{
  "dataset": "glossary",
  "updated": "2026-07-09",
  "entities": [
    {
      "id": "physical-ai",
      "term_en": "Physical AI",
      "term_fr": "IA physique",
      "def_en": "Artificial intelligence that perceives, reasons about, and acts on the real physical world through machines such as robots, vehicles, and industrial equipment. Unlike purely digital AI, it must cope with sensor noise, real-world physics, latency, and safety constraints. The term went mainstream in 2024-2025 as foundation models began controlling robots directly, from warehouse arms to humanoids.",
      "def_fr": "Intelligence artificielle qui perçoit, raisonne et agit sur le monde physique réel à travers des machines : robots, véhicules, équipements industriels. Contrairement à l'IA purement numérique, elle doit composer avec le bruit des capteurs, la physique réelle, la latence et les contraintes de sécurité. Le terme s'est imposé en 2024-2025 quand les modèles de fondation ont commencé à piloter directement des robots.",
      "category": "fundamentals"
    },
    {
      "id": "embodied-ai",
      "term_en": "Embodied AI",
      "term_fr": "IA incarnée",
      "def_en": "A research field studying agents that learn through a body, physical or simulated, interacting with an environment. Its core hypothesis is that intelligence emerges from the sensorimotor loop between perception and action, not from passive data alone. Embodied AI underpins modern robot learning, from autonomous navigation to dexterous manipulation, and is often used interchangeably with physical AI.",
      "def_fr": "Champ de recherche qui étudie des agents apprenant à travers un corps, physique ou simulé, en interaction avec un environnement. Son hypothèse centrale : l'intelligence émerge de la boucle sensorimotrice entre perception et action, pas uniquement de données passives. L'IA incarnée fonde l'apprentissage robotique moderne, de la navigation autonome à la manipulation dextre, et recouvre largement la notion d'IA physique.",
      "category": "fundamentals"
    },
    {
      "id": "humanoid-robot",
      "term_en": "Humanoid robot",
      "term_fr": "Robot humanoïde",
      "def_en": "A general-purpose robot with a human-like body plan, typically two legs or a wheeled base, two arms, and a torso, designed to operate in spaces built for people: factories, warehouses, eventually homes. The humanoid form factor promises task versatility without redesigning the workplace. Leading platforms include Tesla Optimus, Figure, Agility Digit, Unitree, and Boston Dynamics Atlas.",
      "def_fr": "Robot polyvalent à morphologie humaine, généralement deux jambes ou une base roulante, deux bras et un torse, conçu pour évoluer dans des espaces pensés pour l'homme : usines, entrepôts, à terme domiciles. Cette forme promet une grande polyvalence de tâches sans réaménager le poste de travail. Plateformes de référence : Tesla Optimus, Figure, Agility Digit, Unitree, Boston Dynamics Atlas.",
      "category": "fundamentals"
    },
    {
      "id": "amr",
      "term_en": "Autonomous Mobile Robot (AMR)",
      "term_fr": "Robot mobile autonome (AMR)",
      "def_en": "A mobile robot that navigates dynamically using onboard sensors, SLAM-based maps, and path planning, rather than following fixed guidance. AMRs reroute around people and obstacles in real time, which makes them suited to shared, changing environments such as warehouses and hospitals. They are the flexible successor to AGVs for intralogistics and material transport.",
      "def_fr": "Robot mobile qui navigue de façon dynamique grâce à ses capteurs embarqués, une cartographie de type SLAM et une planification de trajectoire, sans guidage fixe. L'AMR contourne personnes et obstacles en temps réel, ce qui le destine aux environnements partagés et changeants comme les entrepôts ou les hôpitaux. C'est le successeur flexible de l'AGV pour l'intralogistique.",
      "category": "fundamentals"
    },
    {
      "id": "agv",
      "term_en": "Automated Guided Vehicle (AGV)",
      "term_fr": "AGV (véhicule à guidage automatique)",
      "def_en": "A driverless transport vehicle that follows fixed guidance infrastructure: buried wires, magnetic tape, reflectors, or QR codes on the floor. AGVs are reliable and predictable but stop when their path is blocked and require infrastructure changes to modify routes. They remain widespread in mature intralogistics installations, increasingly displaced or complemented by more flexible AMRs.",
      "def_fr": "Véhicule de transport sans conducteur qui suit une infrastructure de guidage fixe : fils enterrés, bande magnétique, réflecteurs ou QR codes au sol. Fiable et prévisible, l'AGV s'arrête si sa trajectoire est bloquée et tout changement d'itinéraire exige de modifier l'infrastructure. Très répandu dans les installations intralogistiques matures, il est progressivement complété ou remplacé par des AMR plus flexibles.",
      "category": "fundamentals"
    },
    {
      "id": "cobot",
      "term_en": "Collaborative robot (cobot)",
      "term_fr": "Robot collaboratif (cobot)",
      "def_en": "An industrial robot arm designed to work alongside humans without safety fencing, using power and force limiting, speed monitoring, and rounded, sensorized designs. Cobots trade payload and speed for safety and ease of programming, making automation accessible to small manufacturers. Universal Robots popularized the category; safety requirements are specified in ISO 10218 and ISO/TS 15066.",
      "def_fr": "Bras robotisé industriel conçu pour travailler aux côtés d'opérateurs humains sans enceinte grillagée, grâce à la limitation de puissance et de force, au contrôle de vitesse et à un design arrondi et instrumenté. Le cobot échange charge utile et vitesse contre sécurité et simplicité de programmation, rendant l'automatisation accessible aux PME. Universal Robots a popularisé la catégorie ; les exigences de sécurité relèvent d'ISO 10218 et ISO/TS 15066.",
      "category": "fundamentals"
    },
    {
      "id": "teleoperation",
      "term_en": "Teleoperation",
      "term_fr": "Téléopération",
      "def_en": "Remote control of a robot by a human operator, through joysticks, motion-capture suits, VR interfaces, or leader-follower arms. Beyond intervention in hazardous environments, teleoperation has become the main method for collecting demonstration data used to train manipulation policies by imitation learning. Many humanoid demos shown publicly mix autonomous behavior with teleoperated segments.",
      "def_fr": "Commande à distance d'un robot par un opérateur humain, via joysticks, combinaisons de capture de mouvement, interfaces VR ou bras leader-follower. Au-delà de l'intervention en milieu dangereux, la téléopération est devenue la principale méthode de collecte de démonstrations pour entraîner des politiques de manipulation par imitation. Beaucoup de démonstrations publiques d'humanoïdes mélangent autonomie réelle et séquences téléopérées.",
      "category": "fundamentals"
    },
    {
      "id": "proprioception",
      "term_en": "Proprioception",
      "term_fr": "Proprioception",
      "def_en": "A robot's sense of its own body state: joint positions and velocities, motor torques, orientation, and balance, measured by encoders, current sensing, and inertial units. Proprioceptive feedback runs at high frequency and is essential for locomotion, force control, and contact-rich manipulation. It complements exteroception, the perception of the external world through cameras and LiDAR.",
      "def_fr": "Perception qu'a un robot de son propre état corporel : positions et vitesses articulaires, couples moteurs, orientation, équilibre, mesurés par encodeurs, capteurs de courant et centrales inertielles. Ce retour proprioceptif, échantillonné à haute fréquence, est indispensable à la locomotion, au contrôle en effort et à la manipulation avec contact. Il complète l'extéroception, la perception du monde extérieur par caméras et LiDAR.",
      "category": "fundamentals"
    },
    {
      "id": "degrees-of-freedom",
      "term_en": "Degrees of freedom (DoF)",
      "term_fr": "Degrés de liberté (DoF)",
      "def_en": "The number of independent motions a mechanism can perform, typically one per actuated joint. A standard industrial arm has six DoF, enough to place a tool at any position and orientation in its workspace. Humanoids commonly exceed thirty DoF, and dexterous hands add twenty or more, which multiplies control complexity and cost.",
      "def_fr": "Nombre de mouvements indépendants qu'un mécanisme peut effectuer, en général un par articulation motorisée. Un bras industriel standard compte six degrés de liberté, de quoi placer un outil à n'importe quelle position et orientation dans son espace de travail. Les humanoïdes en dépassent couramment trente, et une main dextre en ajoute vingt ou plus, ce qui multiplie complexité de commande et coût.",
