Aller au contenu principal
IndustrielRobotics Business Review 

Les capteurs de pression peuvent améliorer la précision de préhension des robots

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

Dans la robotique industrielle, l'échec d'une prise ne vient presque jamais d'un manque de force mécanique mais d'une méconnaissance de ce qui se passe réellement au contact entre les doigts et l'objet. XELA Robotics illustre cette approche avec son gripper UMI équipé de capteurs uSkin, capables de restituer une visualisation en temps réel des données tactiles. Concrètement, ces capteurs de pression ne mesurent pas une force globale mais une contrainte mécanique distribuée au niveau de l'interface de contact, via des films piézorésistifs, des couches capacitives ou des structures microfluidiques intégrées dans des coussinets de doigts souples. Cette distinction compte en pratique : à courant moteur et déplacement de doigt identiques, un gripper obtient des répartitions de pression très différentes selon qu'il saisit une pièce métallique rigide, qui concentre la charge sur quelques points, ou un carton fragile, qui peut s'affaisser de façon asymétrique bien avant qu'un changement significatif n'apparaisse dans le retour de couple moteur. Ce signal de pression est capté dès les premières millisecondes du contact, dans des applications comme le bin picking, le kitting ou la manipulation de pièces mixtes.

Pour les intégrateurs et décideurs industriels, l'enjeu est de taille : ce signal précoce permet à la commande de basculer du contrôle de mouvement vers le contrôle d'interaction avec moins de dépassement et un meilleur timing, ce qui réduit les échecs de prise sans nécessiter une architecture de capteurs lourde. L'article distingue clairement trois familles de capteurs souvent confondues. Le capteur force-couple au poignet donne une mesure globale mais ne peut pas détecter qu'un doigt glisse pendant qu'un autre est en surcharge, la moyenne au poignet restant stable. Les capteurs tactiles offrent une résolution spatiale plus riche, avec parfois de véritables cartes de contact, mais au prix d'une complexité et d'un coût plus élevés et d'un traitement de données plus dense. Les capteurs de pression se positionnent entre ces deux extrêmes : assez locaux pour détecter une charge inégale sur un coussinet, assez simples pour s'intégrer dans des grippers industriels réels sans saturer le système de commande. Dans la plupart des déploiements, la pression ne remplace donc pas la force ni le tactile, elle stabilise la couche intermédiaire où se prennent la majorité des décisions de préhension.

Le placement des capteurs à l'intérieur du gripper n'est pas un détail mécanique mais définit le problème de contrôle à résoudre. Intégrés dans des coussinets en élastomère, ils offrent une mesure de contact directe mais avec un filtrage mécanique dû à la déformation de la couche souple avant la réaction du capteur, une configuration privilégiée pour une manipulation délicate. Placés derrière une surface de contact rigide avec une fine interface souple, ils gagnent en durabilité et en résistance à l'usure, au prix d'une sensibilité réduite à la microtexture et à l'amorce de glissement, un compromis particulièrement discuté pour les applications de pick-and-place à haute cadence.

Dans nos dossiers

À lire aussi

Les robots peuvent améliorer les conditions des travailleurs en manufacture plutôt que les remplacer
1Robotics Business Review 

Les robots peuvent améliorer les conditions des travailleurs en manufacture plutôt que les remplacer

