RecherchearXiv cs.RO 9 juillet 2026

ELEANOR, le bras architecturé souple inspiré de la trompe d'éléphant, continu et à grande échelle

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié sur arXiv, le 7 juillet 2026 (arXiv:2607.07622), une nouvelle conception de bras robotique souple baptisée ELEANOR, inspirée de la trompe de l'éléphant d'Afrique (Loxodonta africana). Contrairement aux robots continus précédents, construits de façon modulaire et à échelle réduite, l'équipe a privilégié la continuité structurelle pour reproduire les propriétés dynamiques macroscopiques de l'organe biologique plutôt que de viser des comportements prédéfinis. Le prototype, imprimé en 3D, mesure 85 cm de long, est effilé, souple et construit selon une architecture tessellée en volume. L'actionnement repose sur des tendons imitant les muscles longitudinaux et obliques de la trompe naturelle. Les chercheurs démontrent des capacités de préhension dite corps entier, c'est à dire une saisie d'objets mobilisant l'ensemble du bras plutôt que sa seule extrémité, sur des objets de formes et de dimensions variées, et comparent le comportement du système à celui de l'organe biologique.

Cette approche s'attaque à un défi non résolu de la robotique souple: reproduire la dextérité de la trompe d'éléphant, manipulateur biologique jugé encore inégalé en robotique, malgré des années de recherche en continuum robotics. En misant sur la continuité structurelle plutôt que sur l'assemblage de modules, ELEANOR teste une hypothèse différente des travaux antérieurs, à savoir que les propriétés dynamiques globales du bras, plus que le contrôle fin de segments indépendants, sont ce qui permet des mouvements et une préhension proches de ceux de l'éléphant. Pour l'industrie, cela ouvre une piste de conception pour des bras souples capables de manipuler des objets encombrants ou de forme irrégulière sans préhenseur dédié, utile en logistique, en agriculture ou en intervention en milieu contraint, là où bras rigides et pinces classiques peinent. Le travail reste un démonstrateur académique: aucune donnée de charge utile ni de temps de cycle n'est communiquée, ce qui limite toute comparaison directe avec des bras industriels commerciaux.

Le projet s'inscrit dans une lignée de recherche bio-inspirée active depuis plus d'une décennie, dominée jusqu'ici par des robots à continuum modulaires empilant plusieurs segments actionnés indépendamment. ELEANOR s'en démarque en visant un système unique et continu, pari qui, selon les auteurs, rapproche davantage le comportement du bras de celui de l'organe biologique réel. L'article relève de la recherche fondamentale en robotique souple plutôt que d'un produit commercial: aucun partenaire industriel ni calendrier de transfert technologique n'est mentionné. Les auteurs annoncent vouloir approfondir la comparaison entre leur système et la trompe biologique, tant sur le plan de la biologie que de la robotique, ce qui suggère des travaux de caractérisation supplémentaires plutôt qu'une application industrielle immédiate.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Robotique semi-corporelle : liaison sémantique-actionnement d'un mouvement de trompe souple inspiré de l'éléphant via flow matching léger

Voici l'article en français, sans titres ni traduction mentionnée: Des chercheurs proposent un système permettant à un robot doté d'une trompe souple inspirée de celle des éléphants de traduire des réponses générées par un grand modèle de langage multimodal en mouvements corporels complets, cohérents avec sa morphologie. Le pipeline convertit d'abord les réponses du modèle en tuples bornés d'intention et d'intensité alignés sur la structure du robot, puis paramétrise les trajectoires d'actionnement par câbles tendons à l'aide de splines de Catmull-Rom compactes, avant qu'un générateur de flux rectifié (rectified-flow) échantillonne des mouvements corporels faisables. Les résultats montrent un bond de la justesse de l'ancrage sémantique, de 25,0% avec une base de référence en régression dense brute à 77,2% avec le nouveau cadre. Face à une base de référence par diffusion débruitante, la méthode améliore encore la justesse de 71,9% à 77,2%, tout en réduisant le temps d'inférence de 7,86 ms à 4,87 ms et en conservant la diversité des mouvements générés. Une étude d'interaction physique menée auprès de 100 participants montre par ailleurs que l'ajout de ce canal de mouvement de trompe fait grimper le taux de satisfaction globale positive de 46% à 82% par rapport à une interaction purement audiovisuelle. Ce travail s'attaque à un problème central pour l'interaction homme-robot en contact rapproché: comment faire correspondre un langage naturel ouvert à un actionnement physique riche, sans se limiter au seul contrôle de l'effecteur terminal ni tomber dans la complexité ingérable d'un contrôle corporel complet à haute dimension. Pour les concepteurs de robots à manipulateurs continus (trompes, tentacules, bras souples), la démonstration qu'un modèle génératif léger de type flow matching peut produire des mouvements à la fois rapides à calculer, physiquement faisables et perçus positivement par des humains constitue un argument fort en faveur de cette approche face aux méthodes par diffusion, plus lourdes en temps d'inférence. L'amélioration marquée de la satisfaction utilisateur suggère aussi que le canal moteur expressif compte autant que la qualité du contenu conversationnel dans l'acceptabilité perçue d'un robot social. Publié sur arXiv (arXiv:2607.11018v1), ce travail s'inscrit dans la lignée des recherches sur l'ancrage sémantique-vers-actionnement (semantic-to-actuation grounding) pour les manipulateurs continus, un champ où les approches par régression dense et par diffusion débruitante servaient jusqu'ici de références. Les auteurs positionnent explicitement leur méthode comme une alternative plus légère à la diffusion, un choix qui fait écho aux efforts plus larges du secteur robotique pour réduire la latence des modèles génératifs embarqués sur du matériel contraint. L'étude reste à ce stade un prototype de recherche validé en laboratoire; aucune indication n'est donnée sur un déploiement commercial ou une intégration dans une plateforme robotique existante.

