Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO2h

ActiveVital : surveillance des signes vitaux intégrant la géométrie corporelle pour robots de soins à domicile

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

Des chercheurs présentent dans un preprint arXiv (référence 2606.30275, juin 2026) un système baptisé ActiveVital, conçu pour surveiller en continu les signes vitaux, fréquence respiratoire et rythme cardiaque, sans contact physique, à bord d'un robot domestique équipé d'un radar à ondes millimétriques (mmWave). Le problème physique de départ est précis : un radar mmWave ne mesure que la composante radiale du mouvement. Lorsque le robot n'est pas positionné face à la cage thoracique du patient, l'alignement angulaire se dégrade, rendant le signal inutilisable. Résultat avant correction : une erreur d'intervalle respiratoire de 0,87 seconde et une erreur de fréquence cardiaque de 13,59 bpm. Après activation d'ActiveVital, ces chiffres tombent à 0,14 seconde et 2,22 bpm, soit des performances comparables à celles obtenues dans des conditions de mesure statique et contrôlée.

La contribution centrale n'est pas algorithmique au sens habituel : elle recadre le problème de la détection passive en régulation géométrique active. Le système détecte la position du thorax par points clés visuels, convertit l'erreur d'alignement en commandes de déplacement, et oriente dynamiquement le radar vers une incidence quasi-normale à la surface thoracique. Un module de rehaussement différentiel de phase stabilise ensuite l'extraction du signal pendant les mouvements résiduels. Pour un COO de EHPAD ou un intégrateur de robots de compagnie, cela signifie concrètement qu'un robot en patrouille libre peut surveiller les constantes d'un résident sans balise portée, sans caméra RVB dédiée aux signes vitaux, et sans immobilité imposée.

Le monitoring non-contact par radar mmWave est un axe de recherche actif depuis au moins 2018, mais les travaux antérieurs supposaient des configurations statiques ou semi-contrôlées. Les acteurs industriels positionnés sur la robotique de soin incluent des plateformes comme Labrador Systems ou les robots de compagnie de Softbank, et côté capteur, des puces mmWave de Texas Instruments ou Infineon. ActiveVital reste à ce stade un prototype académique non affilié à un déploiement industriel annoncé ; aucun essai terrain ni partenariat industriel n'est mentionné dans le preprint. La prochaine étape naturelle sera la validation sur robot mobile réel dans des environnements non supervisés, puis l'évaluation sur des populations âgées avec comorbidités respiratoires.

Dans nos dossiers

arXiv cs.RO

À lire aussi

VLESA : un agent de sécurité incarnée vision-langage pour la surveillance des activités humaines
1arXiv cs.RO 

VLESA : un agent de sécurité incarnée vision-langage pour la surveillance des activités humaines

