RecherchearXiv cs.RO 14 juillet 2026

Coudre un manteau : habillage assisté par robot à deux bras avec simulation différentiable du tissu

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche propose un nouvel algorithme de contrôle pour robots d'assistance à l'habillage, appliqué à une tâche complexe : enfiler un manteau à une personne à l'aide d'un robot à deux bras. Publié sur arXiv (2607.10999v1), le travail s'attaque à un point de blocage connu du secteur : la plupart des algorithmes existants traitent le vêtement comme un assemblage de segments discrets, ce qui les rend incapables de gérer correctement les vêtements partiellement enfilés sous contraintes de contact avec les membres du patient. Les chercheurs introduisent à la place une simulation de tissu différentiable fonctionnant en temps réel, basée sur un schéma itératif explicite intégrant des perturbations d'ordre supérieur pour rester stable même avec de grands pas de temps, tout en restant peu coûteux en calcul. Cette simulation permet de résoudre l'état du vêtement sous contraintes de contact, ce qui alimente une stratégie de contrôle multi-phase pour l'habillage complet du manteau. Pour tenir la cadence en temps réel, les auteurs ajoutent un modèle local contraint avec son propre solveur d'optimisation, qui vient compenser à haute fréquence le contrôleur global basé sur la simulation différentiable. L'approche est validée à la fois en simulation et sur un robot physique.

L'enjeu dépasse le simple exercice académique : la manipulation de tissus déformables reste l'un des problèmes les plus résistants en robotique, bien plus difficile que la préhension d'objets rigides, et l'habillage assisté est un cas d'usage concret pour l'autonomie des personnes en situation de handicap ou dépendantes. En résolvant le problème des vêtements partiellement portés sous contact, plutôt qu'en simplifiant le tissu en segments indépendants, ce travail comble un écart persistant entre les démonstrations en simulation et la réalité physique du contact peau-tissu, un des points faibles classiques des approches purement data-driven.

Ce résultat s'inscrit dans une lignée de recherches sur la simulation physique différentiable appliquée à la robotique, un axe qui gagne du terrain face aux approches par apprentissage pur, précisément parce qu'il permet de modéliser explicitement la physique du contact. L'article, classé comme nouvelle soumission, ne précise pas encore de calendrier de transfert vers un produit ou un essai clinique ; il s'agit à ce stade d'une preuve de concept destinée à la communauté de recherche.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Habillage assisté par robot : une politique de diffusion sensible au mouvement humain

Une équipe de robotique publie sur arXiv (2609.04759v1) l'article "Dressing in Motion", qui présente une politique visuomotrice pour l'habillage assisté de personnes âgées ou à mobilité réduite. À la différence des systèmes antérieurs, qui supposent un bras immobile, la méthode généralise à un porteur en mouvement à partir de démonstrations expertes statiques, grâce à une "diffusion policy" et à une représentation qui modélise la distribution axiale du bras sur des nuages de points partiels pour suivre son déplacement et adapter la trajectoire en temps réel. L'approche a été testée en simulation puis avec neuf participants, trois types de vêtements et six schémas de mouvement du bras, sur un projet resté anonyme en vue d'une évaluation par les pairs. L'habillage assisté figure parmi les tâches les plus difficiles de la robotique de service, mêlant contact continu avec un objet déformable, occlusions du bras par le tissu et, surtout, une variabilité du mouvement humain que les travaux précédents évitaient en figeant la posture du porteur. Montrer qu'une politique entraînée sur de simples démonstrations statiques généralise à un porteur qui bouge apporte un argument concret sur la capacité des politiques d'imitation à s'adapter à des conditions inédites, un enjeu central pour tout déploiement en EHPAD ou en rééducation. Les auteurs rapportent des gains sur la progression de l'habillage, la liberté de mouvement et le confort perçu face à des méthodes de référence, mais un échantillon de neuf personnes reste trop restreint pour trancher avant un usage clinique. Ce travail prolonge une recherche déjà ancienne sur la manipulation d'objets déformables et l'assistance à l'habillage, longtemps freinée par la difficulté à percevoir un bras occlus par un vêtement en cours d'enfilage. Il reprend le cadre des "diffusion policies", popularisé depuis 2023 dans l'apprentissage par imitation en robotique et repris dans des modèles de contrôle généralistes de type VLA, en l'adaptant à la géométrie propre à l'interaction vêtement-humain. Le format "letter" et la soumission anonyme indiquent un dépôt en vue d'une revue ou conférence à comité de lecture, probablement IEEE Robotics and Automation Letters. Il s'agit à ce stade d'un préprint sans partenaire industriel ni calendrier de déploiement, la suite logique étant une validation sur un panel plus large et davantage de types de vêtements.

