RechercheInteresting Engineering 8 mai 2026

Sixième sens : un robot navigue sans caméra grâce à une perception tactile semblable à celle de l'humain

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de la National University of Singapore (NUS) ont mis au point un système de proprioception pour robots souples, publié dans Nature Communications, qui permet à une machine de percevoir sa propre position et les forces externes sans recourir à des caméras ni à des systèmes de suivi externe. Le dispositif repose sur ce que l'équipe appelle un cadre d'"expected perception" : le robot calcule en continu la position attendue de son corps à partir de ses commandes motrices, puis compare cette prédiction aux données réelles de ses capteurs à métal liquide, capables de mesurer la flexion, la déformation et la contrainte mécanique. Tout écart entre prédiction et mesure est interprété comme un contact externe. Lors d'un test de navigation autonome dans un labyrinthe, le robot s'est déplacé uniquement par toucher, sans aucune entrée visuelle. Dans un second protocole, un opérateur humain lui a guidé des mouvements de type massage sur un mannequin médical ; le robot a ensuite reproduit ces trajectoires de manière autonome avec une haute fidélité. La professeure Cecilia Laschi, du département de génie mécanique de la NUS, précise que le système détecte un contact externe en moins de 0,4 seconde et identifie la direction de la force appliquée avec une marge d'erreur inférieure à 10 degrés, y compris dans des environnements dynamiques.

Ce résultat s'attaque à un verrou fondamental de la robotique souple : jusqu'ici, les capteurs de déformation réagissaient indifféremment aux mouvements propres du robot et aux interactions extérieures, rendant impossible la distinction entre les deux. L'approche "expected perception" résout ce problème en mimant le mécanisme prédictif du cerveau humain, sans nécessiter de couche de vision coûteuse en calcul et fragile en conditions dégradées. Pour les intégrateurs industriels et les équipes R&D en robotique médicale, cela ouvre une voie crédible vers des manipulateurs souples déployables en salle d'opération, en rééducation ou dans les dispositifs d'assistance aux personnes âgées, où la sécurité au contact et la robustesse en environnement non structuré sont prioritaires. La navigation sans caméra présente également un intérêt direct pour la robotique sous-marine, secteur où la visibilité est souvent compromise.

Cecilia Laschi est une figure centrale de la robotique souple mondiale, connue notamment pour ses travaux pionniers sur les bras inspirés des pieuvres au BioRobotics Institute de Scuola Superiore Sant'Anna (Italie) avant de rejoindre la NUS. La robotique souple reste dominée par des laboratoires académiques, avec peu de produits commerciaux matures, face à des acteurs comme Festo (Allemagne) sur les actionneurs pneumatiques ou Soft Robotics Inc. (USA) dans la préhension industrielle. L'étape suivante annoncée par l'équipe est l'intégration de modèles d'apprentissage automatique pour affiner les représentations internes du robot, s'inspirant de la façon dont le cerveau humain construit ses modèles sensori-moteurs par l'expérience, une direction qui converge avec les travaux actuels sur les VLA (Vision-Language-Action models) appliqués à la manipulation physique.

Impact France/UE

Impact indirect sur l'UE : Cecilia Laschi a construit sa réputation au BioRobotics Institute de Sant'Anna (Italie) et Festo (Allemagne) opère sur le segment des actionneurs souples industriels visé par cette avancée, mais la recherche est conduite à Singapour sans déploiement européen annoncé.

À lire aussi

1arXiv cs.RO

Conception d'un système robotique d'assistance humaine à reconnaissance contextuelle d'actions

Une équipe de recherche propose, dans un article publié sur arXiv (référence 2608.22028), une architecture conceptuelle pour un robot d'assistance humaine capable de reconnaître les activités humaines et d'anticiper ses actions. Le système combine la reconnaissance contextuelle d'activité humaine (HAR), des arbres de comportement (behavior trees, BTs) pour définir des comportements robotiques dynamiques et interprétables, et le framework ROS pour l'intégration logicielle. Les auteurs utilisent le robot quadrupède Spot de Boston Dynamics comme plateforme de référence pour illustrer leur architecture. Il s'agit d'un travail de conception, sans chiffres de charge utile, de degrés de liberté, de temps de cycle ni de déploiement réel : aucune métrique de performance chiffrée n'est communiquée, l'article se limitant à décrire l'architecture système et ses principes de fonctionnement. Cette proposition s'inscrit dans un enjeu clé pour la robotique d'assistance : passer d'une logique réactive, où le robot exécute des commandes explicites, à une logique proactive, où il interprète le contexte pour anticiper un besoin. Les auteurs soulignent eux-mêmes les limites des approches HAR classiques face à des scénarios d'activité humaine complexes et introduisent des méthodologies contextuelles pour y remédier. Pour les intégrateurs et décideurs industriels, l'intérêt réside moins dans une preuve de déploiement que dans une piste architecturale alternative aux modèles vision-langage-action (VLA) qui dominent actuellement les discours sur l'autonomie robotique : ici, la décision repose sur une combinaison explicite et interprétable de reconnaissance d'activité et d'arbres de comportement, plutôt que sur un modèle de bout en bout. Ce travail se situe dans la continuité de l'usage croissant des arbres de comportement en robotique, déjà répandus dans des piles logicielles comme Nav2 ou les systèmes de vol autonome, et s'appuie sur Spot, plateforme quadrupède commerciale largement utilisée en recherche. Il se distingue des approches VLA à grande échelle portées par des acteurs comme Figure, Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2), en misant sur l'interprétabilité plutôt que sur l'apprentissage massif. Aucun calendrier de pilote industriel ni d'implémentation matérielle au-delà de la démonstration conceptuelle n'est annoncé à ce stade.

