Aller au contenu principal
Cuttlebot : démonstration d'une plateforme pour nageurs complexes, autonomes et bio-inspirés
RecherchearXiv cs.RO 

Cuttlebot : démonstration d'une plateforme pour nageurs complexes, autonomes et bio-inspirés

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

Des chercheurs ont présenté le Cuttlebot, un robot autonome inspiré de la seiche, conçu pour l'exploration sous-marine en utilisant six actionneurs à élastomère diélectrique (DEA) comme muscles artificiels. Ces DEA, qui se déforment sous l'effet d'un champ électrique, sont particulièrement adaptés aux environnements des grands fonds grâce à leur tolérance à la pression et aux basses températures, ainsi qu'à leur structure souple compatible avec les écosystèmes marins fragiles. L'équipe a développé en parallèle la plateforme embarquée CORE, capable de piloter simultanément ces six muscles tout en intégrant des capteurs visuels et spatiaux. Le robot dispose de quatre muscles principaux dans ses nageoires, qui génèrent une nage ondulatoire en trois dimensions, complétés par un préhenseur souple inspiré des tentacules de la seiche. Lors des tests en piscine, en mode filaire et autonome, le Cuttlebot a atteint une vitesse de translation de 2,5 cm/s et une vitesse de rotation de 10 degrés par seconde, des performances modestes mais cohérentes avec un premier démonstrateur académique. La plateforme CORE démontre par ailleurs un contrôle de force et de couple sur six axes.

La contribution principale de ce travail réside moins dans les performances brutes que dans l'intégration réussie des DEA dans un système autonome complet. Ces muscles à élastomère diélectrique sont connus depuis longtemps pour leurs propriétés prometteuses (légèreté, silence, biocompatibilité), mais leur intégration dans des architectures robotiques embarquées reste un verrou technique majeur : ils nécessitent des signaux électriques haute tension difficiles à miniaturiser. Le CORE apporte une réponse concrète en proposant une électronique de contrôle dédiée, embarquant à la fois l'actionnement et la perception. Pour les acteurs de l'exploration sous-marine ou de la surveillance environnementale, cette architecture ouvre la voie à des robots plus silencieux et moins intrusifs que les AUV à propulsion mécanique classique, qui perturbent la faune par leurs vibrations et leur bruit.

L'intérêt croissant pour les ressources des grands fonds (minéraux, données sismiques, biodiversité) renforce la demande de plateformes robotiques légères et peu invasives, dans des zones où les ROV câblés conventionnels restent coûteux à déployer. Plusieurs équipes travaillent sur des approches comparables, notamment les robots souples de l'ETH Zurich et de Harvard, ou les plateformes bio-inspirées du MIT. Le Cuttlebot se distingue par l'accent mis sur l'autonomie embarquée plutôt que sur la seule démonstration cinématique en laboratoire. La prochaine étape logique serait une évaluation en milieu réel, avec des contraintes de courant, de pression et de turbidité que les tests en piscine ne reproduisent pas.

À lire aussi

Transition de phase de nuée et réponses aux menaces dans des essaims de drones autonomes bio-inspirés
1arXiv cs.RO 

Transition de phase de nuée et réponses aux menaces dans des essaims de drones autonomes bio-inspirés

