RecherchearXiv cs.RO 25 août 2026

Conception d'une peau biomimétique recouvrant les articulations, à structure tissulaire, pour améliorer la proprioception d'un humanoïde musculosquelettique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent, dans un article publié en août 2026 sur arXiv (2608.23304), la conception d'une peau biomimétique recouvrant les articulations, dotée d'une structure stratifiée imitant les tissus biologiques, pour améliorer la proprioception des humanoïdes musculo-squelettiques. Cette peau intègre des éléments sensibles à la pression et à l'étirement directement dans le tissu artificiel enveloppant l'articulation, et a été testée sur l'humanoïde Musashi-W. Utilisée seule, elle permet d'estimer l'angle de l'articulation avec une erreur moyenne d'environ 3 degrés. Combinée aux capteurs musculaires déjà présents sur le robot, elle améliore encore la précision de cette estimation. Selon les auteurs, sa structure enveloppante pourrait aussi atténuer mécaniquement l'effet de perturbations externes sur les muscles, et la fusion peau-muscle ouvrirait une piste pour identifier des stimuli externes difficiles à interpréter par la seule sensation musculaire.

Ce travail s'attaque à un angle mort connu des humanoïdes musculo-squelettiques: la proprioception articulaire, aujourd'hui estimée presque exclusivement à partir des capteurs musculaires, sans exploiter la déformation cutanée que les organismes biologiques utilisent en complément via leurs mécanorécepteurs. En montrant qu'une peau artificielle seule atteint une précision de l'ordre de 3 degrés, et que sa fusion avec la sensation musculaire améliore encore le résultat, l'étude fournit une preuve de concept pour des architectures de perception multimodale au niveau des articulations, plutôt qu'une dépendance à la seule vision ou aux seuls encodeurs moteurs. Pour les concepteurs d'humanoïdes bio-inspirés, cela suggère une voie pour renforcer la robustesse aux chocs et contacts imprévus tout en distinguant mieux le tactile des artefacts de charge musculaire, sans alourdir le traitement visuel. Il s'agit néanmoins d'un résultat de laboratoire sur un unique prototype, loin d'un composant prêt à l'industrialisation.

Musashi-W appartient à la lignée des humanoïdes musculo-squelettiques développés au JSK Lab de l'Université de Tokyo, qui cherche depuis plusieurs générations de robots (dont Kengoro et Kenshiro) à reproduire l'anatomie humaine, tendons et muscles artificiels compris, plutôt qu'à empiler des actionneurs rigides classiques. Cette approche tranche avec celle des humanoïdes commerciaux à moteurs électriques comme Figure 03 ou Optimus Gen 3, ou des plateformes pilotées par des modèles vision-langage-action tels que Pi-0 ou GR00T N2, qui misent avant tout sur la perception visuelle et l'apprentissage à grande échelle. Les auteurs présentent leurs travaux comme une méthodologie de conception plutôt qu'un produit abouti, évoquant la possibilité d'étendre cette peau à d'autres articulations et à la détection de contacts externes. Aucun calendrier de commercialisation ni partenariat industriel n'est mentionné, l'étude relevant pour l'instant de la recherche académique en perception robotique.

Dans nos dossiers

Figure Tesla Optimus IA physique & VLA NVIDIA GR00T

À lire aussi

1arXiv cs.RO

TERRA : reconstruction, retargeting et contrôle adaptés au terrain pour la locomotion musculosquelettique

Des chercheurs du laboratoire CNAI de l'EPFL, à Lausanne, ont publié sur arXiv TERRA, un pipeline complet de reconstruction, de retargeting et de contrôle de la locomotion musculo-squelettique sur terrain non plat. À partir de simples trajectoires cinématiques, sans scène associée, le système reconstitue la géométrie d'appui en combinant des a priori sur le terrain, des contacts estimés et une « évidence négative d'espace libre », c'est-à-dire les zones que le corps n'a manifestement pas occupées. Le retargeting vers le modèle musculo-squelettique respecte des contraintes anatomiques, de continuité des tendons et de contact. Les auteurs ont assemblé des paires mouvement-terrain issues de cinq jeux de données, soit 9,4 heures de locomotion variée, et y ont entraîné une politique unique de contrôle à actionnement musculaire. Sur les benchmarks de reconstruction, de retargeting et de suivi sur données retenues, TERRA améliore la précision du terrain, réduit nettement les violations anatomiques et d'interaction, et affiche le plus haut taux de complétion parmi les familles de terrains prises en charge. Les chiffres détaillés ne figurent pas dans le résumé, et il s'agit d'un preprint non évalué par les pairs, évalué en simulation. L'intérêt dépasse la biomécanique. Les agents pilotés par muscles simulés savent reproduire des mouvements humains de plus en plus complexes, mais presque toujours sur sol plat, faute de jeux de données où le mouvement est aligné avec la géométrie du terrain. TERRA contourne ce verrou en inférant le terrain à partir du mouvement seul, ce qui permet de réutiliser des archives de capture existantes sans les réacquérir. Pour la robotique, la portée est indirecte mais réelle : les humanoïdes actuels utilisent des actionneurs rotatifs, et les modèles musculo-squelettiques servent surtout à la biomécanique, à la conception de prothèses et d'exosquelettes, ou à l'étude de la marche pathologique. Une politique unique couvrant plusieurs terrains suggère que l'apprentissage par renforcement à grande échelle peut s'étendre à des corps à très haute dimensionnalité. Rien n'indique en revanche un transfert vers du matériel physique. Ce travail prolonge une série de résultats sur les agents musculo-squelettiques entraînés par RL, tandis que le suivi de mouvement humain par retargeting s'est surtout développé pour les humanoïdes classiques, comme dans les travaux de style GR00T de NVIDIA ou les politiques de suivi de capture de mouvement. Côté européen, l'EPFL occupe une position forte à l'interface entre contrôle neuromécanique et robotique, et les applications d'exosquelettes, où Wandercraft en France est un acteur de référence, pourraient bénéficier à terme de modèles de locomotion sur terrain irrégulier. La suite logique serait l'extension à davantage de familles de terrains, la validation sur des mouvements réels de patients et, plus loin, le test sur des systèmes physiques. Aucun calendrier n'est annoncé, et un site de projet est disponible sur cnai.epfl.ch/terra.

