Aller au contenu principal
ROBOCYCLE : manipulation et coordination robotiques autonomes à deux bras pour le recyclageIllustration générée par IA
RecherchearXiv cs.RO 

ROBOCYCLE : manipulation et coordination robotiques autonomes à deux bras pour le recyclage

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

Des chercheurs présentent ROBOCYCLE, une plateforme robotique autonome à deux bras conçue pour le tri des déchets recyclables, calibrée pour répondre aux normes de recyclage de la métropole de Tokyo. Le système combine une perception RGB-D multi-vues, une segmentation d'instances basée sur le transformeur RF-DETR, et une planification de prise à 6 degrés de liberté (DoF) via le SDK Anygrasp. En traitant des nuages de points segmentés, la plateforme génère des poses de préhension robustes pour des objets irréguliers, déformables ou encombrés (bouteilles en PET froissées, emballages transparents, déchets mélangés). Les résultats annoncés font état d'un taux de réussite de préhension de 90,3% et d'un taux de réussite global des tâches de 84,3%, incluant des opérations coordonnées complexes comme le dévissage de bouchons de bouteilles PET avant tri.

Le tri des déchets reste l'un des angles morts de la robotique industrielle : les objets transparents, déformables ou empilés de façon chaotique mettent en échec la plupart des systèmes de vision et de préhension actuels, ce qui oblige encore de nombreux centres de tri à s'appuyer sur du personnel humain malgré des pénuries de main-d'œuvre croissantes dans ce secteur. Un taux de réussite de tâche proche de 85% sur ce type de matériaux, si confirmé en conditions réelles et pas seulement en environnement contrôlé de laboratoire, marquerait une avancée notable par rapport aux pilotes existants, généralement limités à des flux de déchets homogènes ou pré-triés. Pour les opérateurs de centres de tri, les intégrateurs de systèmes et les décideurs municipaux, ROBOCYCLE montre comment l'association de modèles de segmentation récents et de SDK de préhension commerciaux comme Anygrasp permet de construire rapidement des démonstrateurs crédibles, sans développer une pile de perception et de manipulation entièrement propriétaire.

ROBOCYCLE s'inscrit dans une vague de recherche académique visant à automatiser le tri sélectif face à la hausse des volumes de déchets urbains, un problème documenté de longue date au Japon, où les normes de recyclage, notamment à Tokyo, comptent parmi les plus strictes au monde. Le projet assemble des briques technologiques existantes plutôt que de proposer un nouveau modèle de bout en bout : RF-DETR pour la segmentation d'instances et Anygrasp pour la planification de prise, deux outils déjà exploités dans d'autres travaux de manipulation robotique en entrepôt. Publié comme article de recherche sur arXiv, ROBOCYCLE reste à ce stade un prototype académique dont les résultats n'ont pas encore été validés par un déploiement commercial ou industriel ; les auteurs ne précisent aucun calendrier de transfert vers un site de tri réel ni d'accord avec un opérateur de gestion des déchets.

À lire aussi

FLARE : un cadre conscient des échecs pour la correction et la récupération autonomes en manipulation robotique vision-langage
Illustration générée par IA
1arXiv cs.RO 

FLARE : un cadre conscient des échecs pour la correction et la récupération autonomes en manipulation robotique vision-langage