Des chercheurs ont publié sur arXiv (preprint 2606.03954, juin 2026) VLESA, un cadre de supervision de la sécurité humaine fondé sur la vision et le langage. Le système analyse des flux vidéo égocentrés (caméra portée à la première personne) pour prédire en temps réel si une action humaine imminente présente un risque, et déclenche une intervention avant que le danger se matérialise. Le coeur technique repose sur deux composants : un agent de prédiction d'intention-action qui infère conjointement l'objectif de l'opérateur et ses prochains gestes à partir de la vidéo, et un Q-filter de sécurité conditionné par l'objectif, entraîné via GRPO (Group Relative Policy Optimization). Ce filtre évalue la dangerosité d'une action en fonction du but inféré, sans nécessiter de ré-entraînement. Sur le benchmark ASIMOV-2.0, VLESA surpasse les baselines en précision d'intervention à la frame exacte, et le Q-filter GRPO améliore la sécurité des actions de plus de 41 points de pourcentage via un décodage contraint conditionné à l'intention. Le code est disponible publiquement sur GitHub. L'apport conceptuel central est la notion de "sécurité dépendante de l'intention" : une action physiquement identique peut être sûre ou dangereuse selon le contexte opérationnel. Saisir un couteau pour couper des légumes n'est pas la même chose que le saisir après un conflit verbal. Les approches classiques de détection d'anomalies ignorent cette ambiguïté et génèrent trop de faux positifs pour être industrialisables. En décomposant le problème en inférence d'intention puis évaluation de risque conditionnel, VLESA propose une architecture plus proche des besoins réels de la cobotique, des environnements de soin à domicile assisté, ou de la surveillance d'opérateurs en milieu industriel. Le gain de 41 points sur ASIMOV-2.0 est significatif si les conditions du benchmark reflètent la diversité du terrain, ce que la nature sélective d'un preprint ne permet pas encore de confirmer. Ce travail s'inscrit dans un champ en forte expansion, celui de la sécurité des systèmes embarqués et des agents physiques autonomes, porté par la montée des VLA (Vision-Language-Action models) comme pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. L'approche VLESA se distingue en ciblant non pas le robot mais l'humain en interaction avec son environnement, positionnement plus proche des travaux en human activity recognition que de la robotique pure. Les acteurs établis du monitoring de sécurité industrielle (Pilz, Sick, Keyence côté capteurs) n'ont pas encore intégré de couche sémantique de ce niveau. Aucun déploiement pilote n'est annoncé dans l'article : il s'agit d'une contribution académique, avec dataset et code partagés, dont la trajectoire vers l'industrialisation dépendra de la robustesse des résultats sur des scénarios hors benchmark et de validations en conditions réelles.

UELes acteurs européens de la sécurité industrielle (Pilz, Sick) n'ayant pas encore intégré de couche sémantique de ce niveau, VLESA ouvre une piste concrète pour la cobotique et le monitoring d'opérateurs, applicable dans le cadre de mise en conformité avec la directive machines révisée.

RecherchePaper
1 source
Améliorer la stabilité des robots mobiles sur terrain accidenté grâce à la surveillance des vibrations
2Robotics Business Review 

Améliorer la stabilité des robots mobiles sur terrain accidenté grâce à la surveillance des vibrations

Des ingénieurs spécialisés en robotique mobile publient un retour d'expérience terrain démontrant que la surveillance vibratoire permet de prédire les instabilités d'un véhicule terrestre non habité (UGV) avant que les capteurs visuels ne les détectent. Lors d'un essai avec un UGV de taille intermédiaire sur sol accidenté - quelques pierres, légère inclinaison - l'engin a basculé malgré une image caméra jugée correcte et un scan lidar ne signalant aucun danger. Des tests comparatifs ont ensuite couvert trois surfaces : terre compacte (signal vibratoire stable, faible amplitude), gravier meuble (signal chaotique, pics haute fréquence) et sable mou (oscillations lentes, basse fréquence). La distinction est opérationnelle : les pics haute fréquence indiquent des impacts avec roches ou débris susceptibles de provoquer un transfert de charge brutal, tandis que les oscillations basse fréquence signalent une perte progressive de sustentation (roue qui s'enfonce ou glisse). Dans un test de type rover, une couche de sable masquait des roches enchâssées invisibles aux caméras et au lidar : l'IMU a détecté les pics vibratoires correspondants avant que le robot n'atteigne physiquement la zone critique. Ce que ces résultats remettent en cause, c'est la domination des architectures de navigation purement visuelles - caméras, lidar, SLAM - dans les stacks robotiques actuels. Ces systèmes cartographient l'espace mais ne prédisent pas la réponse mécanique du sol à la charge : un terrain peut paraître compact et se comporter comme de la poudre sous le poids d'un UGV de plusieurs dizaines de kilos. La surveillance vibratoire, fondée sur des capteurs inertiels (IMU) et accéléromètres embarqués, apporte une rétroaction proprioceptive : le robot ressent le terrain plutôt que de seulement le voir. Pour un intégrateur ou un COO industriel déployant des AMR ou des UGV en milieu extérieur non structuré, l'argument économique est direct - réduire les incidents de basculement sans alourdir la pile de perception externe ni ajouter de capteurs coûteux. La valeur tient dans l'exploitation analytique de signaux déjà présents sur toute plateforme équipée d'un IMU standard. Ces travaux s'inscrivent dans une tendance active depuis plusieurs années en robotique quadrupède - Boston Dynamics Spot, ANYmal d'ANYbotics, recherches de DeepMind sur la locomotion adaptative - mais encore peu transposée aux UGV à roues. Les approches équivalentes sont explorées par Clearpath Robotics (Husky, Warthog), AGCO pour l'agriculture autonome, et des spécialistes du tout-terrain comme Neobotix ou Robopec en Europe. En France, le LAAS-CNRS dispose d'un historique de recherche sur la navigation tout-terrain qui rejoint cette problématique. Il convient de noter que l'article ne mentionne ni produit commercialisé ni timeline de déploiement : il s'agit d'un retour d'expérience méthodologique, pas d'une annonce produit. Les prochaines étapes naturelles seraient l'intégration de ces signaux vibratoires dans des contrôleurs adaptatifs temps réel et leur fusion formelle avec les planificateurs de trajectoire existants, notamment pour les applications de livraison autonome et d'inspection en milieu dégradé.

