RecherchearXiv cs.RO 4 mai 2026

Système de localisation de contact et de mesure de force par vision pour pinces robotiques compliantes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié début mai 2026 (arXiv:2605.00307) un système de mesure indirecte de force pour préhenseurs souples, reposant uniquement sur une caméra RGB-D embarquée au poignet du robot. Le dispositif cible les grippers de type fin-ray, une géométrie de doigt déformable à structures entrecroisées fréquemment utilisée pour la manipulation de pièces fragiles. Le système extrait des points-clés structurels depuis les images de déformation du gripper, puis les injecte dans une simulation d'analyse par éléments finis inverse (FEA inverse) développée sous SOFA (Simulation Open Framework Architecture). Un pipeline de reconstruction 3D et d'estimation de pose par deep learning met à jour dynamiquement la position de contact, avec une robustesse déclarée aux occlusions visuelles. Sur banc de test multi-objets, l'erreur quadratique moyenne (RMSE) atteint 0,23 N en phase de charge et 0,48 N sur l'ensemble du cycle de préhension, avec des déviations normalisées (NRMSD) de 2,11 % et 4,34 % respectivement.

L'intérêt principal réside dans la généralisation à des objets non vus en entraînement, là où les approches end-to-end par apprentissage profond se révèlent fragiles hors distribution. Pour un intégrateur ou un OEM robotique, l'absence de capteurs dédiés (jauges de contrainte, capteurs capacitifs ou piézorésistifs) réduit le coût et la complexité mécanique du gripper tout en maintenant des performances compatibles avec la manipulation de produits délicats : alimentaire, pharmaceutique, assemblage électronique. Des RMSE inférieurs à 0,5 N sur l'ensemble du cycle de préhension constituent un résultat solide dans le cadre de cette étude, bien que les conditions de test en laboratoire (éclairage contrôlé, objets standardisés) restent éloignées des environnements industriels bruités où l'approche devra être confrontée.

Les grippers fin-ray sont commercialisés notamment par FESTO et plusieurs startups de manipulation souple; les doter d'un retour de force sans capteur dédié est un problème ouvert depuis plusieurs années. Les caméras RGB-D de poignet (Intel RealSense, Microsoft Azure Kinect) se standardisent dans les systèmes robotiques de nouvelle génération, ce qui rend cette approche déployable sans modification matérielle sur des architectures existantes. En positionnement concurrent, les capteurs tactiles visuels comme GelSight (MIT) ou Digit (Meta FAIR) suivent une logique similaire mais exigent un contact direct sur une surface instrumentée. L'approche par FEA inverse demeure plus rare dans la littérature; sa latence effective en boucle de contrôle temps-réel n'est pas quantifiée par les auteurs, un paramètre critique pour les applications à haute fréquence de commande.

Impact France/UE

FESTO (Allemagne, principal fabricant de grippers fin-ray visés par l'approche) et le framework SOFA issu de l'INRIA (France) sont au cœur du pipeline, une industrialisation de cette méthode bénéficierait en priorité aux équipementiers et intégrateurs européens de la manipulation souple.

Dans nos dossiers

Manipulation robotique arXiv cs.RO

À lire aussi

1arXiv cs.RO

Localisation relative distribuée pour systèmes multi-robots homogènes par mesure de distance UWB et communications limitées

Une équipe de chercheurs propose une méthode entièrement distribuée de localisation relative pour des flottes de robots homogènes, c'est-à-dire des machines d'apparence identique, sans infrastructure externe. Le système fusionne trois sources : le LiDAR embarqué, la télémétrie par bande ultra-large (UWB, Ultra-Wideband) et l'odométrie. Les amas de points LiDAR susceptibles d'être des coéquipiers sont d'abord suivis par un tracker dynamique, sans identité attribuée. Une stratégie d'appariement conjoint associe ensuite chaque amas anonyme au robot correspondant. Enfin, chaque robot combine ses observations LiDAR, les distances UWB et l'odométrie pour estimer la pose de ses voisins. Le seul échange de données requis est l'odométrie, transmise par le module UWB embarqué. Le travail, publié sur arXiv (2610.11308), s'appuie sur des expériences en simulation et en conditions réelles. Le résumé ne donne ni précision chiffrée, ni taille de flotte, ni environnement de test, ni comparaison avec une méthode de référence. L'enjeu est concret pour toute application où plusieurs robots doivent se coordonner dans des lieux dégradés : exploration, recherche et sauvetage, et plus largement les flottes de robots mobiles autonomes (AMR) d'un entrepôt. Le LiDAR localise très bien les objets proches, mais il ne dit pas qui est qui lorsque les robots se ressemblent. C'est le problème d'association de données que les auteurs ciblent. Se passer de routeurs WiFi ou de réseaux maillés répond à une contrainte opérationnelle réelle, car ces infrastructures sont absentes ou peu fiables dans un tunnel, un bâtiment effondré ou une mine. Limiter l'échange à l'odométrie réduit la bande passante nécessaire, ce qui compte pour les petits robots à faible budget énergétique. Il faut toutefois rester prudent : en l'absence de métriques publiées dans le résumé, la robustesse de l'approche, notamment face aux occultations, aux robots nombreux ou aux perturbations de signal UWB en environnement métallique, reste à vérifier dans le texte complet. Il s'agit d'un résultat de recherche, sans produit ni déploiement associé. Ce travail s'inscrit dans la recherche sur la robotique en essaim et le SLAM multi-robot, où la localisation relative sert de brique de base à la cartographie collaborative. Les approches existantes reposent souvent sur des marqueurs visuels, des balises fixes (ancres UWB installées à l'avance), un positionnement externe type GNSS ou capture de mouvement, ou encore un partage de cartes qui exige un réseau dédié. Les méthodes purement visuelles ou LiDAR peinent à distinguer des robots identiques, et les approches UWB seules manquent de précision directionnelle. La proposition combine donc la précision géométrique du LiDAR et l'identification par distance de l'UWB. Les suites naturelles seraient des tests à plus grande échelle, avec des flottes plus nombreuses, des trajectoires plus rapides et des environnements encombrés, ainsi qu'une intégration dans des piles de cartographie collaborative. Aucune échéance de transfert industriel n'est annoncée.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

