Remise d'objet robot-humain : étude comparative…

1arXiv cs.RO

Réception centrée sur le destinataire pour la remise robot-humain avec orientation d'objet sensible à la préhension

Des chercheurs ont présenté un système de transmission d'outils robot-humain centré sur le receveur, piloté par la voix, construit sur un bras collaboratif Franka Emika à sept degrés de liberté, plateforme cobot largement utilisée en recherche robotique. Le système combine un grand modèle de langage (LLM) pour la reconnaissance d'intention, c'est-à-dire comprendre quel outil l'opérateur demande et comment il compte le saisir, avec MediaPipe pour le suivi 3D de la main en temps réel. À partir de ces données, l'effecteur terminal ajuste dynamiquement son orientation pour présenter l'outil poignée en avant, dans une pose jugée ergonomiquement optimale, plutôt que dans une orientation fixe prédéfinie. Les auteurs ont mené une étude intra-sujets comparant cette approche adaptative à une référence statique agnostique à l'objet, sur des outils industriels asymétriques, ceux dont la forme rend la prise malaisée si l'orientation de présentation ne correspond pas à la façon naturelle de les empoigner. Les résultats indiquent que le système adaptatif réduit le délai de préhension pour ces outils asymétriques et améliore la fluidité de l'interaction, ainsi que certaines perceptions liées à la confiance, notamment la prévisibilité du mouvement et la simplicité perçue de la tâche. L'abstract ne détaille pas de chiffres précis (nombre de participants, pourcentage de gain), ce qui invite à la prudence sur l'ampleur réelle de l'effet. L'enjeu dépasse le confort ponctuel: la transmission d'outils est une micro-interaction sécuritaire critique dans les cellules collaboratives humain-robot, et les systèmes statiques actuels, qui ignorent la géométrie de l'objet, produisent régulièrement des prises maladroites voire dangereuses avec des outils asymétriques comme des tournevis ou des pinces. Pour les intégrateurs industriels et les concepteurs de cobots, cette étude illustre une piste concrète pour fiabiliser les interactions main-à-main sur ligne de production, en s'appuyant sur des briques déjà matures, LLM pour l'intention, vision par ordinateur pour le suivi de main, plutôt que sur des capteurs dédiés coûteux. Le travail s'inscrit dans un champ de recherche actif sur le handover robot-humain, où les approches précédentes reposaient surtout sur la vision pour estimer la pose de préhension sans intégrer la voix ni une compréhension sémantique de l'intention via LLM. Le choix du bras Franka, standard de facto dans les laboratoires académiques, facilite la reproductibilité mais souligne aussi le stade encore expérimental de la démonstration, un preprint arXiv sans mention de déploiement industriel ni de partenaire commercial. Les suites logiques attendues seraient une validation sur un plus large panel d'outils et d'opérateurs, ainsi qu'une soumission à une conférence en robotique ou interaction humain-robot.

RecherchePaper

1 source

2arXiv cs.RO

Remises robot-humain réactives orientées tâche par sélection générative d'hypothèses