UELes intégrateurs européens de robots mobiles tout-terrain, notamment Neobotix et Robopec, et le LAAS-CNRS disposent d'une base de recherche directement exploitable pour intégrer la surveillance vibratoire dans leurs stacks de navigation UGV extérieur.

RecherchePaper
1 source
De nouvelles connaissances sur le vol des insectes ouvrent la voie à des robots à ailes battantes stables
3Robohub 

De nouvelles connaissances sur le vol des insectes ouvrent la voie à des robots à ailes battantes stables

Des chercheurs de l'Université Cornell ont publié le 1er mai 2026 dans les Proceedings of the National Academy of Sciences un modèle computationnel qui reformule les conditions de stabilité du vol battu chez les insectes. Dirigée par Z. Jane Wang, professeure de physique et d'ingénierie aérospatiale, et co-signée par Owen Wetherbee en premier auteur, l'étude fait suite à plus d'une décennie de travaux amorcés sur les circuits neuronaux des mouches des fruits. Le modèle de départ, une simulation 3D complète, montrait que la mouche des fruits actualise sa posture à chaque battement d'aile, soit environ une fois toutes les 4 millisecondes. L'équipe a ensuite condensé cette simulation en un modèle réduit qui préserve les équations physiques essentielles tout en restant calculable à grande échelle. Cinq paramètres structurent ce qu'elle appelle un "espace morphologique et cinématique à cinq dimensions" : le rapport masse aile/corps, la charge alaire, la position de l'articulation alaire, la fréquence de battement et l'amplitude du mouvement. De cet espace émergent deux formules explicites définissant la frontière de stabilité, centrées sur un mécanisme d'anti-résonance qui permet à l'animal de neutraliser passivement les oscillations de son corps malgré les perturbations aérodynamiques extérieures. Le résultat le plus contre-intuitif tient dans le constat que de nombreuses configurations de vol battu atteignent une stabilité passive, c'est-à-dire sans correction neuronale active, à condition d'être positionnées dans la bonne zone de l'espace morphologique. La littérature antérieure concluait au contraire que la quasi-totalité des insectes sont passivement instables et dépendent de circuits neuronaux rapides pour se maintenir en vol. L'explication de cette divergence est méthodologique : les études précédentes ne modélisaient que quelques espèces réelles, correspondant à autant de "points isolés" dans un espace de paramètres bien plus vaste. En élargissant cet espace, Cornell montre que ces espèces étudiées constituaient un échantillon non représentatif. Pour les roboticiens, l'implication est directe : il devient théoriquement possible de concevoir un drone à ailes battantes qui se stabilise par sa géométrie et sa fréquence de battement, sans recourir à des boucles de rétroaction complexes, une voie sur laquelle les systèmes embarqués actuels n'ont jamais pleinement abouti. Le problème du vol battu stable en robotique reste ouvert depuis plusieurs décennies. Les micro-drones à ailes battantes existants, comme le Harvard RoboBee ou les prototypes développés par TU Delft dans le cadre du projet DelFly, s'appuient massivement sur des contrôleurs actifs pour compenser leur instabilité intrinsèque, ce qui accroît la complexité embarquée et réduit l'autonomie. Le modèle de Cornell offre un chemin alternatif : identifier, par calcul, les combinaisons de fréquence et de morphologie qui placent un engin dans la zone d'anti-résonance stable, avant même la fabrication. L'équipe n'annonce pas de prototype, et le gap entre modèle computationnel et robot physique reste substantiel, notamment en raison des contraintes matériaux et d'actionnement. Néanmoins, la disponibilité de critères analytiques explicites, là où il n'existait auparavant que des simulations coûteuses espèce par espèce, constitue une base de conception réutilisable pour les laboratoires travaillant sur les MAV (micro aerial vehicles) à battement d'ailes.

