Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Robot Talk Épisode 161 : les systèmes haptiques collaboratifs, avec Allison Okamura
RechercheRobohub 

Robot Talk Épisode 161 : les systèmes haptiques collaboratifs, avec Allison Okamura

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

Allison Okamura, professeure Richard W. Weiland Engineering à l'Université Stanford et directrice adjointe du Wu Tsai Stanford Neurosciences Institute, était l'invitée du 161e épisode du podcast Robot Talk, animé par Claire. L'échange portait sur les systèmes robotiques haptiques collaboratifs, un domaine qui vise à doter les robots et les interfaces de téléopération d'un retour de force et de toucher fidèle. Okamura dirige au Stanford Robotics Center des travaux couvrant la téléopération chirurgicale, la réalité virtuelle avec retour tactile, la robotique molle et la rééducation physique.

L'haptique reste l'un des verrous les plus sous-estimés de la robotique industrielle et médicale : sans retour de force calibré, un bras chirurgical téléopéré ou un robot collaboratif ne peut pas distinguer une manipulation délicate d'un geste destructeur. Les recherches d'Okamura adressent directement ce déficit en couplant modèles neuromécaniques issus du Wu Tsai Institute et actionneurs souples, ouvrant la voie à des systèmes qui transmettent texture, rigidité et glissement en temps réel. Pour les intégrateurs B2B, les avancées dans ce domaine conditionnent l'adoption des robots dans la chirurgie mini-invasive, l'assemblage de précision et la rééducation.

Stanford occupe une position centrale dans la recherche haptique mondiale, aux côtés du MIT CSAIL, de Shadow Robot (UK) et d'entreprises comme Immersion Corporation ou HaptX pour la partie commerciale. En France, des acteurs comme Haption (Laval) développent des bras à retour d'effort pour la simulation industrielle et médicale. Le podcast Robot Talk ne fournit pas de détails sur des résultats expérimentaux spécifiques ni sur des déploiements concrets issus de cet épisode, ce qui limite l'évaluation de l'état réel des travaux présentés.

Impact France/UE

Haption (Laval, France) est cité comme acteur européen pertinent dans la haptique industrielle et médicale, mais l'article ne rapporte aucun résultat expérimental ni déploiement concret issu de cet épisode.

Dans nos dossiers

Cobots & robots collaboratifs

À lire aussi

Robots continuum collaboratifs : état de l'art du point de vue des systèmes d'automatisation
1arXiv cs.RO 

Robots continuum collaboratifs : état de l'art du point de vue des systèmes d'automatisation

Une revue de littérature publiée sur arXiv (2601.10721, version 2 révisée) propose le premier cadre structuré pour les robots continuum collaboratifs (CCR), c'est-à-dire des ensembles de plusieurs robots continuum coordonnés. Ces robots continuum (CR) sont des manipulateurs sans articulations rigides, dont la structure compacte, la compliance intrinsèque et la capacité à se déformer en continu leur permettent d'opérer dans des espaces confinés ou sensibles. Les auteurs construisent une architecture d'exécution de tâches en boucle fermée, vue sous l'angle des systèmes d'automatisation, qui décrit comment une spécification de tâche devient une exécution collaborative par plusieurs CR. Sur cette base, ils classent les CCR en trois modes: la collaboration séparée, la collaboration d'assistance et la collaboration parallèle. Le texte passe ensuite en revue les avancées sur six briques techniques: allocation des tâches entre robots, conception structurelle, modélisation, planification de mouvement, stratégies de commande et mécanismes de perception. Le texte résumé ne cite ni chiffres de performance ni banc d'essai comparatif. L'intérêt tient à ce que la coordination de plusieurs CR vise à dépasser deux limites connues de ces robots pris isolément: leur faible capacité de charge et leur adaptabilité restreinte à des tâches complexes. Les auteurs avancent que la collaboration améliore la flexibilité, l'adaptabilité et la charge utile. Il s'agit d'un constat de revue de littérature, sans validation industrielle présentée dans le résumé. Pour les intégrateurs et les équipes R&D, notamment en chirurgie mini-invasive, en inspection de machines ou en intervention en milieu confiné, la classification offre un vocabulaire commun pour comparer des architectures aujourd'hui dispersées. Elle signale aussi que le domaine reste largement académique. Les défis d'intégration système pour un déploiement réel, que les auteurs annoncent traiter en conclusion, ne sont pas résolus. On ne trouve pas ici de produit commercialisé ni de déploiement terrain, mais une cartographie de la recherche. Cette publication s'inscrit dans un intérêt croissant et régulier de la communauté de la robotique continuum pour la coopération multi-robots, après des années centrées sur la modélisation et la commande d'un seul manipulateur (tendons, tubes concentriques, actionnement pneumatique). Les robots humanoïdes et les bras rigides dominent l'attention industrielle, tandis que les CR restent une niche portée surtout par les laboratoires et la robotique médicale. Les auteurs ne désignent pas de concurrents commerciaux, et le résumé ne mentionne aucun acteur européen. La suite logique, selon eux, passe par des travaux sur l'allocation de tâches, la perception intégrée et la validation en conditions réelles. Aucun calendrier de pilote n'est annoncé.