Des chercheurs proposent GENESIS-Handover (GENErative HypotheSIS), une méthode de remise d'objets entre robot et humain qui tient compte de la tâche à accomplir. Elle s'appuie sur un modèle vision-langage (VLM) génératif d'images pour produire plusieurs hypothèses d'interaction main-objet propres à la tâche visée. Ces hypothèses sont comparées en temps réel à la pose de la main de l'humain observée par le robot, ce qui permet de déduire la configuration de remise la plus adaptée. Les auteurs ont d'abord évalué isolément le module de proposition d'interactions, puis déployé le système complet sur un manipulateur mobile. Une étude utilisateur a porté sur 12 participants et cinq paires tâche-objet. Parmi eux, 83,3 % (10 sur 12) ont jugé que la méthode comprenait mieux la tâche que l'état de l'art précédent. Le résumé ne donne ni le nom du robot, ni les temps de cycle, ni les taux de réussite de saisie, ni le détail des baselines. L'enjeu est la manière dont un robot présente un objet. Tendre un couteau côté manche plutôt que côté lame relève à la fois de l'ergonomie et de la sécurité, et c'est un point bloquant pour les robots d'assistance, de cuisine ou d'atelier qui travaillent au contact d'opérateurs. Les approches récentes sont passées de la seule géométrie de l'objet à la prise en compte des affordances (les zones d'un objet qui se prêtent à une action). Elles prédisent pourtant rarement la pose de main précise qu'un humain adopte selon l'usage. Un marteau à panne fendue, par exemple, sert à frapper ou à arracher des clous, avec deux prises différentes. Modéliser cette variabilité est donc nécessaire pour des remises robustes. L'approche confirme aussi que les VLM génératifs peuvent servir d'a priori sur les interactions plausibles, et ainsi traiter des couples objet-tâche jamais vus, sans jeu de données dédié pour chacun. Les limites sont nettes. L'échantillon est petit (12 personnes), le résultat repose sur une perception subjective de la « compréhension de la tâche », et la génération d'images par un VLM ajoute une latence et un risque d'hypothèses erronées. Le résumé ne chiffre pas ces points. Ces travaux, publiés sur arXiv (2610.08003), prolongent une lignée qui a d'abord traité la remise sous l'angle de la géométrie et de la prise sûre, puis des affordances. GENESIS-Handover ajoute à cela une prédiction explicite de la pose de main. Il s'agit d'une publication académique en preuve de concept. Aucun produit, déploiement industriel ni calendrier de transfert n'est annoncé. Les prochaines étapes probables sont des tests sur davantage d'objets, de tâches et d'utilisateurs, des mesures de latence et de fiabilité en conditions réelles, et une comparaison chiffrée plus détaillée avec les méthodes concurrentes, sur lesquelles le résumé reste muet.

RecherchePaper

1 source

3arXiv cs.RO

Interaction humain-robot par reconnaissance de mode basée sur le méta-apprentissage et contrôle adaptatif

Des chercheurs publient sur arXiv (identifiant 2610.28761, première version) un cadre de contrôle pour l'interaction physique homme-robot. Il part d'un constat simple: l'humain peut guider activement le robot ou le suivre passivement, et chaque mode impose un objectif de commande différent. Les approches courantes distinguent ces modes par des seuils de commutation prédéfinis, sensibles au bruit de mesure. Les auteurs les remplacent par un réseau de neurones entraîné par méta-apprentissage, qui reconnaît l'intention humaine sans seuil fixé à la main. En lui fournissant des paramètres dépendants de la force issus du contrôleur, le taux de reconnaissance passe de 90,1 % à 99,1 % en mode passif et de 79,8 % à 97,1 % en mode actif. Le cadre ajoute un contrôleur adaptatif par méta-apprentissage, qui compense les perturbations humaines et s'ajuste en ligne aux forces d'interaction variables. Il ajoute aussi un algorithme multi-trajectoires qui apprend conjointement une représentation de base de l'environnement et les paramètres dépendants de la force, pour traiter les dynamiques non modélisées. L'intérêt est pratique pour la robotique collaborative, les exosquelettes et la manipulation conjointe homme-robot. Dans ces cas d'usage, une erreur de classification entre guidage et suivi peut produire un mouvement inattendu, donc un risque de sécurité. Le gain le plus net concerne le mode actif, où le taux passe de moins de 80 % à plus de 97 %. Il montre que le seuillage manuel était le maillon faible. Ces chiffres restent toutefois ceux d'un résumé: on ne sait ni sur quel robot ni sur quelle tâche, ni avec quels opérateurs ni quel jeu de test. Rien n'indique non plus la latence d'inférence ni la robustesse hors des conditions d'entraînement. Il s'agit d'une preuve de concept académique, sans produit ni déploiement industriel. Ce travail s'inscrit dans la poursuite des commandes par impédance et admittance, longtemps réglées avec des seuils empiriques, et dans l'essor du méta-apprentissage appliqué à la commande adaptative. Il se rapproche des approches qui cherchent à généraliser vite à de nouvelles dynamiques à partir de peu de données. Les acteurs du cobot, comme Universal Robots, Franka et Fanuc, ou de l'exosquelette médical, comme le français Wandercraft, ont un intérêt direct à fiabiliser la détection d'intention. Les prochaines étapes à surveiller sont la validation sur plusieurs plateformes, des essais avec de nombreux utilisateurs et une évaluation face aux contrôleurs adaptatifs classiques. L'article n'annonce ni calendrier ni partenaire industriel.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Étude comparative sur l'agilité, l'efficacité et l'absorption des chocs des robots bipèdes à orteils actifs

