', 
    44: 'bottle', 
    46: 'wineglass', 
    47: 'cup', 
    48: 'fork', 
    49: 'knife', 
    50: 'spoon', 
    51: 'bowl', 
    52: 'banana', 
    53: 'apple', 
    54: 'sandwich', 
    55: 'orange', 
    56: 'broccoli', 
    57: 'carrot', 
    58: 'hotdog', 
    59: 'pizza', 
    60: 'donut', 
    61: 'cake', 
    62: 'chair', 
    63: 'couch', 
    64: 'pottedplant', 
    65: 'bed', 
    67: 'diningtable', 
    70: 'toilet', 
    72: 'tv', 
    73: 'laptop', 
    74: 'mouse', 
    75: 'remote', 
    76: 'keyboard', 
    77: 'cellphone', 
    78: 'microwave', 
    79: 'oven', 
    80: 'toaster', 
    81: 'sink', 
    82: 'refrigerator', 
    84: 'book', 
    85: 'clock', 
    86: 'vase', 
    87: 'scissors', 
    88: 'teddybear', 
    89: 'hairdrier', 
    90: 'toothbrush' 
} 
 
# Mapping from visual to depth data 
VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE = { 
    'frontleft_fisheye_image': 'frontleft_depth_in_visual_frame', 
    'frontright_fisheye_image': 'frontright_depth_in_visual_frame' 
} 
ROTATION_ANGLES = { 
    'back_fisheye_image': 0, 
    'frontleft_fisheye_image': -78, 
    'frontright_fisheye_image': -102, 
    'left_fisheye_image': 0, 
    'right_fisheye_image': 180 
} 
 
 
def _update_thread(async_task): 
    while True: 
        async_task.update() 
        time.sleep(0.01) 
 
 
class AsyncImage(AsyncPeriodicQuery): 
    """Grab image.""" 
 
    def __init__(self, image_client, image_sources): 
        # Period is set to be about 15 FPS 
        super(AsyncImage, self).__init__('images', image_client, LOGGER, period_sec=0.067) 
        self.image_sources = image_sources 
 
    def _start_query(self): 
        return self._client.get_image_from_sources_async(self.image_sources) 
 
 
class AsyncRobotState(AsyncPeriodicQuery): 
    """Grab robot state.""" 
 
    def __init__(self, robot_state_client): 
        # period is set to be about the same rate as detections on the CORE AI 
        super(AsyncRobotState, self).__init__('robot_state', robot_state_client, LOGGER, 
                                              period_sec=0.02) 
 
    def _start_query(self): 
        return self._client.get_robot_state_async() 
 
 
def get_source_list(image_client): 
    """Gets a list of image sources and filters based on config dictionary 
  
    Args: 
        image_client: Instantiated image client 
    """ 
 
    # We are using only the visual images with their corresponding depth sensors 
    sources = image_client.list_image_sources() 
    source_list = [] 
    for source in sources: 
        if source.image_type == ImageSource.IMAGE_TYPE_VISUAL: 
            # only append if sensor has corresponding depth sensor 
            if source.name in VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE: 
                source_list.append(source.name) 
                source_list.append(VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE[source.name]) 
    return source_list 
 
 
def capture_images(image_task, sleep_between_capture): 
    """ Captures images and places them on the queue 
  
    Args: 
        image_task (AsyncImage): Async task that provides the images response to use 
        sleep_between_capture (float): Time to sleep between each image capture 
    """ 
    while not SHUTDOWN_FLAG.value: 
        get_im_resp = image_task.proto 
        start_time = time.time() 
        if not get_im_resp: 
            continue 
        depth_responses = { 
            img.source.name: img 
            for img in get_im_resp 
            if img.source.image_type == ImageSource.IMAGE_TYPE_DEPTH 
        } 
        entry = {} 
        for im_resp in get_im_resp: 
            if im_resp.source.image_type == ImageSource.IMAGE_TYPE_VISUAL: 
                source = im_resp.source.name 
                depth_source = VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE[source] 
                depth_image = depth_responses[depth_source] 
 
                acquisition_time = im_resp.shot.acquisition_time 
                image_time = acquisition_time.seconds + acquisition_time.nanos * 1e-9 
 
