Toyota

Le tour d'amorçage de plus d'un milliard de dollars d'AMI Labs, annoncé en mars 2026, a réuni un éventail d'investisseurs stratégiques et particuliers. Parmi les participants figurent Nvidia, Samsung, Sea, Temasek, Toyota Ventures, ainsi que des fonds européens comme Cathay Innovation, Daphni, HV Capital et Hiro Capital, et Bezos Expeditions côté américain. La liste d'investisseurs particuliers inclut Tim et Rosemary Berners-Lee, Jim Breyer, Mark Cuban, Mark Leslie, Xavier Niel et Eric Schmidt. Un investisseur a estimé qu'AMI Labs pourrait être la première entreprise européenne à atteindre l'échelle des GAFAM. La société développe des modèles de monde destinés à la robotique, à la fabrication industrielle et aux objets connectés portables, selon un horizon de commercialisation se comptant en années.

Le 24 novembre 2025, Agility Robotics a annoncé que son robot humanoïde Digit avait dépassé le cap des 100 000 bacs (totes) déplacés dans un centre logistique exploité par GXO Logistics à Flowery Branch, en Géorgie, pour le compte de la marque Spanx. Le déploiement s'inscrit dans un accord de Robots-as-a-Service signé en juin 2024 entre GXO et Agility, présenté comme le premier contrat pluriannuel du genre pour un humanoïde en logistique. Agility, qui produit Digit dans son usine RoboFab de Salem (Oregon) conçue pour monter jusqu'à plus de 10 000 unités par an, a par la suite annoncé des accords commerciaux avec Mercado Libre en décembre 2025 et Toyota en février 2026. L'entrepôt confirme son statut de premier terrain d'usage rentable pour les robots humanoïdes.

Le 20 août 2025, Boston Dynamics et le Toyota Research Institute ont présenté une avancée de leur partenariat noué en octobre 2024 : le robot humanoïde Atlas piloté par un unique « Large Behavior Model » (LBM). Ce réseau de neurones de 450 millions de paramètres, un Diffusion Transformer, commande l'ensemble du robot à 30 Hz sans séparer locomotion et manipulation, les mains et les pieds étant traités de façon unifiée. En démonstration, Atlas enchaîne des séquences continues combinant déplacement et préhension - trier des pièces, déplier une nappe, manipuler un pneu de près de 10 kg - tout en s'adaptant en temps réel à des perturbations physiques imprévues. Les chercheurs soulignent que de nouvelles compétences s'ajoutent par démonstration humaine, sans écrire de nouvelle ligne de code.

Le 11 juillet 2025, le Toyota Research Institute a présenté ses « Large Behavior Models » (LBM), des modèles de comportement préentraînés qui, selon l'institut, permettent à un robot d'apprendre de nouvelles tâches de manipulation avec trois à cinq fois moins de données que les approches classiques. Les modèles ont été entraînés sur environ 1 700 heures de données robot et évalués sur 29 tâches distinctes, via plus de 1 800 essais réels et des dizaines de milliers de simulations. Les compétences sont ajoutées par démonstration humaine, sans programmation manuelle. Une partie de la presse a traduit ce gain par « jusqu'à 80 % de données en moins », formulation qui ne figure pas dans le communiqué officiel. Les travaux ont fait l'objet d'une prépublication scientifique.