SPECTRA : primitives de mouvement spectrales conditionnées par le contexte pour la généralisation des compétences robotiques

Des chercheurs proposent SPECTRA (Spectral Movement Primitive, SMP), un framework d'apprentissage par imitation dans le domaine fréquentiel pour la manipulation robotique, décrit dans un article publié sur arXiv (2607.06978v1). Le principe consiste à représenter les démonstrations de trajectoire par des coefficients de Fourier tronqués sur horizon fini, plutôt que par des points temporels bruts. Une bande de fréquences basses, sélectionnée empiriquement, capture la géométrie dominante du mouvement, tandis que les harmoniques plus élevées, responsables d'une croissance disproportionnée des dérivées (vitesse, accélération, jerk), sont écartées. Un modèle GMM/GMR (mélange de gaussiennes avec régression) conditionné par le contexte et sensible au référentiel prédit les coefficients de la bande de tâche dans un repère canonique ; la trajectoire cartésienne obtenue est ensuite convertie en espace articulaire via cinématique inverse séquentielle. Un régulateur couplé en phase limite la progression temporelle demandée sans toucher aux coefficients spectraux, imposant ainsi les limites de vitesse et d'accélération articulaires tout en conservant le chemin de l'effecteur. Les auteurs valident l'approche sur plusieurs critères (reconstruction de la bande de tâche, robustesse à des démonstrations corrompues, généralisation hors distribution entre repères non vus, admissibilité dynamique en espace articulaire, préservation du chemin) et un déploiement réel sur un bras Franka Panda. Le problème que cible SPECTRA est concret pour tout intégrateur en apprentissage par imitation : les pipelines classiques apprennent une trajectoire en espace de tâche puis lui imposent après coup des limites d'exécution (filtrage, lissage, écrêtage, mise à l'échelle temporelle), ce qui déforme souvent le chemin de l'effecteur jugé critique pour la tâche, par exemple lors d'un versement, d'une insertion de pièce ou du suivi d'un contour précis. En couplant génération de trajectoire et régulation dynamique dès la conception, dans le domaine fréquentiel, SPECTRA évite cette distorsion a posteriori : les résultats rapportés montrent une réduction substantielle des violations dynamiques et du jerk, tout en préservant le chemin voulu pendant la régulation de phase. Pour la robotique industrielle, où les cycles de préhension et d'insertion tolèrent mal les à-coups mécaniques, cela offre une alternative aux primitives de mouvement dynamiques (DMP) classiques et aux méthodes de lissage a posteriori. Les primitives de mouvement existent depuis les Dynamic Movement Primitives (DMP), introduites il y a une vingtaine d'années et largement utilisées en apprentissage par imitation pour encoder des trajectoires robustes et reproductibles. SPECTRA s'en démarque en travaillant dans le domaine fréquentiel plutôt que temporel, et en couplant explicitement génération de tâche et contraintes d'exécution articulaire plutôt que de les traiter séparément. Le choix du Franka Panda comme plateforme de validation, un bras collaboratif conçu par l'allemand Franka Robotics (ex Franka Emika) très utilisé en recherche académique, ancre les travaux dans l'écosystème européen de manipulation robotique. L'article ne mentionne ni calendrier de transfert industriel ni partenariat commercial : il s'agit à ce stade d'une contribution de recherche évaluée en laboratoire, dont la suite logique serait une validation sur des tâches de manipulation plus complexes et une comparaison directe avec les approches DMP existantes.

UEImpact indirect: la validation s'appuie sur un bras Franka Panda, plateforme concue par l'allemand Franka Robotics, mais aucun partenariat, financement ou deploiement commercial en France/UE n'est mentionne.

