Neuron AI de NEURA ajoute le toucher, le son et la mémoire au modèle de fondation robotique
NEURA Robotics a lancé Neuron AI, un modèle « perception-langage-action » qui fusionne vision 3D, toucher, force, audio, état du robot et langage avec une mémoire, et fera la démonstration d'une tâche de lessive de 11 minutes sur son humanoïde 4NE1.
En bref : La plupart des modèles de fondation robotiques actuels sont des modèles vision-langage-action (VLA) qui regardent surtout l'image caméra du moment. Le nouveau Neuron AI de NEURA Robotics ajoute le toucher, la force, l'audio et la mémoire : le robot peut agir sur ce que la caméra ne voit pas et se souvenir des objets sortis de son champ.
L'annonce
Le 14 octobre 2026, NEURA, basée à Metzingen (Allemagne), a présenté Neuron AI. Au lieu de traiter chaque capteur séparément, le modèle encode vision 3D, données tactiles et de force, audio, état du robot et langage, les aligne dans un espace commun au fil du temps et produit un flux unique d'actions. NEURA parle d'architecture perception-langage-action (PLA).
Pourquoi plus de sens
Les exemples de NEURA sont parlants :
- Ouvrir une serrure : seuls le son et le toucher confirment qu'elle est ouverte.
- Saisir un objet invisible : grâce au toucher, le robot attrape ce que la caméra ne voit pas.
- Soudage : la qualité du cordon s'évalue au son du procédé.
Pourquoi la mémoire
Un robot agit dans un monde physique continu. Il lui faut la permanence de l'objet (se souvenir de ce qu'il ne voit plus) et une notion de cause à effet sur les tâches longues. NEURA dit avoir adapté l'architecture pour ajouter de la mémoire et l'entraîner sur des jeux de données conçus pour l'exploiter.
Trois sources de données
- Données de robots réels issues des NEURA Gyms, avec vision, toucher, force, audio et mouvement synchronisés.
- Données amplifiées par simulation via son Data Amplifier et sa pile de simulation.
- Démonstrations humaines captées par des personnes en combinaisons à capteurs.
Le tout entraîne un modèle unique partagé par cinq morphologies de robots NEURA. Des partenaires industriels comme Schaeffler et Bosch fournissent des données.
La démo à suivre
Au NVIDIA GTC Berlin 2026 (20–22 octobre), NEURA prévoit de montrer son humanoïde 4NE1 enchaînant onze minutes de lessive : tri, chargement du lave-linge, fermeture et réouverture, déchargement et transfert vers le sèche-linge, sans intervention humaine. La difficulté n'est pas un geste isolé mais le maintien du contexte sur toute la séquence.
Pourquoi c'est important
La course à l'IA robotique passe de « peut-il voir et suivre une consigne ? » à « peut-il mener à bien une tâche longue et riche en contacts ? ». La perception multisensorielle et la mémoire sont deux pièces manquantes. NEURA, qui a annoncé en juin 2026 une série C pouvant atteindre 1,2 milliard d'euros, mise sur la maîtrise de toute la chaîne : robots, mains, capteurs, données et modèle. Aucun résultat indépendant n'a encore été publié au-delà des démonstrations de l'entreprise.
Sources Sources vérifiées
Décryptages associés
Plus dans IA incarnée et modèles de fondation →Physical Intelligence ouvre ses modèles robotiques π0 via une API
La bêta de la Pi API permet d'envoyer ses données, d'affiner π0/π0.5 sur l'infrastructure de Pi et d'exécuter le résultat en inférence hébergée.
Vela : un VLA qui prédit des trajectoires lisses plutôt que des blocs d'actions
Le modèle Vela d'une équipe de Fudan et de CUHK produit des courbes spline à horizon temporel adaptatif et surpasse π0.5 sur LIBERO-X, EBench et sur des tâches réelles de cuisson de galette aux œufs et de râpage de pommes de terre.
Le S1 de Skild apprend le foot en s'entraînant contre lui-même pendant 140 ans simulés
Après S1 — modèle de fondation qui copie une seule vidéo sans fine-tuning — Skild montre Physical Self-Play : la même politique s'entraîne contre elle-même dans Isaac Sim puis passe sur un humanoïde.
Newsletter
Robrief Weekly
Un e-mail par semaine avec l'actualité robotique qui compte. Gratuit, désinscription à tout moment.