                try: 
                    image = Image.open(io.BytesIO(im_resp.shot.image.data)) 
                    source = im_resp.source.name 
 
                    image = ndimage.rotate(image, ROTATION_ANGLES[source]) 
                    if im_resp.shot.image.pixel_format == image_pb2.Image.PIXEL_FORMAT_GREYSCALE_U8: 
                        image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # Converted to RGB for TF 
                    tform_snapshot = im_resp.shot.transforms_snapshot 
                    frame_name = im_resp.shot.frame_name_image_sensor 
                    world_tform_cam = get_a_tform_b(tform_snapshot, VISION_FRAME_NAME, frame_name) 
                    world_tform_gpe = get_a_tform_b(tform_snapshot, VISION_FRAME_NAME, 
                                                    GROUND_PLANE_FRAME_NAME) 
                    entry[source] = { 
                        'source': source, 
                        'world_tform_cam': world_tform_cam, 
                        'world_tform_gpe': world_tform_gpe, 
                        'raw_image_time': image_time, 
                        'cv_image': image, 
                        'visual_dims': (im_resp.shot.image.cols, im_resp.shot.image.rows), 
                        'depth_image': depth_image, 
                        'system_cap_time': start_time, 
                        'image_queued_time': time.time() 
                    } 
                except Exception as exc:  # pylint: disable=broad-except 
                    print(f'Exception occurred during image capture {exc}') 
        try: 
            RAW_IMAGES_QUEUE.put_nowait(entry) 
        except Full as exc: 
            print(f'RAW_IMAGES_QUEUE is full: {exc}') 
        time.sleep(sleep_between_capture) 
 
 
def start_tensorflow_processes(num_processes, model_path, detection_class, detection_threshold, 
                               max_processing_delay): 
    """Starts Tensorflow processes in parallel. 
  
    It does not keep track of the processes once they are started because they run indefinitely 
    and are never joined back to the main process. 
  
    Args: 
        num_processes (int): Number of Tensorflow processes to start in parallel. 
        model_path (str): Filepath to the Tensorflow model to use. 
        detection_class (int): Detection class to detect 
        detection_threshold (float): Detection threshold to apply to all Tensorflow detections. 
        max_processing_delay (float): Allowed delay before processing an incoming image. 
    """ 
    processes = [] 
    for _ in range(num_processes): 
        process = Process( 
            target=process_images, args=( 
                model_path, 
                detection_class, 
                detection_threshold, 
                max_processing_delay, 
            ), daemon=True) 
        process.start() 
        processes.append(process) 
    return processes 
 
 
def process_images(model_path, detection_class, detection_threshold, max_processing_delay): 
    """Starts Tensorflow and detects objects in the incoming images. 
  
    Args: 
        model_path (str): Filepath to the Tensorflow model to use. 
        detection_class (int): Detection class to detect 
        detection_threshold (float): Detection threshold to apply to all Tensorflow detections. 
        max_processing_delay (float): Allowed delay before processing an incoming image. 
    """ 
 
    odapi = DetectorAPI(path_to_ckpt=model_path) 
    num_processed_skips = 0 
 
    if TENSORFLOW_PROCESS_BARRIER is None: 
        return 
 
    try: 
        TENSORFLOW_PROCESS_BARRIER.wait() 
    except BrokenBarrierError as exc: 
        print(f'Error waiting for Tensorflow processes to initialize: {exc}') 
        return False 
 
    while not SHUTDOWN_FLAG.value: 
        try: 
            entry = RAW_IMAGES_QUEUE.get_nowait() 
        except Empty: 
            time.sleep(0.1) 
            continue 
        for _, capture in entry.items(): 
            start_time = time.time() 
            processing_delay = time.time() - capture['raw_image_time'] 
            if processing_delay > max_processing_delay: 
                num_processed_skips += 1 
                print(f'skipped image because it took {processing_delay}') 
                continue  # Skip image due to delay 
 
            image = capture['cv_image'] 
            boxes, scores, classes, _ = odapi.process_frame(image) 
            confident_boxes = [] 
            confident_object_classes = [] 
            confident_scores = [] 
            if len(boxes) == 0: 
                print('no detections founds') 
                continue 
            for box, score, box_class in sorted(zip(boxes, scores, classes), key=lambda x: x[1], 
                                                reverse=True): 
                if score > detection_threshold and box_class == detection_class: 
                    confident_boxes.append(box) 
                    confident_object_classes.append(COCO_CLASS_DICT[box_class]) 
                    confident_scores.append(score) 
                    image = cv2.rectangle(image, (box[1], box[0]), (box[3], box[2]), (255, 0, 0), 2) 
 
