Le bras Robin d'Amazon a appris à saisir à partir de 394 000 de ses propres préhensions déployées

Robin est le premier bras robotique interne d'Amazon Robotics destiné à trier des enveloppes et des boîtes individuelles à partir de piles encombrées : huit ventouses, une vue caméra de dessus et un logiciel qui classe les saisies possibles. Il a commencé ses tests en 2021 et a fait ses débuts dans un site de Lakeland, en Floride, en 2022. Les premières stratégies étaient codées à la main, et chacune échouait d'une manière caractéristique — l'une privilégiait les colis plus volumineux et se bloquait lorsque des colis plus petits reposaient dessus ou les chevauchaient ; une autre favorisait les colis proches du sommet des piles et manquait sans cesse des saisies enfouies et inaccessibles.

La solution a été de laisser la flotte apprendre d'elle-même. L'équipe d'Amazon a entraîné un modèle d'apprentissage automatique sur plus de 394 000 actions de saisie journalisées par des bras déployés afin d'estimer la probabilité de succès de chaque action candidate, puis a utilisé un classeur de saisies en ligne pour choisir ce que Robin devait faire. Dans l'article de l'équipe de 2023, la meilleure méthode d'apprentissage automatique a choisi correctement 93,73 % du temps, contre 92,28 % pour le meilleur algorithme traditionnel — un écart de 1,45 point qui représentait environ 16 500 saisies échouées en moins sur une période de travail de plus d'un million de saisies.

Une expérience de suivi imitant les opérations de la flotte Robin a réduit le taux de saisies échouées de 20 % sur 2 millions de saisies, présentée au International Symposium on Experimental Robotics en juillet 2025. Les enseignements de Robin se sont transmis à Cardinal, un bras qui emballe densément des boîtes de 50 livres dans des chariots (« pensez-y comme à une partie de Tetris »), et la même approche par modèle de fondation s'est étendue à Sparrow, qui traite des centaines de millions de types de produits sans codage manuel par article.

Journaliser chaque préhension effectuée par un bras robotique déployé, entraîner un modèle à estimer les chances de succès de chaque action candidate, et le laisser classer les actions — la flotte s'étiquette elle-même.

Chaque règle conçue à la main optimisait un mode de défaillance au profit d'un autre : privilégier les gros colis bloquait sur les chevauchements, privilégier les saisies du dessus laissait les colis enfouis à l'abandon.

Les bras généraient déjà des données étiquetées — chaque préhension réussissait ou non —, si bien que l'entraînement sur 394 000 actions journalisées ne nécessitait aucun effort d'étiquetage supplémentaire.

Les différences par saisie semblent triviales jusqu'à ce qu'on les multiplie : Amazon jugeait les stratégies en échecs par million de saisies, où 1,45 point équivaut à 16 500 préhensions épargnées.

À l'échelle d'une flotte, de minuscules gains par action se cumulent : un avantage de 1,45 point de réussite de saisie représente 16 500 échecs en moins par million de saisies — et le journal de vos propres opérations constitue le jeu d'entraînement.

Robin est devenu le modèle de la gamme de bras internes d'Amazon : Cardinal (emballage dense de chariots, première exécution à Nashville en novembre 2022), Sparrow (modèles de fondation pour identifier et saisir des centaines de millions de produits, éliminant la nécessité de coder chaque article manuellement) et Vulcan, le premier à ajouter le toucher — des capteurs de retour de force — à la vision pour saisir à l'intérieur de bacs recouverts de tissu. Le directeur financier d'Amazon a déclaré lors de la conférence téléphonique sur les résultats de juillet 2026 que l'entreprise s'attend à plus que doubler sa flotte de bras robotiques cette année ; Amazon Robotics a estimé les déploiements actuels à quelques milliers d'unités.