RecherchearXiv cs.RO 7 septembre 2026

Une queue robotique souple biomimétique et vertébrée pour des manœuvres dynamiques rapides et puissantes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié sur arXiv (article 2509.20219, version révisée) la conception d'une queue robotique baptisée BVSR, pour Biomimetic Vertebraic Soft Robotic tail. Il s'agit d'un corps pneumatique souple renforcé par une colonne vertébrale articulée passivement, inspirée des structures musculo-squelettiques animales. Actionné jusqu'à 6 bars de pression, ce dispositif atteint des vitesses angulaires supérieures à 670 degrés par seconde. Avec une charge utile de 500 grammes fixée en bout de queue, il génère des forces inertielles jusqu'à 23,6 newtons et des couples jusqu'à 2,48 newton-mètres, soit une amélioration de plus de 200 % par rapport aux queues souples dépourvues de structure vertébrale. Les auteurs ont bâti et validé expérimentalement un modèle cinématique et dynamique intégrant les contraintes de la colonne, puis testé la queue sur plusieurs tâches : stabilisation rapide d'un chariot, franchissement d'obstacles, virages à haute vitesse et intégration sur un robot quadrupède.

Cette architecture hybride répond à un compromis classique en robotique mobile : les queues rigides produisent de forts effets inertiels mais deviennent dangereuses en environnement non structuré, tandis que les queues souples, plus sûres, manquent de vitesse et de force pour stabiliser efficacement un robot en mouvement rapide. En séparant la fonction porteuse, confiée à la colonne vertébrale passive, de la fonction d'actionnement, assurée par le corps pneumatique, les chercheurs ouvrent une voie pour équiper des plateformes agiles, quadrupèdes ou robots de terrain, d'un organe d'équilibrage à la fois puissant et compliant. Si ces performances se confirment hors laboratoire, elles réduiraient l'écart entre les démonstrations spectaculaires de robots inspirés du vivant et des usages réels exigeant robustesse aux chocs et sécurité en environnement humain.

Le projet s'inscrit dans une lignée de travaux biomimétiques s'inspirant des queues de guépards ou de kangourous, utilisées dans la nature pour la stabilisation en course et les virages rapides. Jusqu'ici, les concepteurs devaient arbitrer entre queues rigides motorisées, puissantes mais risquées, et queues souples en élastomère, sûres mais peu réactives ; la colonne vertébrale passive proposée ici comble cet écart. L'article ne mentionne aucun partenaire industriel ni calendrier commercial ; les prochaines étapes annoncées portent sur une intégration plus poussée à des plateformes quadrupèdes et l'extension des essais en conditions dynamiques réelles.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Préentraînement séparé des dynamiques directe et inverse pour un apprentissage robotique découplé

Des chercheurs ont publié le 23 avril 2026 sur arXiv un article présentant DeFI (Decoupled visual Forward and Inverse dynamics pretraining), un framework d'apprentissage pour robots généralistes qui dissocie explicitement la prédiction visuelle de la prédiction d'actions motrices. L'architecture repose sur deux modules distincts : le General Forward Dynamics Model (GFDM), pré-entraîné sur des vidéos humaines et robotiques pour anticiper l'évolution visuelle d'une scène, et le General Inverse Dynamics Model (GIDM), entraîné par auto-supervision pour inférer des "actions latentes" à partir de transitions vidéo non annotées. Les deux modules sont ensuite fusionnés dans une architecture unifiée et affinés conjointement sur des tâches cibles. Sur le benchmark CALVIN ABC-D, DeFI atteint une longueur de tâche moyenne de 4,51, un score de 51,2 % sur SimplerEnv-Fractal, et un taux de succès de 81,3 % en déploiement réel, surpassant selon les auteurs les méthodes antérieures sur chacun de ces indicateurs. L'enjeu technique central que DeFI prétend résoudre est le "sim-to-real gap" structurel propre aux modèles VLA classiques : ces derniers entraînent conjointement la prédiction d'images 2D et la génération d'actions 3D, deux objectifs dont les gradients entrent en conflit. La dissociation proposée permet surtout d'exploiter des vidéos web à grande échelle sans annotation d'actions, une ressource quasi-illimitée comparée aux datasets robotiques labellisés, rares et coûteux. Pour les intégrateurs et les équipes R&D industrielles, cela signifie potentiellement réduire le coût de collecte de données de démonstration, un goulot d'étranglement bien documenté dans le déploiement de robots manipulateurs polyvalents. DeFI s'inscrit dans une dynamique de recherche très active autour des VLA, portée notamment par Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA et les travaux OpenVLA. La principale limite à évaluer ici est celle de tout papier arXiv sans validation industrielle externe : les 81,3 % en "déploiement réel" correspondent à un environnement de laboratoire contrôlé, pas à une ligne de production. Les benchmarks CALVIN et SimplerEnv sont désormais saturés par de nombreuses méthodes concurrentes, ce qui en rend l'interprétation délicate sans contexte de variance et de répétabilité. Aucun partenariat industriel ni timeline de commercialisation n'est mentionné dans l'article.