            capture['processed_image_start_time'] = start_time 
            capture['processed_image_end_time'] = time.time() 
            capture['boxes'] = confident_boxes 
            capture['classes'] = confident_object_classes 
            capture['scores'] = confident_scores 
            capture['cv_image'] = image 
        try: 
            PROCESSED_BOXES_QUEUE.put_nowait(entry) 
        except Full as exc: 
            print(f'PROCESSED_BOXES_QUEUE is full: {exc}') 
    print('tf process ending') 
    return True 
 
 
def get_go_to(world_tform_object, robot_state, mobility_params, dist_margin=0.5): 
    """Gets trajectory command to a goal location 
  
    Args: 
        world_tform_object (SE3Pose): Transform from vision frame to target object 
        robot_state (RobotState): Current robot state 
        mobility_params (MobilityParams): Mobility parameters 
        dist_margin (float): Distance margin to target 
    """ 
    vo_tform_robot = get_vision_tform_body(robot_state.kinematic_state.transforms_snapshot) 
    print(f'robot pos: {vo_tform_robot}') 
    delta_ewrt_vo = np.array( 
        [world_tform_object.x - vo_tform_robot.x, world_tform_object.y - vo_tform_robot.y, 0]) 
    norm = np.linalg.norm(delta_ewrt_vo) 
    if norm == 0: 
        return None 
    delta_ewrt_vo_norm = delta_ewrt_vo / norm 
    heading = _get_heading(delta_ewrt_vo_norm) 
    vo_tform_goal = np.array([ 
        world_tform_object.x - delta_ewrt_vo_norm[0] * dist_margin, 
        world_tform_object.y - delta_ewrt_vo_norm[1] * dist_margin 
    ]) 
    se2_pose = geo.SE2Pose(position=geo.Vec2(x=vo_tform_goal[0], y=vo_tform_goal[1]), angle=heading) 
    tag_cmd = RobotCommandBuilder.synchro_se2_trajectory_command(se2_pose, 
                                                                 frame_name=VISION_FRAME_NAME, 
                                                                 params=mobility_params) 
    return tag_cmd 
 
 
def _get_heading(xhat): 
    zhat = [0.0, 0.0, 1.0] 
    yhat = np.cross(zhat, xhat) 
    mat = np.array([xhat, yhat, zhat]).transpose() 
    return Quat.from_matrix(mat).to_yaw() 
 
 
def set_default_body_control(): 
    """Set default body control params to current body position""" 
    footprint_R_body = geometry.EulerZXY() 
    position = geo.Vec3(x=0.0, y=0.0, z=0.0) 
    rotation = footprint_R_body.to_quaternion() 
    pose = geo.SE3Pose(position=position, rotation=rotation) 
    point = trajectory_pb2.SE3TrajectoryPoint(pose=pose) 
    traj = trajectory_pb2.SE3Trajectory(points=[point]) 
    return spot_command_pb2.BodyControlParams(base_offset_rt_footprint=traj) 
 
 
def get_mobility_params(): 
    """Gets mobility parameters for following""" 
    vel_desired = .75 
    speed_limit = geo.SE2VelocityLimit( 
        max_vel=geo.SE2Velocity(linear=geo.Vec2(x=vel_desired, y=vel_desired), angular=.25)) 
    body_control = set_default_body_control() 
    mobility_params = spot_command_pb2.MobilityParams(vel_limit=speed_limit, obstacle_params=None, 
                                                      body_control=body_control, 
                                                      locomotion_hint=spot_command_pb2.HINT_TROT) 
    return mobility_params 
 
 
def depth_to_xyz(depth, pixel_x, pixel_y, focal_length, principal_point): 
    """Calculate the transform to point in image using camera intrinsics and depth""" 
    x = depth * (pixel_x - principal_point.x) / focal_length.x 
    y = depth * (pixel_y - principal_point.y) / focal_length.y 
    z = depth 
    return x, y, z 
 
 
def remove_ground_from_depth_image(raw_depth_image, focal_length, principal_point, world_tform_cam, 
                                   world_tform_gpe, ground_tolerance=0.04): 
    """ Simple ground plane removal algorithm. Uses ground height 
        and does simple z distance filtering. 
  
