Le fait
Fin octobre 2025, Robotec.ai (spécialiste polonais de la simulation robotique), AMD et Liquid AI (Cambridge, MA) présentent à ROSCon 2025 (Singapour, stand AMD 17/18) ce qu’ils revendiquent comme le premier robot d’entrepôt entièrement autonome dont le cerveau — pile ROS 2 et inférence IA — tourne exclusivement sur processeurs AMD Ryzen AI, sans lien réseau. Au cœur du démonstrateur : LFM2-VL-3B, un modèle vision-langage de 3 milliards de paramètres conçu pour l’embarqué, intégré via le framework RAI (Robotec Agentic / Embodied AI) et validé en hardware-in-the-loop sur des centaines de scénarios d’entrepôt.
Le robot — un manipulateur mobile (plateforme Robotnik Kairos dans la démo open-source) — opère dans un entrepôt à trafic mixte humains / machines. Il interprète des ordres en langage naturel, détecte des anomalies de sécurité (flaque, sortie bloquée, carton au milieu de l’allée, non-conformités type 5S/OSHA) et replannifie sans scripts figés. Liquid AI date le communiqué du 23 octobre 2025 ; Automated Warehouse en fait le relais le 30 octobre.
Contexte
Trois briques se verrouillent, et c’est ça le signal — pas un énième AMR « intelligent » en slide.
1. Un VLM agentic, pas un classifieur. LFM2-VL-3B reçoit image brute + consigne, et sort une évaluation structurée (souvent du JSON parsable) : description de scène, flag d’anomalie, liste de violations, actions correctives. Exemple publié : un carton tombé dans l’allée devient anomaly: true + safety_violations: ["Fallen box in walkway"] + recommandations de retrait. Perception, raisonnement et langage tiennent dans une seule passe — le VLM ne « captionne » pas, il alimente les agents aval (planning, dialogue, alerte opérateur). Liquid a fine-tuné le modèle sur de la donnée synthétique produite par la simulation Robotec, pour coller aux tâches d’inspection d’entrepôt plutôt qu’au web générique.
2. Inférence 100 % locale sur silicium AMD. Toute l’inférence tourne à bord, via llama.cpp (accélération native AMD). La démo ROSCon répartit la charge : CPU + GPU (Vulkan) pour le LLM de planning / dialogue (un gpt-oss-20b local dans le dépôt public) et le VLM de perception ; NPU Ryzen AI (runtime FastFlowLM) pour le VLM de sûreté — histoire de libérer le GPU. Zéro cloud, zéro API externe : latence, confidentialité (plans d’entrepôt, flux caméra, habitudes opératoires) et continuité si le WAN tombe. Robotec qualifie le Ryzen de « cerveau » à la fois assez compact et assez efficace (tokens, latence, débit) pour faire tourner en parallèle la stack robotique et le multi-agent. Première cible : un Ryzen « desktop » ; bascule annoncée vers une solution x86 embarquée AMD.
3. La simulation HiL comme accélérateur, pas comme démo. Robotec connecte un simulateur ROS 2 (environnement O3DE) aux interfaces capteurs / actionneurs du robot : le contrôleur croit parler au monde réel. L’environnement virtuel — dynamique d’entrepôt, trafic mixte, incidents reproductibles — sert à mesurer précision de décision, replanning, robustesse de perception avant tout déploiement physique. C’est le métier historique de Robotec (jumeaux, HiL, déploiement) appliqué à l’IA incarnée. Un tablet industriel expose le plan du robot, les missions, les étapes de raisonnement, cartes live, flux caméra et rapports d’anomalies — human-in-the-loop assumé, pas un « full auto » hors supervision.
