Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO 

AquaBEV : occupation BEV sous-marine monoculaire supervisée par sonar 3D

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

Des chercheurs ont présenté AquaBEV, un modèle de perception pour robots sous-marins autonomes capable de prédire une carte d'occupation en vue aérienne (bird's eye view, BEV) à partir d'une seule image RGB, publié sur arXiv en septembre 2026 (arXiv:2609.04411v1). Le système transforme les caractéristiques visuelles extraites de l'image en une représentation polaire sans calibration préalable, applique un décodage causal le long de la dimension de portée, puis reconstruit la prédiction finale en coordonnées cartésiennes BEV. Pendant l'entraînement uniquement, le modèle est supervisé par des données de sonar imageur 3D appariées à l'image RGB, qui servent de vérité terrain géométrique. Les auteurs ont construit un benchmark dédié à cette tâche RGB-vers-sonar, en adaptant plusieurs méthodes d'occupation existantes au même protocole pour permettre une comparaison directe. AquaBEV atteint un score de 31,4 en Visible IoU et 38,6 en Observed IoU, soit des gains relatifs de 4,0% et 4,3% par rapport à la meilleure méthode de référence transférée depuis d'autres domaines.

L'enjeu pratique est net pour les intégrateurs de robotique sous-marine: la navigation sûre d'un véhicule autonome (AUV ou ROV) exige de savoir en temps réel quel espace est libre ou occupé, mais l'image RGB seule fournit des indices géométriques peu fiables sous l'eau, à cause de la turbidité, de l'absorption lumineuse et du faible contraste. Le sonar imageur 3D offre une mesure géométrique plus robuste mais reste un capteur coûteux et gourmand en calcul à embarquer en continu. En cantonnant le sonar au seul rôle de supervision à l'entraînement, et en ne nécessitant qu'une caméra RGB en inférence, AquaBEV pointe vers des architectures de perception moins chères à déployer en flotte, un enjeu concret pour l'inspection d'infrastructures immergées, la surveillance environnementale ou les missions d'exploration à budget limité.

Le travail s'inscrit dans la continuité des méthodes d'occupation BEV développées pour les véhicules terrestres autonomes, que les auteurs ont explicitement adaptées et re-testées dans un environnement sous-marin pour établir des baselines de comparaison, faute d'équivalent direct dans ce domaine encore peu couvert. Aucun acteur industriel ni date de déploiement n'est mentionné dans la publication: il s'agit à ce stade d'un résultat de recherche académique validé sur un benchmark contrôlé, sans indication de passage à un produit commercial ou à des essais en conditions réelles.

Dans nos dossiers

arXiv cs.RO

À lire aussi

CAVE-NAV : navigation autonome 3D en grotte sous-marine par modèle vision-langage
1arXiv cs.RO 

CAVE-NAV : navigation autonome 3D en grotte sous-marine par modèle vision-langage

Des chercheurs proposent CAVE-NAV, un système de navigation autonome en 3D pour environnements de grottes sous-marines, décrit dans un article publié sur arXiv (référence 2608.27793v1). Le framework s'appuie sur un modèle vision-langage (VLM) doté d'un raisonnement en chaîne de pensée (Chain-of-Thought) pour déduire les directions praticables à partir d'indices environnementaux tels que les gradients d'intensité lumineuse, la morphologie des passages et la complexité géométrique des galeries. Le système combine plusieurs entrées multimodales : imagerie RGB, cartes de profondeur et mesures de dégagement vertical obtenues par sonar. Les auteurs rapportent que des simulations haute fidélité menées sur plusieurs topologies de grottes différentes montrent que le framework a complété l'intégralité des traversées de bout en bout évaluées sans collision, tout en maintenant une marge de sécurité par rapport aux parois. Il s'agit à ce stade d'une validation en simulation, sans déploiement physique rapporté sur un véhicule sous-marin réel. L'enjeu dépasse la simple exploration spéléologique : la navigation en grotte sous-marine constitue un cas d'usage extrême pour les opérations de recherche et sauvetage, l'exploration scientifique et les procédures d'évacuation d'urgence, des contextes où les méthodes classiques de localisation par caractéristiques visuelles échouent à cause de la dégradation de l'image sous l'eau, et où le sonar produit des cartes d'obstacles trop conservatrices pour permettre un passage sûr dans des tunnels étroits. L'absence de communication en temps réel avec un opérateur humain exclut aussi tout téléguidage. En démontrant qu'un VLM avec raisonnement explicite peut interpréter des indices environnementaux ambigus pour guider un véhicule dans un espace confiné en 3D, ces travaux illustrent une tendance plus large : l'extension des modèles vision-langage, initialement conçus pour la robotique terrestre et manipulatrice, vers des domaines où les capteurs traditionnels montrent leurs limites, comme le sous-marin. Ce travail s'inscrit dans le prolongement des recherches en robotique sous-marine autonome (AUV), un domaine longtemps dominé par des approches basées sur le sonar et le SLAM visuel classique, peu adaptées aux grottes noyées à faible visibilité. Aucun acteur français ou européen n'est mentionné dans cette publication. Les auteurs ne précisent ni les prochaines étapes vers des essais en conditions réelles, ni de partenariat industriel ou institutionnel identifié, ce qui place ces résultats au stade de la preuve de concept académique plutôt que d'une solution prête à déployer sur le terrain.