    Args: 
        raw_depth_image (np.array): Depth image 
        focal_length (Vec2): Focal length of camera that produced the depth image 
        principal_point (Vec2): Principal point of camera that produced the depth image 
        world_tform_cam (SE3Pose): Transform from VO to camera frame 
        world_tform_gpe (SE3Pose): Transform from VO to GPE frame 
        ground_tolerance (float): Distance in meters to add to the ground plane 
    """ 
    new_depth_image = raw_depth_image 
 
    # same functions as depth_to_xyz, but converted to np functions 
    indices = np.indices(raw_depth_image.shape) 
    xs = raw_depth_image * (indices[1] - principal_point.x) / focal_length.x 
    ys = raw_depth_image * (indices[0] - principal_point.y) / focal_length.y 
    zs = raw_depth_image 
 
    # create xyz point cloud 
    camera_tform_points = np.stack([xs, ys, zs], axis=2) 
    # points in VO frame 
    world_tform_points = world_tform_cam.transform_cloud(camera_tform_points) 
    # array of booleans where True means the point was below the ground plane plus tolerance 
    world_tform_points_mask = (world_tform_gpe.z - world_tform_points[:, :, 2]) < ground_tolerance 
    # remove data below ground plane 
    new_depth_image[world_tform_points_mask] = 0 
    return new_depth_image 
 
 
def get_distance_to_closest_object_depth(x_min, x_max, y_min, y_max, depth_scale, raw_depth_image, 
                                         histogram_bin_size=0.50, minimum_number_of_points=10, 
                                         max_distance=8.0): 
    """Make a histogram of distances to points in the cloud and take the closest distance with 
    enough points. 
  
    Args: 
        x_min (int): minimum x coordinate (column) of object to find 
        x_max (int): maximum x coordinate (column) of object to find 
        y_min (int): minimum y coordinate (row) of object to find 
        y_max (int): maximum y coordinate (row) of object to find 
        depth_scale (float): depth scale of the image to convert from sensor value to meters 
        raw_depth_image (np.array): matrix of depth pixels 
        histogram_bin_size (float): size of each bin of distances 
        minimum_number_of_points (int): minimum number of points before returning depth 
        max_distance (float): maximum distance to object in meters 
    """ 
    num_bins = math.ceil(max_distance / histogram_bin_size) 
 
    # get a sub-rectangle of the bounding box out of the whole image, then flatten 
    obj_depths = (raw_depth_image[y_min:y_max, x_min:x_max]).flatten() 
    obj_depths = obj_depths / depth_scale 
    obj_depths = obj_depths[obj_depths != 0] 
 
    hist, hist_edges = np.histogram(obj_depths, bins=num_bins, range=(0, max_distance)) 
 
    edges_zipped = zip(hist_edges[:-1], hist_edges[1:]) 
    # Iterate over the histogram and return the first distance with enough points. 
    for entry, edges in zip(hist, edges_zipped): 
        if entry > minimum_number_of_points: 
            filtered_depths = obj_depths[(obj_depths > edges[0]) & (obj_depths < edges[1])] 
            if len(filtered_depths) == 0: 
                continue 
            return np.mean(filtered_depths) 
 
    return max_distance 
 
 
def rotate_about_origin_degrees(origin, point, angle): 
    """ 
    Rotate a point counterclockwise by a given angle around a given origin. 
  
    Args: 
        origin (tuple): Origin to rotate the point around 
        point (tuple): Point to rotate 
        angle (float): Angle in degrees 
    """ 
    return rotate_about_origin(origin, point, math.radians(angle)) 
 
 
def rotate_about_origin(origin, point, angle): 
    """ 
    Rotate a point counterclockwise by a given angle around a given origin. 
  
