Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Partager la charge : transport autonome de fret par flotte de rovers
RecherchearXiv cs.RO6sem

Partager la charge : transport autonome de fret par flotte de rovers

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Dans le cadre du programme Artemis de la NASA, des chercheurs canadiens ont publié sur arXiv (arXiv:2510.18766v2) une étude portant sur le transport coopératif de charges lourdes par deux rovers autonomes sur la surface lunaire. Le scénario cible est celui d'un habitat lunaire permanent, où des modules d'assemblage devront être acheminés depuis la zone d'atterrissage jusqu'au site d'habitat, à des distances pouvant atteindre 5 km. Pour répondre à cette contrainte, l'équipe a développé un contrôleur prédictif distribué (MPC distribué) permettant à deux Lunar Utility Vehicles (LUV) de 800 kg chacun de transporter solidairement une charge de 475 kg. Un couplage mécanique sur mesure assure le support intégral de la masse tout en découplant la cinématique de chaque véhicule, leur laissant une liberté de mouvement relative. Lors des tests terrain, les rovers ont maintenu une erreur de séparation relative moyenne de 9,2 cm, avec une erreur maximale de 33,4 cm.

Ce résultat est notable pour plusieurs raisons. D'abord, il valide l'approche "teach and repeat" par lidar dans un contexte multi-véhicule : chaque rover conserve individuellement la qualité de suivi de trajectoire propre à cette méthode, sans dégradation due à la coordination. Ensuite, l'architecture MPC distribuée évite un point de défaillance central, ce qui est critique pour des missions où la redondance est une exigence de sécurité non négociable. Enfin, le fait qu'un seul contrôleur puisse gérer des opérations variées (transport, repositionnement, manoeuvres) démontre une généricité utile au-delà du seul transport de fret, ouvrant la voie à des rovers multifonctions pour des missions à longue durée.

Le Canada participe activement au programme Artemis via l'Agence spatiale canadienne, notamment à travers le projet de rover lunaire Canadarm3 et les études sur les véhicules utilitaires lunaires. Les LUV étudiés ici s'inscrivent dans cette feuille de route nationale. Sur le plan concurrentiel, la NASA développe en parallèle ses propres rovers de surface (MAPP, MGRU), tandis que des acteurs privés comme Astrobotic ou Intuitive Machines se positionnent sur la logistique de surface. La prochaine étape pour cette architecture sera son intégration dans des simulations de missions complètes et, potentiellement, des tests en environnement analogue lunaire (volcanique ou arctique), avant toute qualification vol.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Système de vision par projection de franges pour le démontage autonome de disques durs
1arXiv cs.RO 

Système de vision par projection de franges pour le démontage autonome de disques durs

Des chercheurs ont publié sur arXiv (2604.17231) un pipeline de vision entièrement autonome conçu pour le démontage robotique de disques durs (HDD), une catégorie de déchets électroniques à forte valeur récupérable. Le système repose sur un module de profilométrie par projection de franges (Fringe Projection Profilometry, FPP) qui génère des cartes de profondeur 3D haute résolution, complété par un module de reconstruction de profondeur (depth completion) activé sélectivement là où le FPP échoue, notamment sur les surfaces réfléchissantes des plateaux magnétiques. Ce module de complétion utilise le backbone Depth Anything V2 Base et atteint un RMSE de 2,317 mm et un MAE de 1,836 mm. La segmentation d'instance temps réel, intégrée dans le même pipeline, obtient un box mAP@50 de 0,960 et un mask mAP@50 de 0,957. L'ensemble de la stack d'inférence affiche une latence combinée de 12,86 ms et un débit de 77,7 images par seconde sur le poste d'évaluation. Le dataset synthétique développé pour la segmentation des composants HDD sera rendu public. L'intérêt technique central de cette approche réside dans le choix d'utiliser le même système caméra-projecteur FPP pour la perception 3D et la localisation des composants : les cartes de profondeur et les masques de segmentation sont nativement alignés pixel par pixel, sans étape de recalage. C'est un avantage direct sur les systèmes RGB-D industriels classiques, qui nécessitent une calibration extrinsèque entre capteur de profondeur et caméra couleur, source d'erreurs en conditions réelles. Pour les intégrateurs de cellules de démontage automatisé, cela réduit significativement la complexité système et le risque de dérive de calibration en production. Le démontage automatisé de déchets électroniques reste un domaine peu industrialisé malgré son potentiel économique : les HDD contiennent des terres rares, des aimants en néodyme et des plateaux en aluminium à valeur de récupération non négligeable. Les approches existantes sont fragmentées, traitent séparément la vision 3D et la localisation des fixations (vis, clips), sans pipeline unifié. Ce travail adresse précisément ce manque. Sur le plan concurrentiel, des acteurs comme Recycleye (UK) ou Greyparrot travaillent sur la vision pour le tri de déchets, mais le démontage structuré de composants électroniques à l'échelle robotique reste un espace encore ouvert. Le transfert sim-to-real utilisé ici pour augmenter les données d'entraînement est une approche désormais standard mais dont la robustesse sur des surfaces hautement spéculaires comme les plateaux HDD mérite validation sur ligne industrielle réelle.

