RecherchearXiv cs.RO 16 juillet 2026

Anatomy de l'incertitude : descripteurs expressifs du mouvement des bras robotiques pour la communication non verbale en collaboration homme-robot

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche propose, dans un article publié sur arXiv (2607.13696) mi-juillet 2026, un cadre mathématique permettant aux bras manipulateurs robotiques d'exprimer, via leur seule gestuelle, l'incertitude liée à une perception incomplète ou ambiguë de leur environnement. Le système s'appuie sur la Laban Movement Analysis, une méthode d'analyse du mouvement issue de la danse, pour organiser le comportement du robot dans un espace d'états baptisé Commitment-Vigilance. Cinq états psychologiques, confiance, curiosité, hésitation, peur et inactivité, y sont associés à des signatures de mouvement spécifiques (les "Laban Efforts"), traduites en cinq primitives motrices : approche, pause, retrait, exploration et oscillation. Chacune est paramétrée par onze descripteurs cinématiques et géométriques précis, incluant l'accélération, les caractéristiques de pause et de retrait, les angles de regard, l'inclinaison et l'amplitude de tremblement. Une étude utilisateur basée sur des vidéos a testé quatre trajectoires expressives auprès de participants humains, qui ont su identifier de façon fiable les états comportementaux visés, tandis que plusieurs descripteurs modulaient significativement l'intensité perçue. Le code, les vidéos, le questionnaire et les annexes sont disponibles publiquement sur bit.ly/github-aou.

Pour la collaboration homme-robot, ce travail comble un manque concret : la plupart des bras manipulateurs industriels communiquent leurs intentions mais restent muets sur leur propre incertitude, ce qui peut générer des interactions perçues comme imprévisibles ou dangereuses en environnement partagé. Plutôt que d'ajouter des écrans, des voyants lumineux ou une synthèse vocale, coûteux en intégration et parfois peu adaptés à un atelier bruyant, l'approche mise sur le mouvement lui-même comme canal de communication non verbal, exploitable sur du matériel existant. L'intérêt principal réside dans la validation empirique : les descripteurs ne sont pas de simples hypothèses de design, ils ont été testés sur des sujets humains et montrent un effet mesurable sur la perception d'intensité, ce qui donne une base exploitable pour des intégrateurs cherchant à rendre des cobots plus lisibles sans surcoût matériel.

Le travail s'inscrit dans la lignée de recherches plus anciennes sur la légibilité et l'expressivité du mouvement robotique, un courant qui a notamment nourri des robots sociaux comme Kismet ou les travaux de Disney Research sur l'animation appliquée à la robotique. Il n'implique ici aucun acteur industriel ni produit commercialisé : il s'agit d'un preprint académique fraîchement déposé, sans partenaire ou financement mentionné dans le résumé. Les auteurs indiquent que cette base perceptuelle doit maintenant servir à la génération autonome de trajectoires, via des représentations paramétriques du mouvement, pour des tâches collaboratives en environnement partagé, ce qui suggère une prochaine étape orientée vers l'intégration dans des planificateurs de trajectoire temps réel plutôt qu'une simple démonstration en laboratoire.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Vers une récupération des échecs robotiques supervisée par l'humain : combler les lacunes de communication en collaboration homme-robot

Une équipe de recherche présente LD-HRI (Listener Differences in Human-Robot Interaction), un jeu, un jeu de données et un benchmark publiés sur arXiv (2609.24055v1), pour évaluer les demandes d'aide qu'un robot adresse à un passant quand il échoue sur une tâche. Le constat : les méthodes de génération de requêtes dites "inverse semantics" n'avaient jusqu'ici été testées qu'avec un seul modèle d'auditeur, sans jamais faire varier son niveau réel de connaissance. Le corpus rassemble 446 requêtes écrites par des humains, évaluées sur 1302 essais, plus 24 requêtes générées par des grands modèles de langage (LLM), testées auprès de 70 auditeurs humains sur 560 essais répartis en quatre tâches. Les novices réussissent descriptivement mieux avec les requêtes générées par IA, mais un écart expert-novice subsiste, atteignant 16 points de pourcentage pour les requêtes LLM. Ce résultat nuance l'idée que les LLM auraient déjà résolu la communication homme-robot en cas d'échec : produire une phrase compréhensible ne suffit pas à combler l'écart entre auditeur expert et novice, un enjeu critique pour tout robot de service ou humanoïde déployé hors laboratoire et amené à solliciter des passants sans formation. Pour les intégrateurs qui misent sur des architectures VLA (vision-language-action) pour gérer les échecs en environnement réel, LD-HRI offre un cadre de test reproductible, chiffrant précisément où la communication échoue selon le public visé. La formulation "descriptivement plus élevé" appelle toutefois la prudence : elle suggère un effet observé sans garantie de significativité statistique forte, sur un échantillon de seulement 70 auditeurs. LD-HRI s'inscrit dans la lignée des travaux d'"inverse semantics", qui génèrent des requêtes de robot en simulant comment un auditeur les interpréterait, jusqu'ici validés sur un seul modèle plutôt que sur des humains aux connaissances variées. En mesurant la performance réelle d'auditeurs classés par niveau d'expertise, l'équipe comble un vide méthodologique fréquent en interaction homme-robot, où la démonstration de faisabilité prime souvent sur la mesure d'écart entre utilisateurs. Aucun acteur commercial ni robot physique n'est nommé : il s'agit d'une contribution de recherche, pas d'une annonce produit. Les auteurs présentent LD-HRI comme une fondation destinée à guider la conception de futurs systèmes de communication homme-robot plus robustes, dataset et benchmark à l'appui pour de futures comparaisons entre générateurs de requêtes.