RecherchePaper

1 source

2Interesting Engineering

Des scientifiques de Harvard conçoivent des filaments imprimés en 3D inspirés des éléphants pour la robotique souple

Des chercheurs de la Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) et du Wyss Institute ont mis au point une méthode d'impression 3D permettant de fabriquer des muscles artificiels programmables directement à la conception. La technique, développée dans le laboratoire du Pr Jennifer Lewis, s'appuie sur une buse rotative extrudant simultanément deux matériaux distincts : un élastomère à cristaux liquides (LCE) dit "actif", qui se contracte physiquement sous l'effet de la chaleur, et un élastomère souple "passif" qui reste inerte. Cette extrusion en rotation génère une structure interne hélicoïdale dont le pas et l'angle déterminent à l'avance le comportement mécanique du filament une fois activé. Quand la température monte, la traction du LCE contre la résistance du matériau passif force le brin à se plier, se tordre ou s'enrouler selon la géométrie encodée à l'impression, sans assemblage ni post-traitement mécanique. Des prototypes fonctionnels ont été réalisés, notamment des filtres actifs thermos-sensibles et des pinces multi-objets capables d'attraper ou de relâcher des particules selon la position de l'élastomère actif dans la section. La miniaturisation est déjà engagée : des buses spéciales et des encres dédiées permettent de produire des filaments de 100 microns de diamètre. Les résultats sont publiés dans les Proceedings of the National Academy of Sciences. L'intérêt industriel de cette approche réside dans la programmabilité à la source : la trajectoire mécanique du filament est définie pendant l'impression, ce qui élimine les étapes d'assemblage multicouches typiques des actionneurs souples classiques. Pour les intégrateurs en robotique douce, cela signifie une réduction potentielle des cycles de fabrication et une montée en complexité fonctionnelle sans multiplication des composants. La capacité à passer d'un filament simple à un réseau architectural - grilles sinusoïdales, treillis expansibles ou contractiles - ouvre la voie à des préhenseurs reconfigurables pour la manipulation d'objets délicats, un segment où les solutions pneumatiques actuelles restent lourdes à déployer. La preuve que la morphologie active peut être encodée dans la microstructure du matériau lui-même, plutôt que pilotée par un système d'actionnement externe, valide une hypothèse centrale de la recherche en soft robotics. Les élastomères à cristaux liquides sont connus depuis plusieurs décennies mais leur intégration dans des process de fabrication reproductibles et scalables restait un verrou. Le laboratoire Lewis à Harvard travaille depuis plusieurs années sur l'impression multi-matériaux fonctionnelle, notamment pour des structures biomédicales et des électroniques souples. Dans le paysage concurrentiel, des équipes comme celles du MIT (CSAIL), de l'ETH Zurich et de start-ups telles qu'Otherlab ou Soft Robotics Inc. développent des actionneurs souples par voies pneumatiques ou câblées. L'approche Harvard se distingue par l'absence totale d'alimentation fluidique ou mécanique externe à l'activation thermique. Les développements annoncés visent à intégrer des canaux en métal liquide pour permettre l'actionnement électrique, et à produire des filaments injectables auto-bloquants pour des applications biomédicales. Aucun calendrier de commercialisation ni partenariat industriel n'a été communiqué à ce stade : il s'agit d'une preuve de concept publiée en amont d'éventuels pilotes.

