Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Reconfiguration d'un robot à chenilles pour un franchissement d'obstacles amélioré grâce à un point d'articulation mobile et un déplacement de masse interne
RecherchearXiv cs.RO 

Reconfiguration d'un robot à chenilles pour un franchissement d'obstacles amélioré grâce à un point d'articulation mobile et un déplacement de masse interne

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

Des chercheurs présentent TRASER (Tracked Robot with Articulated Spine for Extended Reach), un robot a chenilles reconfigurable dont le point d'articulation et la masse interne peuvent tous deux être déplacés pour améliorer le franchissement d'obstacles. Le système repose sur un mécanisme "tape-spring" qui concentre la flexibilité dans la zone de flexion tout en gardant le reste du corps rigide, ce qui accroit la portée avant du robot et sa capacité a déplacer son centre de masse. Decrits dans un preprint publie sur arXiv (2608.07624v1), les essais montrent un franchissement de marches équivalent a 74% de la longueur du corps, une traversée de plateforme suspendue a 66%, et un franchissement de fosse a 59%, ce que les auteurs présentent comme la meilleure performance de franchissement jamais rapportée pour un robot a chenilles.

Les robots a chenilles sont largement employés en environnements non structures (inspection, déblaiement, intervention post-catastrophe), mais leur conception bute traditionnellement sur un compromis: augmenter la portée avant pour atteindre des obstacles éloignés fragilise la stabilité, et inversement. En rendant reconfigurables a la fois l'articulation et la répartition de masse, TRASER cherche a lever ce compromis par la mécanique plutôt que par le seul contrôle logiciel, une piste utile pour les intégrateurs concevant des plateformes destinées aux terrains accidentes. Ces chiffres restent toutefois issus de tests en laboratoire sur un prototype, et la revendication de "meilleure performance jamais rapportée" n'est pas vérifiée par un tiers ni éprouvée en déploiement réel.

Le compromis portée/stabilité est un problème classique en robotique a chenilles: les "flippers" articules a l'avant améliorent le franchissement mais accroissent le risque de basculement, tandis que déplacer le poids vers l'arrière stabilise la plateforme au prix de la portée utile. TRASER combine ces deux leviers, articulation mobile et masse déplaçable, dans un seul mécanisme structurel plutôt que de les traiter séparément. L'article, publie comme nouvelle soumission arXiv, ne mentionne ni entreprise partenaire ni site de déploiement: il s'agit d'une contribution académique a un stade de prototype, dont l'intégration éventuelle dans des plateformes commerciales d'inspection ou de secours reste, pour l'instant, hypothétique.

Dans nos dossiers

arXiv cs.RO

À lire aussi

DWMP : exploiter deux modèles du monde pour le franchissement d'obstacles par un robot humanoïde
1arXiv cs.RO 

DWMP : exploiter deux modèles du monde pour le franchissement d'obstacles par un robot humanoïde

Un preprint publié sur arXiv (2609.12347v1) présente DWMP (Dual World Model Policy), un système permettant à un robot humanoïde de franchir des champs d'obstacles grâce à deux modèles du monde distincts plutôt qu'une fusion unique des capteurs. Un module fondé sur la théorie de Koopman transforme les signaux proprioceptifs (articulations, capteurs internes) en un espace où leur évolution devient quasi linéaire malgré la dynamique non linéaire du robot. Un second module, de type RSSM, compresse les images de profondeur de la caméra embarquée en états compacts qui conservent la géométrie des obstacles. Une politique fusionne les deux pour générer les commandes. L'approche a été testée en simulation puis sur un Unitree G1 réel, avec obstacles disposés aléatoirement, sans qu'aucun chiffre de performance (taux de réussite, temps de cycle) ne soit donné dans le résumé. Cette séparation vise une limite connue des politiques de locomotion actuelles, qui traitent souvent de façon indifférenciée des flux aux propriétés opposées: la proprioception, bas-dimensionnelle mais très non linéaire, et la vision, haut-dimensionnelle, bruitée et redondante. Pour les chercheurs et intégrateurs en humanoïdes, l'intérêt tient surtout à la démonstration d'un fonctionnement sur matériel physique réel et non en simulation seule, un point sensible tant l'écart simulation-réel freine encore la commercialisation. Il s'agit néanmoins d'un résultat académique limité à une plateforme unique, le Unitree G1, sans partenaire industriel annoncé, et sans acteur français ou européen impliqué. Le travail s'inscrit dans la lignée des "world models" de l'apprentissage par renforcement: l'opérateur de Koopman sert depuis plusieurs années à linéariser la dynamique de robots complexes, tandis que l'architecture RSSM, popularisée par la famille Dreamer, a d'abord servi à l'apprentissage à partir d'images en environnement virtuel avant d'être adaptée ici à une caméra de profondeur embarquée. Le choix du Unitree G1 confirme son rôle de plateforme de référence pour la recherche en locomotion humanoïde, face à des acteurs commerciaux comme Figure, Boston Dynamics ou Agility Robotics qui explorent des approches d'apprentissage comparables. Classé comme nouvelle soumission, l'article ne mentionne ni conférence de publication, ni code ouvert, ni essai hors laboratoire: une contribution méthodologique, pas encore une étape de déploiement industriel.