      "category": "fundamentals"
    },
    {
      "id": "end-effector",
      "term_en": "End effector",
      "term_fr": "Effecteur terminal",
      "def_en": "The tool mounted at the end of a robot arm that interacts with the workpiece: a two-finger gripper, suction cup array, welding torch, screwdriver, or multi-fingered hand. End effector choice often determines what tasks a cell can perform and drives a large share of integration effort. Quick-change systems let one robot swap tools automatically.",
      "def_fr": "Outil monté à l'extrémité d'un bras robotisé pour interagir avec la pièce : pince à deux doigts, préhenseur à ventouses, torche de soudage, visseuse ou main multi-doigts. Le choix de l'effecteur détermine souvent les tâches réalisables par la cellule et concentre une grande part de l'effort d'intégration. Des systèmes de changement rapide permettent au robot de changer d'outil automatiquement.",
      "category": "fundamentals"
    },
    {
      "id": "perception-action-loop",
      "term_en": "Perception-action loop",
      "term_fr": "Boucle perception-action",
      "def_en": "The continuous cycle in which a robot senses its environment, interprets the data, decides on an action, executes it, and observes the result, feeding the next cycle. Loop frequency matters: locomotion controllers run at hundreds of hertz while high-level reasoning may run at a few hertz. Closing this loop robustly is the defining challenge of physical AI.",
      "def_fr": "Cycle continu par lequel un robot perçoit son environnement, interprète les données, décide d'une action, l'exécute et observe le résultat, qui alimente le cycle suivant. La fréquence compte : les contrôleurs de locomotion tournent à plusieurs centaines de hertz quand le raisonnement de haut niveau se contente de quelques hertz. Fermer cette boucle de façon robuste est le défi fondateur de l'IA physique.",
      "category": "fundamentals"
    },
    {
      "id": "autonomy",
      "term_en": "Autonomy",
      "term_fr": "Autonomie",
      "def_en": "The degree to which a robot performs tasks without human intervention, ranging from teleoperation through shared control and supervised autonomy to full autonomy. In industrial deployments, autonomy is always bounded: an operational design domain defines the environments and tasks within which the system is validated to operate, with human takeover or safe stop outside those limits.",
      "def_fr": "Degré auquel un robot accomplit ses tâches sans intervention humaine, de la téléopération au contrôle partagé, puis à l'autonomie supervisée et à l'autonomie complète. En déploiement industriel, l'autonomie est toujours bornée : un domaine de conception opérationnelle définit les environnements et tâches pour lesquels le système est validé, avec reprise humaine ou arrêt sûr en dehors de ces limites.",
      "category": "fundamentals"
    },
    {
      "id": "slam",
      "term_en": "SLAM (Simultaneous Localization and Mapping)",
      "term_fr": "SLAM (localisation et cartographie simultanées)",
      "def_en": "A family of algorithms that lets a robot build a map of an unknown environment while simultaneously estimating its own position within that map, using LiDAR, cameras, or both fused with inertial data. SLAM is the foundation of AMR navigation and is challenged by dynamic scenes, long corridors, and visually repetitive environments.",
      "def_fr": "Famille d'algorithmes permettant à un robot de construire la carte d'un environnement inconnu tout en estimant simultanément sa propre position dans cette carte, à partir de LiDAR, de caméras, ou des deux fusionnés avec des données inertielles. Le SLAM est le socle de la navigation des AMR ; scènes dynamiques, longs couloirs et environnements visuellement répétitifs restent ses points durs.",
      "category": "fundamentals"
    },
    {
      "id": "vla",
      "term_en": "Vision-Language-Action model (VLA)",
      "term_fr": "Modèle VLA (vision-langage-action)",
      "def_en": "A neural network that takes camera images and a natural-language instruction as input and outputs robot actions directly, extending vision-language models with an action head. VLAs generalize across objects and tasks better than task-specific controllers. Landmark models include RT-2, OpenVLA, pi-zero from Physical Intelligence, and NVIDIA GR00T, most trained on large multi-robot demonstration datasets.",
      "def_fr": "Réseau de neurones qui prend en entrée des images caméra et une instruction en langage naturel, et produit directement des actions robot, en étendant un modèle vision-langage par une tête d'action. Les VLA généralisent mieux entre objets et tâches que les contrôleurs spécialisés. Modèles marquants : RT-2, OpenVLA, pi-zero de Physical Intelligence, NVIDIA GR00T, entraînés sur de grands jeux de démonstrations multi-robots.",
      "category": "models"
    },
    {
      "id": "vlm",
      "term_en": "Vision-Language Model (VLM)",
      "term_fr": "Modèle vision-langage (VLM)",
      "def_en": "A foundation model trained jointly on images and text, able to describe scenes, answer questions about them, and ground language in visual content. In robotics, VLMs serve as the semantic backbone: they identify objects, interpret instructions, and plan task steps, while a separate control policy executes the motions. VLAs are built by extending VLMs with action outputs.",
      "def_fr": "Modèle de fondation entraîné conjointement sur images et texte, capable de décrire une scène, de répondre à des questions sur celle-ci et d'ancrer le langage dans le contenu visuel. En robotique, le VLM sert de colonne vertébrale sémantique : il identifie les objets, interprète les consignes et planifie les étapes, tandis qu'une politique de contrôle distincte exécute les mouvements. Les VLA sont des VLM étendus avec des sorties d'action.",
      "category": "models"
    },
    {
      "id": "world-model",
      "term_en": "World model",
      "term_fr": "World model (modèle de monde)",
      "def_en": "A learned model that predicts how an environment will evolve, given current observations and candidate actions. World models let agents imagine outcomes before acting, plan in latent space, and train policies inside their own simulation. In physical AI they power video-prediction foundation models such as NVIDIA Cosmos and are considered a key route toward robots that reason about physics.",
      "def_fr": "Modèle appris qui prédit l'évolution d'un environnement à partir des observations courantes et d'actions candidates. Un world model permet à un agent d'imaginer les conséquences avant d'agir, de planifier dans un espace latent et d'entraîner des politiques dans sa propre simulation. En IA physique, il alimente les modèles de fondation de prédiction vidéo comme NVIDIA Cosmos, une voie clé vers des robots qui raisonnent sur la physique.",
      "category": "models"
    },
    {
      "id": "jepa",
      "term_en": "JEPA (Joint Embedding Predictive Architecture)",
      "term_fr": "JEPA (architecture prédictive à plongement joint)",
      "def_en": "A self-supervised architecture, introduced by Yann LeCun in 2022, that predicts a future or masked observation in an abstract representation space rather than reconstructing raw pixels or tokens, using an energy-based model with separate context and target encoders. Implemented as I-JEPA (images, 2023), V-JEPA and V-JEPA 2 (video, 2024-2025), it underpins AMI Labs' world models and is positioned as an alternative to autoregressive LLMs for planning and reasoning about the physical world.",
      "def_fr": "Architecture auto-supervisée, introduite par Yann LeCun en 2022, qui prédit une observation future ou masquée dans un espace de représentation abstrait plutôt que de reconstruire des pixels ou des tokens bruts, via un modèle à base d'énergie à encodeurs séparés. Déclinée en I-JEPA (images, 2023), V-JEPA et V-JEPA 2 (vidéo, 2024-2025), elle fonde les world models d'AMI Labs et se positionne comme une alternative aux LLM autorégressifs pour la planification et le raisonnement sur le monde physique.",
      "category": "models"
    },
    {
      "id": "foundation-model",
      "term_en": "Foundation model",
      "term_fr": "Modèle de fondation",
      "def_en": "A large neural network pre-trained on broad, diverse data that can be adapted to many downstream tasks through fine-tuning or prompting, rather than being built for a single purpose. In robotics, foundation models aim to provide general skills, perception, language understanding, and manipulation priors, that transfer across robots and tasks, replacing per-application engineering.",
      "def_fr": "Grand réseau de neurones pré-entraîné sur des données vastes et variées, adaptable à de nombreuses tâches en aval par fine-tuning ou par prompt, plutôt que conçu pour un usage unique. En robotique, les modèles de fondation visent à fournir des compétences générales, perception, compréhension du langage, a priori de manipulation, transférables entre robots et tâches, en remplacement de l'ingénierie au cas par cas.",