En 2024, 542 000 robots industriels ont été installés dans le monde, soit plus du double du volume déployé dix ans auparavant selon l'International Federation of Robotics (IFR). Derrière cette courbe d'adoption, une réalité moins visible s'impose : un peu plus de la moitié des fabricants mondiaux adoptent désormais les robots principalement pour améliorer la qualité, et non plus seulement pour gagner en cadence. Parallèlement, 70 % des industriels capturent encore leurs données de production manuellement, révélant un écart infrastructurel considérable entre les ambitions de l'automatisation et la réalité des ateliers. L'exemple du café Dawn au Japon, opéré par OryLab, illustre un modèle alternatif : des personnes en situation de handicap y téléopèrent des robots depuis chez elles, démontrant que l'automatisation peut élargir le bassin de travailleurs plutôt que le réduire. Ce modèle commence à trouver des équivalents dans l'industrie manufacturière. L'obstacle central à l'autonomie robotique n'est pas d'ordre technique mais épistémique : c'est le fossé de connaissance entre ce que font les opérateurs et pourquoi ils le font ainsi. Les gestes d'un technicien expérimenté, affinés sur des années voire des décennies, deviennent en grande partie instinctifs et résistent à la formalisation. Des capteurs de mouvement couplés à des systèmes d'IA générative permettent aujourd'hui de progresser sur la captation des actions physiques, mais transposer la logique contextuelle derrière ces actions reste un problème ouvert. Sans résoudre cette équation, les robots ne peuvent pas dépasser l'exécution de tâches basiques à l'échelle, et l'autonomie complète demeure hors portée pour la majorité des processus complexes. Ce constat remet en question les discours anticipant un remplacement massif à court terme, et souligne que la vraie condition préalable à l'automatisation avancée est une refonte des workflows de données, de fond en comble. La transformation numérique de l'industrie fait évoluer structurellement les compétences recherchées : pensée stratégique, résolution de problèmes, design de processus, maîtrise des données. La capacité manuelle libérée par les robots sur les tâches à faible valeur ajoutée peut être réorientée vers la supervision, les relations fournisseurs, la conformité réglementaire et l'architecture des systèmes IA. L'article adopte une posture prospective et généraliste plutôt qu'il ne rapporte des déploiements concrets ou des produits identifiables, ce qui limite la portée opérationnelle immédiate de son analyse. Aucun intégrateur, OEM ou startup robotique n'est cité nommément au-delà d'OryLab. Le RoboBusiness 2026 est mentionné en filigrane comme espace de discussion pour ces enjeux. Le défi reste d'ordre organisationnel autant que technologique : l'infrastructure de données et les processus de capture de connaissance tacite constituent le vrai prérequis à l'autonomie robotique industrielle.

UEAucun impact direct sur la France/UE, bien que le constat sur l'écart infrastructurel de capture de données (70 % manuelle) s'applique aux fabricants européens en compétition avec les leaders asiatiques de l'automatisation.

IndustrielOpinion
1 source
XELA Robotics améliore la famille de capteurs uSkin avant le Robotics Summit
2Robotics Business Review 

XELA Robotics améliore la famille de capteurs uSkin avant le Robotics Summit

XELA Robotics, spécialiste tokyoïte des capteurs tactiles 3D, a annoncé le 30 avril 2026 deux améliorations majeures de sa famille de capteurs uSkin, à quelques semaines du Robotics Summit & Expo de Boston (27-28 mai). La première concerne la compensation des interférences magnétiques : les versions précédentes du capteur filtraient déjà la plupart des perturbations magnétiques, mais restaient vulnérables aux petits aimants puissants placés à moins d'un millimètre de la surface sensible de 3×3 mm. La nouvelle compensation élimine ces cas résiduels, ce qui devient critique pour la manipulation de pièces en fer ou d'acier, mais aussi pour des composants courants en usine comme les clips magnétiques. La seconde amélioration est l'adoption du protocole CAN FD (Controller Area Network Flexible Data-Rate) : là où le CAN classique plafonnait à 8 octets par trame et quelques centaines de kbps, le CAN FD monte à 64 octets par trame et jusqu'à 8 Mbps de débit, permettant de faire cohabiter davantage de modules de capteurs sur le même bus de données sans dégradation de la fréquence d'échantillonnage. XELA annonce maintenir une cadence de mesure de 500 Hz dans cette nouvelle configuration. Les capteurs compatibles CAN FD sont disponibles à la commande immédiatement, avec premières livraisons prévues en mai 2026 ; la compensation magnétique avancée sera accessible en option au troisième trimestre 2026. Ces deux évolutions répondent à un problème concret de déploiement industriel : intégrer de nombreux points de contact sur une main robotique ou un préhenseur sans saturer le bus de communication ni dégrader la résolution temporelle. Le maintien des 500 Hz sous charge accrue de capteurs est une contrainte que les intégrateurs connaissent bien lors du passage du prototype au déploiement en cellule. La compensation magnétique, elle, lève un verrou réel pour les applications de tri ou d'assemblage de composants métalliques, où la proximité d'aimants permanents ou de pièces ferromagnétiques générait jusqu'ici des lectures parasites difficiles à calibrer. Alexander Schmitz, CEO de XELA Robotics, a confirmé que ces fonctionnalités étaient remontées directement du marché américain, ce qui signale un effort de maturation produit guidé par la demande terrain plutôt que par la recherche amont. XELA Robotics s'est construit sur une niche précise : les capteurs tactiles à haute résolution spatiale et temporelle pour la robotique de manipulation avancée, un segment où peu d'acteurs proposent des solutions commerciales prêtes à l'emploi. Les concurrents directs incluent Contactile (Australie), Xsens pour la partie proprioception, et dans une certaine mesure les efforts internes de laboratoires comme le MIT CSAIL ou CMU sur la perception tactile. XELA sera présent au stand 616 du Robotics Summit & Expo de Boston fin mai, événement co-organisé par The Robot Report, où les deux nouveautés seront démonstrables en conditions réelles. La prochaine étape logique pour XELA sera d'intégrer ces capteurs dans les mains des humanoïdes en cours de commercialisation, un marché qui tire fortement la demande en retour haptique fiable à haute fréquence.

