Le partenariat pour la mémoire des robots entre NEURA Robotics et NXAI a été annoncé à Metzingen, en Allemagne, le 20 octobre 2026 : les deux entreprises vont développer ensemble un composant mémoire pour robots cognitifs, en reliant la pile Physical AI de NEURA à l'architecture récurrente xLSTM de NXAI, afin que les robots suivent des tâches sur de nombreuses étapes et agissent à partir de l'expérience accumulée, au lieu de traiter chaque situation comme si c'était la première.
Un partenariat en deux moitiés : la recherche, puis la plateforme
La première moitié relève du développement conjoint. Neuron AI, que NEURA a présenté le 14 octobre, combine déjà vision 3D, toucher, audio, état du robot et langage avec une fonction mémoire dans un modèle de fondation multimodal ; le partenariat vise désormais à tisser dans cette pile la capacité de xLSTM à conserver et mettre à jour un état efficacement sur de longues séquences. La seconde moitié est l'ouverture de la plateforme : NXAI prévoit de rendre son propre modèle fondé sur xLSTM disponible sur la plateforme Neuraverse, aux côtés de Neuron AI. Les entreprises pourront ajuster ce modèle à leurs propres tâches avec l'outillage Neuraverse, le tester dans les NEURA Gyms et le déployer sur des robots adaptés, tout en décidant elles-mêmes de partager ou non leurs connaissances de processus et leurs données. Neuron AI reste le modèle propre de NEURA et continue d'être développé indépendamment.
Pourquoi c'est précisément la mémoire qui manque aux robots
L'annonce de NEURA pose le problème sans détour : un chatbot traite les demandes une par une, mais un robot fonctionne dans une boucle continue de perception, de décision et d'action — de nombreuses fois par seconde, potentiellement pendant tout un poste de travail. Cela exige une mémoire à deux niveaux. La mémoire de travail gère l'immédiat : le composant a-t-il déjà été inséré, la porte est-elle ouverte ou fermée, le bouton de démarrage a-t-il été pressé ? La mémoire épisodique va plus loin : un robot qui a exécuté un processus de nombreuses fois devrait puiser dans cette expérience quand la même situation revient. Sans ces deux couches, un robot relit le monde à chaque pas, et la fiabilité sur les longues tâches stagne.
Pourquoi xLSTM est la pièce visée pour ce manque
xLSTM vient de NXAI, fondée par Sepp Hochreiter, co-inventeur du LSTM, et il est conçu exactement pour ce manque : rapide, économe en mémoire, capable de garder un état sur de longues séquences. Le contraste est net avec le modèle de fondation robotique Dream-1 couvert ici la veille : Dream-1 loue aux robots un cerveau dans le cloud, à l'heure, tandis que NEURA parie sur des robots qui progressent au travail, par l'expérience.
Ne pas confondre l'annonce avec une livraison
Sur l'avancement, une lecture plus froide s'impose. Ce qui a été publié, c'est un partenariat et une feuille de route : le composant mémoire n'a pas de date de lancement, et l'arrivée du modèle de NXAI sur Neuraverse est formulée comme un projet, pas comme une sortie. NEURA apporte son propre matériel robotique, ses capteurs, les données d'entraînement du monde réel de ses NEURA Gyms et une plateforme de déploiement industriel ; NXAI apporte des décennies de recherche sur les réseaux récurrents. Savoir si les deux convertiront l'avantage de xLSTM dans la tenue d'état en taux de réussite mesurables en usine ne se saura que lorsque le composant sera livré et testé. Pour la Physical AI européenne, le signal est néanmoins clair : pendant que les rivaux américains se disputent les cerveaux dans le cloud et les montants de financement, les acteurs européens se disputent des robots qui s'améliorent localement, sur de longs processus, à mesure qu'ils travaillent — une voie plus lente, mais qui, si elle aboutit, fidélisera les clients industriels bien plus solidement qu'une API facturée à l'heure.