RecherchePaper
1 source
Recherche de source partielle par balayage-et-déplacement pour robots mobiles
2arXiv cs.RO 

Recherche de source partielle par balayage-et-déplacement pour robots mobiles

Des chercheurs ont publié sur arXiv (référence 2609.23786) une stratégie baptisée partial-scan-and-move pour la recherche de source par robot mobile équipé d'un capteur scalaire déporté, capable de mesurer à distance un champ physique comme une fuite de gaz. Alors que les méthodes classiques imposent une rotation complète de 360 degrés à chaque position avant tout déplacement, les auteurs montrent qu'un scan partiel suffit souvent, grâce à une nouvelle méthode d'estimation du gradient couplée à un ensemble de confiance intégrant le bruit de mesure et les variations locales du champ ; ce mécanisme indique au robot s'il est déjà assez proche de la source pour s'arrêter, ou s'il dispose d'assez d'information pour avancer dans une direction fiable. Sous certaines conditions, chaque décision est prise à l'intérieur d'un scan partiel de durée bornée à l'avance, et le robot atteint le voisinage de la source en un nombre fini de déplacements, avec une probabilité élevée. Pour les intégrateurs de robotique mobile et les concepteurs de systèmes de détection embarquée, raccourcir chaque cycle de scan accélère la localisation d'une source de danger, fuite toxique, contamination ou brouillage électromagnétique, un enjeu concret pour la recherche et sauvetage, la surveillance environnementale ou l'inspection industrielle par AMR. Cela s'attaque au goulot d'étranglement classique des algorithmes de source seeking, où le temps passé à tourner sur place domine souvent le temps de déplacement utile. Le résultat reste toutefois pour l'instant théorique : l'abstract ne mentionne aucun essai sur robot physique ni déploiement de terrain, seulement des garanties mathématiques sous hypothèses, laissant ouvert l'écart habituel entre preuve formelle et performance réelle en environnement bruité. La recherche de source, ou source seeking, est un champ établi du contrôle robotique, appliqué depuis plusieurs années au traçage de panaches chimiques et à la navigation par gradient sans carte préalable ; la stratégie à scan complet en constitue la référence standard, à laquelle ce travail apporte une variante plus économe en temps de mesure. Publié en cross-listing sur arXiv fin septembre 2026, l'article ne cite aucune plateforme robotique commerciale ni partenaire industriel et s'inscrit dans une littérature académique sur l'estimation de gradient bruité et la décision sous incertitude. Aucun essai sur robot réel ni calendrier de validation n'est mentionné à ce stade ; la suite logique pour ce type de résultat théorique passe généralement par une simulation puis un test sur plateforme physique avant tout transfert vers l'industrie.

RecherchePaper
1 source
Le robot-chien coréen apprend un mouvement animal grâce à l'IA pour franchir forêts et escaliers
3Interesting Engineering 

Le robot-chien coréen apprend un mouvement animal grâce à l'IA pour franchir forêts et escaliers

