RechercheInteresting Engineering 28 août 2026

Ce nouveau robot hexapode imite l'insecte-bâton pour marcher sur un terrain accidenté

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de l'université Tohoku au Japon et de VISTEC en Thaïlande ont développé un robot hexapode, baptisé RedMirror, capable d'apprendre à marcher en imitant les patterns de locomotion d'un phasme, l'insecte-bâton Medauroidea extradentata. La méthode repose sur l'apprentissage par renforcement inverse adversarial (AIRL), combiné à l'optimisation de politique proximale (PPO). Le système a été entraîné sur des données biologiques de marche en terrain plat, capturant les mouvements de 18 articulations de pattes de l'insecte. Plutôt que de copier chaque geste, le réseau de neurones a appris les principes de coordination sous-jacents : un premier réseau compare les mouvements du robot aux démonstrations de l'insecte, tandis qu'un second apprend une structure de récompense favorisant un comportement similaire. Le contrôleur exploite l'orientation du corps, les angles articulaires et le contact au sol de chaque patte pour piloter les 18 moteurs du robot. Résultat marquant : la combinaison AIRL plus récompense de vitesse avant atteint une stratégie de marche exploitable en 70 000 pas d'entraînement, contre 200 000 pour un réglage de récompense basé uniquement sur la vitesse. Un test préliminaire a aussi été mené sur un robot RedMirror physique, avec des patterns de coordination qualitativement similaires à la simulation.

Cette approche s'attaque à une limite connue des systèmes de démarche robotique classiques, qui reposent sur des motifs fixes, des paramètres réglés à la main et des récompenses prédéfinies, peu robustes face à un terrain inconnu. Entraîné uniquement sur du terrain plat, le robot a continué à marcher sur sol irrégulier avec une vitesse d'avancement à peine réduite, en adoptant une démarche plus ondulatoire adaptée aux surfaces accidentées. Plus significatif encore pour les intégrateurs industriels, le contrôleur a su se réorganiser après la désactivation simulée d'une patte, redistribuant la charge sur les cinq restantes sans reprogrammation. Autre résultat utile en pratique : la structure de récompense apprise par AIRL, contrairement à la politique de marche elle-même, s'est transférée avec succès à un second modèle de robot aux proportions et actionneurs différents, là où un transfert direct de la politique échouait. Cela suggère une voie pour réduire le coût d'adaptation d'un contrôleur bio-inspiré d'une plateforme robotique à une autre, un point clé pour les fabricants de robots multi-pattes destinés aux environnements non structurés, zones sinistrées ou terrains où les robots à roues ou l'AMR classique peinent à circuler.

Ce travail s'inscrit dans un courant de recherche en robotique bio-inspirée qui cherche à dépasser les limites du contrôle de marche programmé manuellement, en s'appuyant sur l'apprentissage par imitation à partir de données animales plutôt que sur des générateurs de trajectoire ou des règles de démarche codées à la main. Il reste à ce stade une démonstration de recherche : les tests sur robot physique sont qualifiés de préliminaires par les auteurs eux-mêmes, et l'essentiel des résultats quantitatifs (vitesse, stabilité, transfert inter-robots) provient de simulation. Aucun calendrier de déploiement industriel, partenariat commercial ou montant de financement n'est mentionné. La suite logique annoncée par les chercheurs porterait sur la validation plus poussée en conditions réelles et l'extension de la méthode de transfert de récompense à d'autres morphologies de robots à pattes.

À lire aussi

1arXiv cs.RO

RoughSense : prédiction légère des vibrations d'un rover sur terrain accidenté par nuages de points et IMU