UELes laboratoires européens travaillant sur les micro-drones à ailes battantes, dont TU Delft avec le projet DelFly, disposent désormais de critères analytiques explicites pour identifier les configurations passivamente stables, réduisant la dépendance aux contrôleurs actifs coûteux en ressources embarquées.

RecherchePaper
1 source
OSCAR : courbes de survie aux obstacles pour la navigation adaptative des robots
4arXiv cs.RO 

OSCAR : courbes de survie aux obstacles pour la navigation adaptative des robots

Des chercheurs ont publié le 1er juin 2026 sur arXiv (réf. 2606.00990) un framework de navigation adaptative baptisé OSCAR (Obstacle Survival Curves for Adaptive Robot Navigation), conçu pour les robots mobiles naviguant sur des graphes de routes prédéfinies. Le problème ciblé est précis : quand un obstacle temporaire bloque un nœud critique du graphe, le robot doit décider d'attendre ou de recalculer un itinéraire alternatif. OSCAR répond à cette décision en apprenant, par expérience en ligne, des distributions statistiques de durée de présence selon la classe d'obstacle (piéton, chaise, poubelle, chariot, tube). Ces modèles de survie, y compris les observations censurées à droite (cas où le robot reroutait avant d'observer la libération effective de l'obstacle), alimentent un planificateur de graphe temporel qui calcule un seuil de patience par arête bloquée. En simulation, la politique apprise converge à moins de 1 % d'un oracle disposant des distributions réelles de dégagement après moins de 20 observations par classe d'obstacle, surpassant tous les heuristiques de référence. En déploiement réel dans un atrium universitaire, le système améliore ses seuils de patience au fil de 50 épisodes de navigation. L'intérêt pour les intégrateurs de robots mobiles autonomes (AMR) est direct : les systèmes actuels appliquent soit de la réactivité locale (évitement d'obstacles à l'instant T), soit des règles fixes de type "attendre X secondes puis rerouter", sans modéliser la sémantique temporelle de l'obstacle. OSCAR comble cet écart en montrant qu'un modèle de survie conditionné à la classe, mis à jour en ligne, suffit à se rapprocher du comportement optimal sans connaissance a priori des distributions réelles. Cela réduit concrètement les temps morts dans des environnements semi-dynamiques comme les entrepôts, les hôpitaux ou les campus, où la majorité des blocages sont transitoires mais de durée variable selon leur nature. OSCAR s'inscrit dans un courant de recherche qui vise à dépasser la navigation réactive pure pour introduire de la mémoire contextuelle dans la planification. La littérature existante sur la navigation en graphe traite généralement les obstacles comme statiques ou entièrement imprévisibles ; les modèles de survie, issus de la biostatistique et de la fiabilité industrielle, restent rares dans ce domaine. Les concurrents fonctionnels incluent les approches de navigation socio-consciente (social force models, ORCA) et les planificateurs probabilistes à horizon temporel (POMDP), mais ces derniers sont computationnellement coûteux. OSCAR se positionne comme une alternative légère et incrémentale, compatible avec des plateformes AMR standard. La prochaine étape naturelle serait de tester la généralisation à des environnements à plus forte densité d'obstacles ou à des classes non vues à l'entraînement.

RecherchePaper
1 source