IndustrielActu
1 source
Les données de prothèses de mains améliorent le contrôle fin des robots pour la manipulation précise
3Interesting Engineering 

Les données de prothèses de mains améliorent le contrôle fin des robots pour la manipulation précise

ABB Robotics, division robotique du groupe suisse ABB, a annoncé un partenariat avec PSYONIC, une entreprise californienne spécialisée dans les prothèses bioniques, pour exploiter les données issues de prothèses de main réelles afin d'améliorer la dextérité des robots industriels. Le projet associe le bras collaboratif GoFa d'ABB, avec une charge utile de 12 kilogrammes, une portée de 1,62 mètre et une répétabilité de 0,02 mm, à la main prothétique Ability Hand de PSYONIC. Cet équipement bionique ferme sa prise en 200 millisecondes, gère 32 types de préhension dont 19 pré-programmés, dispose d'un retour tactile multi-points et d'une certification IP64. L'objectif déclaré : capturer les données de toucher et de mouvement générées par les utilisateurs humains de la prothèse pour entraîner des modèles robotiques capables de manipuler des objets fragiles, irréguliers ou variables. ABB avance que cette approche pourrait réduire jusqu'à 30 % le temps d'ingénierie consacré aux applications de manipulation, sans toutefois préciser dans quel contexte ni sur quelle base de mesure ce chiffre a été calculé. Ce partenariat s'attaque à un verrou technique reconnu dans l'automatisation industrielle : la dextérité fine. Contrairement aux méthodes d'entraînement classiques qui reposent sur la simulation, le projet utilise des données du monde réel issues d'un usage humain, ce qui présente un avantage théorique en termes de couverture des cas limites et de diversité des interactions physiques. Si l'approche se confirme à l'échelle, elle pourrait accélérer le déploiement de robots dans des lignes où la manipulation manuelle reste irremplaçable, notamment en assemblage électronique, en gestion de composants aérospatiaux ou en conditionnement pharmaceutique. ABB parle de son programme "Autonomous Versatile Robotics" (AVR), qui vise à doter les robots d'une capacité de raisonnement et d'adaptation sans reprogrammation manuelle constante. C'est là que la valeur réelle se situera, mais aucune démonstration industrielle concrète n'a encore été annoncée à ce stade. ABB Robotics est l'un des quatre grands intégrateurs robotiques mondiaux, aux côtés de KUKA, Fanuc et Yaskawa. Le GoFa a été lancé en 2021 pour concurrencer les cobots d'Universal Robots et de FANUC sur les tâches de collaboration humain-robot. PSYONIC, fondée en 2016 à Champaign (Illinois), s'est distinguée avec l'Ability Hand, une prothèse conçue pour être abordable et fonctionnelle, avec financement de la DARPA. Le transfert de savoir-faire prosthétique vers la robotique industrielle n'est pas sans précédent, mais reste rare à ce niveau de formalisation. Les secteurs ciblés incluent l'automobile, l'aérospatial, la logistique et les sciences du vivant. Le partenariat en est à la phase de recherche et développement conjointe, sans calendrier de productisation ni client pilote annoncé publiquement à ce jour.

