RecherchearXiv cs.RO 10 août 2026

Détection et estimation de distance des contacts externes transitoires par détection tactile dynamique 6D

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent TECDAR (Transient Extrinsic Contact Detection And Ranging), une méthode de détection et de localisation des contacts transitoires entre un objet saisi par un robot et son environnement, décrite dans un article publie sur arXiv le 10 aout 2026 (arXiv:2608.07075v1, page projet humitlab.github.io/TECDAR/). Le système repose sur des embouts de pince équipes d'un unique capteur tactile dynamique, une centrale inertielle 6D de seulement 2,5 x 3 mm, capable de capturer des deformations sub-milliseconde a 7 kHz d'échantillonnage pour un débit de données limite a 84 Ko/s. En fusionnant ce flux tactile avec la pose du robot via un filtre de Kalman étendu, TECDAR localise un contact extrinsèque avec une précision millimétrique en 180 millisecondes seulement. Les expériences rapportées montrent une précision moyenne d'environ 7 mm, aussi bien pour des contacts linéaires que ponctuels.

Cette rapidité change la donne pour la manipulation fine en robotique. La main humaine localise instinctivement un contact fortuit grâce a sa sensibilité tactile, alors que la plupart des systèmes robotiques manquent de résolution pour capter ce type d'information et corrigent leur trajectoire trop tard, générant des gestes maladroits voire des échecs de tache. En montrant qu'un capteur compact et peu gourmand en bande passante permet de corriger une trajectoire a l'échelle de la milliseconde, les auteurs visent des applications a faible marge d'erreur: assemblage de précision, assistance chirurgicale, exploration autonome dans des environnements domines par le toucher. Il s'agit toutefois d'un résultat de recherche publie en preprint, valide sur des taches de laboratoire contrôlées, et non d'un produit commercialise ou déployé en usine: les intégrateurs devront attendre une validation sur des taches de préhension plus complexes avant d'envisager une adoption.

Le travail s'inscrit dans un effort plus large visant a combler l'écart entre la sensibilité tactile humaine et les capacités perceptives des mains robotiques, un axe explore depuis plusieurs années notamment par des capteurs a base de vision comme GelSight, généralement plus volumineux et plus lents a traiter. En misant sur un capteur inertiel miniature unique plutôt que sur une matrice dense de capteurs, TECDAR vise a réduire a la fois le cout matériel et la charge de calcul nécessaire au traitement en temps réel. L'équipe ne communique pas de calendrier de transfert vers une plateforme robotique commerciale; la publication, classée comme nouvelle soumission sur arXiv, ouvre la voie a des travaux de suivi destines a étendre la méthode a des taches de manipulation plus complexes et a des pinces dotées de plusieurs doigts instrumentes.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Représentations statiques et dynamiques pour l'estimation de l'angle de contact tactile avec des capteurs à événements

Des chercheurs ont publié le 3 juin 2026 un preprint (arXiv:2606.03545) évaluant trois méthodes de représentation des données issues du NeuroTac, un capteur tactile neuromorphique event-based, pour l'estimation de l'angle de contact. Les flux d'événements générés lors du contact physique sont transformés en contours spatiaux selon trois approches : une représentation dynamique capturant l'activité événementielle la plus récente, une représentation statique reconstituant un état de contact persistant, et leur combinaison. Sur tous les scénarios de mouvement testés, les trois pipelines maintiennent une latence de traitement P99 inférieure à 10 ms, quel que soit l'intervalle d'échantillonnage utilisé. La représentation statique surpasse marginalement les deux autres en précision : elle atteint une MAE (erreur absolue moyenne) de 0,160° en roulement continu du capteur sur une surface, et de 0,251° lors de phases d'arrêt aléatoires intercalées dans le mouvement. Elle présente également une variance plus faible face aux variations de vitesse et de profondeur d'indentation. Pour les intégrateurs et les équipes de contrôle robotique, une latence P99 sous 10 ms représente le seuil en dessous duquel le retour tactile peut alimenter des boucles de contrôle temps-réel sans devenir le facteur limitant de la chaîne de commande. La précision de 0,160° en roulement est compatible avec des tâches d'assemblage ou d'insertion nécessitant un contrôle fin de l'orientation de contact. Le résultat le plus contre-intuitif est la performance supérieure de la représentation statique sur la dynamique : les capteurs event-based étant précisément réputés pour leur réactivité temporelle, l'hypothèse implicite était que les représentations exploitant cette dimension temporelle seraient les meilleures. Ici, la simplicité de la représentation statique s'avère plus robuste, ce qui réduit la complexité du traitement embarqué nécessaire. Le NeuroTac est issu des travaux du Bristol Robotics Laboratory, dans le groupe de Nathan Lepora, qui a d'abord développé le TacTip, un capteur optique tactile biomimétique, avant d'en produire une variante neuromorphique. Dans l'écosystème des capteurs tactiles de précision, il concurrence des dispositifs comme le DIGIT (Meta AI Research et CMU), le GelSight (MIT) ou les capteurs Xela Robotics. L'article demeure un preprint non soumis à peer review, et les scénarios évalués, fondés sur des mouvements de roulement contrôlés en laboratoire, restent éloignés des conditions d'une manipulation industrielle réelle. La validation sur des tâches multi-doigts ou des mains robotiques complètes comme la Shadow Hand constituerait une prochaine étape naturelle pour évaluer le passage à l'échelle.