RecherchePaper

1 source

2arXiv cs.RO

Expansion de modèle pilotée par hypothèses sous incertitude pour la planification robotique en monde ouvert

Des chercheurs proposent un nouveau cadre de planification robotique pour environnements ouverts, permettant aux robots de service de générer, vérifier et mettre à jour eux-mêmes des hypothèses sur le monde qui les entoure, plutôt que de dépendre de bases de connaissances préprogrammées. Le système s'appuie sur des modèles de fondation (foundation models) pour formuler des hypothèses initiales sur les états et les transitions possibles de l'environnement, puis utilise un planificateur automatisé classique pour produire des séquences d'actions qui remplissent un double objectif : vérifier ces hypothèses et accomplir la tâche demandée simultanément. Par cycles successifs d'exécution et de correction, le robot intègre le retour de vérification des modèles de fondation lorsqu'une hypothèse se révèle fausse, et enrichit progressivement son modèle du monde. Les auteurs rapportent des expérimentations à la fois en simulation et sur robot réel, sans toutefois préciser de chiffres de performance, de plateforme matérielle ou de nom de laboratoire dans le résumé disponible. L'enjeu dépasse la simple robotique académique : la plupart des robots de service actuels échouent dès qu'ils sortent du cadre fermé pour lequel ils ont été programmés, un scénario courant dès qu'un objet inconnu ou une configuration imprévue de foyer apparaît. En rendant explicite la gestion de l'incertitude, ce type d'approche cherche à combler l'écart entre démonstrations contrôlées en laboratoire et déploiement réel en environnement domestique non structuré, un point faible régulièrement pointé par les intégrateurs. Si l'approche tient ses promesses à plus grande échelle, elle offrirait une voie pour réduire la dépendance aux bases de connaissances codées à la main, un frein connu à l'adoption commerciale des robots de service. Ce travail s'inscrit dans la lignée des recherches combinant modèles de fondation et planification symbolique classique, un axe de plus en plus exploré face aux limites des approches purement apprises (VLA) pour des tâches longues et structurées. Le résumé ne mentionne pas de partenariat industriel ni de calendrier de déploiement commercial ; il s'agit à ce stade d'une contribution de recherche publiée sur arXiv, dont la portée pratique reste à confirmer par des évaluations indépendantes et des essais à plus grande échelle.

RecherchePaper

1 source

3arXiv cs.RO

VAMP-MR : planification et exécution de mouvements accélérée par vecteurs pour bras robotiques multiples