Ce document technique arXiv présente un algorithme de vol en essaim tridimensionnel inspiré du comportement animal, où chaque drone n'interagit qu'avec un nombre minimal de voisins influents, en s'appuyant uniquement sur des règles locales d'alignement et d'attraction, sans coordination centralisée ni partage global de position. En faisant varier systématiquement ces deux paramètres de gain, les chercheurs ont établi un diagramme de phase révélant des transitions nettes entre comportement de type essaim dispersé et banc compact façon poisson, ainsi qu'une zone critique où la susceptibilité du système, les fluctuations de polarisation et la capacité de réorganisation atteignent leur maximum. Des essais en extérieur avec un essaim réel de dix drones, couplés à des simulations reposant sur un modèle calibré de dynamique de vol, montrent que faire fonctionner l'essaim près de cette transition critique améliore sa réactivité aux perturbations externes. Confronté à un intrus, l'essaim exécute des virages collectifs rapides, des expansions transitoires, puis retrouve un alignement élevé en quelques secondes seulement. Ce résultat est significatif car il démontre que des règles d'interaction purement locales et minimales suffisent à générer plusieurs phases collectives distinctes, sans nécessiter d'architecture de contrôle centralisée coûteuse en calcul ou en communication, un frein habituel au passage à l'échelle des essaims de drones. La modulation de deux simples gains offre ainsi un mécanisme efficace pour ajuster stabilité, flexibilité et résilience selon le contexte opérationnel. Pour les intégrateurs de systèmes multi-drones, cela ouvre une voie vers des essaims capables de basculer dynamiquement entre un mode compact et économe en énergie et un mode dispersé et réactif, une propriété recherchée pour la surveillance, l'inspection d'infrastructures ou les applications de sécurité type détection d'intrusion, sans complexifier l'architecture logicielle embarquée. Cette approche s'inscrit dans une longue tradition de modélisation du mouvement collectif animal, des premiers modèles de boids aux travaux sur les bancs de poissons et les nuées d'étourneaux, transposée ici à la robotique aérienne réelle plutôt qu'à la seule simulation, ce qui reste rare dans ce champ de recherche. La validation en extérieur avec dix drones physiques, et non uniquement en environnement contrôlé, constitue une contribution notable face à la littérature dominée par les simulations numériques. Les prochaines étapes attendues concernent le passage à l'échelle vers des essaims plus larges et l'évaluation de la robustesse de ces transitions de phase face à des perturbations environnementales plus variées, notamment pour des usages en défense anti-drones ou en recherche et sauvetage.

RecherchePaper
1 source
De nouveaux robots fourmis travaillent comme de vrais insectes pour construire et démonter de façon autonome
2Interesting Engineering 

De nouveaux robots fourmis travaillent comme de vrais insectes pour construire et démonter de façon autonome

Des chercheurs de la Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) ont publié dans la revue PRX Life une étude décrivant une flotte de robots appelés "RAnts" (Robotic Ants), capables de construire et démanteler des structures de manière autonome, sans plan directeur ni contrôleur central. Ces agents physiques suivent un ensemble minimal de règles locales : détecter un gradient lumineux, transporter des blocs, et les déposer lorsqu'un seuil d'intensité est atteint. Pour remplacer les phéromones chimiques des fourmis biologiques, l'équipe du Professeur L. Mahadevan a introduit le concept de "photormones" : des champs lumineux qui jouent le même rôle de signal environnemental, permettant à chaque robot de modifier son environnement et de réagir aux modifications effectuées par ses congénères. Ce mécanisme s'appuie sur le principe biologique de stigmergie. Le basculement entre mode construction et mode démolition ne nécessite que l'ajustement de deux paramètres : l'intensité du comportement de suivi lumineux et le seuil de dépôt ou de ramassage des blocs. L'intérêt industriel de cette approche réside dans sa robustesse intrinsèque. Un système décentralisé n'a pas de point de défaillance unique : si un agent tombe en panne, le reste de l'essaim continue d'opérer. Pour les intégrateurs et les décideurs B2B, cela pose une alternative crédible aux architectures de coordination centralisées, souvent coûteuses à maintenir et fragiles en environnements non structurés. Le concept d'"exbodied intelligence" proposé par Mahadevan est théoriquement significatif : il déplace le centre de gravité de l'intelligence hors du hardware individuel, vers l'interaction continue entre les agents et leur environnement évolutif. Cela contredit directement la tendance dominante en IA, qui mise sur des modèles toujours plus grands et des processeurs toujours plus puissants. Ici, la complexité émergente est obtenue à coût computationnel minimal. Les résultats semblent solides sur le plan des principes, mais l'article ne précise pas les dimensions des robots, leur payload, leur vitesse de cycle, ni les volumes de blocs traités, ce qui limite pour l'instant l'évaluation de leur transposabilité industrielle réelle. La robotique en essaim n'est pas un domaine nouveau : des travaux pionniers comme le projet Kilobot au MIT ou les recherches de Marco Dorigo (Université Libre de Bruxelles) sur les algorithmes de colonie de fourmis ont posé les bases théoriques il y a plus d'une décennie. Ce qui distingue les RAnts est l'utilisation d'un support physique de communication (la lumière) plutôt que d'une infrastructure de communication numérique externe, ce qui simplifie le déploiement en environnements contraints. Les applications envisagées par l'équipe incluent la construction autonome en zones dangereuses, l'exploration planétaire, et la modélisation du comportement animal. Ces cas d'usage restent à ce stade prospectifs : aucun pilote industriel ni partenariat de déploiement n'est annoncé. La prochaine étape logique serait de démontrer la scalabilité du système avec des essaims de plusieurs dizaines d'unités dans des environnements 3D non contrôlés, condition nécessaire avant toute adoption par des acteurs comme les agences spatiales ou le secteur de la construction en milieux extrêmes.