RecherchePaper

1 source

2arXiv cs.RO

Dynamique différentiable et simulation rapide d'un poisson robotique élastique continu

Des chercheurs publient sur arXiv (article 2509.16145, version 3, remplaçant une version antérieure) un nouveau modèle de dynamique différentiable couplé à un cadre de simulation rapide pour poissons robotiques à corps élastique actionnés par moteur. La formulation, fondée sur le principe de Hamilton, représente le robot comme un corps élastique continûment déformable et couple sa dynamique structurelle aux forces hydrodynamiques sans imposer au préalable la cinématique du corps, c'est-à-dire sans prescrire la façon dont il doit onduler. Le simulateur obtenu est différentiable par rapport aux paramètres du modèle et de conception, ce qui permet une optimisation par descente de gradient. Les auteurs valident leur cadre par des études de convergence numérique ainsi que par des expériences menées sur un poisson robotique physique, puis démontrent son utilité en optimisant par gradient la distribution de raideur le long du corps pour améliorer l'efficacité de nage. Cette avancée cible un verrou concret de la robotique bio-inspirée sous-marine : les approches existantes imposaient soit une cinématique corporelle fixe, soit approximaient le corps par des segments rigides ou compliants discrets, soit reposaient sur des simulations d'interaction fluide-structure trop coûteuses pour être intégrées dans une boucle d'optimisation de conception. En rendant la simulation différentiable et rapide, ce travail permet de co-concevoir la répartition de raideur et le contrôle moteur sans recourir à des campagnes d'essais physiques répétées, un enjeu direct pour les concepteurs de robots souples et de véhicules sous-marins autonomes bio-inspirés. La flexibilité du corps est identifiée depuis longtemps comme un facteur clé de la propulsion des poissons : la répartition spatiale de la raideur détermine la déformation, les charges hydrodynamiques et la performance propulsive. Les méthodes antérieures peinaient à capturer simultanément cette élasticité continue, le couplage fluide-structure et le mouvement auto-propulsé résultant, sans exploser en coût de calcul. Ce travail s'inscrit dans le courant plus large de la robotique molle différentiable, où la simulation rapide et dérivable devient un outil standard pour l'optimisation automatisée de conception, à l'image des approches sim-to-real développées pour d'autres classes de robots.

RecherchePaper

1 source

3arXiv cs.RO

Assemblage robotique à la demande par réparation géométrique différentiable de pièces