      "category": "models"
    },
    {
      "id": "policy",
      "term_en": "Policy",
      "term_fr": "Policy (politique de contrôle)",
      "def_en": "In robot learning, the function that maps observations, such as camera images and proprioceptive state, to actions, such as joint targets or end-effector motions. A policy can be a small task-specific network or a large VLA. Training methods include imitation learning from demonstrations and reinforcement learning from reward signals; deployment requires the policy to run within real-time control budgets.",
      "def_fr": "En apprentissage robotique, fonction qui associe aux observations, images caméra et état proprioceptif, des actions, consignes articulaires ou mouvements de l'effecteur. Une policy peut être un petit réseau spécialisé ou un grand VLA. Elle s'entraîne par imitation à partir de démonstrations ou par renforcement à partir de récompenses ; en déploiement, elle doit s'exécuter dans le budget temps réel du contrôleur.",
      "category": "models"
    },
    {
      "id": "imitation-learning",
      "term_en": "Imitation learning",
      "term_fr": "Apprentissage par imitation",
      "def_en": "Training a robot policy from human demonstrations, usually collected by teleoperation or kinesthetic guidance, instead of hand-coding behaviors or defining reward functions. It is currently the dominant recipe for manipulation skills because demonstrations encode subtle contact strategies that are hard to specify. Its main limits are data cost and compounding errors when the robot drifts from demonstrated states.",
      "def_fr": "Entraînement d'une politique robot à partir de démonstrations humaines, collectées le plus souvent par téléopération ou guidage kinesthésique, plutôt qu'en codant les comportements ou en définissant des récompenses. C'est aujourd'hui la recette dominante pour la manipulation, car les démonstrations capturent des stratégies de contact difficiles à spécifier. Ses limites : le coût des données et l'accumulation d'erreurs quand le robot s'écarte des états démontrés.",
      "category": "models"
    },
    {
      "id": "behavior-cloning",
      "term_en": "Behavior cloning",
      "term_fr": "Behavior cloning (clonage de comportement)",
      "def_en": "The simplest form of imitation learning: supervised training of a policy to reproduce the actions a demonstrator took in each observed state, treating demonstrations as a labeled dataset. It is easy to implement and scales with data, but suffers from distribution shift: small errors take the robot into states absent from training data, where predictions degrade further.",
      "def_fr": "Forme la plus simple d'apprentissage par imitation : entraînement supervisé d'une politique à reproduire l'action du démonstrateur dans chaque état observé, les démonstrations servant de jeu de données étiqueté. Facile à implémenter et scalable avec les données, la méthode souffre du décalage de distribution : de petites erreurs amènent le robot dans des états absents de l'entraînement, où les prédictions se dégradent encore.",
      "category": "models"
    },
    {
      "id": "reinforcement-learning",
      "term_en": "Reinforcement learning (RL)",
      "term_fr": "Apprentissage par renforcement (RL)",
      "def_en": "A learning paradigm where an agent improves its policy through trial and error, guided by a reward signal rather than labeled examples. In robotics, RL is typically run at massive scale in simulation, then transferred to hardware. It excels at dynamic skills such as legged locomotion and recovery behaviors, where robust controllers emerge from millions of simulated falls.",
      "def_fr": "Paradigme d'apprentissage où un agent améliore sa politique par essais et erreurs, guidé par un signal de récompense plutôt que par des exemples étiquetés. En robotique, le RL s'exécute massivement en simulation avant transfert sur le matériel. Il excelle dans les compétences dynamiques comme la locomotion à pattes et les réflexes de rattrapage, où des contrôleurs robustes émergent de millions de chutes simulées.",
      "category": "models"
    },
    {
      "id": "diffusion-policy",
      "term_en": "Diffusion policy",
      "term_fr": "Diffusion policy",
      "def_en": "A manipulation policy that generates action sequences with a diffusion model, progressively denoising random noise into a coherent trajectory conditioned on observations. Popularized in 2023, the approach handles multimodal solutions gracefully: when several valid ways to grasp exist, it commits to one instead of averaging them. Diffusion heads are now common inside VLA architectures.",
      "def_fr": "Politique de manipulation qui génère des séquences d'actions avec un modèle de diffusion, en débruitant progressivement un bruit aléatoire vers une trajectoire cohérente conditionnée par les observations. Popularisée en 2023, l'approche gère élégamment les solutions multimodales : quand plusieurs prises valides existent, elle en choisit une au lieu de les moyenner. Les têtes de diffusion sont désormais courantes dans les architectures VLA.",
      "category": "models"
    },
    {
      "id": "action-tokens",
      "term_en": "Action tokens",
      "term_fr": "Tokens d'action",
      "def_en": "Discrete symbols that encode robot actions, joint deltas, gripper commands, end-effector poses, so a transformer can predict them exactly as a language model predicts words. Tokenizing actions lets robotics reuse the entire LLM toolchain: the same architecture reads an instruction, looks at images, and emits action tokens that are decoded into motor commands.",
      "def_fr": "Symboles discrets encodant les actions du robot, incréments articulaires, commandes de pince, poses de l'effecteur, afin qu'un transformer les prédise exactement comme un modèle de langage prédit des mots. Tokeniser les actions permet à la robotique de réutiliser toute la chaîne d'outils des LLM : la même architecture lit une consigne, regarde des images et émet des tokens d'action décodés en commandes moteur.",
      "category": "models"
    },
    {
      "id": "system-1-system-2",
      "term_en": "System 1 / System 2",
      "term_fr": "Système 1 / Système 2",
      "def_en": "An architecture pattern for robot control borrowed from cognitive science: a slow, deliberate System 2, usually a vision-language model reasoning at a few hertz, sets goals and decomposes tasks, while a fast System 1 policy executes reactive motor control at tens or hundreds of hertz. Figure's Helix and NVIDIA's GR00T N1 are prominent implementations.",
      "def_fr": "Patron d'architecture de contrôle robot emprunté aux sciences cognitives : un Système 2 lent et délibératif, en général un modèle vision-langage raisonnant à quelques hertz, fixe les objectifs et décompose les tâches, tandis qu'un Système 1 rapide exécute le contrôle moteur réactif à des dizaines ou centaines de hertz. Helix de Figure et GR00T N1 de NVIDIA en sont des implémentations phares.",
      "category": "models"
    },
    {
      "id": "cross-embodiment",
      "term_en": "Cross-embodiment",
      "term_fr": "Cross-embodiment",
      "def_en": "Training a single model on data collected from many different robot bodies, arms, mobile manipulators, humanoids, so skills transfer across hardware instead of being locked to one platform. The Open X-Embodiment dataset, aggregating demonstrations from dozens of labs and robot types, showed that cross-embodiment training improves performance even on robots seen only sparsely in the data.",
      "def_fr": "Entraînement d'un modèle unique sur des données issues de nombreux corps robotiques différents, bras, manipulateurs mobiles, humanoïdes, afin que les compétences se transfèrent entre matériels au lieu de rester liées à une plateforme. Le jeu de données Open X-Embodiment, agrégeant les démonstrations de dizaines de laboratoires et de types de robots, a montré que cet entraînement améliore les performances même sur des robots peu représentés.",
      "category": "models"
    },
    {
      "id": "fine-tuning",
      "term_en": "Fine-tuning",
      "term_fr": "Fine-tuning",
      "def_en": "Continuing the training of a pre-trained model on a smaller, task-specific dataset so it specializes without learning from scratch. In physical AI, a generalist VLA is typically fine-tuned on a few hundred demonstrations of the target task, robot, and workcell. This is how integrators adapt foundation models to a customer's parts, fixtures, and lighting conditions.",