UEABB étant l'un des principaux fournisseurs de robots industriels en Europe, cette approche data-driven pour la dextérité fine pourrait à terme accélérer l'automatisation des lignes d'assemblage européennes (automobile, aérospatial), mais reste à ce stade un projet R&D sans déploiement ni client pilote annoncé.

IndustrielOpinion
1 source
Comment Locus s'attaque à la préhension, l'un des plus grands défis de la robotique
4Robotics Business Review 

Comment Locus s'attaque à la préhension, l'un des plus grands défis de la robotique

Locus Robotics, spécialiste des robots mobiles autonomes (AMR) crédité de plus de 6 milliards de picks réalisés en entrepôt, s'attaque désormais à la préhension robotique. L'entreprise était entrée sur ce marché en mars 2025 avec Array, un manipulateur mobile équipé d'un bras de picking guidé par vision et d'une ventouse standard. Plus d'un an après, Locus a racheté Nexera Robotics, société basée à Vancouver connue pour sa technologie de préhension NeuraGrasp, des pinces souples capables de saisir aussi bien de petits contenants que des sacs en polybag poreux ou des articles en tissu. Selon Roy Belak, ancien PDG de Nexera et désormais vice-président senior en charge de la préhension robotique chez Locus, NeuraGrasp en était déjà à sa sixième génération de produit au moment de la rencontre entre les deux entreprises, lors du salon MODEX en 2025. Locus avait alors déjà largement avancé le développement d'Array, mais l'architecture existante, alimentation pneumatique et électrique notamment, s'est révélée compatible avec l'intégration de la technologie Nexera. Belak n'a pas communiqué de calendrier précis, mais anticipe que la prochaine présentation publique d'Array intégrera NeuraGrasp. Cette acquisition illustre un enjeu central pour l'industrie de la logistique automatisée: la préhension universelle reste le principal goulot d'étranglement du picking robotisé, bien plus que la navigation ou la localisation, déjà largement maîtrisées par les AMR. D'après Belak, la ventouse seule couvre 60 à 70% des cas d'usage en entrepôt, mais échoue sur les 30 à 40% restants, articles déformables, poreux ou irréguliers, qui nécessitent une approche hybride combinant succion et pince. Pour les intégrateurs et décideurs B2B, ce mouvement confirme une tendance de fond du secteur: la préhension pinch gagne du terrain face à la succion pure pour atteindre des taux de couverture élevés sur des catalogues de SKU hétérogènes. Il s'agit toutefois pour l'instant d'une annonce de feuille de route et non d'un déploiement massif: Array circule encore chez les premiers clients avec sa ventouse d'origine, et les données d'usage nécessaires pour optimiser NeuraGrasp à grande échelle restent à collecter. Le rapprochement s'inscrit dans la course plus large à la manipulation robotique généraliste en entrepôt, où plusieurs acteurs développent des grippers universels ou des bras dotés de modèles vision-langage-action pour élargir la couverture SKU au-delà de la ventouse classique. Nexera apportait des années de R&D sur ses effecteurs souples mais cherchait un partenaire capable d'industrialiser et déployer sa technologie à grande échelle, un besoin auquel répond directement le réseau client de Locus, où une longue liste d'entreprises attend déjà l'accès à Array. Belak décrit une fenêtre d'opportunité étroite: un an de retard supplémentaire dans l'acquisition aurait rendu l'intégration technique beaucoup plus difficile compte tenu de l'avancement du développement d'Array. Les prochaines étapes attendues sont l'intégration effective de NeuraGrasp dans les unités Array déployées, la remontée de données terrain permettant d'affiner les algorithmes de préhension, puis une diffusion progressive de la technologie combinée auprès des clients existants et futurs de Locus.

IndustrielActu
1 source