RecherchePaper

1 source

2arXiv cs.RO

Estimation dense des forces par capteur tactile optique à événements

Des chercheurs ont présenté sur arXiv (arXiv:2606.09451) le premier framework de reconstruction dense de champ de force 3D à partir d'un capteur tactile optique à événements. L'approche combine deux modules complémentaires : un algorithme de suivi de marqueurs basé sur les événements pour estimer les déplacements de cisaillement (axes X et Y), et un réseau de neurones convolutif entraîné sur un jeu de données synchronisées force-déplacement-événements pour prédire les déplacements normaux (axe Z). Ces déplacements de surface sont ensuite convertis en forces via la méthode des éléments finis inverse (iFEM). Les performances mesurées atteignent une erreur absolue moyenne de 0,14 N, 0,10 N et 0,93 N sur des plages de force respectives de 4 N, 4 N et 20 N, avec une fréquence de traitement moyenne de 100 Hz. Ce résultat comble une lacune importante dans la perception tactile robotique. Les capteurs tactiles à base de caméra conventionnelle, comme le GelSight du MIT ou le DIGIT de Meta AI, permettent déjà une estimation dense des forces, mais butent sur les limites de framerate des capteurs CMOS, le flou de mouvement lors de contacts dynamiques rapides, et la bande passante nécessaire au transfert d'images. Les capteurs à événements, d'inspiration neuromorphique, contournent ces contraintes avec une résolution temporelle à la microseconde et un encodage asynchrone des variations de luminosité. Jusqu'ici, leur usage en tactile était restreint à la prédiction de forces nettes scalaires, sans distribution spatiale. Le framework présenté ouvre la voie à un retour de force géométriquement dense à haute fréquence, condition nécessaire pour des boucles de contrôle en préhension dextre réactive. La manipulation dextre reste l'un des problèmes ouverts les plus difficiles de la robotique, précisément parce que le toucher humain exploite simultanément la densité spatiale, la sensibilité à la géométrie de contact et la résolution temporelle fine. Le paysage des capteurs tactiles intelligents s'est structuré autour de deux familles : les capteurs visuels élastomère (GelSight, DIGIT, Finger Vision, Tactip) et les capteurs neuromorphiques à événements, encore peu exploités pour la reconstruction de champ. Ce travail constitue une première étape de preuve de concept ; les auteurs ciblent explicitement l'intégration dans des pipelines de contrôle haute fréquence pour la préhension robotique et la manipulation, sans annoncer de plateforme ou de timeline de déploiement précise.