RecherchePaper
1 source
Perception 3D monoculaire pour robots piétons par apprentissage hybride 2D-3D
2arXiv cs.RO 

Perception 3D monoculaire pour robots piétons par apprentissage hybride 2D-3D

Une équipe de chercheurs a publié en juin 2026 sur arXiv (référence 2606.19122) WalkOCC, un framework de perception 3D de l'espace occupé conçu spécifiquement pour les robots circulant sur les trottoirs, notamment les robots de livraison du dernier kilomètre et les fauteuils roulants autonomes. Contrairement aux systèmes existants qui requièrent plusieurs caméras et des nuages de points LiDAR densément annotés en 3D, WalkOCC repose sur une seule caméra monoculaire. L'architecture hybride combine du ray-marching géométrique calibré sur des séquences LiDAR-RGB avec un apprentissage à grande échelle sur des images monoculaires non appariées, sans nécessiter d'annotations 3D coûteuses sur ces données supplémentaires. Les auteurs publient également Sidewalk3D, un dataset collecté sur plusieurs sites et périodes, incluant des séquences LiDAR-caméra synchronisées et des annotations sémantiques d'occupancy 3D pour l'évaluation comparative. L'enjeu est directement opérationnel pour les intégrateurs de robots mobiles en milieu urbain. Les trottoirs présentent des structures fines et hétérogènes, bordures (curbs), caniveaux (gutters), mobilier urbain, piétons proches, que les pipelines de prédiction d'occupancy conçus pour l'automobile autonome capturent mal. WalkOCC améliore la segmentation fine de ces éléments et maintient de bonnes performances lors de changements environnementaux (conditions lumineuses, météo) et de changements de plateforme robotique (cross-embodiment), un point critique pour les opérateurs qui déploient plusieurs modèles de robots sur une même infrastructure logicielle. La réduction de dépendance au LiDAR multi-faisceau, dont le coût reste prohibitif pour les robots de faible valeur unitaire, constitue un argument industriel concret pour le déploiement à échelle. Ce travail s'inscrit dans une dynamique de transfert des méthodes de perception automobile vers la robotique de service en environnement non structuré. Les approches dominantes en véhicule autonome ont largement établi la prédiction d'occupancy comme primitive centrale, mais elles présupposent des infrastructures de collecte et des densités de capteurs inaccessibles pour les flottes de robots de trottoir. WalkOCC concurrence directement les baselines auto-supervisées sur image seule en apportant un gain de précision sans alourdir le pipeline de collecte de données. Il n'existe aujourd'hui aucun standard commun pour l'évaluation de la perception piétonne robotique; si le code et le dataset Sidewalk3D sont effectivement publiés comme annoncé, ce travail pourrait s'imposer comme référence de benchmarking dans ce segment encore peu structuré.

RecherchePaper
1 source
OC-VLA++ : cohérence multi-vue guidée par géométrie monoculaire pour une manipulation robotique robuste au point de vue
3arXiv cs.RO 

OC-VLA++ : cohérence multi-vue guidée par géométrie monoculaire pour une manipulation robotique robuste au point de vue