UETravail de l'EPFL (Suisse, hors UE mais pleinement intégrée à l'écosystème de recherche européen) qui pourrait à terme bénéficier aux applications d'exosquelettes, notamment celles de Wandercraft en France.

RecherchePaper

1 source

2arXiv cs.RO

Apprentissage d'une manipulation dextérique robuste en main à partir de capteurs articulaires avec un transformeur proprioceptif

Des chercheurs publient sur arXiv (2605.21330, mai 2026) le Proprioceptive Transformer (PT), une architecture de contrôle pour la manipulation dextre en main fondée exclusivement sur les capteurs articulaires, sans vision ni retour tactile. Testée sur la main ténosynoviale ORCA, l'approche réalise une rotation continue de cube à une vitesse 3,1 fois supérieure aux méthodes de référence, et estime la position de l'objet avec une erreur quadratique moyenne (RMSE) inférieure de 23,4 % à celle d'un perceptron multicouche (MLP). La politique de contrôle est obtenue par distillation enseignant-élève : une politique enseignante est d'abord entraînée par apprentissage par renforcement avec accès privilégié à l'état de l'objet, puis ses connaissances sont distillées vers le PT, qui opère uniquement sur l'historique de positions et de vitesses articulaires. Ce résultat questionne une hypothèse largement répandue dans le domaine : la nécessité d'une perception externe pour fermer la boucle d'estimation d'état lors de manipulations en main. Les encodeurs articulaires sont présents sur toutes les mains robotiques, y compris les architectures ténosynoviales où la transmission élastique complique l'estimation de la posture réelle des doigts. Que le Transformer extraie implicitement des informations extrinsèques à partir de patterns temporels proprioceptifs constitue une validation partielle du sim-to-real appliqué à la manipulation dextre, un problème longtemps considéré non résolu à l'échelle réelle. La robustesse sur des objets de géométrie variable ou sous charge perturbée reste à démontrer : le preprint ne rapporte de résultats que sur le cube, et les métriques de vitesse de rotation manquent de contexte sur les conditions expérimentales exactes. La manipulation dextre en main est un problème ouvert depuis les années 1990, relancé par OpenAI Dactyl (2019) qui combinait vision externe et simulation massivement distribuée. Les approches concurrentes recourent aujourd'hui à des capteurs tactiles haute résolution (Shadow Hand avec BioTac, Leap Hand, GelSight sur Allegro) ou à des pipelines vision-langage-action de type Pi-0 ou GR00T N2. L'ORCA hand, plateforme académique à actionnement par tendons, reste moins présente dans les benchmarks publiés que l'Allegro ou la Shadow Hand, ce qui limite la comparaison directe avec l'état de l'art. Le preprint ne mentionne ni partenaires industriels ni calendrier de transfert : il s'agit d'une contribution de recherche fondamentale, sans déploiement annoncé.

RecherchePaper

1 source

3arXiv cs.RO

Le courant comme toucher : retour de contact proprioceptif pour la manipulation dextérique souple