    Args: 
        origin (tuple): Origin to rotate the point around 
        point (tuple): Point to rotate 
        angle (float): Angle in radians 
    """ 
    orig_x, orig_y = origin 
    pnt_x, pnt_y = point 
 
    ret_x = orig_x + math.cos(angle) * (pnt_x - orig_x) - math.sin(angle) * (pnt_y - orig_y) 
    ret_y = orig_y + math.sin(angle) * (pnt_x - orig_x) + math.cos(angle) * (pnt_y - orig_y) 
    return int(ret_x), int(ret_y) 
 
 
def get_object_position(world_tform_cam, world_tform_gpe, visual_dims, depth_image, bounding_box, 
                        rotation_angle): 
    """ 
    Extract the bounding box, then find the mode in that region. 
  
    Args: 
        world_tform_cam (SE3Pose): SE3 transform from world to camera frame 
        visual_dims (Tuple): (cols, rows) tuple from the visual image 
        depth_image (ImageResponse): From a depth camera corresponding to the visual_image 
        bounding_box (list): Bounding box from tensorflow 
        rotation_angle (float): Angle (in degrees) to rotate depth image to match cam image rotation 
    """ 
 
    # Make sure there are two images. 
    if visual_dims is None or depth_image is None: 
        # Fail. 
        return 
 
    # Rotate bounding box back to original frame 
    points = [(bounding_box[1], bounding_box[0]), (bounding_box[3], bounding_box[0]), 
              (bounding_box[3], bounding_box[2]), (bounding_box[1], bounding_box[2])] 
 
    origin = (visual_dims[0] / 2, visual_dims[1] / 2) 
 
    points_rot = [rotate_about_origin_degrees(origin, point, rotation_angle) for point in points] 
 
    # Get the bounding box corners. 
    y_min = max(0, min([point[1] for point in points_rot])) 
    x_min = max(0, min([point[0] for point in points_rot])) 
    y_max = min(visual_dims[1], max([point[1] for point in points_rot])) 
    x_max = min(visual_dims[0], max([point[0] for point in points_rot])) 
 
    # Check that the bounding box is valid. 
    if (x_min < 0 or y_min < 0 or x_max > visual_dims[0] or y_max > visual_dims[1]): 
        print(f'Bounding box is invalid: ({x_min}, {y_min}) | ({x_max}, {y_max})') 
        print(f'Bounds: ({visual_dims[0]}, {visual_dims[1]})') 
        return 
 
    # Unpack the images. 
    try: 
        if depth_image.shot.image.pixel_format == image_pb2.Image.PIXEL_FORMAT_DEPTH_U16: 
            dtype = np.uint16 
        else: 
            dtype = np.uint8 
        img = np.fromstring(depth_image.shot.image.data, dtype=dtype) 
        if depth_image.shot.image.format == image_pb2.Image.FORMAT_RAW: 
            img = img.reshape(depth_image.shot.image.rows, depth_image.shot.image.cols) 
        else: 
            img = cv2.imdecode(img, -1) 
        depth_image_pixels = img 
        depth_image_pixels = remove_ground_from_depth_image( 
            depth_image_pixels, depth_image.source.pinhole.intrinsics.focal_length, 
            depth_image.source.pinhole.intrinsics.principal_point, world_tform_cam, world_tform_gpe) 
        # Get the depth data from the region in the bounding box. 
        max_distance = 8.0 
        depth = get_distance_to_closest_object_depth(x_min, x_max, y_min, y_max, 
                                                     depth_image.source.depth_scale, 
                                                     depth_image_pixels, max_distance=max_distance) 
 
        if depth >= max_distance: 
            # Not enough depth data. 
            print('Not enough depth data.') 
            return False 
        else: 
            print(f'distance to object: {depth}') 
 
        center_x = round((x_max - x_min) / 2.0 + x_min) 
        center_y = round((y_max - y_min) / 2.0 + y_min) 
 
        tform_x, tform_y, tform_z = depth_to_xyz( 
            depth, center_x, center_y, depth_image.source.pinhole.intrinsics.focal_length, 
            depth_image.source.pinhole.intrinsics.principal_point) 
        camera_tform_obj = SE3Pose(tform_x, tform_y, tform_z, Quat()) 
 
        return world_tform_cam * camera_tform_obj 
    except Exception as exc:  # pylint: disable=broad-except 
        print(f'Error getting object position: {exc}') 
        return 
 
