RecherchearXiv cs.RO 20 août 2026

Recherche arrière de disposition pour l'assemblage robotique à contraintes séquentielles

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche publie sur arXiv (2608.18454v1) un nouvel algorithme baptise Backward Layout Search (BLS), conçu pour résoudre un problème clé de la planification d'assemblage robotique : déterminer ou positionner chaque pièce et selon quelle orientation initiale, tout en garantissant une exécution sans collision de la séquence d'assemblage prescrite. Le défi tient au fait que l'environnement d'obstacles change après chaque étape d'assemblage, et que les pièces non encore assemblées restant dans l'espace de travail peuvent bloquer les mouvements du robot. L'innovation de BLS consiste a assigner les poses initiales des pièces en ordre inverse de la séquence d'assemblage, en s'appuyant sur une observation clé : la faisabilité de chaque étape ne dépend que des poses initiales de la pièce en cours et des pièces assemblées plus tard. A chaque expansion, l'algorithme effectue des vérifications géométriques, cinématiques, de préhension et de mouvement prescrit, tandis que des masques de collision et un filtrage des ensembles candidats éliminent les poses infaisables. Les configurations partielles prometteuses sont retenues par sélection en faisceau, puis les layouts complets sont valides par une planification de mouvement complète exécutée dans l'ordre normal d'assemblage. Teste sur cinq modèles d'assemblage, BLS produit des configurations exécutables et sans collision, avec une réduction du nombre d'évaluations d'étapes et du temps de recherche par rapport a une recherche avant équivalente.

Cette contribution s'attaque a un goulot d'étranglement souvent sous-estime dans l'automatisation de l'assemblage industriel : la planification du layout, c'est-a-dire ou et comment positionner chaque pièce avant même que le robot ne commence a assembler. Pour les intégrateurs de cellules d'assemblage, cette étape reste aujourd'hui largement manuelle ou résolue par simulation lourde, avec un risque constant de collisions entre pièces non assemblées et bras robotique. En inversant l'ordre de recherche, et en exploitant le fait que la faisabilité d'une étape ne dépend que des poses courantes et futures et non des poses passées, BLS réduit l'espace combinatoire a explorer par rapport a une approche avant classique. C'est une preuve que des gains d'efficacité algorithmique substantiels restent possibles sur des problèmes de planification robotique via la recherche géométrique classique, dans un domaine ou la plupart des annonces récentes se concentrent sur les modèles VLA plutôt que sur ce type d'algorithmes.

Le papier est publie comme soumission nouvelle sur arXiv, sans mention d'affiliation industrielle ni de déploiement en usine : il s'agit d'une contribution de recherche académique en planification de taches et de mouvement, un sous-domaine actif de la robotique d'assemblage. Les résultats reposent sur cinq modèles d'assemblage testes en comparaison directe avec une recherche avant appariée, sans précision sur l'environnement de simulation ni sur un éventuel passage a des pièces réelles. Aucun acteur commercial, français ou international, n'est cite dans cette publication, qui reste a ce stade un résultat de laboratoire plutôt qu'une brique prête a intégrer dans une chaine de production.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Planification d'une disposition de montage modulaire commune pour les étapes de désassemblage robotisé

Une équipe de recherche présente un système de fixation modulaire à ventouses capable de planifier une configuration de support unique, partagée pour l'ensemble d'une séquence de désassemblage robotique, sans reconfiguration du montage entre les étapes. La méthode a été testée sur deux produits, un tournevis et un rasoir électrique. Pour explorer l'espace de configuration mixte, à la fois continu et discret, un modèle de diffusion probabiliste par débruitage génère des configurations initiales informées par la physique, ensuite affinées par optimisation bayésienne sous évaluation répétée à chaque étape du désassemblage. Des essais robotiques de dévissage et de retrait de composants ont confirmé la faisabilité mécanique des dispositions planifiées, tandis que onze tests de charge directionnelle en ont quantifié la stabilité. Les marges de stabilité empiriques moyennes mesurées atteignent 66,9% pour le tournevis et 81,6% pour le rasoir. Les travaux sont publiés sur arXiv sous la référence 2608.27151v1. Le désassemblage robotique de produits de forme irrégulière, typique de l'électroménager ou de l'électronique grand public, bute sur un problème mécanique souvent sous-estimé : à mesure que des composants sont retirés, la surface de support disponible, la répartition de la masse et les charges appliquées évoluent, si bien qu'une fixation conçue pour l'état initial du produit peut devenir inutilisable aux étapes suivantes. En pratique, cela impose souvent une reconfiguration manuelle du montage entre chaque étape, ce qui alourdit le temps d'ingénierie et casse la continuité d'une ligne automatisée destinée au recyclage ou au reconditionnement. En planifiant la fixation sur l'ensemble de la séquence plutôt qu'étape par étape, cette approche réduit les interruptions et le travail de qualification nécessaire pour adapter un poste de désassemblage à un produit donné. Pour les intégrateurs et décideurs impliqués dans l'économie circulaire électronique, elle constitue une piste concrète pour rendre les cellules de désassemblage plus polyvalentes sans multiplier les outillages dédiés. Ce travail s'inscrit dans un courant de recherche plus large sur la planification de préhension et de fixation robotiques, où des modèles génératifs par diffusion commencent à remplacer les méthodes d'optimisation purement combinatoires pour proposer des points de départ physiquement plausibles avant un raffinement fin par optimisation bayésienne. Sa spécificité est de chercher une configuration de fixation commune valable sur toute une séquence de désassemblage, plutôt qu'une fixation reconfigurée à chaque étape comme c'est souvent le cas dans les travaux existants. L'article ne précise ni le laboratoire d'origine ni de calendrier de transfert industriel : il s'agit à ce stade d'une validation expérimentale en conditions de laboratoire sur deux produits de test, sans déploiement en usine ni partenariat industriel annoncé.