RecherchePaper

1 source

3arXiv cs.RO

Contrôle en temps réel de la compliance et de la position d'un bras robotique souple hyper-redondant

Des chercheurs ont mis en ligne sur arXiv fin juin 2026 un bras robotique pneumatique à sept segments, six articulations et douze axes revolutes indépendants. Chaque axe est actionné par une paire antagoniste de muscles pneumatiques artificiels, ce qui permet d'ajuster simultanément l'angle articulaire et la raideur locale de cet axe. La colonne vertébrale rigide articulée rend la compliance et la position de l'effecteur suffisamment prévisibles pour être commandées quantitativement en temps réel. Un contrôleur itératif unique, combinant cinématique inverse et compliance inverse dans l'espace tâche, pilote l'ensemble sans découpler les deux objectifs. Le système a été validé sur le bras physique et sur un jumeau numérique correspondant, puis le cadre de contrôle a été étudié par simulation pour d'autres morphologies de bras. Le résultat illustre un changement de méthode rarement appliqué à l'échelle d'un bras complet : concevoir la structure mécanique autour du problème de contrôle, et non l'inverse. Les robots souples absorbent bien les contacts imprévus mais résistent mal à un pilotage précis de position ; les robots rigides suivent des trajectoires exactes mais bloquent dès qu'un désalignement est masqué. Ce bras combine les deux propriétés, et les tâches de démonstration choisies -- écriture sur un tableau blanc mobile, insertion d'une clé dans une serrure et ouverture d'un tiroir avec désalignement volontairement caché -- sont précisément celles qui échouaient jusqu'ici avec l'un ou l'autre type d'architecture. Le fait que ces scénarios fonctionnent avec un contrôleur relativement direct suggère que la valeur vient du design mécanique plutôt que de la sophistication algorithmique. Les muscles pneumatiques artificiels sont une technologie mature remontant aux années 1980, mais leur usage antagoniste pour le contrôle actif de raideur reste largement confiné aux laboratoires de recherche. La robotique souple a produit une littérature académique dense depuis une décennie, avec des groupes actifs à Harvard, ETH Zurich, Delft ou l'INRIA côté français, sans que la commercialisation ne suive au même rythme. Cette publication est un preprint non encore évalué par des pairs, non associé à une entreprise identifiable, ce qui laisse entière la question de l'industrialisation. Le document ne précise pas le payload nominal ni la vitesse de déplacement du bras, deux paramètres critiques pour tout intégrateur industriel. Les prochaines étapes naturelles incluent une soumission à revue à comité de lecture, des tests en charge réelle et une intégration sur plateforme mobile.

RecherchePaper

1 source

4arXiv cs.RO

Une architecture neuronale à impulsions pour coordonner le contrôle du bras et la locomotion

Des chercheurs ont publié sur arXiv (2606.11034, juin 2026) une architecture SNN (Spiking Neural Network) capable de coordonner en temps réel le contrôle des bras et la locomotion bipède d'un humanoïde simulé, une combinaison absente des travaux précédents dans ce paradigme. Le système s'appuie sur le Neural Engineering Framework (NEF) et la Semantic Pointer Architecture (SPA), avec un modèle de ganglions de la base à impulsions biologiquement inspiré pour arbitrer la sélection entre marche et manipulation. La co-simulation Nengo (contrôle neural) et Isaac Sim de NVIDIA (physique) a permis de valider quatre tâches : atteinte de cible en espace 3D, dessin continu de chiffres, locomotion en suivi de trajectoire, et commutation dynamique entre marche et contrôle du bras via désinhibition des ganglions de la base. Le principal argument de l'approche est son potentiel d'efficacité énergétique sur matériel neuromorphique (Intel Loihi, SpiNNaker), là où les humanoïdes commerciaux actuels comme Figure 03, Optimus ou Unitree G1 exigent des GPU embarqués énergivores. Cette publication revendique la première intégration unifiée locomotion-manipulation sur plateforme humanoïde pleine échelle dans le paradigme SNN, les rares précédents traitant les deux sous-systèmes en modules entièrement isolés. La limite centrale à signaler est que l'ensemble des résultats est issu de simulation pure, le gap sim-to-real n'étant pas adressé dans cette étude. Les SNNs s'imposent depuis quelques années comme alternative crédible aux réseaux denses pour les systèmes embarqués à contrainte énergétique forte. Le framework Nengo, développé par Applied Brain Research, est l'outil de référence de cet écosystème. Face à cette approche, les acteurs majeurs de la course humanoïde, Figure AI, 1X Technologies, Boston Dynamics et Physical Intelligence (auteurs de Pi-0), misent sur des VLA (Vision-Language-Action models) et du reinforcement learning à grande échelle ; l'approche SNN vise un axe orthogonal, davantage frugal et interprétable, mais encore en retrait sur les benchmarks de manipulation en environnement réel. Les auteurs annoncent le déploiement sur matériel neuromorphique basse consommation comme prochaine étape, ce qui constituera le vrai test de l'hypothèse énergétique centrale à ce travail.

RecherchePaper

1 source