RecherchePaper

1 source

3arXiv cs.RO

Peau tactile pneumatique-tomographique pour la localisation multicontact et l'estimation de force

Une équipe de chercheurs présente, dans une nouvelle version de son article arXiv (2503.13036v3), une peau tactile à deux canaux combinant tomographie d'impédance électrique (EIT) et une couche de pression pneumatique. Le système associe la localisation multi-contact robuste de l'EIT à une mesure scalaire stable fournie par la couche pneumatique, utilisée pour estimer la force de contact. Une méthode de correction dite "location-aware" apprend, à partir d'une seule session de calibration, des champs de gain et de décalage spatiaux lisses, ce qui permet une estimation de force cohérente même en cas de contacts multiples simultanés. Avec cette correction, le système atteint une erreur quadratique moyenne (RMSE) de 0,59 N pour l'estimation de force en contact unique, testée sur des indenteurs de 10 à 25 mm de diamètre, soit une réduction de 35 à 60 % par rapport aux approches EIT seules (1,45 à 1,48 N). En configuration multi-contact, la RMSE par contact chute de 39,6 % par rapport à la couche pneumatique non corrigée utilisée seule. Ce résultat répond à un problème concret des peaux tactiles à base d'EIT : leur capacité à couvrir de grandes surfaces avec peu d'électrodes est reconnue, mais leur sensibilité non uniforme dégrade fortement la précision de l'estimation de force, un frein à leur usage pour la manipulation robotique fine ou la détection de contacts humains. En séparant les tâches, localisation par EIT, force par capteur pneumatique, les auteurs évitent de recourir à de larges jeux de données et à des pipelines d'apprentissage automatique lourds, généralement nécessaires pour corriger les biais de l'EIT seule. Pour les intégrateurs qui équipent mains robotiques, bras collaboratifs ou surfaces de robots humanoïdes en peau artificielle, cette approche laisse entrevoir une voie de calibration plus rapide et moins coûteuse à déployer à grande échelle, sans sacrifier la couverture spatiale. Le travail s'inscrit dans la lignée des recherches sur les peaux électroniques à base d'EIT, une technique déjà explorée pour réduire le nombre de capteurs nécessaires sur de grandes surfaces robotiques. Il ne s'agit toutefois que d'un résultat de recherche publié sur arXiv, sans partenaire industriel ni déploiement annoncé à ce stade : les auteurs présentent leur architecture comme une solution pratique et facile à calibrer, ouvrant la voie à une intégration future sur des peaux robotiques à grande échelle, sans préciser de calendrier ni de plateforme cible.

RecherchePaper

1 source

4arXiv cs.RO

SimTO : un cadre d'optimisation topologique en deux étapes, piloté par simulation, pour pinces robotiques souples sur mesure

Des chercheurs présentent SimTO, un cadre en deux étapes pour concevoir automatiquement des grippers souples sur-mesure, publié sur arXiv (2601.19098v2). Les grippers souples existants peinent à manipuler des objets à haute variabilité topologique: engrenages dentés sur lignes d'assemblage automobile, coraux aux excroissances fragiles, brocolis aux ramifications irrégulières. Face à ces géométries sans surface de contact "optimale" évidente, les designs généralistes risquent d'endommager la pièce ou d'échouer la prise. SimTO répond en deux phases: une simulation dynamique riche en contacts extrait automatiquement les cas de charge réalistes générés lors de la préhension, sans spécification manuelle; ces cas alimentent ensuite un algorithme d'optimisation topologique classique qui génère la morphologie finale du gripper. Les expériences physiques confirment que les grippers SimTO atteignent des forces de préhension supérieures aux designs généralistes conventionnels, avec un taux de succès élevé sur des positions variées et une bonne généralisation à des objets non vus durant l'entraînement. L'enjeu industriel réside dans l'automatisation d'un goulot de conception: adapter un gripper à une pièce complexe requiert aujourd'hui une expertise manuelle pour définir les forces de contact, un travail itératif et coûteux. SimTO supprime cette étape en déléguant la caractérisation des charges à la simulation. Pour un intégrateur en automobile ou en agroalimentaire, c'est une piste vers des outillages personnalisés sans expertise spécialisée à chaque nouveau composant. La généralisation aux objets non vus suggère que les grippers produits capturent des propriétés morphologiques larges plutôt que de sur-apprendre une géométrie précise. Nuance importante: les résultats sont entièrement en laboratoire; aucun déploiement industriel ni partenaire industriel ne sont mentionnés dans l'article. L'optimisation topologique est une méthode mature en ingénierie structurelle, qui génère des géométries minimisant la masse sous contraintes de rigidité. Son adaptation aux grippers souples était freinée par l'indétermination des forces de contact, par nature distribuées et dépendantes de la posture de la pièce. Ce travail s'inscrit dans la tendance sim-to-real qui traverse la robotique de manipulation: caractériser le problème physique en simulation avant de concevoir ou d'entraîner. Dans le paysage concurrentiel, les approches rivales incluent les méthodes d'apprentissage par renforcement pour le contrôle adaptatif, les grippers généralistes à morphologie universelle, et les travaux de co-design simulation-fabrication portés par des groupes comme le MIT CSAIL ou l'EPFL. Les prochaines étapes naturelles, non annoncées dans le preprint, seraient une validation sur lignes pilotes industrielles et une intégration dans un pipeline de fabrication additive.

RecherchePaper

1 source