RecherchePaper

1 source

2arXiv cs.RO

Assemblage robotique à contacts multiples dans la construction par politique de diffusion

Des chercheurs ont publié sur arXiv (arXiv:2511.17774, version 3) une étude portant sur l'application de l'apprentissage par diffusion à l'assemblage robotique dans le secteur de la construction. Le cas d'usage retenu est l'assemblage tenon-mortaise en bois, une jonction à contact riche soumise à des contraintes de friction et de géométrie strictes, avec des jeux inférieurs au millimètre. Les politiques de diffusion sensori-motrices ont été entraînées à partir de démonstrations téléopérées collectées sur un poste de travail robotique industriel équipé de capteurs force/couple. L'évaluation s'est déroulée en deux phases : une baseline en conditions nominales et un test de robustesse avec des perturbations positionnelles aléatoires allant jusqu'à 10 mm, soit un ordre de grandeur au-delà de la tolérance d'assemblage. La politique la plus performante atteint 100 % de taux de succès en conditions nominales et 75 % en moyenne sous perturbation. Ce résultat est notable car il adresse directement un verrou industriel structurel : l'accumulation de tolérances dans la construction empêche depuis longtemps l'automatisation fiable des tâches d'assemblage à contact. Le fait qu'une politique diffusion parvienne à compenser des désalignements de 10 mm pour des jeux sub-millimétriques suggère que ces architectures apprennent implicitement une stratégie de compliance active via le retour d'effort, sans modélisation géométrique explicite. Pour un intégrateur industriel ou un bureau de méthodes, cela signifie que le sim-to-real gap sur des tâches de précision en construction pourrait être en partie résorbé par l'apprentissage par imitation couplé à la force/couple, sans recalibration manuelle systématique. L'assemblage tenon-mortaise n'est pas un choix anodin : cette technique millénaire est revenue en force dans la construction bois massive (CLT, charpente lamellée-croisée), un segment en forte croissance en Europe avec des acteurs comme Sœur Bois ou Blumer-Lehmann. Les politiques de diffusion appliquées à la robotique manipulatrice ont été popularisées par des travaux comme le Diffusion Policy de Chi et al. (2023, Columbia/Toyota) et sont désormais explorées par des labos comme Physical Intelligence (pi) avec Pi-0, ou par Boston Dynamics Research. Cette étude se distingue en ciblant explicitement la construction industrielle plutôt que la cuisine ou la logistique. La prochaine étape logique serait un déploiement en conditions chantier réelles, avec variation de matériaux et de géométries, ce que les auteurs n'ont pas encore testé.

UELe segment construction bois massive (CLT, charpente lamellée-croisée) est en forte croissance en Europe avec des acteurs comme Sœur Bois ou Blumer-Lehmann ; une automatisation fiable des assemblages à contact ouvrirait une voie d'industrialisation directement applicable sur les chantiers européens.