RechercheActu

1 source

2arXiv cs.RO

Apprentissage rapide sur robot pour compétences de manipulation dynamique : le jonglage robotique

Un article publié sur arXiv (2608.26800v1) présente un cadre d'apprentissage en ligne permettant à un robot bimanuel d'apprendre à jongler directement sur du matériel physique, en moins de cinq minutes d'interaction réelle. Équipé de deux bras, de mains multi-doigts et d'une vision embarquée, le robot maîtrise cinq figures classiques de jonglage à trois balles : cascade, tennis, demi-douche, douche et boîte. La méthode, dite d'apprentissage régularisé par mémoire, combine un modèle local construit à partir de l'expérience accumulée sur le robot avec un modèle global préalable qui sert à extrapoler là où les données manquent. Un mécanisme de sécurité, appelé ensemble mutuellement atteignable, garantit que chaque transition entre lancer et rattrapage reste dans les limites articulaires et d'actionneurs des deux bras. Ce résultat s'attaque à l'écart persistant entre simulation et réalité en robotique : plutôt que de chercher à améliorer la fidélité du simulateur, les auteurs montrent qu'un modèle imparfait suffit comme socle à un apprentissage rapide directement sur le robot. Cela contredit l'hypothèse répandue selon laquelle un pré-entraînement massif ou une collecte de données prolongée est nécessaire pour des tâches de manipulation dynamique exigeant une coordination fine entre perception et action en temps réel. Pour les intégrateurs et décideurs industriels, l'approche suggère des robots capables de s'adapter en quelques minutes à une nouvelle tâche sur site plutôt qu'après des semaines de réentraînement hors ligne, ce qui réduirait le coût et les délais de déploiement de systèmes manipulateurs dextres. Le jonglage sert ici de banc d'essai à des compétences de manipulation dynamique et rapide, un registre distinct des tâches quasi statiques comme la préhension ou le tri qui dominent les démonstrations commerciales actuelles. L'abstract ne précise ni l'affiliation des auteurs ni la plateforme robotique utilisée, au-delà de sa description fonctionnelle. Ce travail s'inscrit dans une tendance de recherche visant à dépasser les politiques figées apprises hors ligne, au profit de robots capables d'affiner en continu leur comportement au contact du monde réel. Les auteurs présentent ce résultat comme une preuve de concept, une étape vers des systèmes qui exploitent des connaissances préalables imparfaites tout en s'améliorant continuellement par leur propre expérience physique.

RecherchePaper

1 source

3arXiv cs.RO

SPARC : une colonne vertébrale prismatique et rotative pour un bond quadrupède plus rapide