RecherchePaper
1 source
S2M-Trek : du transport mono-sphère au multi-sphère par Deep Sets par image sur un robot roues-pattes
2arXiv cs.RO 

S2M-Trek : du transport mono-sphère au multi-sphère par Deep Sets par image sur un robot roues-pattes

Une équipe de recherche présente S2M-Trek, un système permettant à un robot quadrupède à roues et pattes de transporter jusqu'à cinq sphères libres simultanément sur son dos, sans grilles, pinces ni butées mécaniques. L'article arXiv (2606.01332) adresse un problème précis en apprentissage par renforcement : plusieurs sphères identiques forment un ensemble non ordonné dont l'ordre peut changer à chaque frame d'historique, créant une symétrie de permutation par frame que les encodeurs Deep Sets à concaténation d'historique (HCDS) classiques ne capturent pas. Entraîné avec PPO sur un budget fixe, le HCDS de référence plafonne à deux sphères sans randomisation des assignations balle-slot ; les MLP plats et encodeurs par branche aussi. La solution proposée, Per-Frame Deep Sets (PFDS), applique un pooling invariant aux permutations à l'intérieur de chaque frame avant lecture temporelle, et les auteurs prouvent formellement son invariance et son approximation universelle des politiques continues invariantes. PFDS atteint le stade cinq sphères avec 100 % de transport sans chute en simulation sur cinq seeds aléatoires. Une distillation via DAgger produit TactSet, qui remplace l'état privilégié des sphères par une carte de contact booléenne 16×16, compacte et naturellement invariante. Ce résultat révèle un biais structurel non trivial dans les encodeurs d'ensembles temporels : HCDS exploite les indices de slot comme raccourci de curriculum, simulant une généralisation sans apprendre une dynamique vraiment multi-objets sans identité persistante. L'ablation 2×2 (architecture × randomisation des données) montre que les deux corrections ne sont pas interchangeables : PFDS résout le problème architecturalement, indépendamment de l'augmentation de données. Pour les décideurs travaillant sur la manutention d'objets interchangeables en entrepôt ou en logistique, cela suggère que des politiques entraînées sur des configurations identifiées risquent d'échouer en déploiement réel où les objets sont physiquement indiscernables. S2M-Trek s'inscrit dans la montée des robots à locomotion hybride roues-pattes capables de coupler dynamiquement locomotion et manipulation sans contrainte physique externe. L'approche TactSet, utilisant des cartes de contact binaires basse résolution pour remplacer des observations d'état simulées, ouvre une voie vers le déploiement hardware sans instrumentation coûteuse. Les travaux connexes incluent Transporter Networks et les approches d'RL équivariant, mais ce papier se distingue par le contexte de locomotion active sur objets libres non contraints. L'étape critique restante est le transfert sim-to-real : l'ensemble des résultats est exclusivement en simulation, et les auteurs ne rapportent aucune expérience physique sur robot réel.

RecherchePaper
1 source
Apprentissage par imitation robuste aux distorsions pour le routage autonome de câbles
3arXiv cs.RO 

Apprentissage par imitation robuste aux distorsions pour le routage autonome de câbles