RecherchePaper

1 source

2arXiv cs.RO

TAPNAV : navigation humanoïde par perception active tactile

Des chercheurs présentent TAPNAV, un cadre de navigation par perception tactile active destiné aux robots humanoïdes qui évoluent sans vision. Le travail, publié sur arXiv (2610.10748), part d'un constat connu: en l'absence de caméra exploitable, l'odométrie proprioceptive dérive et l'incertitude de localisation s'accumule vite. Le système maintient une croyance sur la pose du robot en fusionnant l'odométrie, la centrale inertielle (IMU) et les observations de contact tactile. Il associe deux niveaux de planification: un planificateur global tenant compte de l'incertitude, qui cherche des itinéraires où l'erreur de localisation prévue reste bornée grâce à des occasions de recalage tactile, et un planificateur local qui choisit les gestes de palpation maximisant le gain d'information attendu. Un contrôleur du corps entier coordonne la locomotion et le contact de l'effecteur pour exécuter à la fois la navigation et les sondages. L'évaluation a été menée en simulation et sur un Unitree G1, avec plusieurs plans de sol et géométries d'obstacles. Les auteurs annoncent une erreur d'estimation d'état plus faible et un taux d'achèvement des tâches supérieur à celui des méthodes de référence. Le résumé ne chiffre toutefois ni ces écarts ni le nombre d'essais. L'intérêt tient au changement de logique: au lieu de subir la dérive, le robot planifie des interactions physiques pour produire lui-même ses repères de localisation. Pour les humanoïdes appelés à travailler dans des environnements enfumés, poussiéreux, sombres ou à occlusion visuelle (maintenance, intervention après sinistre, sites industriels dégradés), cela ouvre une voie de repli lorsque caméras et lidar échouent. Le résultat reste cependant celui d'un travail académique préliminaire (v1, non évalué par les pairs). Il n'établit ni robustesse à grande échelle ni performance en conditions réelles de terrain. Il ne dit rien non plus des temps de cycle: sonder les parois ralentit nécessairement la progression, et ce compromis entre précision et vitesse sera décisif pour toute application industrielle. L'usage d'un Unitree G1, plateforme de recherche abordable et très répandue, facilite la reproduction, mais l'effecteur utilisé pour le contact reste modeste par rapport aux mains tactiles dont disposent certains humanoïdes commerciaux. Ce travail s'inscrit dans l'effort plus large pour compléter, voire remplacer, la vision par d'autres modalités sensorielles chez les robots à pattes, où les approches dominantes restent l'odométrie visuo-inertielle, le SLAM lidar et les politiques vision-langage-action (VLA). La planification active de la perception, qui sélectionne les actions selon le gain d'information, vient de la robotique mobile classique et se transpose ici à un corps entier à nombreux degrés de liberté. Les prochaines étapes naturelles seraient des tests sur des environnements non structurés, une intégration avec la vision lorsqu'elle est partiellement disponible, et un passage sur des mains équipées de capteurs tactiles denses. Aucun calendrier de pilote ni partenaire industriel n'est mentionné.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

H2INT : un Transformer d'interactions humain-humain et humain-robot pour naviguer en foule dense et incertaine