Des chercheurs proposent FLARE (Failure-Aware framework for Autonomous Correction and Recovery), publié sur arXiv sous la référence 2608.26645v1, une méthode destinée aux modèles vision-langage-action (VLA) utilisés pour la manipulation robotique. Le système repose sur deux mécanismes complémentaires baptisés « Retry » et « Reset ». Le mécanisme Retry injecte des perturbations et des segments de transition dans les démonstrations d'entraînement, en dissociant la pose du robot de l'état de l'environnement, afin que la politique apprenne à gérer seule les écarts d'exécution mineurs comme une prise ratée ou un objet qui glisse. Le pipeline Reset s'attaque aux échecs plus graves, dits hors distribution (OOD), qui rompent l'état de la tâche : un grand modèle multimodal (MLLM) analyse hors ligne des vidéos d'exécution pour repérer automatiquement ces états OOD, ce qui permet de constituer une petite bibliothèque ciblée de compétences de récupération centrées sur les objets. En inférence, un moniteur MLLM en ligne arbitre en temps réel entre poursuite de la tâche et déclenchement d'une compétence Reset. Les auteurs annoncent des gains de taux de réussite et de robustesse sur des tâches de manipulation complexes et riches en contacts, sans toutefois détailler dans le résumé les chiffres précis ni la plateforme robotique testée. L'enjeu touche un point faible connu des VLA : entraînés sur des démonstrations « parfaites », sans échec, ils peinent souvent à se rattraper en conditions réelles, un écart classique entre démonstration et déploiement. Pour les intégrateurs et les équipes robotique industrielles, la capacité à détecter et corriger automatiquement une erreur d'exécution, sans intervention humaine ni réinitialisation manuelle du poste de travail, conditionne directement la viabilité de cellules de manipulation autonomes en production. FLARE s'inscrit dans une tendance de recherche qui cherche à combler l'écart entre les démonstrations vidéo souvent présentées par les laboratoires et la réalité d'une ligne de production où objets glissent, collisions surviennent et préhenseurs ratent leur prise. Le travail s'inscrit dans la lignée des modèles VLA génériques récemment mis en avant dans le secteur, comme Pi-0, GR00T N2 ou Helix, qui visent à généraliser la manipulation à partir d'un apprentissage à grande échelle mais partagent la même limite de données d'entraînement sans échec. FLARE reste à ce stade une contribution de recherche publiée sur arXiv, sans annonce de déploiement industriel ni de partenariat commercial associé ; sa validation repose sur des expériences en laboratoire, et son adoption dépendra de tests indépendants et d'une éventuelle intégration dans des piles logicielles de manipulation existantes.

RechercheActu
1 source
Recova : récupération sur échec guidée par des agents pour la manipulation robotique autonome
Illustration générée par IA
2arXiv cs.RO 

Recova : récupération sur échec guidée par des agents pour la manipulation robotique autonome

Des chercheurs présentent sur arXiv Recova, un cadre logiciel piloté par un agent qui traite les échecs de manipulation robotique, ces situations où la scène se retrouve dans un état dont la politique de tâche ne peut plus sortir. Le système développe conjointement l'exécution de la tâche et la récupération dans un jumeau numérique reconstruit de la scène. L'agent y diagnostique les pannes, teste des programmes correctifs et collecte des trajectoires réussies, pour la tâche comme pour la récupération, destinées à entraîner deux politiques distinctes. En déploiement, il surveille la progression, déclenche une récupération apprise ou programmée, vérifie que la scène est restaurée, puis reprend la tâche. Si aucune récupération adaptée n'existe, une démonstration humaine règle le cas et alimente la boucle d'apprentissage. Les essais réels et les démonstrations sont routés vers la politique concernée pour un entraînement DAgger. Sur six configurations LIBERO-Pro et quatre catégories MolmoSpaces, Recova atteint 78,8 % et 64,9 % de succès moyen, contre 71,7 % et 38,0 % pour les meilleures méthodes de référence. Sur quatre postes robotisés réels collectant en parallèle, le fine-tuning DAgger fait passer le succès moyen de 23,8 % à 77,5 %, et les compétences de récupération le portent à 87,5 %. Sur une tâche donnée, l'intervention humaine observée tombe de 87,5 % à 0 % en quatre cycles de collecte. L'enjeu dépasse la robustesse brute. La plupart des politiques VLA et des pipelines d'imitation sont évalués sur des trajectoires nominales, alors que le coût opérationnel d'un robot en production tient largement à ce qui se passe après l'échec : objet tombé, scène désordonnée, nécessité d'un opérateur. Recova propose de transformer chaque panne en capacité réutilisable et de réduire progressivement la supervision humaine, ce qui répond directement à la question du coût de téléopération et d'assistance à distance pour les intégrateurs et les exploitants. Le résultat le plus parlant est l'écart sur MolmoSpaces (64,9 % contre 38,0 %), plus marqué que sur LIBERO-Pro. Des réserves s'imposent toutefois : l'évaluation réelle repose sur peu de postes et de tâches, la baisse de l'intervention à 0 % ne concerne qu'une seule tâche, et rien n'est dit sur les temps de cycle, les coûts de reconstruction du jumeau numérique ou la généralisation à des scènes très différentes. Il s'agit d'un travail de recherche, sans produit livré ni déploiement industriel. Le travail s'inscrit dans la convergence entre agents LLM de planification, jumeaux numériques pour la génération de données et apprentissage par correction de type DAgger, une voie explorée pour limiter la dépendance à la collecte massive de démonstrations. Il se positionne face aux approches de fine-tuning de VLA et de simulation à grande échelle que poursuivent des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T) ou Figure (Helix), qui misent surtout sur davantage de données plutôt que sur une récupération explicite des échecs. LIBERO-Pro et MolmoSpaces servent ici de bancs d'essai standardisés. La suite logique serait de valider l'approche sur davantage de tâches, de postes et de durées d'exploitation, et de mesurer ses gains en conditions de production, ce que la page projet de l'équipe, liuisabella.com/Recova, ne détaille pas à ce stade.

