RéponsesPublié16 sources
KINO-2 apprend au robot KR1 à passer du transport à la manipulation
KINO 2 transforme des démonstrations de tâches en compétences de manipulation, que Bear entraîne, teste sur son robot KR1 et déploie dans des projets pilotes chez des clients. Bear annonce une inférence environ huit fois plus rapide pour Isaac GR00T, mais ces mesures ne prouvent pas que les tâches complètes sont exé...
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- KINO 2 transforme des démonstrations de tâches en compétences de manipulation, que Bear entraîne, teste sur son robot KR1 et déploie dans des projets pilotes chez des clients.
- Bear annonce une inférence environ huit fois plus rapide pour Isaac GR00T, mais ces mesures ne prouvent pas que les tâches complètes sont exécutées aussi vite.
- La plateforme prolonge le programme KINO et l’activité de Bear, qui dit avoir déployé plus de 16 000 robots sur plus de 5 000 sites.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How does Bear Robotics’ KINO-2 robot-learning platform, launched on October 21, 2026, at NVIDIA GTC Berlin, turn human task demonstrations i. Article summary: KINO-2 is Bear Robotics’ learning-and-deployment platform for turning human task demonstrations into manipulation skills on its KR1 humanoid, announced on October 21, 2026, at NVIDIA GTC Berlin. Its central aim is to con. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Présentée le 21 octobre 2026 à NVIDIA GTC Berlin, KINO-2 est la plateforme de Bear Robotics destinée à apprendre à son robot humanoïde KR1 à manipuler des objets. L’idée : partir de démonstrations humaines, entraîner et affiner des modèles, puis tester les compétences obtenues sur le robot avant de les proposer dans des projets pilotes chez des clients. 4
20
L’enjeu est d’aller au-delà du déplacement de marchandises. Pour accomplir une tâche en entrepôt, par exemple, un robot doit pouvoir saisir des objets et les placer dans un contenant, en plus de se déplacer dans l’espace de travail. Bear présente KINO-2 comme un moyen de relier cette manipulation aux systèmes de mobilité et aux flux de travail déjà en place. 10
20
Des gestes montrés par des humains aux essais chez des clients
Le processus décrit par Bear commence par la collecte de démonstrations d’une tâche. L’entreprise s’en sert pour entraîner et améliorer ses modèles, puis évalue les compétences apprises sur le KR1. Les capacités retenues peuvent ensuite passer à l’étape des projets pilotes. 20
KINO-2 prolonge le programme d’apprentissage KINO lancé auparavant par Bear. En 2026, l’entreprise a acquis Kinisi Robotics, et avec elle le robot KR1 ainsi que le programme KINO initial. La nouvelle plateforme vise à faire évoluer ces travaux vers des usages commerciaux. Bear indique avoir déployé plus de 16 000 robots, principalement des robots de service, sur plus de 5 000 sites clients. 10
20
21
Le rôle des technologies NVIDIA
KINO-2 s’appuie sur NVIDIA Isaac OS pour l’exécution des fonctions de perception du KR1. Bear indique que cet environnement, qui intègre Holoscan SDK 5.0, relie le traitement des données de perception à l’inférence des modèles sur le matériel NVIDIA Jetson AGX Thor. L’entreprise mentionne également TensorRT et la quantification des modèles parmi les outils utilisés pour optimiser l’inférence. 4
Selon les mesures rapportées par Bear, le temps d’inférence d’Isaac GR00T est passé d’environ 500 à 60 millisecondes. Pour son propre modèle, l’entreprise annonce une baisse de 72,3 à 17,2 millisecondes. Il s’agit de mesures d’inférence des modèles, et non du temps nécessaire pour accomplir une tâche complète avec le robot. 4
6
NVIDIA indique que Bear utilise KINO-2 pour le post-entraînement de GR00T dans des flux de travail liés aux entrepôts, au traitement des retours et à l’industrie. 9 Les informations disponibles ne précisent pas comment la plateforme prend en charge des modèles de fondation externes ni dans quelle mesure elle réduit le travail d’ingénierie propre à chaque tâche. Il vaut donc mieux ne pas déduire ces capacités de la seule description générale de KINO-2.
Des pilotes, mais encore peu de résultats opérationnels publiés
Bear cite l’emballage de marchandises en entrepôt comme exemple de manipulation associée à la mobilité : le KR1 peut apprendre à saisir des bouteilles et à remplir une caisse, tandis que les systèmes plus larges de l’entreprise permettent de déplacer les marchandises dans un processus de travail. Des projets pilotes chez des clients sont en cours. 10
20
Les chiffres d’inférence ne suffisent cependant pas à mesurer les performances sur le terrain. Un modèle qui répond plus rapidement peut aider un robot, mais cela ne démontre pas qu’une tâche complète en entrepôt ou liée aux retours est plus rapide, plus précise ou fiable dans la durée. Les documents cités ne donnent pas de temps d’exécution complet, de taux de réussite en manipulation ni de données de fiabilité à long terme. Pour l’instant, l’avancée revendiquée par KINO-2 tient surtout au parcours qui mène d’une démonstration humaine à un essai chez un client.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « KINO-2 apprend au robot KR1 à passer du transport à la manipulation » ?
KINO 2 transforme des démonstrations de tâches en compétences de manipulation, que Bear entraîne, teste sur son robot KR1 et déploie dans des projets pilotes chez des clients.
Quels sont les points clés à valider en premier ?
KINO 2 transforme des démonstrations de tâches en compétences de manipulation, que Bear entraîne, teste sur son robot KR1 et déploie dans des projets pilotes chez des clients. Bear annonce une inférence environ huit fois plus rapide pour Isaac GR00T, mais ces mesures ne prouvent pas que les tâches complètes sont exécutées aussi vite.
Que dois-je faire ensuite en pratique ?
La plateforme prolonge le programme KINO et l’activité de Bear, qui dit avoir déployé plus de 16 000 robots sur plus de 5 000 sites.