Des chercheurs présentent RoughSense, une méthode légère de cartographie de la praticabilité du terrain sensible aux vibrations, conçue pour la navigation autonome des rovers, en particulier en environnement souterrain où communication, puissance de calcul et énergie embarquée sont limitées. Le travail est publié sur arXiv sous l'identifiant 2609.03720, en soumission de type "new", c'est-à-dire une prépublication non encore relue par les pairs. La méthode combine deux flux de données en temps réel : un nuage de points LiDAR et une centrale inertielle (IMU). Un premier indicateur de vibration est estimé à partir de la seule géométrie du terrain, en appliquant l'algorithme RANSAC à des portions locales du nuage de points produites par un système de cartographie et localisation simultanées (SLAM). En parallèle, l'IMU capte la vibration réellement subie par le rover pendant son déplacement, et cette mesure sert à corriger en continu l'estimation géométrique via un filtre des moindres carrés récursifs (Recursive Least Squares). L'approche a été testée sur trois terrains : un site analogue lunaire, un terrain extérieur et une mine souterraine, mais le résumé ne fournit aucun chiffre de performance (taux d'erreur, gain de précision, charge de calcul embarquée), ce qui limite l'évaluation de son efficacité réelle à ce stade. L'intérêt de l'approche tient à sa légèreté computationnelle : à l'inverse des méthodes de cartographie de terrain fondées sur l'apprentissage profond, souvent gourmandes en ressources, RoughSense repose sur des algorithmes classiques et peu coûteux, une contrainte centrale pour tout calculateur embarqué sur un rover planétaire ou une plateforme d'exploration souterraine coupée d'un lien de communication fiable. En couplant une estimation géométrique a priori avec une correction en ligne fondée sur la vibration mesurée, la méthode cherche à réduire l'écart classique entre prédiction de terrain et comportement réel du véhicule, un problème récurrent en robotique de terrain où les modèles purement géométriques sous-estiment souvent l'effet de la texture ou de la meuble du sol. Pour des équipes concevant des rovers destinés à l'exploration de tunnels de lave, de grottes ou de mines lunaires, ce type de brique laisse entrevoir une navigation plus autonome sans dépendre d'un lien radio permanent vers un centre de contrôle, enjeu direct compte tenu du délai de communication Terre-Lune ou Terre-Mars. Le papier s'inscrit dans le regain d'intérêt pour l'exploration robotique de sites souterrains extraterrestres, notamment les tunnels de lave lunaires envisagés comme abris naturels pour de futures missions habitées, et pour l'usage de mines terrestres comme environnements analogues avant tout déploiement spatial. Le résumé ne mentionne ni entreprise ni agence spatiale commanditaire, ni acteur français ou européen impliqué : il s'agit d'une contribution académique en prépublication, sans validation par les pairs. Aucun calendrier de suite, partenariat industriel ou mission cible n'est précisé ; le texte se limite à une validation expérimentale sur trois terrains, laissant ouvertes les questions de généralisation à d'autres sols ou véhicules.

RecherchePaper

1 source

2arXiv cs.RO

TASG-Explore : exploration guidée par secteurs et sensible à la traversabilité pour robot terrestre sur terrain accidenté

Une équipe de recherche publie, dans une version révisée (v2) de son préprint arXiv 2609.08512, TASG-Explore, un cadre d'exploration autonome pour robots terrestres évoluant sur terrain accidenté. Le système combine deux niveaux de raisonnement. Une analyse hiérarchique de la traversabilité s'appuie sur un ajustement du sol par voxels de taille variable et sur un encodage adaptatif des obstacles sur 8 bits. La carte de coûts est ensuite découpée en secteurs, dont les regroupements sont mis à jour de façon incrémentale. Le système en extrait des points de vue frontière couplés au terrain et maintient une feuille de route topologique dynamique, qui intègre des hypothèses sur les zones inconnues. Un planificateur guidé par secteurs choisit des cibles régionales, puis y insère des points de vue locaux. Les tests portent sur des grottes, des forêts et des collines escarpées, face à six planificateurs de pointe. Les auteurs annoncent un traitement de la traversabilité 6,3 fois plus rapide à précision maintenue, un gain d'efficacité d'exploration de 51 % et une couverture multipliée par 2,95 au maximum sur la scène de collines. Des essais réels à grande échelle sont mentionnés, sans que le résumé en détaille l'ampleur ni le robot utilisé. L'enjeu est un compromis classique de l'exploration autonome. Un raisonnement fin sur le terrain fiabilise le comportement local mais ralentit l'exploration à grande échelle. Un guidage régional grossier progresse vite en espace ouvert mais rate les passages étroits et les bordures praticables irrégulières. TASG-Explore vise à obtenir les deux. Pour les intégrateurs de robots d'inspection, de sécurité, de mines, d'agriculture ou de secours, la question est de savoir si une exploration hors route peut cesser de dépendre d'un terrain plan ou structuré. Les chiffres restent à relativiser : il s'agit d'un banc d'essai académique, et le gain de 2,95 fois est un maximum obtenu sur une seule scène, pas une moyenne. Les conditions de comparaison (matériel, réglages des concurrents, répétitions) ne figurent pas dans le résumé. Il n'y a ni produit, ni déploiement commercial, ni partenaire industriel annoncé. Ce travail prolonge une lignée de planificateurs d'exploration à base de frontières et de feuilles de route topologiques, développés d'abord pour des robots aériens ou des environnements 2D et 2,5D, puis adaptés au sol. Les six méthodes comparées ne sont pas nommées dans le résumé. La difficulté propre aux robots terrestres tient à ce que la traversabilité dépend de la pente, de la rugosité et de la géométrie du véhicule, ce qui alourdit le calcul. La suite logique serait la publication du code, des comparaisons sur d'autres plateformes et des tests en conditions industrielles ou de secours. Aucun calendrier n'est communiqué. Ce type de méthode alimente à terme les briques de navigation des quadrupèdes et des robots à chenilles, mais le passage du laboratoire au terrain reste à démontrer.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Assistance sans interruption : un benchmark et un cadre basé sur les LLM pour l'aide humain-robot non intrusive