UELes travaux de Marco Dorigo (ULB, Bruxelles) sur les algorithmes de colonie de fourmis constituent le socle théorique de ce domaine, mais cette étude Harvard n'implique pas directement d'acteurs européens ni de déploiement en Europe.

RecherchePaper
1 source
Imitation ergodique pour une exploration adaptative autour des démonstrations
3arXiv cs.RO 

Imitation ergodique pour une exploration adaptative autour des démonstrations

Une équipe de recherche vient de publier sur arXiv (référence 2605.13996) une méthode intitulée "Ergodic Imitation", conçue pour rendre les robots capables de s'adapter lorsqu'ils échouent à reproduire fidèlement une démonstration. Le problème ciblé est classique en apprentissage par imitation : une trajectoire apprise sur des démonstrations peut devenir inopérante dès que les conditions de déploiement diffèrent légèrement, qu'il s'agisse d'un changement d'environnement, d'une imprécision de capteur, ou d'une erreur de contrôle. Plutôt que de se bloquer sur la trajectoire nominale, le système proposé construit une distribution cible à partir de la géométrie des démonstrations récupérées, puis génère des trajectoires qui interpolent de façon adaptative entre suivi strict et exploration locale. Le coeur de la contribution est l'extension du contrôle ergodique, une technique jusqu'ici utilisée principalement pour la couverture de zones et la recherche en environnements inconnus, à un cadre de recalage par horizon glissant ancré dans les démonstrations. Le contrôle ergodique garantit que le robot passe du temps dans les régions proportionnellement à leur "importance" selon la distribution cible, ce qui permet d'explorer autour de la démonstration sans s'en éloigner trop. Pour les intégrateurs et les équipes d'automatisation industrielle, cela représente un levier concret contre le "demo-to-deployment gap" : une politique apprise n'a plus besoin d'être réapprise ou ré-annotée chaque fois que les conditions dérivent légèrement par rapport au setup de collecte des données. Le contrôle ergodique en robotique mobile remonte à des travaux des années 2010 (en particulier ceux du groupe de Todd Murphey à Northwestern), mais son application à l'imitation reste rare. Les approches concurrentes dans ce segment incluent DAgger et ses variantes (correction en ligne via un expert), ainsi que les méthodes de diffusion conditionnelle comme Diffusion Policy ou Pi-0 (Physical Intelligence), qui gèrent aussi l'incertitude par exploration stochastique mais nécessitent en général des volumes de données bien supérieurs. Cette publication est un preprint non encore évalué par des pairs, sans benchmark comparatif publié ni déploiement hardware annoncé ; les résultats expérimentaux mentionnés dans l'abstract restent à évaluer dans la version complète du papier.

RecherchePaper
1 source
Les robots pourraient apprendre à prédire et planifier leur navigation grâce à un nouveau cadre bio-inspiré
4Interesting Engineering 

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

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.

RecherchePaper
1 source