Une équipe de chercheurs a publié sur arXiv (arXiv:2510.01984, v4) une étude sur SPARC (Spine with Prismatic And Revolute Compliance), colonne vertébrale robotique de 1,26 kg à 3 degrés de liberté combinant rotation et translation prismatique dans le plan sagittal, avec raideur et amortissement réglables indépendamment via un contrôleur d'impédance à base flottante. Des tests sur banc montrent une raideur axiale mesurée conforme aux valeurs commandées à 1,5% près. Intégré à un quadrupède à 8 degrés de liberté, le dispositif a été testé sur 97 essais de course bondissante, comparant trois configurations: colonne en impédance active, colonne fixée en position, et colonne rigide légère. La version en impédance atteint 1,029 m/s, contre 0,769 m/s en position fixe et 0,673 m/s en rigide, des gains de 34% et 53%. Code et plans matériels sont publiés en open source sur GitHub (YueWang996/sparc). L'étude répond à une question ouverte de la robotique quadrupède: un contrôle actif de la compliance spinale fait-il mieux qu'un ressort passif fixe ou un tronc rigide? Oui: le gain de vitesse provient d'un mouvement axial plus ample et d'un échange de puissance mécanique accru au niveau de la colonne, pas des seules pattes. Pour les concepteurs de quadrupèdes de recherche ou d'inspection, dans la lignée du MIT Cheetah ou face aux troncs rigides des quadrupèdes commerciaux type Unitree, cela relance l'intérêt d'une colonne activement pilotée plutôt que passive. L'étude nuance toutefois ce résultat: à vitesse égale, la version en impédance consomme électriquement plus que la colonne rigide, un compromis vitesse/efficacité loin d'un gain gratuit. SPARC prolonge des observations de biomécanique selon lesquelles les mammifères quadrupèdes, du guépard au chien, couplent flexion spinale et extension/compression axiale pour courir plus vite, un mécanisme que la plupart des robots actuels ignorent en optant pour un tronc rigide ou une compliance passive à raideur fixe. Il s'agit d'un travail de recherche académique en preprint (version de remplacement, v4), code et matériel ouverts, non d'un produit ou d'un déploiement industriel: aucun partenaire, date de commercialisation ni pilote n'est mentionné. Les suites logiques, non précisées par les auteurs, seraient la validation sur d'autres allures comme le trot ou le galop et la réduction du surcoût énergétique observé.

RecherchePaper

1 source

4arXiv cs.RO

Vision-Langage-Politique : un modèle pour la planification dynamique des tâches robotiques

Une équipe de recherche propose un nouveau modèle baptisé Vision-Language-Policy, ou VLP, destiné à la planification dynamique de tâches robotiques à partir de commandes en langage naturel. Décrit dans un article déposé sur arXiv (2512.19178, version révisée), le système s'appuie sur un modèle vision-langage affiné sur des données réelles, capable d'interpréter des instructions sémantiques et de raisonner sur la scène de travail observée pour générer directement des politiques de comportement pilotant le robot. Les auteurs ont testé leur approche sur plusieurs robots différents et sur une variété de tâches en conditions réelles, démontrant que le modèle peut ajuster sa stratégie en cours d'exécution lorsque les instructions changent, sans nécessiter de replanification complète. Des vidéos de démonstration sont disponibles sur robovlp.github.io. L'article ne précise pas de métriques chiffrées de type charge utile, degrés de liberté ou temps de cycle, ni de nom de robot commercial identifiable, ce qui limite l'évaluation de la performance réelle du système face aux standards du secteur. L'intérêt de ce travail réside dans la promesse de généralisation inter-incarnations, c'est-à-dire la capacité d'un même modèle à fonctionner sur des morphologies de robots différentes sans réentraînement spécifique à chaque plateforme. C'est l'un des points durs actuels de l'IA robotique, où les modèles VLA (vision-language-action) peinent souvent à transférer d'un bras ou d'un humanoïde à un autre. Si l'adaptabilité dynamique aux changements de consigne se confirme à plus grande échelle, cela répondrait à une limite classique des architectures de planification traditionnelles, qui séparent rigidement le raisonnement de haut niveau de l'exécution bas niveau et s'adaptent mal aux imprévus. Ce travail s'inscrit dans la lignée des modèles VLA récents comme Pi-0 ou GR00T N2, qui cherchent tous à unifier perception, langage et action dans un même modèle entraîné de bout en bout. Il s'agit ici d'une contribution académique, sans annonce de partenaire industriel ni de déploiement commercial, et la prudence reste de mise tant qu'une validation indépendante sur des benchmarks standardisés n'a pas été publiée.

RechercheActu

1 source