Le dépôt public RobotecAI/agentic-mobile-manipulator documente la stack (ROS 2, RAI, O3DE, llama.cpp, FastFlowLM) et rappelle que la démo ROSCon utilisait des fine-tunes spécifiques. LFM2-VL-3B est publié sous LFM Open License (Hugging Face) et déployable via le LEAP SDK AMD — suite du travail Liquid × AMD sur l’inférence on-device annoncé plus tôt en 2025.
Pourquoi ça compte
L’entrepôt est le terrain où l’IA agentic cesse d’être un chatbot et devient un risque opérationnel. Trois décalages, concrets.
D’abord, la fin du script. Un AMR classique exécute des missions pré-câblées (A→B, pick, drop). Ici, la consigne est une phrase, l’exception est la norme, et le robot propose l’action corrective. C’est le cahier des charges réel des 3PL : allées encombrées, colis à terre, humains qui coupent, procédures 5S qui dérivent. Le VLM qui sort du JSON actionnable est plus important que le score VQA sur benchmark.
Ensuite, l’edge comme contrainte de souveraineté, pas comme option green. Un entrepôt européen qui envoie ses flux caméra et ses cartes vers un cloud US/CN a un problème RGPD + NIS2 + secret logistique. Tourner LFM2-VL + LLM de planning sur Ryzen, hors réseau, change l’équation d’achat : on n’achète plus un « copilote cloud », on achète un cerveau local dont la latence et la fuite de données sont maîtrisées. AMD y gagne une preuve physical AI face à NVIDIA ; Liquid y gagne un cas d’usage 3B params qui tient dans l’embarqué — à rebours de la course aux 70B+ hors ligne.
Enfin, le HiL comme industrialisation. Tester l’IA incarnée en hall réel coûte cher et casse du matériel. Rejouer des centaines de scénarios (carton, flaque, issue bloquée, trafic mixte) sur un jumeau branché aux vrais I/O, c’est ce qui sépare la démo salon de la qualification OEM. Robotec ne vend pas le bras : il vend le banc. Pour un intégrateur FR/EU, c’est le levier — pas le Kairos.
Limites à garder en tête : la démo ROSCon est un prototype (simulation + hardware), pas un contrat 3PL. Le passage Ryzen desktop → x86 embarqué n’est pas encore livré. Les modèles ROSCon étaient des fine-tunes ; le dépôt public propose aussi un mode cloud — le « 100 % on-device » est le scénario vitrine, pas forcément le défaut de chaque clone. Et un VLM qui « voit » une violation OSHA n’est pas une certification sécurité.
Lecture Neurone21
Thèse Steropes : la bataille 2025-26 de l’entrepôt ne se joue plus sur le nombre d’AMR, elle se joue sur qui raisonne à bord. Robotec × AMD × Liquid aligne trois couches que l’Europe a trop souvent achetées séparément — modèle compact, silicium edge, banc HiL — et les montre dans une allée, pas dans un labo.
Pour un DSI / directeur d’exploitation logistique FR/EU : (1) exiger, dans tout RFP « robot intelligent », le lieu d’inférence (NPU locale vs API) et le format de sortie (JSON actionnable vs prose) ; (2) budgéter un jumeau HiL avant le premier robot au sol — c’est là que se paie la sûreté, pas dans le bras ; (3) cartographier les alternatives européennes de simulation / ROS 2 (et le risque de dépendance silicium AMD/NVIDIA) ; (4) traiter le tablet HITL comme une fonction, pas un aveu : la supervision humaine reste le régime nominal.
À suivre : bascule vers l’embarqué x86 AMD, métriques latence/tokens publiées hors salon, premiers pilotes physiques hors O3DE, et la capacité de LFM2-VL-3B à généraliser hors des allées synthétiques Robotec.
Sources : Liquid AI — Agentic Robotics at the Edge, LFM2-VL-3B (23/10/2025) · Automated Warehouse — Robotec.ai / AMD / Liquid AI (30/10/2025) · GitHub RobotecAI/agentic-mobile-manipulator · Robotec.ai — ROSCon 2025 / LinkedIn.