Une équipe de recherche publie sur arXiv (référence 2609.05300v1, prépublication de septembre 2026) un nouveau cadre d'apprentissage par renforcement baptisé H2INT, pour Human-Human & Human-Robot Interaction Transformer, destiné à la navigation de robots dans des foules denses et imprévisibles. Le système repose sur un Transformer à portes en deux étapes qui encode progressivement les relations humain-humain puis humain-robot, couplé à une politique récurrente chargée de capturer leur évolution temporelle. Un curriculum d'entraînement réduit graduellement la réactivité simulée des piétons afin de complexifier peu à peu les scénarios d'interaction. Point clé de la méthode : la réactivité des piétons au robot influence la dynamique de la foule dès que le robot est visible, mais n'est jamais fournie en entrée à la politique, qui doit donc en déduire les conséquences à partir des seules positions relatives centrées sur le robot. Les expériences, menées en simulation sur plusieurs niveaux de densité de foule et de réactivité, montrent des gains de sécurité et de robustesse par rapport à des méthodes de référence, ainsi qu'un transfert vers des configurations de flux de foule structurellement différentes sans réentraînement. Un déploiement sur robot réel confirme que la politique apprise fonctionne avec des observations limitées. L'enjeu dépasse l'exercice académique : la plupart des politiques de navigation sociale entraînées par apprentissage traitent le mouvement des piétons comme indépendant du robot, ou supposent une réciprocité uniforme entre individus, ce qui ignore une source majeure d'incertitude dans les environnements réels. En modélisant explicitement comment la présence du robot modifie le comportement humain, sans imposer cette information comme donnée d'entrée artificielle, H2INT s'attaque directement à un angle mort connu des robots mobiles autonomes appelés à opérer en entrepôt, hôpital, aéroport ou espace commercial. La capacité démontrée à généraliser sans réentraînement à des topologies de foule inédites est l'élément le plus pertinent pour les intégrateurs, car elle réduit le coût de recalibrage à chaque nouveau site de déploiement, un frein habituel à la commercialisation de la navigation sociale robotisée. Ce travail s'inscrit dans la lignée des recherches en navigation sociale par apprentissage par renforcement, un champ où les limites des hypothèses de réciprocité simplifiée sont documentées depuis plusieurs années. L'abstract ne précise ni les auteurs, ni le laboratoire, ni le matériel robotique utilisé pour la validation réelle, ce qui invite à la prudence tant que ces détails et une évaluation indépendante ne sont pas disponibles. Aucune date de publication en conférence ni de feuille de route de déploiement industriel n'est mentionnée à ce stade.

RecherchePaper

1 source

4Interesting Engineering

Un bras robotisé imite le toucher humain grâce à une peau artificielle qui détecte les contacts

Des chercheurs de l'Université des sciences et technologies de Hong Kong (HKUST) ont mis au point EmArm, un bras robotique qui intègre une peau tactile optique souple directement dans sa structure mécanique rigide. Cette peau recouvre plus de 71 000 mm² répartis sur l'avant-bras et le bras. De minuscules caméras, de l'ordre du millimètre ou moins, captent les déformations de la surface au contact et en déduisent la distribution des forces. L'équipe annonce une résolution spatiale de 0,085 mm et un seuil de discrimination à deux points de 18,2 mm, soit la distance minimale à laquelle deux contacts sont distingués. Le capteur optique limite le câblage électrique dans la surface sensible. Selon les chercheurs, il résiste aux interférences électromagnétiques, lumineuses, thermiques, d'humidité et acoustiques, avec une fidélité de détection allant jusqu'à 97,9 % sur cinq types de perturbations. Côté mécanique, le bras conserve une précision de répétabilité comparable à celle des bras classiques, supporte plus de 15 kg de charge en pression et 7,35 N·m en torsion. Il distingue aussi des types de toucher, comme un chatouillement ou une tape. Le système repose sur une boucle perception-action qui fusionne la proprioception (positions articulaires) et les données tactiles externes. Les algorithmes extraient la position, la surface, la force et le nombre de points de contact, puis le contrôleur ajuste la posture et les efforts. Dans une démonstration, le bras stabilise un ballon de basket tenu hors de son centre de gravité en corrigeant en continu sa posture. Dans une autre, il détecte au toucher une main humaine entrant dans sa trajectoire, même sans perception visuelle, s'arrête puis évalue si l'obstacle est temporaire ou permanent avant de poursuivre ou de contourner. Il s'agit de résultats de laboratoire issus de démonstrations choisies, sans produit commercialisé ni déploiement annoncé. L'enjeu est la détection de contact sur toute la surface du bras, et non plus seulement au bout de la pince. La plupart des robots manipulateurs dépendent de la vision et de capteurs de couple articulaires, qui détectent mal une collision localisée ou un objet masqué par le bras lui-même. Pour les intégrateurs de cobots et les responsables de sites logistiques, une peau tactile qui ne sacrifie ni la rigidité ni la précision répond à un compromis connu, puisque les peaux souples fragilisent d'ordinaire la structure. Les chiffres de robustesse (15 kg, 7,35 N·m) restent toutefois modestes face aux charges de bras industriels, et les 97,9 % de fidélité n'ont pas de protocole détaillé. La durabilité de la peau sur des millions de cycles, son coût, son temps de réponse et sa calibration en production ne sont pas documentés. C'est aussi un signal pour les modèles VLA et l'apprentissage incarné, qui manquent de données tactiles à grande échelle. Le toucher de corps entier est un thème ancien de la robotique, exploré par des peaux capacitives ou résistives, par les capteurs optiques de type GelSight (surtout limités aux doigts) et par des revêtements de cobots certifiés pour la collaboration homme-robot. Les acteurs de l'humanoïde, dont Tesla avec Optimus, Figure et 1X, misent surtout sur des mains tactiles et la vision, tandis que des laboratoires asiatiques et américains cherchent à étendre la sensibilité au corps entier. L'approche optique de HKUST se positionne contre ces capteurs électriques, plus sensibles au bruit et plus complexes à câbler. Les prochaines étapes probables sont des tests sur des tâches de manipulation plus variées, une intégration à des politiques apprises et des essais en environnement non contrôlé. Aucun calendrier de transfert industriel n'a été communiqué.

RecherchePaper

1 source