      "def_fr": "Poursuite de l'entraînement d'un modèle pré-entraîné sur un jeu de données plus petit et spécifique, pour le spécialiser sans repartir de zéro. En IA physique, un VLA généraliste est typiquement affiné sur quelques centaines de démonstrations de la tâche, du robot et de la cellule cibles. C'est ainsi que les intégrateurs adaptent un modèle de fondation aux pièces, montages et conditions d'éclairage du client.",
      "category": "models"
    },
    {
      "id": "inference",
      "term_en": "Inference",
      "term_fr": "Inférence",
      "def_en": "Running a trained model to produce outputs, as opposed to training it. For robots, inference has hard real-time constraints: a manipulation policy must produce actions every few tens of milliseconds, often on embedded hardware with limited power. Latency, memory footprint, and determinism drive choices such as quantization, distillation, and running smaller models at the edge.",
      "def_fr": "Exécution d'un modèle entraîné pour produire des sorties, par opposition à son entraînement. Pour un robot, l'inférence a des contraintes temps réel dures : une politique de manipulation doit produire des actions toutes les quelques dizaines de millisecondes, souvent sur du matériel embarqué à puissance limitée. Latence, empreinte mémoire et déterminisme dictent quantification, distillation et exécution de modèles réduits en périphérie.",
      "category": "models"
    },
    {
      "id": "open-weights",
      "term_en": "Open weights",
      "term_fr": "Poids ouverts (open weights)",
      "def_en": "A release model where the trained parameters of a neural network are published for anyone to download, run, and fine-tune, though training data and code may stay private. Open-weight robotics models such as OpenVLA and GR00T N1 let integrators and researchers build on state-of-the-art policies without API dependence, a key enabler for on-premise industrial deployments.",
      "def_fr": "Mode de diffusion où les paramètres entraînés d'un réseau de neurones sont publiés et peuvent être téléchargés, exécutés et affinés par tous, même si les données et le code d'entraînement restent privés. Les modèles robotiques à poids ouverts comme OpenVLA ou GR00T N1 permettent aux intégrateurs et chercheurs de bâtir sur l'état de l'art sans dépendre d'une API, un atout clé pour les déploiements industriels sur site.",
      "category": "models"
    },
    {
      "id": "actuator",
      "term_en": "Actuator",
      "term_fr": "Actionneur",
      "def_en": "The component that converts energy into motion: typically an electric motor plus gearbox in modern robots, sometimes hydraulic or pneumatic in legacy or high-force systems. Actuator characteristics, torque density, backdrivability, bandwidth, efficiency, define what a robot can do physically. Humanoid economics hinge on actuators, which represent a large share of the bill of materials.",
      "def_fr": "Composant qui convertit une énergie en mouvement : moteur électrique et réducteur dans les robots modernes, parfois hydraulique ou pneumatique dans les systèmes anciens ou à très forte puissance. Les caractéristiques des actionneurs, densité de couple, réversibilité, bande passante, rendement, définissent les capacités physiques du robot. L'économie des humanoïdes se joue sur les actionneurs, part majeure de la nomenclature.",
      "category": "hardware"
    },
    {
      "id": "harmonic-drive",
      "term_en": "Harmonic drive",
      "term_fr": "Réducteur harmonique (harmonic drive)",
      "def_en": "A compact gear mechanism based on a flexible toothed cup, the flexspline, deformed by an elliptical wave generator, achieving very high reduction ratios with near-zero backlash in a small volume. Also called strain wave gearing, it dominates robot joints where precision matters. Its cost and the concentration of suppliers make it a strategic component in humanoid supply chains.",
      "def_fr": "Mécanisme de réduction compact fondé sur une cloche dentée flexible, la flexspline, déformée par un générateur d'onde elliptique, offrant de très grands rapports de réduction avec un jeu quasi nul dans un volume réduit. Aussi appelé strain wave gearing, il domine les articulations de robots exigeant de la précision. Son coût et la concentration des fournisseurs en font un composant stratégique de la filière humanoïde.",
      "category": "hardware"
    },
    {
      "id": "tactile-sensor",
      "term_en": "Tactile sensor",
      "term_fr": "Capteur tactile",
      "def_en": "A sensor that measures contact: pressure distribution, shear forces, slip, vibration, or texture at the robot's fingertips or skin. Technologies range from capacitive and piezoresistive arrays to vision-based skins such as GelSight, which image the deformation of a soft membrane. Tactile feedback is considered the missing ingredient for reliable manipulation of fragile, deformable, or occluded objects.",
      "def_fr": "Capteur qui mesure le contact : répartition de pression, forces de cisaillement, glissement, vibration ou texture au bout des doigts ou sur la peau du robot. Les technologies vont des matrices capacitives et piézorésistives aux peaux à base de vision comme GelSight, qui filment la déformation d'une membrane souple. Le retour tactile est vu comme l'ingrédient manquant pour manipuler fiablement les objets fragiles, déformables ou masqués.",
      "category": "hardware"
    },
    {
      "id": "force-torque-sensor",
      "term_en": "Force-torque sensor",
      "term_fr": "Capteur force-couple",
      "def_en": "A sensor, usually mounted at a robot's wrist, that measures forces and torques along all six axes. It enables force-controlled operations such as polishing, assembly with tight tolerances, and safe contact detection. Many modern cobots achieve similar capability by estimating forces from motor currents in each joint, trading accuracy for lower cost.",
      "def_fr": "Capteur, monté le plus souvent au poignet du robot, qui mesure forces et couples selon les six axes. Il rend possibles les opérations contrôlées en effort comme le polissage, l'assemblage à tolérances serrées et la détection sûre de contact. Beaucoup de cobots récents obtiennent une capacité proche en estimant les efforts à partir des courants moteurs de chaque articulation, avec une précision moindre mais un coût réduit.",
      "category": "hardware"
    },
    {
      "id": "lidar",
      "term_en": "LiDAR",
      "term_fr": "LiDAR",
      "def_en": "A sensor that measures distance by timing laser pulses reflected off surfaces, producing precise 2D scans or 3D point clouds independent of ambient light. LiDAR anchors AMR navigation and safety functions: certified safety laser scanners define protective fields that slow or stop the robot when a person enters. Solid-state designs are cutting cost and size.",
      "def_fr": "Capteur qui mesure les distances en chronométrant des impulsions laser réfléchies par les surfaces, produisant des balayages 2D ou des nuages de points 3D précis, indépendants de la lumière ambiante. Le LiDAR est le pilier de la navigation et de la sécurité des AMR : des scrutateurs laser certifiés définissent des champs de protection qui ralentissent ou arrêtent le robot à l'approche d'une personne. Les versions à état solide réduisent coût et encombrement.",
      "category": "hardware"
    },
    {
      "id": "imu",
      "term_en": "IMU (Inertial Measurement Unit)",
      "term_fr": "Centrale inertielle (IMU)",
      "def_en": "A sensor package combining accelerometers and gyroscopes, sometimes magnetometers, that measures linear acceleration and angular velocity at high frequency. IMUs are essential for balance control in legged robots and for odometry in mobile platforms, where they bridge the gaps between slower vision or LiDAR updates. Their drift over time requires fusion with other sensors.",
      "def_fr": "Ensemble de capteurs combinant accéléromètres et gyroscopes, parfois magnétomètres, qui mesure à haute fréquence les accélérations linéaires et vitesses angulaires. La centrale inertielle est essentielle au contrôle d'équilibre des robots à pattes et à l'odométrie des plateformes mobiles, où elle comble les intervalles entre les mises à jour plus lentes de la vision ou du LiDAR. Sa dérive impose une fusion avec d'autres capteurs.",
      "category": "hardware"
    },
    {
      "id": "depth-camera",
      "term_en": "Depth camera",
      "term_fr": "Caméra de profondeur",
      "def_en": "A camera that captures per-pixel distance in addition to color, using stereo vision, structured light, or time-of-flight measurement. Depth cameras such as Intel RealSense or the ZED series are the workhorse 3D sensor for manipulation: they feed grasp planning, obstacle avoidance, and the observation space of learned policies at a fraction of LiDAR cost.",
      "def_fr": "Caméra qui capture, en plus de la couleur, la distance pour chaque pixel, par stéréovision, lumière structurée ou mesure de temps de vol. Les caméras de profondeur comme les Intel RealSense ou la gamme ZED sont le capteur 3D de référence en manipulation : elles alimentent la planification de prise, l'évitement d'obstacles et l'espace d'observation des politiques apprises, pour une fraction du coût d'un LiDAR.",