 
def _check_model_path(model_path): 
    if model_path is None or \ 
    not os.path.exists(model_path) or \ 
    not os.path.isfile(model_path): 
        print(f'ERROR, could not find model file {model_path}') 
        return False 
    return True 
 
 
def _check_and_load_json_classes(config_path): 
    if os.path.isfile(config_path): 
        with open(config_path) as json_classes: 
            global COCO_CLASS_DICT  # pylint: disable=global-statement 
            COCO_CLASS_DICT = json.load(json_classes) 
 
 
def _find_highest_conf_source(processed_boxes_entry): 
    highest_conf_source = None 
    max_score = 0 
    for key, capture in processed_boxes_entry.items(): 
        if 'scores' in capture.keys(): 
            if len(capture['scores']) > 0 and capture['scores'][0] > max_score: 
                highest_conf_source = key 
                max_score = capture['scores'][0] 
    return highest_conf_source 
 
 
def signal_handler(signal, frame): 
    print('Interrupt caught, shutting down') 
    SHUTDOWN_FLAG.value = 1 
 
 
def main(): 
    """Command line interface.""" 
 
    parser = argparse.ArgumentParser() 
    parser.add_argument( 
        '--model-path', default='/model.pb', help= 
        ('Local file path to the Tensorflow model, example pre-trained models can be found at ' 
         'https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detection_zoo.md' 
        )) 
    parser.add_argument('--classes', default='/classes.json', type=str, 
                        help='File containing json mapping of object class IDs to class names') 
    parser.add_argument('--number-tensorflow-processes', default=1, type=int, 
                        help='Number of Tensorflow processes to run in parallel') 
    parser.add_argument('--detection-threshold', default=0.7, type=float, 
                        help='Detection threshold to use for Tensorflow detections') 
    parser.add_argument( 
        '--sleep-between-capture', default=0.2, type=float, 
        help=('Seconds to sleep between each image capture loop iteration, which captures ' 
              'an image from all cameras')) 
    parser.add_argument( 
        '--detection-class', default=1, type=int, 
        help=('Detection classes to use in the Tensorflow model.' 
              'Default is to use 1, which is a person in the Coco dataset')) 
    parser.add_argument( 
        '--max-processing-delay', default=7.0, type=float, 
        help=('Maximum allowed delay for processing an image. ' 
              'Any image older than this value will be skipped')) 
    parser.add_argument('--test-mode', action='store_true', 
                        help='Run application in test mode, don\'t execute commands') 
 
    bosdyn.client.util.add_base_arguments(parser) 
    bosdyn.client.util.add_payload_credentials_arguments(parser) 
    options = parser.parse_args() 
    signal.signal(signal.SIGINT, signal_handler) 
    try: 
        # Make sure the model path is a valid file 
        if not _check_model_path(options.model_path): 
            return False 
 
        # Check for classes json file, otherwise use the COCO class dictionary 
        _check_and_load_json_classes(options.classes) 
 
        global TENSORFLOW_PROCESS_BARRIER  # pylint: disable=global-statement 
        TENSORFLOW_PROCESS_BARRIER = Barrier(options.number_tensorflow_processes + 1) 
        # Start Tensorflow processes 
        tf_processes = start_tensorflow_processes(options.number_tensorflow_processes, 
                                                  options.model_path, options.detection_class, 
                                                  options.detection_threshold, 
                                                  options.max_processing_delay) 
 
        # sleep to give the Tensorflow processes time to initialize 
        try: 
            TENSORFLOW_PROCESS_BARRIER.wait() 
        except BrokenBarrierError as exc: 
            print(f'Error waiting for Tensorflow processes to initialize: {exc}') 
            return False 
        # Start the API related things 
 
        # Create robot object with a world object client 
        sdk = bosdyn.client.create_standard_sdk('SpotFollowClient') 
        robot = sdk.create_robot(options.hostname) 
 
        if options.payload_credentials_file: 
            robot.authenticate_from_payload_credentials( 
                *bosdyn.client.util.get_guid_and_secret(options)) 
        else: 
            bosdyn.client.util.authenticate(robot) 
 
        # Time sync is necessary so that time-based filter requests can be converted 
        robot.time_sync.wait_for_sync() 
 
        # Verify the robot is not estopped and that an external application has registered and holds 
        # an estop endpoint. 
        assert not robot.is_estopped(), 'Robot is estopped. Please use an external E-Stop client,' \ 
                                        ' such as the estop SDK example, to configure E-Stop.' 
 