RecherchePaper
1 source
TEAR : routage d'autorité par preuves de tâche pour la manipulation robotique
Illustration générée par IA
3arXiv cs.RO 

TEAR : routage d'autorité par preuves de tâche pour la manipulation robotique

Des chercheurs proposent TEAR (Task-Evidence Authority Routing), un cadre logiciel déployable en périphérie (edge) qui décide, directement sur le robot, de la source de contrôle à qui confier la manipulation: téléopération humaine ou autonomie locale. L'arbitrage repose sur deux types d'indices. Les premiers portent sur l'état du réseau, qui conditionne la fiabilité de la téléopération. Les seconds portent sur la sémantique de la tâche, c'est-à-dire la cohérence de l'exécution autonome avec ce qui est demandé. Un arbitre temporel léger reçoit ces deux flux, l'état du robot et l'autorité en cours, puis déclenche les transferts de contrôle. Testé en simulation et en conditions réelles avec un réseau dynamique, TEAR atteint des taux de réussite proches de la téléopération pure, tout en limitant l'intervention humaine à 19,8-27,4 % des pas de contrôle. Il améliore le taux de succès de 30 à 40 % par rapport à l'autonomie seule, dans les configurations testées. L'étude, publiée sur arXiv (v1), ne précise pas dans son résumé les plateformes robotiques ni les tâches utilisées. L'intérêt tient à une question que les déploiements terrain rencontrent déjà: le choix n'est pas binaire entre « tout autonome » et « tout téléopéré ». La téléopération gère bien les contacts complexes et les situations ambiguës, mais elle dépend d'une liaison stable. L'autonomie locale fonctionne sans lien continu, mais décroche face à l'ambiguïté sémantique, à la dérive sur les longs horizons ou aux imprévus. Traiter cette complémentarité comme un problème de routage d'autorité, exécuté côté robot, évite de dépendre d'un opérateur qui surveille en permanence. Pour un intégrateur ou un exploitant, le chiffre clé est le ratio: environ un quart des pas seulement sous contrôle humain peut rendre un opérateur capable de superviser plusieurs machines, à condition que ces résultats tiennent hors laboratoire. Une réserve s'impose: les gains de 30 à 40 % sont mesurés face à une autonomie seule dont la force n'est pas détaillée, et les conditions d'essai restent « dans nos réglages ». Ce travail s'inscrit dans la montée des politiques de type VLA (vision-langage-action) et des modèles généralistes, dont la fiabilité reste insuffisante pour une autonomie totale, ce qui pousse les acteurs vers des schémas hybrides où l'humain intervient en exception, plutôt que vers un remplacement complet. Plusieurs entreprises de robotique humanoïde et de logistique pratiquent déjà une téléopération d'appoint, souvent de façon manuelle et peu documentée. TEAR cherche à formaliser et automatiser ce basculement. Les suites à surveiller sont une validation sur des politiques VLA récentes, des mesures de latence de transfert et de sécurité lors des changements d'autorité, ainsi qu'une évaluation sur des sites réels avec des réseaux dégradés. Aucun pilote industriel ni calendrier de déploiement n'est annoncé à ce stade.