      "category": "hardware"
    },
    {
      "id": "dexterous-hand",
      "term_en": "Dexterous hand",
      "term_fr": "Main dextre",
      "def_en": "A multi-fingered robotic hand with many actuated degrees of freedom, often sixteen to twenty-plus, designed to approach human manipulation ability: in-hand reorientation, tool use, handling varied objects. Dexterous hands combine miniaturized actuation, tendon or linkage transmission, and increasingly tactile sensing. They remain expensive and fragile, which is why many humanoids ship with simpler grippers first.",
      "def_fr": "Main robotique multi-doigts dotée de nombreux degrés de liberté motorisés, souvent seize à plus de vingt, conçue pour approcher la dextérité humaine : réorientation dans la main, usage d'outils, manipulation d'objets variés. Elle combine actionnement miniaturisé, transmission par tendons ou tringlerie et, de plus en plus, capteurs tactiles. Encore chère et fragile, elle explique que beaucoup d'humanoïdes soient d'abord livrés avec des pinces simples.",
      "category": "hardware"
    },
    {
      "id": "edge-computing",
      "term_en": "Edge computing",
      "term_fr": "Edge computing",
      "def_en": "Running computation close to where data is produced, on the robot or on a nearby industrial PC, rather than in a remote cloud. For physical AI, edge execution is usually mandatory: control loops cannot tolerate network latency or outages, and factory data often cannot leave the site. Platforms such as NVIDIA Jetson embody this approach.",
      "def_fr": "Exécution des calculs au plus près de la production des données, sur le robot ou sur un PC industriel voisin, plutôt que dans un cloud distant. Pour l'IA physique, l'edge est en général obligatoire : les boucles de contrôle ne tolèrent ni latence réseau ni coupures, et les données d'usine ne peuvent souvent pas quitter le site. Les plateformes comme NVIDIA Jetson incarnent cette approche.",
      "category": "hardware"
    },
    {
      "id": "soc",
      "term_en": "SoC (System on Chip)",
      "term_fr": "SoC (système sur puce)",
      "def_en": "A single chip integrating CPU cores, GPU, memory controllers, and increasingly a dedicated neural accelerator, plus interfaces for cameras and sensors. SoCs are the compute heart of robots: they minimize size, power, and cost compared with separate components. Examples include NVIDIA's Jetson Orin and Thor modules and Qualcomm's robotics platforms.",
      "def_fr": "Puce unique intégrant cœurs CPU, GPU, contrôleurs mémoire et, de plus en plus, un accélérateur neuronal dédié, ainsi que les interfaces caméras et capteurs. Le SoC est le cœur de calcul du robot : il minimise encombrement, consommation et coût par rapport à des composants séparés. Exemples : modules NVIDIA Jetson Orin et Thor, plateformes robotiques de Qualcomm.",
      "category": "hardware"
    },
    {
      "id": "npu",
      "term_en": "NPU (Neural Processing Unit)",
      "term_fr": "NPU (unité de traitement neuronal)",
      "def_en": "A processor specialized for neural network operations, mainly the matrix multiplications behind inference, delivering far better performance per watt than a general-purpose CPU. In robots and edge devices, NPUs run perception and policy models within tight power budgets. They typically execute quantized models, INT8 or FP16, and their software toolchains matter as much as their raw specs.",
      "def_fr": "Processeur spécialisé dans les opérations des réseaux de neurones, principalement les multiplications matricielles de l'inférence, offrant une performance par watt très supérieure à celle d'un CPU généraliste. Dans les robots et équipements edge, le NPU exécute les modèles de perception et de contrôle sous fortes contraintes énergétiques. Il fait tourner des modèles quantifiés, INT8 ou FP16, et sa chaîne logicielle compte autant que ses spécifications brutes.",
      "category": "hardware"
    },
    {
      "id": "tops",
      "term_en": "TOPS (Tera Operations Per Second)",
      "term_fr": "TOPS (téra-opérations par seconde)",
      "def_en": "A headline metric for AI accelerator throughput: trillions of low-precision operations per second, usually quoted for INT8 arithmetic. TOPS enables rough comparisons between edge chips but is easy to overread: real performance depends on memory bandwidth, model architecture, software stack, and sustained thermal limits. Two chips with identical TOPS can differ several-fold on an actual robot workload.",
      "def_fr": "Métrique phare du débit des accélérateurs d'IA : milliers de milliards d'opérations en basse précision par seconde, généralement exprimées en arithmétique INT8. Les TOPS permettent des comparaisons grossières entre puces edge, mais se surinterprètent facilement : la performance réelle dépend de la bande passante mémoire, de l'architecture du modèle, de la pile logicielle et des limites thermiques. Deux puces aux TOPS identiques peuvent différer de plusieurs fois sur une charge robotique réelle.",
      "category": "hardware"
    },
    {
      "id": "sim2real",
      "term_en": "Sim2real",
      "term_fr": "Sim2real",
      "def_en": "The process of transferring behaviors learned in simulation to physical robots. Simulation offers unlimited, cheap, safe training data, but simulators never match reality perfectly, so policies must be hardened through domain randomization, accurate system identification, and sometimes real-world fine-tuning. Sim2real is the standard pipeline for locomotion and increasingly credible for manipulation.",
      "def_fr": "Transfert vers des robots physiques de comportements appris en simulation. La simulation fournit des données d'entraînement illimitées, peu coûteuses et sans risque, mais aucun simulateur ne reproduit parfaitement la réalité : les politiques doivent être robustifiées par domain randomization, identification précise du système et parfois fine-tuning sur le réel. Le sim2real est le pipeline standard en locomotion et devient crédible en manipulation.",
      "category": "simulation"
    },
    {
      "id": "reality-gap",
      "term_en": "Reality gap",
      "term_fr": "Reality gap (écart sim-réel)",
      "def_en": "The mismatch between a simulator and the physical world: unmodeled friction and contact dynamics, sensor noise, latency, lighting, wear, and manufacturing variation. The reality gap is why policies that score perfectly in simulation can fail on hardware. Closing it drives most simulation research, through better physics, learned residual models, and randomization strategies.",
      "def_fr": "Écart entre un simulateur et le monde physique : frottements et dynamiques de contact non modélisés, bruit des capteurs, latence, éclairage, usure, dispersion de fabrication. Cet écart explique pourquoi des politiques parfaites en simulation échouent sur le matériel. Le combler concentre l'essentiel de la recherche en simulation : meilleure physique, modèles résiduels appris, stratégies de randomisation.",
      "category": "simulation"
    },
    {
      "id": "domain-randomization",
      "term_en": "Domain randomization",
      "term_fr": "Domain randomization",
      "def_en": "A sim2real technique that randomizes simulation parameters during training, friction, masses, motor strength, textures, lighting, camera pose, so the learned policy becomes robust to variation. If the policy succeeds across thousands of randomized worlds, the real world looks like just another sample. It is the key ingredient behind most successful simulation-trained locomotion and manipulation controllers.",
      "def_fr": "Technique sim2real consistant à randomiser les paramètres de simulation pendant l'entraînement, frottements, masses, puissance moteur, textures, éclairage, pose caméra, pour rendre la politique robuste aux variations. Si elle réussit dans des milliers de mondes randomisés, le monde réel n'est plus qu'un échantillon parmi d'autres. C'est l'ingrédient clé de la plupart des contrôleurs de locomotion et de manipulation entraînés en simulation.",
      "category": "simulation"
    },
    {
      "id": "digital-twin",
      "term_en": "Digital twin",
      "term_fr": "Jumeau numérique",
      "def_en": "A virtual replica of a physical asset, cell, or entire factory, kept synchronized with its real counterpart through sensor and process data. Digital twins let engineers validate robot programs, simulate throughput, train AI policies, and rehearse layout changes before touching the shop floor. Platforms such as NVIDIA Omniverse and Siemens Xcelerator anchor this market.",
