Aller au contenu principal
L'électronique cutanée dote robots et prothèses d'un « toucher humain
RechercheRobotics & Automation News 

L'électronique cutanée dote robots et prothèses d'un « toucher humain

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Sur le campus ERICA de l'Université Hanyang, en Corée du Sud, une équipe de chercheurs a développé un nouveau type de peau électronique destinée à équiper robots et prothèses d'un sens du toucher proche de celui de l'humain. Le dispositif repose sur une architecture de transistor à double grille, empilée verticalement, conçue pour dépasser les limites des composants tribotroniques classiques, ces capteurs qui convertissent un stimulus mécanique comme un contact en signal électrique. Jusqu'ici, ces dispositifs souffraient d'une sensibilité fixe et se heurtaient à des difficultés d'intégration sur de grandes surfaces à haute densité de capteurs. La nouvelle conception verticale vise précisément à résoudre ces deux contraintes simultanément.

Pour l'industrie robotique et les fabricants de prothèses, cette avancée s'attaque à un goulot d'étranglement bien identifié: la capacité à équiper des surfaces étendues, comme une main entière ou un bras robotique, d'un maillage dense de capteurs tactiles fiables et ajustables. Une sensibilité modulable, plutôt que figée, permettrait d'adapter la réponse tactile selon l'usage, préhension délicate d'un objet fragile ou prise plus ferme, un enjeu central pour les intégrateurs qui cherchent à rapprocher la manipulation robotique du niveau de dextérité humain, notamment dans les applications de préhension fine et de retour haptique pour les prothèses.

Ce travail s'inscrit dans un effort de recherche plus large sur les technologies tactiles électroniques, un domaine où plusieurs laboratoires explorent des architectures de transistors et de matériaux pour améliorer la densité et la fiabilité des capteurs de peau artificielle. L'annonce reste à ce stade au niveau de la recherche académique, publiée dans une étude, sans indication de partenariat industriel, de calendrier de commercialisation ni de déploiement sur un produit robotique ou prothétique existant.

Dans nos dossiers

À lire aussi

Vidéo : un robot maîtrise l'air hockey et bat des humains sans jamais toucher une vraie table
1Interesting Engineering 

Vidéo : un robot maîtrise l'air hockey et bat des humains sans jamais toucher une vraie table

Une équipe de trois étudiants de l'Université de la Colombie-Britannique (UBC) a développé une table de air hockey contrôlée par intelligence artificielle, capable d'affronter des joueurs humains sans avoir jamais été entraînée sur une vraie table. Le système repose sur un transfert simulation-réel (sim-to-real) : l'agent IA a été entraîné exclusivement dans un jumeau numérique haute-fidélité de la table, via une méthode d'apprentissage par renforcement appelée "soft actor-critic" (SAC), qui remplace les moteurs physiques classiques comme Unity ou Unreal pour accélérer les itérations sur des millions de parties simulées. Une fois le modèle entraîné, il a été transféré directement dans le robot physique, équipé d'une caméra aérienne à 120 images par seconde et d'un palet recouvert de bande rétroréfléchissante pour améliorer le tracking. Résultat : l'IA s'est montrée compétitive face à un adversaire humain dès le premier contact avec la table réelle, sans phase d'adaptation supplémentaire. Ce qui rend ce résultat notable, c'est la gestion explicite du "reality gap", le fossé qui sépare habituellement les performances en simulation de celles dans le monde réel. Le air hockey est un cas particulièrement difficile : le palet se déplace à grande vitesse, ses rebonds sont chaotiques, et le système doit absorber des latences caméra, des fluctuations de tension, des vibrations mécaniques et un tracking imparfait. L'équipe a répondu à ce problème par ce qu'on appelle la "domain randomization" : plutôt que de simuler une table parfaite, ils ont introduit délibérément des imperfections, rails inégaux, rebonds inconsistants, chutes d'alimentation, latence variable, pour forcer l'agent à raisonner en termes de distributions de positions probables plutôt qu'en trajectoires exactes. C'est une approche qui contredit le réflexe habituel de "nettoyer" les simulateurs, et dont les résultats suggèrent que l'imperfection contrôlée peut être un levier d'apprentissage plus robuste que la précision physique maximale. Sur le plan du contexte, ce projet étudiant s'inscrit dans un effort de recherche plus large sur les transferts sim-to-real pour les systèmes autonomes, thème central dans la robotique de manipulation, les drones et les véhicules autonomes. Il ne s'agit pas d'un produit commercialisé ni d'un déploiement industriel, mais d'une preuve de concept académique dont le code est disponible sur GitHub. Les laboratoires travaillant sur des agents de manipulation à grande échelle, comme Physical Intelligence (Pi) avec pi-0 ou des équipes universitaires spécialisées en sim-to-real, explorent des problèmes analogues sur des environnements bien plus complexes. Ce qui distingue ce travail, c'est la clarté méthodologique et la reproductibilité revendiquée : si l'approche tient à plus grande échelle, la domain randomization couplée au SAC pourrait réduire significativement les coûts et délais d'entraînement de robots autonomes dans des environnements industriels non structurés.