RecherchePaper

1 source

3arXiv cs.RO

Estimation de la pose 6-DOF d'un objet à partir d'un seul contact tactile

Une équipe de recherche publie sur arXiv (réf. 2606.28899) YOTO, pour "You Only Touch Once", un système d'estimation de pose 6-DoF fondé exclusivement sur le toucher. Contrairement aux approches visuelles classiques, YOTO reconstruit la position et l'orientation complète d'un objet à partir d'une seule paire de contacts tactiles simultanés, sans nécessiter d'historique de manipulation. Chaque contact est modélisé comme un nuage de points 3D local, puis localisé sur la surface de l'objet par un réseau coarse-to-fine. Les deux contacts localisés, combinés aux poses calibrées des capteurs, alimentent un solveur SVD en forme fermée, conscient des normales de surface, qui restitue la pose 6-DoF en une seule passe. Le réseau est préentraîné sur des patches tactiles virtuels générés depuis le modèle 3D de l'objet, puis affiné avec un petit nombre de contacts réels, réduisant significativement les besoins en données terrain. Les expériences portent sur quatre objets aux géométries variées avec des capteurs GelSight, et incluent une évaluation comparative entre reconstructions issues de scans mobiles grand public et modèles CAO de référence. Ce travail s'attaque à un angle mort bien documenté de la manipulation robotique : les méthodes visuelles de pose estimation échouent systématiquement en cas d'occlusion, d'éclairage défavorable, ou face à des surfaces réfléchissantes et transparentes, conditions courantes en environnement industriel réel. L'approche à contact unique sans historique constitue un avantage pratique majeur, car elle élimine les séquences d'exploration multi-contacts et s'intègre dans des boucles de manipulation courtes. YOTO surpasse les baselines visuelles et géométriques testées dans les scénarios où la perception visuelle est dégradée. La compatibilité avec des scans mobiles plutôt que des modèles CAO précis abaisse la barrière d'intégration pour des objets non catalogués, un point non négligeable pour les intégrateurs industriels. L'estimation de pose par capteurs tactiles de type GelSight est un axe de recherche actif depuis les travaux pionniers du MIT et de l'entreprise éponyme GelSight Inc. Les méthodes antérieures nécessitaient généralement plusieurs contacts successifs ou un historique de manipulation pour converger ; YOTO rompt avec cette contrainte. Sur le plan compétitif, les pipelines visuels basés sur des modèles de fondation (MegaPose, FoundPose, benchmarks BOP) restent dominants en conditions nominales, mais leur robustesse aux surfaces dégradées est limitée, c'est précisément là que le toucher devient complémentaire. Le code, les modèles entraînés et le jeu de données GelSight seront publiés à l'acceptation de l'article. À ce stade, il s'agit d'un preprint arXiv sans déploiement annoncé ni partenaire industriel identifié.

RecherchePaper

1 source

4arXiv cs.RO

ContactFusion : cartes de surface de Poisson stochastiques à partir de la détection visuelle et tactile

ContactFusion, décrite dans un article arXiv (2503.16592, version 2) actualisant une publication antérieure, propose une méthode pour améliorer la précision des tâches d'assemblage robotique nécessitant l'insertion de pièces à tolérances serrées. L'approche combine une cartographie visuelle globale, construite à partir de nuages de points, avec des informations de contact locales obtenues par capteur de force/couple au poignet du robot. Les chercheurs introduisent un procédé d'estimation de l'occupation de contact basé sur l'échantillonnage par rejet (rejection sampling), qui localise le point de contact sur l'effecteur terminal à partir des seules mesures de force. Ces données sont ensuite fusionnées dans une carte appelée Stochastic Poisson Surface Map (SPSMap), mise à jour via l'algorithme de reconstruction de surface stochastique de Poisson (SPSR). La méthode a d'abord été validée en simulation, confirmant la capacité du capteur d'occupation de contact à localiser correctement les points de contact, puis testée sur une tâche classique de peg-in-hole, où elle améliore l'estimation de la pose du trou par rapport à une approche purement visuelle. L'enjeu dépasse la démonstration académique isolée: dans l'assemblage industriel, le bruit de perception issu de la seule vision reste souvent supérieur aux tolérances mécaniques exigées, ce qui fait échouer les insertions automatisées. En montrant qu'une fusion vision-contact réduit concrètement cette incertitude, ContactFusion s'attaque directement à un goulot d'étranglement connu des intégrateurs en assemblage de précision, secteur où la robotique manipulatrice peine encore à rivaliser avec la dextérité humaine sur les opérations fines. Ce travail s'inscrit dans une lignée de recherche plus large sur la fusion multimodale tactile-visuelle en robotique, domaine où plusieurs laboratoires explorent des capteurs tactiles (type GelSight) ou des méthodes bayésiennes de fusion de capteurs pour combler les limites de la perception purement visuelle. La publication d'une deuxième version sur arXiv suggère un article retravaillé, probablement en vue d'une conférence ou revue en robotique, avec pour prochaine étape logique un déploiement sur des tâches d'assemblage plus complexes ou multi-pièces.

RecherchePaper

1 source