      "def_fr": "Réplique virtuelle d'un équipement, d'une cellule ou d'une usine entière, maintenue synchronisée avec son homologue réel par les données capteurs et process. Le jumeau numérique permet de valider les programmes robots, simuler les cadences, entraîner des politiques d'IA et répéter les modifications d'implantation avant d'intervenir dans l'atelier. NVIDIA Omniverse et Siemens Xcelerator structurent ce marché.",
      "category": "simulation"
    },
    {
      "id": "physics-engine",
      "term_en": "Physics engine",
      "term_fr": "Moteur physique",
      "def_en": "Software that computes rigid-body dynamics, contacts, friction, and constraints to simulate how objects and robots move. Robotics-grade engines, MuJoCo, PhysX, Isaac Sim's GPU pipeline, Genesis, prioritize contact accuracy and massive parallelism: thousands of environments run simultaneously on one GPU for reinforcement learning. Engine fidelity directly bounds how well simulation-trained skills transfer to hardware.",
      "def_fr": "Logiciel qui calcule la dynamique des corps rigides, les contacts, les frottements et les contraintes pour simuler le mouvement des objets et des robots. Les moteurs de niveau robotique, MuJoCo, PhysX, le pipeline GPU d'Isaac Sim, Genesis, privilégient la précision des contacts et le parallélisme massif : des milliers d'environnements tournent simultanément sur un GPU pour le renforcement. La fidélité du moteur borne directement la qualité du transfert vers le matériel.",
      "category": "simulation"
    },
    {
      "id": "synthetic-data",
      "term_en": "Synthetic data",
      "term_fr": "Données synthétiques",
      "def_en": "Training data generated by simulation or generative models rather than collected in the real world: rendered images with perfect labels, simulated trajectories, or video generated by world models. Synthetic data attacks robotics' central bottleneck, the scarcity of robot demonstrations, and provides rare or dangerous scenarios on demand. Its value depends on how well it matches real distributions.",
      "def_fr": "Données d'entraînement générées par simulation ou par modèles génératifs plutôt que collectées dans le monde réel : images rendues avec annotations parfaites, trajectoires simulées, vidéos produites par des world models. Les données synthétiques attaquent le goulot central de la robotique, la rareté des démonstrations, et fournissent à la demande des scénarios rares ou dangereux. Leur valeur dépend de leur fidélité aux distributions réelles.",
      "category": "simulation"
    },
    {
      "id": "photorealistic-rendering",
      "term_en": "Photorealistic rendering",
      "term_fr": "Rendu photoréaliste",
      "def_en": "Generating simulated camera images realistic enough, through ray tracing, physically based materials, and accurate lighting, that perception models trained on them work on real footage. Photorealism narrows the visual part of the reality gap and is central to synthetic data pipelines for detection, segmentation, and vision-based policies. It complements, rather than replaces, domain randomization.",
      "def_fr": "Génération d'images caméra simulées suffisamment réalistes, grâce au ray tracing, aux matériaux physiquement plausibles et à un éclairage exact, pour que les modèles de perception entraînés dessus fonctionnent sur des images réelles. Le photoréalisme réduit la composante visuelle du reality gap et structure les pipelines de données synthétiques pour la détection, la segmentation et les politiques basées vision. Il complète la domain randomization plus qu'il ne la remplace.",
      "category": "simulation"
    },
    {
      "id": "openusd",
      "term_en": "OpenUSD",
      "term_fr": "OpenUSD",
      "def_en": "Universal Scene Description, an open framework originated at Pixar for describing, composing, and exchanging complex 3D scenes across tools. In physical AI, OpenUSD is becoming the common language of digital twins and simulation: robots, factories, and props described once can flow between CAD, Omniverse, Isaac Sim, and rendering pipelines without lossy conversion.",
      "def_fr": "Universal Scene Description, cadre ouvert créé chez Pixar pour décrire, composer et échanger des scènes 3D complexes entre outils. En IA physique, OpenUSD devient la langue commune des jumeaux numériques et de la simulation : robots, usines et objets décrits une seule fois circulent entre CAO, Omniverse, Isaac Sim et pipelines de rendu sans conversion destructive.",
      "category": "simulation"
    },
    {
      "id": "benchmark",
      "term_en": "Benchmark",
      "term_fr": "Benchmark",
      "def_en": "A standardized task suite and metric set used to compare robot learning methods fairly: simulation suites such as RLBench, LIBERO, or ManiSkill, and physical protocols with fixed objects and success criteria. Robotics benchmarks are harder to standardize than language ones because hardware, resets, and environments vary, which is why reported success rates deserve scrutiny.",
      "def_fr": "Ensemble standardisé de tâches et de métriques pour comparer équitablement les méthodes d'apprentissage robotique : suites de simulation comme RLBench, LIBERO ou ManiSkill, et protocoles physiques à objets et critères de réussite fixés. Les benchmarks robotiques sont plus difficiles à standardiser que ceux du langage, car matériels, remises en position et environnements varient ; les taux de réussite publiés méritent donc un examen critique.",
      "category": "simulation"
    },
    {
      "id": "machine-tending",
      "term_en": "Machine tending",
      "term_fr": "Machine tending (chargement de machines)",
      "def_en": "Automating the loading and unloading of production machines, CNC mills, lathes, injection molders, presses, with a robot that places raw parts, retrieves finished ones, and may handle door opening or chip blowing. It is one of the highest-volume robot applications and a prime target for physical AI, since part variety traditionally demands costly re-engineering.",
      "def_fr": "Automatisation du chargement et du déchargement des machines de production, centres d'usinage CNC, tours, presses à injecter, presses, par un robot qui place les pièces brutes, récupère les pièces finies et peut gérer l'ouverture des portes ou le soufflage des copeaux. C'est l'une des applications robotiques les plus répandues et une cible de choix pour l'IA physique, la variété des pièces exigeant traditionnellement une reprogrammation coûteuse.",
      "category": "industry"
    },
    {
      "id": "pick-and-place",
      "term_en": "Pick-and-place",
      "term_fr": "Pick-and-place",
      "def_en": "The task of grasping items from one location and placing them at another: order picking, kitting, sorting, packaging. Structured pick-and-place with known parts is solved; the frontier is unstructured picking of varied, jumbled, or deformable items from bins and totes, where learned vision and grasping policies now outperform classical engineered pipelines.",
      "def_fr": "Tâche consistant à saisir des articles à un emplacement pour les déposer à un autre : préparation de commandes, kitting, tri, conditionnement. Le pick-and-place structuré de pièces connues est un problème résolu ; la frontière est la saisie non structurée d'articles variés, en vrac ou déformables dans des bacs, où les politiques apprises de vision et de préhension dépassent désormais les pipelines classiques.",
      "category": "industry"
    },
    {
      "id": "palletizing",
      "term_en": "Palletizing",
      "term_fr": "Palettisation",
      "def_en": "Stacking cases, bags, or products onto pallets in stable, space-efficient patterns, and the reverse operation, depalletizing. It is a classic robot application driven by ergonomics and labor scarcity. Modern systems compute mixed-case stacking plans on the fly and use vision to depalletize unknown loads, a task long considered too variable for automation.",
      "def_fr": "Empilage de caisses, sacs ou produits sur palettes selon des schémas stables et compacts, et l'opération inverse, la dépalettisation. Application robotique classique portée par l'ergonomie et la pénurie de main-d'œuvre. Les systèmes modernes calculent à la volée des plans d'empilage multi-références et dépalettisent par vision des charges inconnues, tâche longtemps jugée trop variable pour être automatisée.",
      "category": "industry"
    },
    {
      "id": "intralogistics",
      "term_en": "Intralogistics",
      "term_fr": "Intralogistique",
      "def_en": "The flow of materials, goods, and information inside a site: receiving, storage, order picking, transport between workstations, and shipping. Intralogistics is the largest current market for mobile robots, with AMR fleets, automated storage systems, and picking arms orchestrated by warehouse software. It is where physical AI first reached industrial scale.",