RecherchePaper
1 source
Robot en trompe d'éléphant : une caméra interne pour un sens du toucher
2New Atlas Robotics 

Robot en trompe d'éléphant : une caméra interne pour un sens du toucher

Les chercheurs du Japan Advanced Institute of Science and Technology (JAIST) ont développé un nouveau type de pince robotique souple baptisée EleTac, dont la conception s'inspire directement de l'extrémité préhensile de la trompe d'éléphant. Contrairement aux pinces industrielles classiques équipées de capteurs de force externes, EleTac intègre une caméra miniature directement à l'intérieur de sa structure souple en silicone. Cette caméra observe en continu les déformations internes du matériau lorsque celui-ci entre en contact avec un objet, permettant au système de reconstituer, par traitement d'image, la forme, la texture et la fermeté de ce qu'il saisit, un peu comme le fait un vrai appendice d'éléphant grâce à ses terminaisons nerveuses. Le dispositif s'inscrit dans la famille des capteurs tactiles dits "vision-based", une approche déjà popularisée par des systèmes comme GelSight, mais appliquée ici à un actionneur souple et non à un doigt rigide. Pour l'industrie robotique, cette approche confirme une tendance de fond: remplacer des réseaux de capteurs de force coûteux et fragiles par une simple caméra interne couplée à du traitement d'image, ce qui réduit le coût et la complexité de câblage tout en conservant une sensibilité fine au toucher. Pour les intégrateurs travaillant sur la préhension d'objets fragiles, irréguliers ou déformables (fruits, textiles, composants électroniques), un tel gripper biomimétique promet une manipulation plus adaptative que les pinces rigides classiques, sans nécessiter de modèle physique complexe de l'objet saisi. Cette recherche s'inscrit dans une lignée plus large de robotique bio-inspirée, où l'on retrouve aussi des robots capables de s'enrouler comme des tatous pour se protéger. EleTac reste à ce stade un prototype de laboratoire; les prochaines étapes attendues concernent la validation sur des tâches de préhension réelles et une possible intégration à des bras robotiques industriels ou des systèmes AMR.

RecherchePaper
1 source
Effets du toucher robotique sur des personnes âgées guidées à la marche par un robot humanoïde
3arXiv cs.RO 

Effets du toucher robotique sur des personnes âgées guidées à la marche par un robot humanoïde

Une étude publiée sur arXiv (arXiv:2607.09323, 13 juillet 2026) évalue comment des personnes âgées perçoivent le contact physique avec un robot d'assistance à la marche. Vingt-quatre participants âgés de 68 à 88 ans ont parcouru à quatre reprises une trajectoire de dix mètres guidés par le robot humanoïde TIAGo Pro (PAL Robotics), selon quatre modalités de contact : aucun contact physique (NC), prise de poignet main dans main (HH), bras liés comme en accompagnement humain (LA), et appui de l'avant-bras contre l'avant-bras du robot (FC). Les chercheurs ont combiné mesures physiologiques (électrocardiogramme, activité électrodermale), force de contact, distance interpersonnelle au robot et questionnaires subjectifs pour caractériser la réponse des participants à chaque mode d'interaction. Les résultats montrent une légère hausse du stress physiologique lors du contact avec le robot, mais une acceptation globale confirmée par les mesures comportementales et déclaratives. Les deux conditions impliquant les forces d'interaction les plus élevées, HH et FC, sont associées à une distance plus réduite entre le participant et le robot, signe d'une confiance et d'un confort accrus, un résultat corroboré par les questionnaires où sécurité perçue, confiance et confort ressortent plus fortement pour ces deux modalités. Pour l'industrie de la robotique de service et d'assistance gériatrique, ce travail apporte une donnée concrète rare dans un domaine où les démonstrations dépassent souvent la validation clinique : un contact ferme et stable est préféré à l'absence de contact chez les seniors, ce qui oriente directement les choix d'actionneurs, de préhenseurs et de stratégies de contrôle en force pour les robots d'accompagnement. Ce travail s'inscrit dans un contexte de pénurie de personnel soignant qui pousse les établissements gériatriques à envisager l'assistance robotique comme complément, notamment pour la mobilité, domaine où les capacités de navigation déclinent avec l'âge. Le choix du TIAGo Pro, plateforme mobile à bras déjà utilisée dans plusieurs projets de recherche en robotique d'assistance, illustre la maturité relative de cette catégorie de robots pour des essais avec humains fragiles. Les auteurs présentent leurs résultats comme une base de conception pour de futurs systèmes de guidage à la marche, sans toutefois évoquer de déploiement en établissement ni de calendrier de commercialisation.