Un nouveau papier arXiv (2607.13478v1) présente VAMP-MR, une suite de planificateurs de mouvement pour bras robotiques multiples destines aux taches industrielles comme la fabrication. Le problème cible est la planification de trajectoires sans collision pour plusieurs manipulateurs opérant dans le même espace, un calcul traditionnellement couteux avec les solveurs bases sur la recherche ou l'échantillonnage. L'équipe combine des algorithmes de planification classiques avec des techniques de vérification de collision vectorisées de dernière génération, exploitant les instructions SIMD des processeurs CPU. Le goulot d'étranglement principal de ce type de planification, le contrôle de collision entre les bras, en bénéficie directement : les auteurs annoncent un gain de vitesse pouvant atteindre deux ordres de grandeur, soit jusqu'a environ 100 fois plus rapide, aussi bien pour la planification de trajectoire que pour le post-traitement de l'exécution sur des taches de manipulation multi-bras. Le code est mis a disposition publiquement sur vamp-mr.github.io/vamp-mr. Cette accélération change la donne pour le déploiement de cellules industrielles a bras multiples, un scenario de plus en plus courant en fabrication ou plusieurs manipulateurs doivent coopérer dans un espace de travail partage sans se percuter. Jusqu'ici, générer des mouvements de qualité, sans collision et exploitables en conditions réelles, demandait un temps de calcul important, ce qui limitait la réactivité des systèmes et compliquait la replanification en cas de changement de scene. Un planificateur quasi temps réel ouvre la voie a des cellules multi-bras plus flexibles, capables de s'adapter dynamiquement plutôt que de suivre des trajectoires figées calculées hors ligne. Pour les intégrateurs et les équipes de R&D en robotique, la libération du code source abaisse significativement la barrière d'entrée pour expérimenter avec la planification multi-bras, un domaine jusqu'ici réserve a des équipes disposant de solveurs propriétaires ou de ressources de calcul importantes. Le problème de la planification multi-bras s'inscrit dans la lignée des travaux sur les planificateurs bases sur la recherche (comme les variantes de RRT ou de PRM) et sur l'échantillonnage, qui restent les approches dominantes mais souffrent d'un cout de calcul croissant avec le nombre de bras et la complexité de l'environnement. VAMP-MR ne cherche pas a remplacer ces algorithmes classiques mais a en accélérer radicalement le maillon le plus couteux, la vérification de collision, en s'appuyant sur le parallélisme vectoriel déjà présent dans les CPU modernes plutôt que sur du matériel spécialisé type GPU. Cette approche logicielle, portable sur du matériel standard, distingue le projet des solutions nécessitant une infrastructure de calcul dédiée. La publication du code s'accompagne d'une invitation explicite de l'équipe a la communauté de recherche pour étendre et tester ces planificateurs sur d'autres problèmes de manipulation multi-robot, sans qu'un calendrier de déploiement industriel ou de pilotes concrets ne soit pour l'instant annonce.

RecherchePaper

1 source

4arXiv cs.RO

Conscience contextuelle robotique pour la collaboration humain-robot et la compréhension de l'environnement

Une thèse de doctorat publiée sur arXiv (référence 2607.10372v1) s'attaque à un problème central pour les robots mobiles autonomes appelés à quitter les usines cloisonnées pour des environnements partagés avec des humains, comme la logistique, la santé ou les lignes de production mixtes. Les travaux se structurent autour de deux axes complémentaires. Le premier porte sur la ré-identification et le suivi d'une personne spécifique par un robot mobile, permettant à la machine de cibler sa collaboration sur un opérateur donné tout en ignorant les autres personnes présentes dans la scène, un prérequis pour des tâches de collaboration homme-robot ciblées plutôt que génériques. Le second axe vise à enrichir la perception géométrique et sémantique de l'environnement par le robot, combinant compréhension spatiale (utile à la planification de trajectoire et à l'évitement de collision) et compréhension sémantique des objets et acteurs présents, pour des interactions plus adaptées au contexte. L'enjeu dépassé ici est celui, bien identifié dans la littérature robotique, du fossé entre perception basique et véritable conscience contextuelle: un robot peut cartographier une pièce sans comprendre qui s'y trouve ni pourquoi, ce qui limite sa capacité à adapter son comportement en temps réel. Pour les intégrateurs industriels, ce type de brique logicielle conditionne directement la sécurité et la fluidité des déploiements en environnement humain dense, notamment en logistique et en santé où la coexistence homme-machine est quotidienne. Il s'agit toutefois de travaux de recherche académique et non d'un produit ou d'un système commercialisé; aucun chiffre de performance (précision de ré-identification, latence, taux de succès) n'est donné dans le résumé, ce qui invite à la prudence avant toute extrapolation vers un cas d'usage industriel concret. Cette thèse s'inscrit dans un courant de recherche plus large sur la perception sémantique embarquée, alimenté par les progrès récents des modèles de vision et de langage appliqués à la robotique. Elle ne mentionne pas de partenariat industriel ni de plateforme robotique spécifique, et ne fournit pas de calendrier de transfert vers un produit. Les prochaines étapes attendues pour ce type de travaux sont généralement une validation expérimentale plus poussée sur robot réel, puis une éventuelle intégration dans des piles logicielles commerciales de navigation et d'interaction homme-robot.

RecherchePaper

1 source