Cette semaine, une équipe de recherche a publié sur arXiv (référence 2607.03529, juillet 2026) un nouveau cadre de contrôle pour la préhension dextre compliante qui se passe entièrement de capteurs tactiles ou de force externes. La méthode s'appuie uniquement sur le courant moteur et l'état des articulations, deux signaux proprioceptifs déjà disponibles nativement sur la plupart des mains robotiques. Plutôt que d'estimer directement la force de contact ou de commander un couple, le système prédit une "position de référence compliante" : une cible de position articulaire destinée à un contrôleur PD standard, dont l'écart de position induit génère la force de préhension appropriée. Les auteurs ont testé l'approche sur plusieurs mains dextres et sur une série de tâches à fort contact physique : manipulation d'objets fragiles, maintien prolongé au contact d'une surface, récupération d'objets fins, et adaptation dynamique à des charges variables. L'intérêt pour l'industrie robotique tient à la promesse de compliance quasi gratuite : aujourd'hui, doter une main robotique de retour de force nécessite des capteurs tactiles ou des capteurs d'effort dédiés, coûteux, fragiles et souvent difficiles à intégrer mécaniquement sur des mains bon marché. En démontrant qu'un signal purement proprioceptif suffit à détecter le contact, la résistance de l'objet et la stabilité de la prise, ce travail ouvre la voie à des mains dextres low-cost capables de manipulation compliante sans matériel de détection additionnel. C'est également une bonne nouvelle pour la téléopération, rendue plus sûre et plus efficace grâce à ce retour de force implicite, ainsi que pour l'apprentissage de politiques (policy learning), qui bénéficie directement de signaux de contact exploitables sans capteur externe à calibrer. Ce travail s'inscrit dans une tendance de fond de la recherche en manipulation dextre : contourner les limites du tactile artificiel (durabilité, coût, intégration) en exploitant des signaux internes déjà présents dans la chaîne de commande moteur. Le choix d'une formulation en position, compatible avec les pipelines de téléopération et d'apprentissage de politiques déjà en place, suggère une intégration facilitée dans les architectures existantes plutôt qu'une rupture technique nécessitant une refonte du matériel. Les prochaines étapes attendues concernent le passage à l'échelle sur des plateformes commerciales et la comparaison directe avec des mains équipées de capteurs tactiles classiques.

RecherchePaper

1 source

4arXiv cs.RO

Reconstruction géométrique des trajectoires de contact extrinsèque par toucher et proprioception pour la manipulation d'outils

Des chercheurs publient sur arXiv (arXiv:2606.22251v2, version corrigée) une méthode de reconstruction géométrique de la trajectoire de contact à l'extrémité d'un outil tenu par un robot, combinant capteurs tactiles placés dans la prise et proprioception du bras. Le problème visé est que, dans de nombreuses tâches de manipulation d'outils, le contact qui détermine la réussite se situe à la pointe de l'outil, loin du capteur tactile, et ce point peut se déplacer pendant l'interaction, rendant sa détection directe difficile. La méthode traite la reconstruction comme un problème d'inférence géométrique sous hypothèse de contact ponctuel unique : elle estime d'abord la position globale du point de contact à partir d'un segment de calibration approximant un comportement de pivot fixe, puis reconstruit la trajectoire complète en composant les mouvements relatifs de l'outil déduits de marqueurs tactiles sous contact continu. Sur 51 essais couvrant plusieurs trajectoires, outils, orientations de poignet et configurations de prise, le pipeline atteint une erreur quadratique moyenne de trajectoire de 8,59 ± 2,41 mm dans le référentiel monde, une erreur de forme de 5,96 ± 1,16 mm, avec un fonctionnement en ligne à 14,00 ± 4,11 Hz. Pour l'industrie robotique, ce résultat comble un angle mort classique des mains et pinces équipées de capteurs tactiles commerciaux : ces capteurs renseignent sur ce qui se passe au niveau de la prise, mais restent aveugles à l'extrémité distale d'un outil rigide, un manque critique pour le grattage, le perçage, le soudage ou l'insertion assistée par outil. En montrant qu'une géométrie de contact extrinsèque cohérente peut être récupérée sans capteur dédié à la pointe de l'outil, les auteurs ouvrent une voie vers des politiques de manipulation d'outils plus robustes pour bras industriels et mains robotiques, sans instrumentation supplémentaire coûteuse. La stabilité de la forme de trajectoire malgré les variations d'outils, de poses et de prises est le point le plus significatif pour les intégrateurs B2B : elle suggère une méthode généralisable plutôt qu'un résultat calibré sur un seul geste, un critère souvent difficile à atteindre avec des approches purement visuelles ou apprises de bout en bout. Ce travail prolonge les recherches en tactile robotique jusqu'ici centrées sur la reconnaissance d'objets, l'estimation de pose en main et la détection de glissement au contact direct capteur-objet, en s'attaquant au cas où l'interaction se transmet via un outil rigide tenu en prise. Classée "replace" sur arXiv, c'est-à-dire une mise à jour d'une soumission antérieure, la publication ne cite ni plateforme robotique commerciale ni partenaire industriel, ce qui la situe clairement côté recherche fondamentale plutôt que produit déployable. Contrairement aux annonces de robots humanoïdes appuyées sur des vidéos sélectionnées, ce résultat repose sur un protocole chiffré et reproductible à 51 essais avec variations systématiques. Les suites logiques attendues sont une validation sur des tâches d'assemblage réelles et une comparaison avec des approches concurrentes de suivi de contact par vision ou capteurs tactiles haute résolution.

RecherchePaper

1 source