Une équipe de chercheurs a publié en mai 2026 sur arXiv (arXiv:2605.01368) un cadre formel et un benchmark dédié à l'assistance robotique non intrusive, qu'ils nomment NIABench. Le problème étudié est précis : comment un robot peut-il soutenir un humain en train d'exécuter une séquence d'actions complexes, sans jamais l'interrompre ni attendre une commande explicite ? Les chercheurs proposent également une architecture hybride combinant un grand modèle de langage (LLM) et un modèle de scoring à deux étages : une première couche de récupération sémantique réduit l'espace des actions candidates, puis un module de ranking évalue les paires (étape humaine, action robot) pour arbitrer sur le moment et la nature de l'intervention. Les expériences sont conduites sur NIABench et validées sur des scénarios réels, avec des métriques inédites adaptées à ce paradigme. Ce travail est significatif parce qu'il déplace le curseur de la robotique collaborative vers un mode opératoire radicalement différent : le plan humain devient le processus principal, et le robot se positionne en assistant discret plutôt qu'en agent concurrent. Pour les intégrateurs de robots de service ou de cobots industriels, cela ouvre une voie concrète vers des déploiements où le robot n'exige ni formation de l'opérateur, ni protocole de communication explicite. La formalisation du problème joint, décider simultanément du quand et du quoi, est également un apport méthodologique, car la littérature HRI traitait jusqu'ici ces deux dimensions séparément. La présence d'un benchmark public avec métriques standardisées facilite la comparaison future entre approches. Ce travail s'inscrit dans un courant de recherche HRI qui cherche à dépasser les modèles maître-esclave ou les systèmes à déclenchement explicite. Des approches concurrentes, notamment dans les travaux sur les VLA (Vision-Language-Action models) de DeepMind ou Stanford, adressent la réactivité contextuelle mais sans formaliser explicitement la contrainte de non-intrusion. NIABench pourrait devenir un point de référence pour évaluer ces modèles sur cette dimension précise. Les prochaines étapes naturelles incluent le transfert vers des plateformes embarquées et des tests en environnements industriels réels, bien qu'aucun partenariat ou calendrier de déploiement ne soit mentionné dans cette publication.

RecherchePaper

1 source

4arXiv cs.RO

HeLoM : apprentissage hiérarchique pour la locomotion et la manipulation corps entier par un robot hexapode

Des chercheurs ont publié sur arXiv (arXiv:2509.23651v3) HeLoM, un framework hiérarchique d'apprentissage pour la manipulation whole-body par un robot hexapode. L'objectif central est la manipulation non-préhensile, c'est-à-dire pousser des objets sans les saisir, une stratégie qui contourne la complexité de la conception de prises tout en exploitant le contact direct pour contrôler la pose d'un objet. Le système repose sur une architecture à deux niveaux : un planificateur haut niveau qui définit les comportements de poussée, et un contrôleur bas niveau qui maintient la stabilité locomotrice et génère des commandes articulaires dynamiquement cohérentes. En pratique, les pattes avant assurent l'interaction avec l'objet tandis que les pattes arrière fournissent la propulsion. Les expériences en monde réel montrent que le robot peut pousser des objets de tailles et propriétés physiques variées, et a priori inconnues, vers des poses cibles définies. L'intérêt de HeLoM pour le secteur robotique tient à deux points. Premièrement, il démontre qu'un système hexapode peut réaliser une manipulation efficace sans bras ni préhension, en mobilisant la totalité de la cinématique du corps, une approche qui s'applique par extension à d'autres plateformes multi-pattes. Deuxièmement, la robustesse face aux propriétés inconnues de l'objet (masse, forme irrégulière) illustre un progrès sur le gap sim-to-real : le framework, validé en simulation, transfère dans le monde physique sans connaissance a priori des paramètres de l'objet. Pour un intégrateur industriel, cela signifie potentiellement une manipulation de charges lourdes ou encombrantes sans recourir à un bras robotique dédié. L'approche s'inscrit dans un courant plus large de recherche sur la loco-manipulation whole-body, où des laboratoires comme ETH Zurich (ANYmal), Carnegie Mellon (loco-manipulation quadrupède) et Boston Dynamics travaillent à unifier locomotion et manipulation dans un cadre unique. HeLoM se distingue en ciblant spécifiquement l'hexapode, morphologie plus stable mais moins explorée que le quadrupède pour la manipulation. La publication est un preprint arXiv (version 3), sans mention de déploiement industriel ni de partenariat. Les prochaines étapes naturelles seraient l'extension à des comportements de tirage ou de levage, et des tests sur des charges plus importantes avec mesure explicite du payload maximal, absent des résultats actuellement publiés.

RecherchePaper

1 source