Des chercheurs décrivent un pipeline autonome de bout en bout, de la conception numérique à la construction physique d'assemblages en bois sur mesure. Un agent d'IA générative convertit une requête en langage naturel en une géométrie 3D initiale, en arbitrant entre fidélité visuelle et quelques contraintes physiques. Une étape de réparation par descente de gradient ajuste ensuite les composants: elle rétropropage à travers un réseau d'attention sur graphe (graph attention network) qui sert de modèle de substitution différentiable de l'assemblabilité. Elle corrige les pièces disjointes ou qui se chevauchent, et intègre des corrections propres au matériel, ici la géométrie des pièces pour permettre le vissage robotisé. Sur 60 requêtes inédites, 86,7 % des conceptions deviennent vissables par robot, soit un facteur dix par rapport aux travaux antérieurs. Dix structures ont été assemblées physiquement avec deux bras UR5e. L'enjeu est le passage du modèle numérique à l'assemblage robotisé, qui exige aujourd'hui, selon les auteurs, des mois de réglage manuel par des experts pour réconcilier la géométrie des pièces avec les contraintes du robot. Intégrer ces contraintes dans la boucle d'optimisation, plutôt que de les traiter après coup, ouvre la voie à une production à la demande de biens personnalisés en petite série, là où l'automatisation classique n'est pas rentable. Pour les intégrateurs, l'intérêt tient à la réduction du travail d'ingénierie par pièce, qui freine les séries courtes. Il faut toutefois relativiser: 86,7 % porte sur la faisabilité du vissage dans une évaluation de conception, tandis que la preuve physique ne couvre que 10 structures sur 60, soit environ un sixième. L'article ne chiffre pas, dans ce résumé, les temps de cycle, les taux de réussite à l'assemblage réel ni les coûts. La complexité des pièces et la diversité des matériaux restent à démontrer. Ce travail, publié sur arXiv (2610.09777, v1), s'inscrit dans la convergence entre génération 3D par IA et fabrication robotisée. Les modèles génératifs produisent des formes visuellement plausibles mais rarement fabricables, et la littérature sur l'assemblage robotisé suppose généralement une conception déjà adaptée. Le recours à un substitut neuronal différentiable pour faire passer des contraintes de fabrication dans l'optimisation répond à ce décalage. Le choix de deux UR5e, bras collaboratifs répandus en laboratoire et en atelier, rend la configuration reproductible. Les prochaines étapes probables sont des assemblages plus complexes, des matériaux et fixations variés, une évaluation sur des cellules de production réelles et une mesure des temps et des coûts face à la fabrication manuelle. Il s'agit d'une preuve de concept académique, sans déploiement industriel annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Apprentissage de la traversée agile d'ouvertures par vision : simulation différentiable avec critique pré-entraîné

Un article publié fin septembre 2026 sur arXiv (2609.30696) décrit un cadre d'apprentissage par renforcement en deux étapes pour des drones quadrirotors traversant des ouvertures étroites à partir de simples caméras embarquées. La méthode combine des gradients de politique quasi analytiques (QPG), calculés par simulation différentiable, et un démarrage à chaud du critique, plutôt que le clonage comportemental ou la rétropropagation complète dans le temps. En première phase, un acteur et un critique sont entraînés avec la géométrie de l'ouverture, sans réinitialiser le drone le long de trajectoires de référence. En seconde phase, une politique visuelle apprend à partir de masques binaires générés par deux caméras égocentriques, avec un critique hérité de la première phase. Des essais réels montrent une traversée robuste et une généralisation à des formes d'ouvertures inédites. Pour le secteur des drones autonomes, l'intérêt tient à l'efficacité d'entraînement revendiquée plutôt qu'à la démonstration : en évitant de rétropropager le gradient à travers le rendu visuel, le QPG réduirait le coût mémoire et de calcul tout en améliorant l'efficacité d'échantillonnage, comparé au BPTT complet ou à un critique initialisé à froid. Les auteurs indiquent que l'acteur expert n'a pas besoin d'être réentraîné quand les paramètres du système changent, ce qui faciliterait le transfert d'une politique visuelle entre plateformes de drones, contrairement aux méthodes concurrentes fondées sur la supervision par action. Cela répond à une limite connue du vol autonome basé vision : le fossé entre performance simulée et robustesse réelle face à des obstacles inédits. Ce travail s'inscrit dans la lignée des recherches récentes combinant simulation différentiable et apprentissage par renforcement pour le contrôle de drones, un domaine où la rétropropagation à travers un moteur de rendu visuel reste un goulot d'étranglement de calcul majeur. Les auteurs positionnent leur cadre face aux méthodes existantes de traversée de gaps fondées sur la supervision par action, jugées moins généralisables d'une plateforme à une autre. Ils présentent leur approche en deux étapes comme générique, transposable à d'autres tâches d'apprentissage visuomoteur en robotique, sans annoncer de calendrier de déploiement industriel ni de partenariat commercial : il s'agit d'une contribution de recherche académique et non d'un produit ou pilote commercial.

RecherchePaper

1 source