      "def_fr": "Ensemble des flux de matières, de marchandises et d'informations à l'intérieur d'un site : réception, stockage, préparation de commandes, transport entre postes et expédition. L'intralogistique est aujourd'hui le premier marché des robots mobiles, avec des flottes d'AMR, des systèmes de stockage automatisés et des bras de picking orchestrés par le logiciel d'entrepôt. C'est là que l'IA physique a d'abord atteint l'échelle industrielle.",
      "category": "industry"
    },
    {
      "id": "mtbf",
      "term_en": "MTBF (Mean Time Between Failures)",
      "term_fr": "MTBF (temps moyen entre pannes)",
      "def_en": "The average operating time between failures of a repairable system, a core reliability metric in industrial procurement. Industrial robot arms routinely exceed 60,000 to 100,000 hours MTBF, a bar that humanoids and AI-driven systems are far from meeting today. Buyers use MTBF with MTTR, mean time to repair, to estimate availability and maintenance cost.",
      "def_fr": "Durée moyenne de fonctionnement entre deux pannes d'un système réparable, métrique de fiabilité centrale dans les achats industriels. Les bras robotisés industriels dépassent couramment 60 000 à 100 000 heures de MTBF, un niveau dont les humanoïdes et systèmes pilotés par IA restent aujourd'hui très loin. Les acheteurs combinent MTBF et MTTR, temps moyen de réparation, pour estimer disponibilité et coût de maintenance.",
      "category": "industry"
    },
    {
      "id": "oee",
      "term_en": "OEE (Overall Equipment Effectiveness)",
      "term_fr": "TRS (taux de rendement synthétique)",
      "def_en": "The standard measure of manufacturing productivity, multiplying three ratios: availability (uptime versus planned time), performance (actual versus ideal speed), and quality (good parts versus total). World-class plants target 85 percent. Any robot or AI system pitched to a factory is ultimately judged on its effect on OEE, not on demo impressiveness.",
      "def_fr": "Mesure standard de la productivité industrielle, produit de trois ratios : disponibilité (temps de marche sur temps planifié), performance (cadence réelle sur cadence nominale) et qualité (pièces bonnes sur pièces produites). Les usines de classe mondiale visent 85 pour cent. Tout robot ou système d'IA proposé à une usine est in fine jugé sur son effet sur le TRS, pas sur l'effet démo.",
      "category": "industry"
    },
    {
      "id": "takt-time",
      "term_en": "Takt time",
      "term_fr": "Temps takt",
      "def_en": "The pace at which products must be completed to match customer demand: available production time divided by required output. A takt of 60 seconds means one finished unit per minute. Takt time is the hard constraint any automation must satisfy; a robot that is flexible but slower than takt does not fit a production line.",
      "def_fr": "Cadence à laquelle les produits doivent sortir pour suivre la demande client : temps de production disponible divisé par le volume requis. Un takt de 60 secondes signifie une unité finie par minute. C'est la contrainte dure que toute automatisation doit respecter : un robot flexible mais plus lent que le takt n'a pas sa place sur une ligne de production.",
      "category": "industry"
    },
    {
      "id": "brownfield-greenfield",
      "term_en": "Brownfield / greenfield",
      "term_fr": "Brownfield / greenfield",
      "def_en": "Two deployment contexts: greenfield means a new site designed from scratch, where automation can shape the layout; brownfield means an existing facility with legacy equipment, tight spaces, and running production that must not stop. Most real-world automation is brownfield, which favors flexible robots, AMRs, cobots, humanoids, that adapt to the environment rather than requiring its redesign.",
      "def_fr": "Deux contextes de déploiement : greenfield désigne un site neuf conçu de zéro, où l'automatisation peut modeler l'implantation ; brownfield désigne une usine existante avec équipements hérités, espaces contraints et production en cours qu'il ne faut pas arrêter. L'essentiel des projets réels est brownfield, ce qui favorise les robots flexibles, AMR, cobots, humanoïdes, capables de s'adapter à l'environnement plutôt que d'exiger sa refonte.",
      "category": "industry"
    },
    {
      "id": "system-integrator",
      "term_en": "System integrator",
      "term_fr": "Intégrateur",
      "def_en": "A company that turns robots and components into working production systems: process design, gripper and fixture engineering, safety compliance, PLC integration, installation, and support. Robot manufacturers rarely deploy directly; integrators own the customer relationship and carry project risk. For physical AI vendors, the integrator channel largely determines how fast new technology reaches factories.",
      "def_fr": "Entreprise qui transforme robots et composants en systèmes de production opérationnels : conception du process, ingénierie des préhenseurs et outillages, conformité sécurité, intégration automate, installation et support. Les fabricants de robots déploient rarement en direct ; les intégrateurs détiennent la relation client et portent le risque projet. Pour les acteurs de l'IA physique, ce canal détermine largement la vitesse d'adoption en usine.",
      "category": "industry"
    },
    {
      "id": "fmea",
      "term_en": "FMEA (Failure Mode and Effects Analysis)",
      "term_fr": "AMDEC",
      "def_en": "A systematic method for identifying how a product or process can fail, rating each failure mode by severity, occurrence, and detectability, and prioritizing corrective actions accordingly. FMEA is mandatory practice in automotive and standard in robot cell design. AI-driven systems complicate it: failure modes of learned policies are harder to enumerate than those of deterministic mechanisms.",
      "def_fr": "Méthode systématique d'identification des modes de défaillance d'un produit ou d'un process, notés selon leur gravité, leur occurrence et leur détectabilité, afin de prioriser les actions correctives. L'AMDEC (analyse des modes de défaillance, de leurs effets et de leur criticité) est obligatoire dans l'automobile et standard en conception de cellules robotisées. Les systèmes à base d'IA la compliquent : les défaillances d'une politique apprise s'énumèrent moins bien que celles d'un mécanisme déterministe.",
      "category": "industry"
    },
    {
      "id": "tco",
      "term_en": "TCO (Total Cost of Ownership)",
      "term_fr": "TCO (coût total de possession)",
      "def_en": "The full cost of an automation system over its life: purchase price plus integration, programming, training, energy, maintenance, spare parts, downtime, and eventual decommissioning. Integration often costs two to three times the robot itself. Physical AI's economic promise is to slash the integration and reprogramming share of TCO, not merely the hardware price.",
      "def_fr": "Coût complet d'un système d'automatisation sur sa durée de vie : prix d'achat plus intégration, programmation, formation, énergie, maintenance, pièces de rechange, arrêts de production et démantèlement final. L'intégration coûte souvent deux à trois fois le robot lui-même. La promesse économique de l'IA physique est de réduire drastiquement la part intégration et reprogrammation du TCO, pas seulement le prix du matériel.",
      "category": "industry"
    },
    {
      "id": "raas",
      "term_en": "Robots-as-a-Service (RaaS)",
      "term_fr": "RaaS (Robots as a Service)",
      "def_en": "A business model where customers pay a subscription or per-task fee for robotic capability instead of buying hardware outright. The vendor retains ownership, handles maintenance and software updates, and carries performance risk. RaaS lowers the adoption barrier for SMEs and cash-constrained operations, and is common in intralogistics, cleaning, and increasingly humanoid pilot deployments.",
      "def_fr": "Modèle économique où le client paie un abonnement ou un tarif à la tâche pour une capacité robotique au lieu d'acheter le matériel. Le fournisseur reste propriétaire, assure maintenance et mises à jour logicielles, et porte le risque de performance. Le RaaS abaisse la barrière d'adoption pour les PME et les opérations à trésorerie contrainte ; il est courant en intralogistique, en nettoyage et, de plus en plus, dans les pilotes humanoïdes.",
      "category": "industry"
    },
    {
      "id": "ai-act",
      "term_en": "AI Act",
      "term_fr": "AI Act (règlement européen sur l'IA)",
      "def_en": "EU Regulation 2024/1689, the first comprehensive law governing artificial intelligence, applying a risk-based approach: banned practices, high-risk systems with strict obligations, and lighter transparency rules elsewhere. AI used as a safety component of machinery is classified high-risk. Obligations phase in through 2026-2027, and the Act works alongside CE marking and the Machinery Regulation for robots.",
