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

Le robot-chien coréen apprend un mouvement animal grâce à l'IA pour franchir forêts et escaliers
1Interesting 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
2arXiv 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
Articulation pneumatique reconfigurable pour rigidification sélective et verrouillage de forme dans les robots à croissance végétale
3arXiv cs.RO 

Articulation pneumatique reconfigurable pour rigidification sélective et verrouillage de forme dans les robots à croissance végétale

Des chercheurs ont publié le 22 avril 2026 sur arXiv (référence 2604.15907) une architecture de joint pneumatique reconfigurable (RPJ) destinée aux robots de type "vine", ces structures souples qui progressent par éversion à l'extrémité, à la manière d'une liane se déployant. Le RPJ se compose de chambres pneumatiques réparties symétriquement le long du corps du robot : lorsqu'elles sont pressurisées, elles augmentent localement la rigidité en flexion sans interrompre la croissance continue du robot. Le système intègre un pilotage par tendons pour la direction et une station de base compacte permettant l'éversion en l'air. Les essais expérimentaux démontrent une capacité de transport de charge utile atteignant 202 g en espace libre, une rétention de forme améliorée en courbure, une déflexion gravitationnelle réduite sous charge, et une rétraction en cascade des modules. Ce résultat s'attaque à la limite structurelle fondamentale des robots vine : leur faible rigidité axiale les cantonne aujourd'hui essentiellement à la navigation passive dans des espaces confinés, où ils progressent sans effort mécanique significatif. En introduisant une rigidité sélective et localisée, le RPJ ouvre la voie à des tâches de manipulation active, tri d'objets, exploration adaptative en environnement non contraint, sans sacrifier la compliance globale qui fait la valeur de ces robots pour naviguer en milieu encombré. Les auteurs comparent les performances aux mécanismes par "layer jamming" (blocage par compression de couches), et les résultats sont jugés comparables, ce qui est notable : le layer jamming est jusqu'ici la référence pour ce type de rigidification variable dans les robots souples. Il faudra cependant attendre des validations sur des tâches réelles avant de parler de transfert industriel. Les robots vine sont étudiés depuis une dizaine d'années, notamment par les groupes de Stanford et de l'Università Sant'Anna di Pisa, pour des applications médicales et de recherche en environnements dangereux. L'approche RPJ proposée ici se distingue par son architecture modulaire et son bilan de pression modéré pour l'éversion, deux points qui facilitent une éventuelle industrialisation. Aucun partenaire industriel ni calendrier de commercialisation n'est mentionné dans ce papier de recherche fondamentale. Sur le front concurrentiel, les robots souples à rigidité variable intéressent aussi bien les fabricants d'endoscopes robotisés que les développeurs de bras collaboratifs légers ; des acteurs comme Festo ou des spin-offs universitaires européens suivent ce segment. La prochaine étape logique serait une démonstration sur des tâches de tri en conditions semi-réelles avec des charges et géométries variées.

UEL'Università Sant'Anna di Pisa (EU) est l'un des groupes de référence mondiaux sur les vine robots et Festo (acteur européen) surveille ce segment des robots souples à rigidité variable, mais ce papier arXiv ne génère pas d'impact opérationnel immédiat pour l'industrie française ou européenne.

RecherchePaper
1 source
Cadre de détection et reconnaissance des interactions humain-humain pour robots mobiles de service
4arXiv cs.RO 

Cadre de détection et reconnaissance des interactions humain-humain pour robots mobiles de service

Des chercheurs ont publié sur arXiv (référence 2602.22346) un framework de perception sociale destiné aux robots de service mobiles autonomes, comme les robots tondeuses ou les robots nettoyeurs opérant dans des espaces fréquentés par des humains. Le système repose sur une architecture en deux étapes : une première phase identifie les paires d'individus susceptibles d'interagir en s'appuyant uniquement sur des indices géométriques et de mouvement (positions relatives, trajectoires, orientations corporelles), puis une seconde phase classe le type d'interaction à l'aide d'un réseau relationnel (relation network). L'approche a été évaluée sur le dataset JRDB, benchmark de référence pour la perception sociale en robotique, ainsi que sur le Collective Activity Dataset (CAD) et, en évaluation zero-shot, sur un jeu de données collecté directement par une tondeuse autonome en conditions réelles. L'enjeu est concret pour les intégrateurs de robots de service : détecter qu'un groupe de personnes interagit entre elles, qu'il s'agisse d'une discussion, d'un attroupement ou d'une interaction dynamique, permet au robot de planifier une trajectoire socialement acceptable sans interrompre ni gêner ces échanges. Les approches existantes reposent souvent sur des modèles de reconnaissance d'activité de groupe qui mobilisent des réseaux d'analyse visuelle coûteux en calcul, inadaptés aux plateformes embarquées à ressources limitées. Ce framework démontre que des indices géométriques simples suffisent à obtenir des performances compétitives tout en réduisant significativement la taille du modèle et le coût computationnel. Ce résultat remet en question l'hypothèse largement répandue selon laquelle l'analyse visuelle par apparence serait indispensable pour ce type de tâche de perception sociale. Ce travail s'inscrit dans le champ de la navigation socialement consciente (socially aware navigation), où des frameworks comme SARL, CrowdNav ou ORCA constituent les références historiques. Le dataset JRDB, produit par Stanford, reste le principal benchmark pour ce type de tâche en environnement robotique réel. Le code est publié en open source, ce qui facilitera son intégration dans des pipelines ROS existants. La limite notable est que l'évaluation porte sur des interactions coarse-grained, c'est-à-dire des catégories comportementales larges plutôt que des gestes fins, ce qui suffit pour la navigation mais exclut les applications nécessitant une compréhension sociale plus granulaire. La prochaine étape naturelle serait une validation à plus grande échelle sur des plateformes réelles déployées en environnements semi-publics, comme des aéroports, des centres commerciaux ou des entrepôts à occupation mixte.

RecherchePaper
1 source