RecherchePaper
1 source
RoboSpan : apprentissage de politiques de coordination modulaires pour la manipulation mobile du corps entier à nombreux DOF par téléopération
Illustration générée par IA
4arXiv cs.RO 

RoboSpan : apprentissage de politiques de coordination modulaires pour la manipulation mobile du corps entier à nombreux DOF par téléopération

RoboSpan, présenté dans l'article arXiv 2610.19594 (version 1), est à la fois une plateforme de téléopération et de collecte de démonstrations pour la manipulation mobile du corps entier, et un cadre d'apprentissage baptisé Hierarchical Modular Framework (HMF). Le robot physique utilisé compte 29 degrés de liberté (DOF). HMF découpe cet espace d'action en trois branches fonctionnelles : manipulation fine de la main, ajustement de la pose du bras et configuration spatiale de la base mobile. Une architecture de type transformeur, le Coordinated Modular Embodied Transformer (COMET), les relie par attention croisée intermodulaire afin que les modules échangent de l'information et coordonnent leurs actions. Un modèle vision-langage (VLM) décompose hiérarchiquement les tâches longues. Une représentation tactile 2D couvrant toute la paume encode les contacts distribués. Les auteurs annoncent, sur robot réel, un taux de réussite supérieur de plus de 20 % à celui de « références courantes » sur plusieurs tâches longues impliquant le corps entier. Ces travaux visent deux verrous que les intégrateurs connaissent bien. Le premier est l'hétérogénéité des mouvements : la locomotion, le bras et la main n'ont ni les mêmes dynamiques ni les mêmes fréquences, et une politique monolithique de type VLA (vision-langage-action) les gère mal à 29 DOF. Le second est l'accumulation d'erreurs sur les séquences multi-étapes, que la décomposition par VLM cherche à contenir. L'intérêt industriel tient à la combinaison de la modularité et du tactile intégré à la téléopération, rarement présent sur les plateformes de collecte de données, alors que les tâches riches en contacts restent le point faible des démonstrations actuelles. Il faut toutefois relativiser. Il s'agit d'un préprint sans relecture par les pairs. Le résumé ne précise ni les baselines, ni le nombre d'essais, ni les tâches, ni les temps de cycle, ni la charge utile. Le « plus de 20 % » ne dit pas si l'écart est relatif ou en points de pourcentage. Aucun déploiement industriel n'est mentionné. Le travail relève de la recherche en laboratoire, loin d'un produit livré. Cette publication s'inscrit dans la course à l'apprentissage par imitation pour humanoïdes et manipulateurs mobiles. Les modèles généralistes comme Pi-0, GR00T ou Helix poursuivent une approche plus monolithique ou en deux systèmes, tandis que RoboSpan défend une coordination explicitement modulaire. La suite logique serait la publication du code et des jeux de données, des comparaisons directes avec ces modèles sur des benchmarks communs, et des essais hors laboratoire. Rien de tel n'est annoncé à ce stade, et aucun acteur français ou européen n'est cité.

RecherchePaper
1 source