RecherchePaper
1 source
Robot Talk, épisode 166 : l'évolution des corps et des cerveaux de robots, avec Rika Antonova
2Robohub 

Robot Talk, épisode 166 : l'évolution des corps et des cerveaux de robots, avec Rika Antonova

L'épisode 166 du podcast Robot Talk met en scène un entretien entre la présentatrice Claire et Rika Antonova, professeure associée (Associate Professor) à l'Université de Cambridge. Il porte sur l'usage de l'intelligence artificielle pour concevoir de façon complémentaire le matériel et les algorithmes des robots, c'est-à-dire faire évoluer ensemble leur corps et leur « cerveau ». Les travaux d'Antonova couvrent la co-conception, la découverte automatisée d'algorithmes, l'apprentissage par renforcement économe en données, l'exploration, l'apprentissage actif et la robotique. Elle a fait un master de recherche au Robotics Institute de Carnegie Mellon, un doctorat au KTH Royal Institute of Technology, puis une bourse Computing Innovation Fellowship à Stanford. Elle avait auparavant été ingénieure logicielle senior chez Google. Il s'agit d'une conversation de recherche : la présentation ne mentionne ni robot précis, ni benchmark, ni chiffre de performance, ni calendrier de déploiement. Le sujet touche un point sensible de la robotique actuelle. La plupart des projets figent d'abord la mécanique, puis entraînent un logiciel qui s'en accommode. La co-conception propose d'optimiser les deux ensemble, ce qui pourrait réduire le coût d'adaptation d'un robot à une tâche. L'apprentissage par renforcement économe en données répond à un autre verrou, le coût des essais sur matériel réel, central pour le passage de la simulation au monde physique. Ces enjeux concernent les intégrateurs et les industriels qui se demandent si l'écart entre démonstration et exploitation se réduira par de meilleurs modèles seuls ou aussi par un meilleur matériel. Le parcours d'Antonova, entre laboratoires académiques américains et européens et expérience industrielle chez Google, illustre la proximité entre recherche fondamentale et ingénierie à grande échelle. Aucune entreprise ni aucun concurrent n'est cité dans la description, et la co-conception reste surtout un sujet de recherche plutôt qu'une pratique industrielle établie. Aucune suite n'est annoncée au-delà de l'épisode lui-même.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
SurveilNav : navigation collaborative vers des objets cibles avec robot et système de surveillance
3arXiv cs.RO 

SurveilNav : navigation collaborative vers des objets cibles avec robot et système de surveillance