Le laboratoire à l'origine d'OC-VLA publie une extension baptisée OC-VLA++, qui vise à corriger un angle mort connu des modèles vision-langage-action (VLA) pour la manipulation robotique : la généralisation à des points de vue caméra non vus pendant l'entraînement. La méthode originale, OC-VLA, ancrait déjà les prédictions d'action dans le repère de la caméra plutôt que dans le repère robot, pour aligner la supervision avec l'observation visuelle. Mais les auteurs montrent que cet ancrage seul reste sujet au surapprentissage lorsque peu de points de vue sont couverts à l'entraînement. OC-VLA++ ajoute deux mécanismes : une supervision par paires de vues guidée par la géométrie, et un objectif explicite d'équivariance d'action inter-vues. Concrètement, le modèle reçoit des paires d'observations d'une même scène de manipulation, prises sous des angles géométriquement reliés, et apprend à produire des prédictions dans l'espace caméra qui correspondent à la même action une fois ramenées au repère du robot. Le papier, publié en preprint sur arXiv (2608.01066v1), rapporte des gains « substantiels » en généralisation à des vues inédites sous couverture caméra limitée, avec une dégradation plus progressive à mesure que le déplacement de caméra augmente, sans toutefois fournir de chiffres précis de taux de réussite dans le résumé, ce qui invite à rester prudent avant validation indépendante. Pour les intégrateurs et les équipes robotique, le sujet touche à un problème très concret : la plupart des déploiements industriels utilisent un nombre restreint de caméras fixes, et un modèle VLA entraîné sur ces angles précis échoue souvent dès qu'une caméra est repositionnée, remplacée ou que la cellule de travail change de configuration. Si l'équivariance d'action inter-vues tient ses promesses au-delà du cadre expérimental du papier, elle pourrait réduire le besoin de collecter des données massives multi-caméras pour chaque nouvelle installation, un poste de coût important dans le déploiement des VLA à grande échelle. Cela s'inscrit dans un débat plus large du secteur sur l'écart entre démonstrations en laboratoire et robustesse réelle : beaucoup de modèles VLA impressionnent sur les vues d'entraînement mais généralisent mal dès que l'environnement visuel bouge, un des obstacles cités au passage à l'échelle des humanoïdes et bras manipulateurs. Le travail se situe dans la lignée directe d'OC-VLA, dont il corrige une limite identifiée par ses propres auteurs plutôt que de proposer une architecture radicalement nouvelle. Le papier ne mentionne pas de comparaison directe avec les autres familles de VLA du moment comme Pi-0, GR00T N2 ou Helix, et ne précise pas si les expériences ont été menées en simulation, sur robot réel, ou les deux, une information qu'on aimerait voir clarifiée avant de juger de la portée réelle des résultats. Les auteurs présentent ces résultats comme un argument en faveur de l'équivariance d'action inter-vues comme complément à l'ancrage centré sur l'observation, en vue d'un déploiement robuste en conditions réelles, mais aucun calendrier de test terrain ni partenariat industriel n'est annoncé à ce stade. Le texte reste, pour l'instant, une contribution de recherche publiée en preprint, sans revue par les pairs ni suite commerciale connue.

RechercheActu
1 source
Manipulation souple par poussée non-préhensile
4arXiv cs.RO 

Manipulation souple par poussée non-préhensile

Des chercheurs ont publié sur arXiv (2605.25672) une méthode permettant à un bras manipulateur de pousser des objets en milieu humain sans les saisir, tout en maintenant une compliance passive. L'approche étend un modèle de poussée existant intégré à un contrôle en impédance, puis construit un cadre de commande prédictive (MPC) qui module conjointement position et vitesse du robot pour produire la force de contact voulue et adapter le point de contact selon la trajectoire désirée de l'objet. Un filtre de passivité basé sur un "energy tank" module ensuite la vitesse de référence pour éviter l'accumulation incontrôlée d'énergie lors d'interactions extérieures imprévues. La méthode a été validée en simulation puis expérimentalement sur deux systèmes robotiques physiques distincts. Ce travail répond à un besoin croissant dans la robotique collaborative: déplacer des objets sans préhension dans des espaces humains sans risquer de blesser un opérateur en cas de contact non planifié. La plupart des approches MPC pour la manipulation par poussée supposent un robot rigide, ce qui les rend inadaptées aux environnements partagés. En combinant impédance et passivité, cette méthode ouvre la voie à des manipulateurs opérant en mode "open floor" dans des entrepôts ou sur des lignes d'assemblage. Le mécanisme d'energy tank, issu de la robotique haptique, applique ici un principe de stabilité éprouvé à la manipulation non-préhensile. Limite notable: le papier ne fournit pas de métriques de cycle time ni de masse utile testée en conditions réalistes, ce qui limite les conclusions directes pour les intégrateurs industriels. Ce développement s'inscrit dans un champ actif où des équipes comme celles de Berkeley (pushing as pre-grasp manipulation) et d'ETH Zurich (planar pushing) ont posé les bases théoriques; la brique compliance manquait pour un transfert industriel crédible. Côté commercial, la manipulation sans préhension reste peu déployée: Righthand Robotics et Covariant privilégient la préhension adaptative, tandis que des solutions de poussée planaire existent dans les AMR mais sans bras articulé compliant. En France, les acteurs logistiques comme Exotec restent dépendants de la préhension pour la manipulation fine d'objets. La prochaine étape naturelle serait une validation sur scénario d'entrepôt réel avec un spectre plus large de géométries et masses d'objets, perspective que les auteurs mentionnent explicitement.

UELes acteurs logistiques européens comme Exotec pourraient à terme bénéficier de cette approche pour réduire leur dépendance à la préhension fine en entrepôt, mais l'absence de métriques industrielles réalistes retarde tout transfert opérationnel.

RecherchePaper
1 source