RechercheInteresting Engineering 25 mai 2026

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

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

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

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. Pour l'atterrissage, souvent chaotique, le robot est équipé d'une cage de protection inspirée de la carapace de la tortue-boîte, qui lui permet de se redresser dans 90% des cas en déplaçant le moteur le long de la tour pour décaler son centre de gravité. Les travaux, menés par Hanquan (John) Wang, doctorant en génie mécanique, et dirigés par Sawyer Fuller, professeur associé à l'UW, restent à un stade de prototype de laboratoire : l'engin est alimenté par câble et ne peut pas encore se diriger vers une destination. Cette démonstration s'inscrit en alternative à la propulsion par ressorts utilisée depuis des années par les robots sauteurs inspirés des puces : ces mécanismes emmagasinent de l'énergie avant de la libérer d'un coup, ce qui rend la distance de saut difficile à contrôler, et deviennent proportionnellement plus complexes à fabriquer et actionner à mesure que les robots rétrécissent. En entraînant directement le saut par un moteur électrique, sans ressort ni loquet, DirectHop répond aux trois obstacles que Sawyer Fuller juge les plus critiques pour ce type de machine : moduler la longueur du saut, se redresser seul, et « recharger » le mécanisme pour enchaîner plusieurs sauts. Pour l'industrie robotique, l'intérêt tient moins à la performance brute qu'au coût visé : Wang estime qu'une version complète pourrait être produite pour environ 10 dollars, ouvrant la voie à des essaims de robots bon marché capables d'inspecter des raffineries de pétrole, de surveiller des exploitations agricoles ou d'explorer d'autres planètes, des contextes où la perte d'une unité individuelle ne compromettrait pas la mission. Le système reste toutefois loin d'un produit déployable : pas d'autonomie énergétique, pas de navigation, pas de capacité directionnelle, ce qui invite à lire les chiffres annoncés comme des résultats de banc d'essai plutôt que des spécifications de terrain. Le saut par ressort domine la robotique miniature depuis les premiers robots-puces, mais bute sur la miniaturisation des loquets et des mécanismes de libération d'énergie. DirectHop s'en affranchit en s'inspirant de la grenouille, dont les muscles des pattes actionnent directement le saut, une analogie revendiquée par Wang pour justifier le choix d'un moteur électrique classique plutôt que d'un stockage élastique. L'équipe de l'UW travaille désormais à doter le robot de cellules solaires et d'une batterie embarquées, d'un moteur vibrant pour le virage, de pieds rétractables permettant d'ajuster l'angle de saut, ainsi que d'une caméra et d'une électronique de navigation. L'objectif affiché est un franchissement d'escalier totalement autonome : le robot devrait pouvoir repérer une marche, calculer le saut nécessaire, se positionner puis répéter l'opération après chaque atterrissage. Aucun calendrier de commercialisation ni partenariat industriel n'a été communiqué à ce stade ; le projet reste une publication de recherche universitaire, sans comparaison directe avec les plateformes humanoïdes ou quadrupèdes qui dominent aujourd'hui la robotique mobile.

RecherchePaper

1 source

2Interesting 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. Chaque chambre fonctionnant indépendamment, le système distingue les forces horizontales, latérales et verticales, et sa sensibilité peut être ajustée en modifiant la géométrie imprimée (diamètre des trous, épaisseur des parois, angle du pilier). Le capteur produit aussi une sortie électrique passive : le déplacement du fluide fait passer de petits aimants devant des arcs métalliques imprimés en 3D, générant des impulsions de tension par induction électromagnétique, sur le principe d'une dynamo de vélo, dont le nombre correspond à la force appliquée. L'équipe l'a intégré à un gant souple doté de cinq capteurs miniatures de la taille d'un petit pois, imprimé en une seule pièce, mesurant la force de préhension à chaque doigt et estimant le poids d'objets saisis. Un pad haptique a également permis à un opérateur de sentir la force de préhension d'une pince robotique en manipulant œufs, blocs de bois et bouteilles d'eau, les données recueillies servant ensuite à réentraîner le robot pour reproduire ces gestes de façon autonome. Le système tolère des températures d'eau jusqu'à 90°C. L'intérêt pratique tient à l'absence totale de circuits de contrôle électroniques, un atout pour les robots souples opérant sous l'eau, dans le corps humain ou dans d'autres environnements hostiles où l'électronique tombe facilement en panne. Cecilia Laschi, du département de génie mécanique de la NUS CDE, y voit une forme de calcul porté par le corps physique du robot lui-même, comparable au rôle du système nerveux chez les organismes vivants. Pour les concepteurs de prothèses, d'interfaces homme-machine ou de préhenseurs souples, cela ouvre la voie à des architectures plus simples, avec moins de points de défaillance et un retour tactile natif. Ce travail s'inscrit dans le courant de recherche sur le calcul morphologique, où la mécanique de la structure remplace une partie du contrôle logiciel habituellement confié à l'électronique embarquée. Il reste toutefois au stade du prototype de laboratoire, sans annonce de partenaire industriel ni de calendrier de commercialisation, et aucun acteur français ou européen du secteur n'est associé à ces travaux.