RecherchePaper

1 source

3arXiv cs.RO

PVRA : un système de vote par points-clés pour l'assemblage robotique

Des chercheurs publient sur arXiv (identifiant 2608.19968v1) un nouveau framework baptisé PVRA, pour Pointwise Key-point Voting Framework for Robotic Assembly, destiné à l'assemblage robotique autonome. Contrairement aux systèmes de vision par ordinateur actuels qui se limitent à la perception d'objets individuels, PVRA repose sur une représentation par points-clés 3D pour apprendre les dépendances entre pièces au sein d'un assemblage progressif. Le système traite en entrée des données RGB-D (couleur et profondeur) d'une scène d'assemblage et produit des sorties directement exploitables pour piloter la manipulation. Les auteurs ont entraîné et évalué leur réseau modulaire sur un jeu de données dédié à l'estimation de pose pour l'assemblage, puis comparé ses performances à des méthodes de référence centrées sur l'objet, à l'aide d'un ensemble élargi de métriques conçues spécifiquement pour les assemblages progressifs. L'article ne précise ni charge utile, ni degrés de liberté, ni temps de cycle, ni site de déploiement: il s'agit d'une contribution de recherche méthodologique, pas d'un produit commercialisé ni d'un pilote industriel. Pour les intégrateurs et les équipes R&D en robotique industrielle, ce travail illustre une limite reconnue de la perception objet par objet: détecter et localiser chaque pièce ne suffit pas à orchestrer un assemblage multi-étapes, où chaque geste dépend de l'état des connexions déjà réalisées. En modélisant explicitement les dépendances d'assemblage plutôt que les seuls objets, PVRA s'inscrit dans une tendance de fond visant à rapprocher la perception robotique du raisonnement séquentiel nécessaire aux tâches de type peg-in-hole, vissage ou emboîtement, courantes en électronique, en automobile et en petite série manufacturière. Si les gains rapportés se confirment au-delà du jeu de données de test, ce type d'approche pourrait réduire la dépendance à des séquences d'assemblage programmées à la main, un frein connu à l'autonomie des cellules robotisées face à la variabilité des produits. Cette publication s'inscrit dans un courant de recherche plus large sur la perception 3D par points-clés pour la manipulation, domaine où les laboratoires universitaires explorent depuis plusieurs années des alternatives aux pipelines classiques de détection d'objets et d'estimation de pose 6D. Les auteurs situent leur contribution après une analyse comparative des travaux existants en perception centrée sur l'objet et en planification d'assemblage, qu'ils jugent insuffisamment reliés entre eux. L'article, classé comme nouvelle soumission sur arXiv, ne mentionne ni partenariat industriel ni feuille de route de déploiement; les prochaines étapes habituelles pour ce type de travaux académiques restent la publication en conférence, la mise à disposition du code et du jeu de données, puis d'éventuelles reprises par des équipes industrielles pour validation sur des cas réels.

RecherchePaper

1 source

4arXiv cs.RO

Modèles de diffusion séquentiels pour l'apprentissage méta en contexte de la dynamique des robots

Des chercheurs ont publié sur arXiv (réf. 2604.13366) une étude comparative portant sur l'identification de systèmes robotiques par méta-apprentissage en contexte, en opposant des modèles de séquences déterministes à des approches génératives basées sur la diffusion. L'équipe reformule le problème classique de l'identification de dynamiques robotiques comme une tâche de méta-apprentissage in-context : le modèle observe une séquence de paires (commande, observation) pour inférer les paramètres dynamiques d'un robot sans re-entraînement. Deux architectures de diffusion sont introduites et évaluées face à une baseline Transformer déterministe : une diffusion par inpainting (inspirée de Diffuser), qui apprend la distribution jointe entrée-observation, et des modèles de diffusion conditionnés sur les entrées de contrôle, déclinés en versions CNN et Transformer. Les expériences sont menées à grande échelle dans des simulations randomisées couvrant des régimes en distribution et hors distribution. Ces résultats sont significatifs pour la commande basée sur modèle (model-based control), qui exige des prédictions de dynamique précises et robustes. L'étude montre que les modèles de diffusion surpassent nettement la baseline déterministe lorsque les conditions d'exécution s'écartent de la distribution d'entraînement, un scénario courant dans les déploiements industriels réels où les robots rencontrent des charges utiles variables, des surfaces inattendues ou de l'usure mécanique. La diffusion par inpainting obtient les meilleures performances globales. Un résultat clé concerne la contrainte temps réel : grâce à un échantillonnage à démarrage chaud (warm-started sampling), les modèles de diffusion parviennent à opérer dans les fenêtres temporelles exigées par les boucles de contrôle, levant ainsi un obstacle majeur à leur adoption pratique. Ce travail s'inscrit dans un courant de recherche actif qui cherche à combiner les capacités génératives des modèles de diffusion avec les exigences de robustesse et de latence du contrôle robotique. La diffusion appliquée à la planification de trajectoires et à la prédiction de dynamiques a émergé avec des travaux comme Diffuser (Janner et al., 2022) et se confronte ici à un scénario de méta-apprentissage, plus réaliste pour des robots déployés dans des environnements variables. Les concurrents directs incluent les approches probabilistes bayésiennes et les réseaux neuronaux récurrents pour l'identification en ligne. La prochaine étape naturelle sera une validation sur hardware réel, notamment pour confirmer que les gains hors distribution observés en simulation résistent au sim-to-real gap.

RecherchePaper

1 source