UEPAL Robotics, entreprise espagnole, fournit la plateforme TIAGo Pro utilisée dans cette étude, illustrant l'expertise européenne en robotique d'assistance gériatrique et orientant les choix de conception (actionneurs, préhenseurs) pour de futurs robots d'accompagnement en UE.

RecherchePaper
1 source
Un chercheur primé entraîne des robots à formuler des hypothèses éclairées
4IEEE Spectrum Robotics 

Un chercheur primé entraîne des robots à formuler des hypothèses éclairées

Yen-Ling Kuo, professeure assistante en informatique à l'Université de Virginie à Charlottesville, a reçu l'année dernière le tout premier prix "Outstanding Women in Robotics and Automation Early Career Contribution Award" de l'IEEE Robotics and Automation Society. Cette distinction, créée dans le cadre du programme WiRA (Women in Robotics and Automation), récompense son article intitulé "Diff-DAgger: Uncertainty Estimation with Diffusion Policy for Robotic Manipulation". La méthode présentée permet à un robot de mieux évaluer et gérer l'incertitude lorsqu'il est confronté à des situations sur lesquelles il n'a pas été entraîné. Concrètement, le système réduit le besoin de supervision humaine tout en améliorant le taux de succès dans les tâches de manipulation. Membre IEEE, Kuo est titulaire d'un bachelor et d'un master en informatique de la National Taiwan University (respectivement 2009 et 2012), avant d'intégrer Google en 2012 comme ingénieure logicielle, puis d'embrasser une carrière académique à l'Université de Virginie. Diff-DAgger s'attaque à l'un des obstacles persistants du déploiement robotique en environnements réels : la capacité d'un robot à reconnaître qu'il se trouve hors de sa zone de compétence. Plutôt qu'échouer silencieusement ou répéter indéfiniment une action erronée, un robot équipé de cette approche peut estimer son propre niveau de confiance et solliciter une intervention humaine ciblée uniquement lorsque nécessaire. Cette architecture réduit la charge de collecte de données d'entraînement et ouvre la voie à l'intégration de modèles plus complexes, notamment les politiques de diffusion (diffusion policy), une famille de modèles génératifs appliquée au contrôle robotique, dans les boucles d'apprentissage interactif. Pour les intégrateurs industriels et les équipes R&D en robotique, l'enjeu est concret : moins de démonstrations humaines requises pour généraliser un comportement, et une robustesse accrue face aux variantes imprévues en production. Le parcours de Kuo illustre la convergence entre sciences cognitives et informatique qui irrigue aujourd'hui la recherche en robotique incarnée. Après ses études à Taipei, elle passe l'été 2011 chez Google à Kirkland (Washington) avant de rejoindre brièvement le MIT Media Lab sur le projet Open Mind Common Sense, un effort pionnier de représentation du sens commun pour les machines. Recrutée à temps plein chez Google en 2012, elle pilote l'initiative Shop the Look, qui connectait contenus de réseaux sociaux et résultats de recherche via vision par ordinateur et traitement du langage naturel, un précurseur direct des expériences shopping actuelles propulsées par l'IA. C'est dans ce contexte qu'elle commence à travailler avec les premiers outils de réseaux de neurones profonds, soulevant des questions sur leur interprétabilité et leur fiabilité qui orienteront sa trajectoire de recherche. Son travail sur l'incertitude en manipulation s'inscrit dans un écosystème académique actif, aux côtés d'équipes comme celles de Chelsea Finn (Stanford) ou Sergey Levine (Berkeley), qui explorent des approches similaires d'apprentissage par imitation robuste face à la distribution shift.

RecherchePaper
1 source