Aller au contenu principal
Les robots pourraient apprendre à prédire et planifier leur navigation grâce à un nouveau cadre bio-inspiréIllustration générée par IA
RechercheInteresting Engineering 

Les robots pourraient apprendre à prédire et planifier leur navigation grâce à un nouveau cadre bio-inspiré

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique
Voir la vidéo de cet article sur YouTube

Des chercheurs de l'Université Polytechnique du Nord-Ouest (NPU) de Xi'an, en Chine, dirigés par le professeur Guo Bin, ont publié le 22 mai 2026 dans Nature Reviews Electrical Engineering un cadre de navigation cognitive dit "bio-inspiré". L'architecture repose sur trois composantes : reconnaissance dynamique de points de repère saillants, mémoire expérientielle compressée et réutilisable, et prise de décision hiérarchique. Elle est couplée à du matériel neuromorphique, des processeurs spécialisés qui imitent les neurones biologiques en ne s'activant qu'en réponse à des variations du signal sensoriel entrant, réduisant significativement la consommation énergétique par rapport aux architectures de calcul conventionnelles. Selon l'équipe, ce couplage permet à un robot de localiser sa position, d'anticiper son environnement immédiat et de mobiliser des expériences passées dans des situations nouvelles pour planifier ses trajets de manière flexible.

Le problème visé est bien documenté dans l'industrie : les robots autonomes actuels, qu'il s'agisse d'AMR en logistique ou de plateformes domestiques, restent fragiles face aux modifications environnementales non planifiées. Un simple déplacement de meuble peut désorienter un système naviguant par carte géométrique préenregistrée, le forçant à une recartographie complète. Le cadre proposé par l'équipe de Guo Bin s'inspire de la manière dont les rongeurs explorent un labyrinthe : plutôt que de mémoriser chaque point d'un espace, le robot identifie des repères clés, compresse cette information en mémoire réutilisable, et reconstruit une carte cognitive à la demande. "La mémoire joue un rôle actif dans la navigation en compressant l'expérience en connaissances réutilisables et en les reconstruisant à la demande", notent les auteurs. Pour les intégrateurs et les décideurs industriels, l'implication concrète est la possibilité de déployer des robots dans des environnements non structurés ou en mutation continue (entrepôts réorganisés, domiciles encombrés, bâtiments en intervention d'urgence) sans recalibrage systématique. L'association avec le hardware neuromorphique renforce l'argument économique : une consommation réduite se traduit par des autonomies plus longues et des coûts opérationnels plus faibles à l'échelle d'une flotte.

La navigation autonome en environnement ouvert reste l'un des verrous techniques les plus actifs de la robotique depuis une décennie. Les approches dominantes basées sur le SLAM et la vision profonde ont progressé mais restent coûteuses en calcul et sensibles aux variations de scène. L'inspiration biologique, notamment les travaux sur les cellules de lieu et les cellules de grille chez les rongeurs (Nobel de médecine 2014), a déjà alimenté des architectures comme les puces Loihi d'Intel ou les recherches de l'Université de Manchester. L'équipe NPU propose ici une intégration bout en bout, du raisonnement spatial au substrat matériel basse consommation, dans un cadre unique. L'équipe indique collaborer avec plusieurs organisations pour un passage au terrain, sans préciser lesquelles ni les calendriers : il s'agit pour l'instant d'une publication académique, pas d'un produit déployé commercialement.

À lire aussi

Un robot inspiré de la grenouille saute par-dessus des obstacles, atterrit et se prépare à sauter de nouveau grâce à un petit moteur
Illustration générée par IA
1Interesting Engineering 

Un robot inspiré de la grenouille saute par-dessus des obstacles, atterrit et se prépare à sauter de nouveau grâce à un petit moteur

Des ingénieurs de l'Université de Washington ont présenté DirectHop, un robot sauteur tenant dans la paume de la main, capable de franchir une marche d'escalier standard, de se stabiliser à l'atterrissage puis de sauter à nouveau. Le prototype repose sur un unique petit moteur électrique relié par un fil de pêche à une tour montée sur le châssis : en s'enroulant, le fil hisse le robot dans les airs, tandis que trois pattes articulées se déploient pour maintenir l'alignement entre le moteur et le pied au moment du saut. En ajustant le courant envoyé au moteur, l'équipe règle la hauteur du saut avec une précision au centimètre près.

RecherchePaper
1 source
Cadre de contrôle partagé pour robots mobiles avec prédiction d'intention au niveau de la planification
Illustration générée par IA
2arXiv cs.RO 

Cadre de contrôle partagé pour robots mobiles avec prédiction d'intention au niveau de la planification

Une équipe de chercheurs propose, dans une nouvelle version d'un preprint arXiv (2511.08912v2), un cadre de contrôle partagé pour robots mobiles qui prédit l'intention de l'opérateur au niveau de la planification. Le système replanifie la trajectoire souhaitée du robot en fonction des intentions humaines inférées. Pour représenter les mouvements futurs, les auteurs introduisent un « domaine d'intention », qui sert de contrainte à la replanification. La prédiction de ce domaine et la replanification sont formulées conjointement comme un processus de décision markovien (MDP), résolu par apprentissage par renforcement profond. Un algorithme de génération de trajectoires humaines fondé sur des diagrammes de Voronoï permet d'entraîner le modèle entièrement en simulation, sans participant humain ni données de démonstration.

RecherchePaper
1 source
Les robots sans électronique pourraient ressentir et réagir instantanément grâce à de nouveaux capteurs souples
Illustration générée par IA
3Interesting Engineering 

Les robots sans électronique pourraient ressentir et réagir instantanément grâce à de nouveaux capteurs souples

Une équipe du College of Design and Engineering de la National University of Singapore (NUS CDE) a mis au point un capteur de force entièrement mécanique baptisé ME-SOFS (mechanical soft force sensor), capable de détecter un contact et de déclencher une réaction sans électronique, sans ordinateur ni alimentation externe. Imprimé en 3D dans une structure souple et poreuse, le dispositif comprend un pilier central entouré de cinq chambres remplies de fluide, quatre disposées horizontalement et une verticalement. Lorsqu'une force est appliquée, le pilier s'incline vers le point de contact, comprime la chambre correspondante et pousse le fluide à travers des tubes souples jusqu'à des actionneurs robotiques, créant une réponse immédiate sans traitement électronique.

RecherchePaper
1 source
Relier le raisonnement vision-langage et le contrôle appris pour la navigation de robots à pattes en milieu naturel
Illustration générée par IA
4arXiv cs.RO 

Relier le raisonnement vision-langage et le contrôle appris pour la navigation de robots à pattes en milieu naturel

Des chercheurs présentent ROAM (Robust Open-world Autonomous Mobility), un système qui permet à des robots à pattes de naviguer sur des distances de l'ordre du kilomètre dans des environnements alpins et urbains complexes. L'architecture associe un modèle vision-langage (VLM), pré-entraîné sur des données à l'échelle d'internet, à deux politiques d'apprentissage par renforcement (RL) entraînées en simulation, l'une dédiée à la locomotion agile, l'autre à la navigation locale. Le VLM évalue les risques de la scène, interprète les panneaux et produit des étiquettes sémantiques assorties de coûts de navigation. Un module de segmentation à vocabulaire ouvert transforme ces étiquettes en une carte de risque dense, calculée en temps réel, qui sert d'entrée de conditionnement aux deux politiques.

RecherchePaper
1 source