        # Create the sdk clients 
        robot_state_client = robot.ensure_client(RobotStateClient.default_service_name) 
        robot_command_client = robot.ensure_client(RobotCommandClient.default_service_name) 
        lease_client = robot.ensure_client(LeaseClient.default_service_name) 
        image_client = robot.ensure_client(ImageClient.default_service_name) 
        source_list = get_source_list(image_client) 
        image_task = AsyncImage(image_client, source_list) 
        robot_state_task = AsyncRobotState(robot_state_client) 
        task_list = [image_task, robot_state_task] 
        _async_tasks = AsyncTasks(task_list) 
        print('Detect and follow client connected.') 
 
        lease = lease_client.take() 
        lease_keep = LeaseKeepAlive(lease_client) 
        # Power on the robot and stand it up 
        resp = robot.power_on() 
        try: 
            blocking_stand(robot_command_client) 
        except CommandFailedError as exc: 
            print(f'Error ({exc}) occurred while trying to stand. Check robot surroundings.') 
            return False 
        except CommandTimedOutError as exc: 
            print(f'Stand command timed out: {exc}') 
            return False 
        print('Robot powered on and standing.') 
        params_set = get_mobility_params() 
 
        # This thread starts the async tasks for image and robot state retrieval 
        update_thread = Thread(target=_update_thread, args=[_async_tasks]) 
        update_thread.daemon = True 
        update_thread.start() 
        # Wait for the first responses. 
        while any(task.proto is None for task in task_list): 
            time.sleep(0.1) 
 
        # Start image capture process 
        image_capture_thread = Process(target=capture_images, 
                                       args=(image_task, options.sleep_between_capture), 
                                       daemon=True) 
        image_capture_thread.start() 
        while not SHUTDOWN_FLAG.value: 
            # This comes from the tensorflow processes and limits the rate of this loop 
            try: 
                entry = PROCESSED_BOXES_QUEUE.get_nowait() 
            except Empty: 
                continue 
            # find the highest confidence bounding box 
            highest_conf_source = _find_highest_conf_source(entry) 
            if highest_conf_source is None: 
                # no boxes or scores found 
                continue 
            capture_to_use = entry[highest_conf_source] 
            raw_time = capture_to_use['raw_image_time'] 
            time_gap = time.time() - raw_time 
            if time_gap > options.max_processing_delay: 
                continue  # Skip image due to delay 
 
            # Find the transform to the highest confidence object using the depth sensor 
            get_object_position_start = time.time() 
            robot_state = robot_state_task.proto 
            world_tform_gpe = get_a_tform_b(robot_state.kinematic_state.transforms_snapshot, 
                                            VISION_FRAME_NAME, GROUND_PLANE_FRAME_NAME) 
            world_tform_object = get_object_position( 
                capture_to_use['world_tform_cam'], world_tform_gpe, capture_to_use['visual_dims'], 
                capture_to_use['depth_image'], capture_to_use['boxes'][0], 
                ROTATION_ANGLES[capture_to_use['source']]) 
            get_object_position_end = time.time() 
            print(f'system_cap_time: {capture_to_use["system_cap_time"]}, ' 
                  f'image_queued_time: {capture_to_use["image_queued_time"]}, ' 
                  f'processed_image_start_time: {capture_to_use["processed_image_start_time"]}, ' 
                  f'processed_image_end_time: {capture_to_use["processed_image_end_time"]}, ' 
                  f'get_object_position_start_time: {get_object_position_start}, ' 
                  f'get_object_position_end_time: {get_object_position_end}, ') 
 
            # get_object_position can fail if there is insufficient depth sensor information 
            if not world_tform_object: 
                continue 
 
            scores = capture_to_use['scores'] 
            print(f'Position of object with confidence {scores[0]}: {world_tform_object}') 
            print(f'Process latency: {time.time() - capture_to_use["system_cap_time"]}') 
            tag_cmd = get_go_to(world_tform_object, robot_state, params_set) 
            end_time = 15.0 
            if tag_cmd is not None: 
                if not options.test_mode: 
                    print('executing command') 
                    robot_command_client.robot_command(lease=None, command=tag_cmd, 
                                                       end_time_secs=time.time() + end_time) 
                else: 
                    print('Running in test mode, skipping command.') 
 