RecherchePaper

1 source

3arXiv cs.RO

SmoothTurn : apprendre à tourner en douceur pour une navigation agile avec des robots quadrupèdes

Traduction et résumé de l'article ci-dessous. L'équipe de recherche à l'origine de SmoothTurn s'attaque à un angle mort des politiques de navigation locale pour robots quadrupèdes : la capacité à enchaîner des virages fluides tout en courant à haute vitesse. Les approches existantes entraînent typiquement une politique à atteindre un seul objectif à la fois, en récompensant le robot pour rester immobile une fois la cible atteinte. Résultat, lorsqu'on enchaîne plusieurs objectifs nécessitant des changements de direction, le robot ne peut ni anticiper la manœuvre suivante ni conserver son élan lors du passage d'un objectif à l'autre, ce qui brise sa dynamique de course. SmoothTurn reformule le problème comme une tâche de navigation locale séquentielle et introduit trois éléments techniques : une récompense conçue pour l'atteinte séquentielle d'objectifs, un espace d'observation élargi incluant une fenêtre d'anticipation ("lookahead") sur les objectifs futurs, et un curriculum d'apprentissage automatique qui augmente progressivement la difficulté des séquences d'objectifs en fonction des performances du robot. La politique entraînée a été déployée directement sur des robots quadrupèdes réels, avec capteurs et calcul embarqués, sans étape d'adaptation supplémentaire. Cette avancée cible un écart concret entre démonstration et réalité opérationnelle pour les cas d'usage à forte valeur comme l'intervention en incendie ou l'inspection industrielle, où la vitesse ET la manœuvrabilité comptent autant l'une que l'autre. Une politique qui sait maintenir son élan en pivotant, au lieu de ralentir puis réaccélérer à chaque changement de cap, se rapproche davantage de ce qu'exige un déploiement terrain réel plutôt qu'un simple parcours de démonstration en ligne droite. Pour les intégrateurs et décideurs qui évaluent des plateformes quadrupèdes pour des missions agiles, ce type de résultat conforte l'idée que l'apprentissage par renforcement peut produire des comportements moteurs sophistiqués et transférables du simulateur au monde réel (sim-to-real), sans nécessiter de re-conception matérielle. Les auteurs rapportent des résultats empiriques en simulation et sur robot réel montrant des comportements émergents non explicitement programmés : contrôle de l'élan lors du changement d'objectif, orientation anticipée vers la prochaine cible, et planification de trajectoires efficaces. SmoothTurn s'inscrit dans la lignée des travaux antérieurs sur la navigation locale conditionnée par un objectif unique, qu'il étend au cas séquentiel. Le papier, initialement soumis sous l'identifiant arXiv:2603.12842 puis republié en version corrigée, ne précise pas quel modèle de robot quadrupède a servi aux essais réels ni le nom du laboratoire ou de l'université porteurs du projet. Ce travail se positionne dans un champ de recherche actif sur la locomotion agile par apprentissage, aux côtés d'efforts similaires chez des acteurs académiques et industriels travaillant sur des quadrupèdes comme ceux de Boston Dynamics ou Unitree. Les prochaines étapes attendues porteraient sur l'extension à des terrains plus complexes ou irréguliers et sur des tests d'endurance en conditions réelles prolongées, non détaillés dans le résumé disponible.

RecherchePaper

1 source

4arXiv cs.RO

Navigation par apprentissage pour robots mobiles en intérieur

Des chercheurs ont publié sur arXiv (référence 2605.30468) un framework de navigation hybride pour robots mobiles intérieurs, combinant un planificateur global neuronal et un planificateur local affiné par apprentissage par renforcement. Le planificateur global est un réseau de neurones supervisé, entraîné à partir de trajectoires générées par un algorithme A* pondéré par les coûts, ce qui lui permet de produire des routes globalement cohérentes et évitant les zones dangereuses. Le planificateur local, baptisé Learning-Based DWA, reformule l'approche classique Dynamic Window Approach (DWA) comme un problème de sélection discrète sur une grille d'actions prédéfinies. La politique locale est d'abord initialisée par clonage comportemental (imitation d'un expert), puis optimisée par Proximal Policy Optimization (PPO) avec un masquage de faisabilité, un mécanisme éliminant les actions physiquement irréalisables ou à risque de collision avant même l'exploration. Les résultats expérimentaux, conduits en simulation et en environnement réel intérieur, montrent une navigation sûre et fiable vers des objectifs en présence d'obstacles. L'intérêt de cette contribution réside dans son positionnement hybride : plutôt que d'abandonner DWA au profit d'une approche entièrement apprise, les auteurs l'utilisent comme squelette structurant pour contraindre le problème d'apprentissage. Ce choix de conception présente deux avantages pour les intégrateurs. D'abord, le masquage de faisabilité réduit l'espace d'exploration du policy gradient aux seules actions physiquement admissibles, limitant les comportements dangereux en phase d'apprentissage et facilitant le transfert sim-to-réel. Ensuite, conserver la logique DWA comme substrat rend la politique plus interprétable qu'un réseau boîte noire, un critère non négligeable pour les déploiements industriels soumis à certification. La méthode démontre qu'un classique de la robotique réactive, largement jugé dépassé par les approches end-to-end, peut encore être un socle pertinent pour des pipelines d'apprentissage modernes. Le DWA a été introduit par Fox, Burgard et Thrun en 1997 et reste une brique fondamentale des stacks de navigation ROS et Nav2, déployés sur une large partie des flottes d'AMR (robots mobiles autonomes) industriels actuels. C'est dans cet écosystème très installé que s'inscrit ce travail, face à des approches concurrentes plus radicales : navigation end-to-end par apprentissage (ETH Zurich, MIT CSAIL), planificateurs à modèle comme TEB ou MPPI, et méthodes VLA émergentes pour la navigation en langage naturel. Les auteurs annoncent la mise à disposition du code source sur leur page projet. Aucun partenaire industriel ni déploiement commercial n'est mentionné : il s'agit d'une contribution de recherche académique, pas d'un produit commercialisé.

RecherchePaper

1 source