Des chercheurs ont publié sur arXiv en juin 2026 (2606.19699) une étude comparative portant sur un robot bipède à 14 degrés de liberté (DOF) équipé d'orteils actifs, conçus pour reproduire les caractéristiques humaines de légèreté, fort couple et robustesse. Pour évaluer objectivement l'apport des orteils, l'équipe a développé un environnement de simulation haute fidélité modélisant avec précision les actionneurs réels à transmissions couplées et la consommation électrique effective. Une fonction de récompense minimale en apprentissage par renforcement (RL) a été appliquée de manière identique aux deux configurations -- avec et sans orteils actifs -- pour garantir une comparaison équitable. À une vitesse de marche de 1,33 m/s, la configuration avec orteils réduit le coût de transport (CoT) de 17,5 % et la force de réaction au sol (GRF) lors de l'attaque du talon de 5,0 %. Sur les tests d'agilité, la déviation moyenne par rapport à la trajectoire cible chute de 25,0 % et la déviation maximale de 34,0 %. Ces résultats, bien qu'issus uniquement de simulation, apportent une validation quantitative rigoureuse là où la littérature précédente se contentait souvent de démonstrations qualitatives. La réduction du CoT est directement pertinente pour les déploiements industriels, où l'autonomie énergétique conditionne la durée des cycles opérationnels. La diminution du GRF au talon suggère par ailleurs une meilleure durabilité mécanique à long terme, un paramètre critique pour les intégrateurs industriels qui dimensionnent la maintenance préventive. La progression sur les métriques d'agilité confirme une hypothèse souvent avancée mais rarement chiffrée : les orteils contribuent significativement au contrôle dynamique en virage et sur trajectoires complexes, au-delà de la simple marche en ligne droite. Le débat sur l'utilité des orteils dans la robotique humanoïde est ancien. La majorité des plateformes commerciales actuelles -- Figure 02/03, Optimus Gen 2 ou Atlas de Boston Dynamics -- optent pour des pieds plats ou semi-rigides, privilégiant la simplicité mécanique et la robustesse. Des travaux antérieurs sur des robots comme ASIMO ou Cassie avaient exploré des pieds articulés sans aboutir à un consensus sur le gain réel. Cette étude repositionne la question en proposant un cadre d'évaluation reproductible et des métriques comparables. La prochaine étape critique sera la validation sim-to-real : les gains simulés tiennent rarement à l'identique sur hardware, notamment en raison du jeu mécanique et des effets de compliance non modélisés. Aucun déploiement physique ni partenaire industriel n'est annoncé à ce stade.

RecherchePaper

1 source

Remise d'objet robot-humain : étude comparative sur l'orientation et la direction d'approche adaptatives

À lire aussi

Réception centrée sur le destinataire pour la remise robot-humain avec orientation d'objet sensible à la préhension

Remises robot-humain réactives orientées tâche par sélection générative d'hypothèses

Interaction humain-robot par reconnaissance de mode basée sur le méta-apprentissage et contrôle adaptatif

Étude comparative sur l'agilité, l'efficacité et l'absorption des chocs des robots bipèdes à orteils actifs