Une équipe de chercheurs a publié en juin 2026 sur arXiv (ref. 2606.11577) un framework d'apprentissage par imitation robuste aux dégradations d'image, appliqué au câblage robotisé. La tâche visée, le routage de câbles, consiste à faire passer et connecter des câbles à travers des cheminements prédéfinis dans un environnement industriel, une opération qui exige à la fois dextérité fine et prise de décision séquentielle sur plusieurs étapes. Le système proposé s'articule autour de trois modules couplés : un module d'évaluation de la qualité d'image (IQA), un mécanisme d'apprentissage pondéré par la confiance, et un module de décision capable de produire aussi bien des actions discrètes (sélection de compétences) que continues (commandes moteur). L'abstract ne communique pas de métriques chiffrées précises, taux de succès, temps de cycle, nombre de démonstrations, ce qui limite l'évaluation indépendante des résultats annoncés. L'intérêt technique réside dans l'identification d'un angle mort réel des systèmes de contrôle intelligent en milieu industriel : les perturbations optiques. Reflets, poussière, vibrations des caméras embarquées ou éclairage variable génèrent couramment des observations dégradées qui faussent l'entraînement des modèles et réduisent leur fiabilité à l'inférence. La contribution centrale est l'intégration d'un score de qualité d'image directement dans la boucle d'apprentissage, via un mécanisme de pondération qui donne priorité aux échantillons difficiles plutôt que de les ignorer ou de les traiter uniformément. C'est une approche pragmatique face au reality gap, plus proche d'un correctif de robustesse que d'une rupture architecturale. Le câblage robotisé reste l'un des derniers bastions de l'assemblage manuel dans l'industrie automobile et électronique, faute de solutions fiables à l'échelle. Des acteurs comme Schunk, Franka Robotics ou des startups spécialisées en manipulation déformable (Cobot, Pollen Robotics côté européen) cherchent des approches généralisables. Ce travail s'inscrit dans le courant de l'imitation learning pour la manipulation, après les avancées de Pi-0 (Physical Intelligence) et des méthodes de type Diffusion Policy. La prochaine étape naturelle serait une validation sur un benchmark standardisé, RoboSuite, DROID ou un dataset industriel, pour confirmer les gains annoncés face aux méthodes de l'état de l'art.

UEPollen Robotics (France) et Franka Robotics (Allemagne) sont cités comme acteurs européens cherchant des solutions au câblage automatisé ; ce travail pourrait informer leurs feuilles de route en manipulation déformable, mais sans validation benchmark, l'impact reste hypothétique.

RecherchePaper
1 source
Reconnaissance d'objets et de positions de supports de charge par apprentissage profond pour véhicules logistiques autonomes
4arXiv cs.RO 

Reconnaissance d'objets et de positions de supports de charge par apprentissage profond pour véhicules logistiques autonomes

Des chercheurs ont déposé sur arXiv fin juin 2026 (référence 2606.16042) une méthode de détection automatique et d'estimation de pose de porte-charges pour véhicules logistiques autonomes. L'approche repose sur un réseau de neurones convolutionnel (CNN) entraîné à reconnaître des points de repère (landmarks) prédéfinis sur les supports de charge à partir d'images RGBD (couleur + profondeur). Ces landmarks détectés sont ensuite combinés avec une connaissance géométrique préalable du porte-charges pour calculer sa position et son orientation tridimensionnelle dans l'espace de travail. La méthode a été validée à travers des expériences extensives incluant des implémentations à la fois logicielles et matérielles, en conditions proches d'un environnement industriel réel. Le goulot d'étranglement classique de l'intralogistique autonome se situe à la phase de pickup : un AMR doit s'aligner avec précision sous un bac ou une palette avant de l'engager mécaniquement, sans marge d'erreur. Les approches traditionnelles recourent à des marqueurs ArUco, des codes-barres au sol ou des infrastructures de balisage qui exigent maintenance et conditions d'éclairage contrôlées. L'utilisation d'un CNN sur données RGBD promet une robustesse accrue aux variations d'environnement, sans infrastructure dédiée. Les auteurs qualifient la précision obtenue de "suffisante pour une détection fiable en milieu industriel", formulation prudente qui signale des résultats exploitables sans prétendre dépasser l'état de l'art. Pour un intégrateur d'AMR, cela valide une piste vision-only pour le pick-and-place de porte-charges standardisés. La suppression de la dépendance à l'infrastructure fixe est la tendance de fond dans l'automatisation d'entrepôts, portée par la montée en puissance des flottes AMR chez des acteurs comme Exotec (France), Geek+ ou 6 River Systems, tous confrontés à ce problème de localisation fine au pickup. L'estimation de pose par vision RGBD n'est pas nouvelle en robotique académique, mais son application systématique aux porte-charges industriels standardisés reste peu couverte. L'article ne mentionne ni partenariat industriel, ni timeline de déploiement, ni métriques quantitatives de précision publiables : il s'agit d'une contribution de recherche universitaire, pas d'un produit shipé ni d'une annonce commerciale.

UEDes acteurs AMR européens comme Exotec (France) pourraient bénéficier de cette approche vision-only sans infrastructure de balisage, mais aucun partenariat ni déploiement européen n'est mentionné dans la contribution.

RecherchePaper
1 source