Une équipe de chercheurs propose SurveilNav, un système de navigation collaborative couplant un robot mobile à un réseau de caméras de surveillance fixes pour localiser des objets dans des espaces intérieurs de grande surface. Présenté sous forme de preprint arXiv (arXiv:2606.25119, juin 2026), le travail introduit un jeu de données inédit construit sur le simulateur Habitat-Sim, comportant 206 caméras réparties sur 74 étages. Le framework s'articule autour de quatre composants : un ordonnanceur de caméras actives, une cartographie conjointe 2D/3D, une estimation de valeur fondée sur un VLM (Vision-Language Model), et une vérification collaborative de la cible détectée. Évalué sur le benchmark HM3D (Habitat-Matterport 3D), SurveilNav atteint des résultats état de l'art en efficacité d'exploration et en taux de succès de navigation par rapport aux méthodes mono-agent existantes. L'intérêt technique tient à la complémentarité des deux types de perception : un robot mobile dispose d'une vue dynamique locale mais limitée par sa portée et ses angles morts, tandis qu'un réseau de caméras fixes offre une couverture globale statique, incomplète par construction. SurveilNav fusionne ces deux sources en temps réel via cartographie 3D partagée et estimation sémantique par VLM, permettant de prioriser les zones à explorer sans balayage exhaustif. Pour les intégrateurs industriels opérant dans des entrepôts ou usines déjà équipés d'infrastructure vidéo, la proposition est directement pertinente : elle exploite un actif existant (le réseau CCTV) pour augmenter les capacités des AMR sans modifier le matériel. L'usage du VLM pour l'estimation de valeur sémantique reste néanmoins un point à surveiller, les auteurs ne précisant pas la latence d'inférence ni sa compatibilité avec une navigation temps réel en conditions réelles. Le champ de l'Object Goal Navigation (OGN) s'est principalement construit sur des architectures mono-agent et des environnements simulés (Habitat, AI2-THOR, Gibson). L'extension vers un réseau de capteurs fixes hétérogènes représente une direction logique vers des scénarios industriels réels, où bâtiments tertiaires et usines sont massivement équipés de systèmes CCTV. Les travaux concurrents sur la navigation multi-robot, comme MultiON ou CoNav, restent centrés sur la coopération entre agents mobiles homogènes et ne tirent pas parti de l'infrastructure fixe existante. Aucun acteur européen n'est impliqué selon le résumé disponible. Les débouchés envisagés, dont la recherche en zone sinistrée (search-and-rescue) et la domotique, restent au stade de la validation en simulation : aucun déploiement terrain ni partenariat industriel n'est annoncé.

RecherchePaper
1 source
Robot Talk, épisode 159 : captation sensorielle et manipulation robotique, avec Maria Koskinopoulou
4Robohub 

Robot Talk, épisode 159 : captation sensorielle et manipulation robotique, avec Maria Koskinopoulou

Maria Koskinopoulou, maître de conférences en robotique et vision par ordinateur à l'université Heriot-Watt (Édimbourg), était l'invitée du 159e épisode du podcast Robot Talk animé par Claire Asher. Co-directrice de l'ARM²Lab (Autonomous Robotic Manipulation and Multi-Agent Systems Lab) au sein du National Robotarium britannique, aux côtés d'Ignacio Carlucho, elle y présente ses travaux sur la manipulation robotique autonome appliquée à la chirurgie, à l'industrie manufacturière et à des domaines émergents comme la robotique sous-marine et le tri de déchets. Ses projets sont financés par le UKRI (UK Research and Innovation) et des programmes européens, sans que des montants ou des échéances précises ne soient communiqués dans cet épisode. L'intérêt de ces travaux réside dans la convergence de plusieurs verrous technologiques : perception visuelle embarquée, interaction homme-robot, et apprentissage automatique appliqué à des environnements non structurés. La robotique chirurgicale et le tri autonome de déchets représentent deux cas d'usage où le gap sim-to-real reste un obstacle majeur, et où les approches multi-agents peuvent offrir une redondance opérationnelle pertinente pour les intégrateurs industriels. Le National Robotarium, inauguré en 2022 à Édimbourg avec un financement de 22,4 millions de livres sterling du gouvernement écossais et de Heriot-Watt University, positionne le Royaume-Uni comme acteur de premier plan en robotique appliquée post-Brexit. L'ARM²Lab s'inscrit dans un écosystème concurrentiel où des laboratoires comme le Dynamic Robot Systems Group d'Oxford ou le LIRMM en France travaillent sur des problématiques similaires. Cet épisode reste une présentation de recherche académique en cours, sans annonce de produit ni de déploiement commercial.

UELes travaux de l'ARM²Lab bénéficient de financements de programmes européens et s'inscrivent dans un écosystème de recherche en manipulation autonome que partagent des laboratoires français comme le LIRMM, sans déploiement commercial ni impact direct sur le marché européen.

RecherchePaper
1 source