        # Shutdown lease keep-alive and return lease gracefully. 
        lease_keep.shutdown() 
        lease_client.return_lease(lease) 
        return True 
    except Exception as exc:  # pylint: disable=broad-except 
        LOGGER.error('Spot Tensorflow Detector threw an exception: %s', exc) 
        # Shutdown lease keep-alive and return lease gracefully. 
        return False  
 
 
if __name__ == '__main__': 
    if not main(): 
        sys.exit(1)]

De plus, leur capacité à naviguer de manière autonome dans des décombres instables (séismes, usines chimiques en feu) pour extraire des blessés ou couper des vannes là où des robots sur roues échoueraient est susceptible d’aider dans les cas de gestion des catastrophes et le secours.

Ces derniers peuvent aussi être utiles pour l’inspection de sous-stations électriques à haute tension ou d'infrastructures à risques sans aucune téléopération humaine.

A humanoid robot appears to fight back after a customer pushes it inside a Russian technology store. 🤖#Tech #Robotics pic.twitter.com/l48vfgThCI

— "Pulse" by Shams TV (@PulseInDc) September 9, 2026

La disponibilité de ces robots vient avec son lot d’inconvénients dont des menaces pour l’humanité à anticiper sur le long terme

Les lois de la guerre exigent de distinguer un civil d'un combattant, ou de repérer un soldat qui se rend. Une intelligence artificielle, privée d'empathie et de compréhension fine du contexte humain, pourrait abattre des personnes hors de combat ou des civils par simple erreur d'interprétation algorithmique. C’est ce qu’on a pu constater avec le récent cas de drones ukrainiens qui ont provoqué la mort de 3 personnes en raison d’une erreur logicielle.

Un modèle d'intelligence artificielle militaire entraîné à se battre de manière autonome pourrait voir ses barrières de sécurité contournées. Si le système redéfinit ses critères d'optimisation ou si sa base de données est corrompue (par piratage ou mutation algorithmique), la machine pourrait retourner ses capacités physiques létales contre ses propres créateurs ou contre des populations civiles.

Avec l'effondrement des coûts de fabrication des humanoïdes (certains prototypes universitaires chinois s'achetant désormais à moins de 1500 €), des architectures logicielles de combat open-source pourraient être récupérées par des organisations terroristes ou des cartels, privant les États du monopole de la force.

Et vous ?

Que pensez-vous de ces avancées ?
Quelles sont les mesures à prendre en matière d’intelligence artificielle et de robotique afin que l’humanité soit plus impactée par les avantages offerts par ces systèmes que par leurs inconvénients ?

Voir aussi :

Des représentants de 150 entreprises de la tech plaident contre les robots tueurs autonomes, lors d'une conférence internationale sur l'IA
USA : le sous-secrétaire à la défense soulève l'importance d'associer l'intelligence artificielle à l'armée, évoquant une future course aux armes
Des experts en IA boycottent un projet de robots tueurs d'une université en Corée du Sud, en partenariat avec le fabricant d'armes Hanwha Systems
Non, l'IA de Google ne doit pas être au service de la guerre ! Plus de 3000 employés de Google protestent contre la collaboration avec le Pentagone
Robots militaires : les États-Unis testent l'efficacité de leurs prototypes dans le Pacifique, l'armée irakienne présente son robot mitrailleur

[GLDavid]

Je crois que tout le monde s'est assis sur les 3 lois de la robotique tel qu'Asimoov les a décrites
https://fr.wikipedia.org/wiki/Trois_...e_la_robotique

[Anselme45]

Ce genre de robotique et l'IA sont bien à l'image de leur concepteurs...

Des concepteurs motivés par une insondable connerie!!!

[pyros]

Je ne m'en fait pas vraiment. Le mode KunFu sera une option payante. On aura des robots capable de faire théoriquement n'importe quoi, mais tout en mode DLC.

Les entreprises ayant acheté des robot ne paieront que le strict minimum. Les robot seront incapable de réagire dès que l'environement changera legèrement de leur tache habituelles parce qu'ils n'auront pas la bonne option activé dans leurs programmes.