Les chercheurs du Korea Advanced Institute of Science and Technology (KAIST), de l'Universite Korea, de l'Agence de développement de la défense sud-coréenne et de DIDEN Robotics ont présente APT-RL (Action Pretrained Transformer-based Reinforcement Learning), un framework d'IA qui permet a un robot quadrupède de changer automatiquement de mode de locomotion selon le terrain. Teste sur le robot HOUND de KAIST, le système combine des compétences de déplacement preentrainees a partir de plus de 180 000 trajectoires de mouvement optimisées (soit 15,5 heures de simulation générées en seulement huit minutes) avec un apprentissage par renforcement qui décide quand basculer entre marche, bond, escalade ou saut. Le tout fonctionne uniquement avec des capteurs embarques, une camera de profondeur et un LiDAR 2D, sans système de capture de mouvement externe. Lors d'essais en campus universitaire, en foret, sur terrain rocheux, escaliers, troncs et pierres de gué, HOUND a atteint une vitesse instantanée de 4,25 mètres par seconde, et jusqu'a 6 m/s en sautant depuis un escalier de trois marches, des chiffres que les auteurs présentent comme parmi les plus rapides jamais rapportes pour un quadrupède pilote par perception en conditions réelles. Cette démonstration s'inscrit dans un enjeu central de la robotique legged: le fosse entre les gaits appris en simulation et leur robustesse une fois déployés sur terrain non structure. La plupart des robots quadrupèdes commerciaux (Spot de Boston Dynamics, Go2 d'Unitree) reposent encore sur des contrôleurs distincts ou des transitions de gait limitées a des scenarios pré-testes. En démontrant qu'une politique unique embarquée peut généraliser a des obstacles jamais vus, sans reentrainement, sans capture de mouvement extérieure, KAIST apporte un argument concret en faveur de la viabilité des architectures de type "un seul cerveau, plusieurs compétences" pour des missions d'exploration ou de recherche et sauvetage en environnement réel, ou la connectivité et l'infrastructure de tracking sont absentes. Reste que les chiffres de vitesse, notamment la pointe a 6 m/s en descente d'escalier, méritent d'être lus comme des pics instantanés obtenus dans des conditions contrôlées par l'équipe, pas comme une performance opérationnelle soutenue. Le champ de la locomotion quadrupède a bascule ces dernières années vers l'apprentissage par renforcement en simulation massive (une approche popularisée par ETH Zurich et Boston Dynamics avec Spot, puis reprise par Unitree en Chine), avec un gain de robustesse mais une spécialisation encore forte par tache. APT-RL se distingue par sa méthode en trois étapes: preentrainement de briques motrices de base, apprentissage du séquencement de ces briques par renforcement, puis adaptation au déploiement réel via perception seule. Compare a des méthodes hiérarchiques et RL existantes, le framework affiche de meilleurs taux de réussite, des transitions de gait plus fluides et une meilleure efficacité énergétique, selon l'équipe. Les prochaines étapes évoquées par les chercheurs concernent l'extension a des missions de recherche et sauvetage et d'exploration autonome, sans toutefois de calendrier de déploiement industriel ou commercial précise a ce stade.

RecherchePaper
1 source
Robot rocker-bogie reconfigurable pour franchir des marches hautes et virer
4arXiv cs.RO 

Robot rocker-bogie reconfigurable pour franchir des marches hautes et virer

Une équipe de chercheurs présente un mécanisme rocker-bogie reconfigurable capable de franchir des obstacles élevés tout en tournant efficacement, avec un nombre réduit d'actionneurs. Le système ajoute des moteurs au niveau des articulations bogie, qui font pivoter activement les bras vers le haut ou le bas pour basculer entre une configuration à quatre roues et une configuration à six roues. Des roues omnidirectionnelles sont montées à l'arrière des rockers, ce qui permet, en mode quatre roues, une rotation fluide basée sur un modèle à commande différentielle. Sur un prototype testé en conditions expérimentales, le mécanisme réalise un virage à rayon nul à une vitesse plus de cinq fois supérieure à celle d'un rocker-bogie classique équipé de six roues à crampons non directionnelles, tout en ne consommant qu'environ 17% du couple moyen total nécessaire aux roues. Le robot a également gravi une marche de 40 cm en 6,4 secondes en moyenne, confirmant ses capacités combinées de franchissement et de virage. L'intérêt de ce travail réside dans la résolution d'un compromis classique en robotique de terrain : les architectures rocker-bogie excellent pour franchir des obstacles mais tournent mal et exigent un couple important pour pivoter sur place, faute de roues directionnelles. En ajoutant seulement quelques actionneurs supplémentaires plutôt qu'un système de direction complet, cette approche réduit drastiquement la consommation d'énergie liée aux manœuvres tout en conservant l'aptitude à franchir de hauts obstacles. Cela intéresse directement les concepteurs de robots d'exploration, d'inspection ou d'intervention en environnements accidentés, où l'autonomie énergétique et la maniabilité sont critiques. Le rocker-bogie est historiquement associé aux rovers martiens de la NASA (Spirit, Opportunity, Curiosity, Perseverance), conçus pour leur robustesse sur terrain rocailleux mais réputés peu agiles en rotation. Ce travail, publié en préimpression sur arXiv début juillet 2026, reste à un stade de prototype de laboratoire, sans indication de partenariat industriel ni de calendrier de déploiement. Les prochaines étapes probables incluraient des essais sur terrains plus variés et une validation à plus grande échelle avant tout transfert vers des applications d'exploration planétaire ou de robotique de terrain.

RecherchePaper
1 source