      "def_fr": "Règlement UE 2024/1689, première loi complète encadrant l'intelligence artificielle, selon une approche par les risques : pratiques interdites, systèmes à haut risque soumis à des obligations strictes, règles de transparence allégées ailleurs. L'IA utilisée comme composant de sécurité d'une machine est classée à haut risque. Les obligations s'échelonnent jusqu'en 2026-2027, en articulation avec le marquage CE et le règlement Machines pour les robots.",
      "category": "regulation"
    },
    {
      "id": "high-risk-ai-system",
      "term_en": "High-risk AI system",
      "term_fr": "Système d'IA à haut risque",
      "def_en": "Under the AI Act, an AI system whose failure could harm health, safety, or fundamental rights, including AI acting as a safety component of regulated products such as machinery. High-risk status triggers obligations: risk management, data governance, technical documentation, logging, human oversight, robustness, and conformity assessment before market placement. Most industrial physical AI falls in this category.",
      "def_fr": "Au sens de l'AI Act, système d'IA dont la défaillance pourrait porter atteinte à la santé, à la sécurité ou aux droits fondamentaux, y compris l'IA servant de composant de sécurité de produits réglementés comme les machines. Ce statut déclenche des obligations : gestion des risques, gouvernance des données, documentation technique, journalisation, supervision humaine, robustesse et évaluation de conformité avant mise sur le marché. L'essentiel de l'IA physique industrielle en relève.",
      "category": "regulation"
    },
    {
      "id": "human-oversight",
      "term_en": "Human oversight",
      "term_fr": "Supervision humaine",
      "def_en": "The AI Act requirement (Article 14) that high-risk AI systems be designed so humans can effectively monitor them, understand their outputs, intervene, and stop them. For robots this translates into supervision interfaces, interpretable status reporting, override and emergency stop mechanisms, and operating models where autonomy stays within human-validated bounds rather than replacing accountability.",
      "def_fr": "Exigence de l'AI Act (article 14, contrôle humain dans la version française) : les systèmes d'IA à haut risque doivent être conçus pour qu'un humain puisse les surveiller efficacement, comprendre leurs sorties, intervenir et les arrêter. Pour les robots, cela se traduit par des interfaces de supervision, des états interprétables, des mécanismes de reprise en main et d'arrêt d'urgence, et une autonomie maintenue dans des limites validées par l'homme.",
      "category": "regulation"
    },
    {
      "id": "ce-marking",
      "term_en": "CE marking",
      "term_fr": "Marquage CE",
      "def_en": "The manufacturer's declaration that a product meets all applicable EU requirements, mandatory before placing machinery on the European market. For robot systems it requires a risk assessment, compliance with relevant directives and regulations, harmonized standards such as ISO 10218, a technical file, and a declaration of conformity. Integrators typically CE-mark the complete robot cell, not just the robot.",
      "def_fr": "Déclaration du fabricant attestant qu'un produit satisfait à toutes les exigences européennes applicables, obligatoire avant mise sur le marché d'une machine dans l'UE. Pour un système robotisé, elle suppose une analyse de risques, la conformité aux directives et règlements pertinents, des normes harmonisées comme ISO 10218, un dossier technique et une déclaration de conformité. L'intégrateur marque CE la cellule complète, pas seulement le robot.",
      "category": "regulation"
    },
    {
      "id": "machinery-regulation",
      "term_en": "Machinery Regulation (EU 2023/1230)",
      "term_fr": "Règlement Machines (UE 2023/1230)",
      "def_en": "The EU regulation replacing the 2006 Machinery Directive, applicable from January 2027, that sets essential health and safety requirements for machinery sold in Europe. It explicitly addresses new technologies: self-evolving AI behavior, safety functions driven by machine learning, collaborative applications, and cybersecurity affecting safety. Together with the AI Act, it forms the legal frame for industrial physical AI.",
      "def_fr": "Règlement européen remplaçant la directive Machines de 2006, applicable à partir de janvier 2027, qui fixe les exigences essentielles de santé et de sécurité des machines vendues en Europe. Il traite explicitement les technologies nouvelles : comportements d'IA évolutifs, fonctions de sécurité fondées sur l'apprentissage machine, applications collaboratives, cybersécurité impactant la sécurité. Avec l'AI Act, il forme le cadre légal de l'IA physique industrielle.",
      "category": "regulation"
    },
    {
      "id": "iso-10218",
      "term_en": "ISO 10218",
      "term_fr": "ISO 10218",
      "def_en": "The international safety standard for industrial robots, in two parts: 10218-1 covers the robot itself, 10218-2 covers the integrated robot system and cell. The 2025 revision integrates collaborative operation requirements previously found in ISO/TS 15066 and strengthens functional safety expectations. Compliance with ISO 10218 is the backbone of CE marking for robot installations.",
      "def_fr": "Norme internationale de sécurité des robots industriels, en deux parties : 10218-1 couvre le robot lui-même, 10218-2 le système robotisé intégré et la cellule. La révision 2025 intègre les exigences des applications collaboratives auparavant portées par l'ISO/TS 15066 et renforce les attentes de sécurité fonctionnelle. La conformité à ISO 10218 est l'ossature du marquage CE des installations robotisées.",
      "category": "regulation"
    },
    {
      "id": "iso-ts-15066",
      "term_en": "ISO/TS 15066",
      "term_fr": "ISO/TS 15066",
      "def_en": "The technical specification that defined how humans and robots may safely share a workspace, detailing the four collaborative modes and, critically, quantified pain-onset thresholds for force and pressure on different body regions under power and force limiting. Its content has largely been absorbed into the 2025 revision of ISO 10218, but the document still shapes cobot application design.",
      "def_fr": "Spécification technique qui a défini le partage sûr d'un espace de travail entre humains et robots, en détaillant les quatre modes collaboratifs et surtout des seuils quantifiés de douleur, force et pression admissibles par zone du corps, pour la limitation de puissance et de force. Son contenu est largement absorbé par la révision 2025 d'ISO 10218, mais le document structure encore la conception des applications cobotiques.",
      "category": "regulation"
    },
    {
      "id": "safety-plc",
      "term_en": "Safety PLC",
      "term_fr": "Automate de sécurité (safety PLC)",
      "def_en": "A programmable logic controller with redundant, self-diagnosing architecture certified to execute safety functions: emergency stops, light curtain monitoring, safe speed limits, zone control. Safety logic runs on this certified channel, deliberately separate from standard automation and from any AI. In AI-driven cells, the safety PLC is the deterministic layer that constrains what learned policies can physically do.",
      "def_fr": "Automate programmable à architecture redondante et autodiagnostiquée, certifié pour exécuter des fonctions de sécurité : arrêts d'urgence, surveillance de barrières immatérielles, limitation sûre de vitesse, contrôle de zones. La logique de sécurité tourne sur ce canal certifié, volontairement séparé de l'automatisme standard et de toute IA. Dans une cellule pilotée par IA, l'automate de sécurité est la couche déterministe qui borne physiquement ce que les politiques apprises peuvent faire.",
      "category": "regulation"
    },
    {
      "id": "sil-pl",
      "term_en": "SIL / PL",
      "term_fr": "SIL / PL",
      "def_en": "Two scales quantifying the reliability required of a safety function: Safety Integrity Level (SIL 1-3 for machinery, from IEC 61508/62061) and Performance Level (PL a-e, from ISO 13849). The required level follows from risk assessment: severity, exposure, avoidability. Typical collaborative robot safety functions must reach PL d, which mandates redundant architectures and proven failure rates.",
      "def_fr": "Deux échelles quantifiant la fiabilité exigée d'une fonction de sécurité : le Safety Integrity Level (SIL 1 à 3 pour les machines, issu des normes IEC 61508/62061) et le Performance Level (PL a à e, issu d'ISO 13849). Le niveau requis découle de l'analyse de risques : gravité, exposition, possibilité d'évitement. Les fonctions de sécurité des robots collaboratifs doivent typiquement atteindre PL d, ce qui impose architectures redondantes et taux de défaillance démontrés.",
      "category": "regulation"
    }
  ]
}