ExosquelettesarXiv cs.RO 18 septembre 2026

UniExo : politiques unifiées multi-compétences pour la locomotion musculosquelettique et le contrôle co-adaptatif d'exosquelette

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un consortium de chercheurs en robotique et biomécanique a publié le 18 septembre 2026 sur arXiv (2609.19690) un framework baptisé UniExo, destiné à unifier le contrôle des exosquelettes de hanche sur plusieurs types de locomotion. Le système repose d'abord sur une politique musculosquelettique humaine multi-compétences: quatre experts d'imitation distincts, entraînés respectivement pour la marche, le virage, la course et la marche arrière, sont fusionnés en un seul réseau structuré par un espace latent de compétences, puis affinés par apprentissage par renforcement sur des séquences de transition entre ces mouvements. Cette politique humaine unifiée atteint un taux moyen de réussite de suivi de 94,7% sur des séquences vidéo inédites des quatre compétences, avec une robustesse aux perturbations supérieure à celle de chacun des experts pris séparément. Un contrôleur d'exosquelette de hanche unique, initialisé à partir des prédictions de moment articulaire de cette politique humaine, est ensuite co-adapté avec elle via apprentissage par renforcement multi-agent. Déployé sur un exosquelette de hanche conçu sur mesure, il a été testé sur six participants à quatre vitesses de tapis roulant différentes, et un participant a parcouru un trajet continu enchaînant les quatre compétences et leurs transitions sans étiquette de mouvement ni changement de mode explicite.

L'intérêt principal tient à la disparition du changement de mode manuel: la quasi-totalité des contrôleurs d'exosquelette actuels sont conçus pour une activité unique ou un ensemble restreint de mouvements apparentés, ce qui impose un recalibrage matériel à chaque nouvelle tâche. En montrant qu'une politique entraînée en simulation transfère directement sur un dispositif physique réel et gère les transitions entre activités, UniExo apporte un indice supplémentaire que l'écart simulation-réel se réduit pour des tâches de contrôle biomécanique complexes, un enjeu clé pour les fabricants d'exosquelettes médicaux et d'assistance industrielle. La validation reste toutefois limitée: six participants seulement, et un seul ayant testé le parcours complet des quatre compétences, ce qui relève de la preuve de concept plutôt que d'un dispositif prêt à l'industrialisation.

Le champ des exosquelettes de marche, occupé notamment par des acteurs comme Wandercraft en France sur la rééducation, reste historiquement fragmenté activité par activité. UniExo s'inscrit dans cette lignée de recherche visant des contrôleurs génériques et personnalisés par utilisateur, sans toutefois annoncer de calendrier d'essais cliniques ni de partenariat industriel à ce stade.

Dans nos dossiers

Wandercraft Exosquelettes arXiv cs.RO

À lire aussi

1arXiv cs.RO

Contrôleur co-adaptatif entraîné en simulation pour exosquelettes de hanche : validation métabolique et biomécanique de l'entraînement multi-agents par étapes (SMAT)

Des chercheurs ont publié le 4 août 2026 sur arXiv (2608.00715v1) la première validation physiologique de SMAT (Staged Multi-Agent Training), un contrôleur d'exosquelette de hanche entraîné entièrement en simulation physique. La méthode repose sur un curriculum en quatre étapes qui entraîne conjointement un acteur musculosquelettique simulant l'humain et un acteur bilatéral pilotant l'exosquelette de hanche, une approche pensée pour gérer la co-adaptation entre le porteur et le dispositif, un problème non stationnaire puisque l'utilisateur réorganise sa coordination neuromusculaire au fur et à mesure que l'appareil modifie la dynamique articulaire. La politique a été déployée sur du matériel réel et testée sur huit adultes en bonne santé, avec mesure du coût métabolique par calorimétrie indirecte sur trois conditions : sans exosquelette, exosquelette passif, et assistance active. L'assistance active a réduit la dépense métabolique nette de 19,7 % par rapport au mode passif (p < 0,001), et l'analyse biomécanique a confirmé une puissance mécanique de hanche majoritairement positive chez tous les sujets, avec un ratio de puissance positive de 0,98. La politique s'est aussi généralisée à différentes vitesses de marche et différents terrains, sans réentraînement spécifique à chaque sujet. Ce résultat compte parce qu'il répond directement à un doute récurrent dans le secteur de l'exosquelette assisté : les contrôleurs appris en simulation tiennent-ils réellement la comparaison face au benchmark de référence, la mesure métabolique en conditions réelles ? Beaucoup de démonstrations de dispositifs d'assistance s'arrêtent à des essais biomécaniques ou à des retours qualitatifs, sans franchir l'étape de la validation métabolique complète. Ici, un seul modèle entraîné en sim, déployé tel quel sur huit personnes différentes, produit un bénéfice mesurable et statistiquement significatif, ce qui constitue un argument concret pour le transfert sim-to-real dans les dispositifs portables et pour les approches d'apprentissage multi-agents appliquées à la robotique portée. Le travail s'inscrit dans la lignée des recherches sur l'assistance à la marche par exosquelette, un champ où les contrôleurs basés sur des règles ou des optimisations individuelles dominent encore largement le marché commercial. SMAT avait déjà montré des gains en simulation et une assistance positive sur banc d'essai avant cette étude ; la contribution ici est la validation clinique sur sujets sains. Les auteurs notent que la généralisation aux terrains et vitesses ouvre la voie à des essais élargis, potentiellement vers des populations cliniques ou des usages industriels, sans que des dates de déploiement commercial ne soient précisées.

ExosquelettesPaper

1 source

2arXiv cs.RO

Génération de démarche adaptative pour exosquelettes multi-terrains via des primitives de mouvement à noyau contraint

Des chercheurs ont publié le 5 mai 2026 sur arXiv (preprint, non encore évalué par les pairs) un framework baptisé AGG (Adaptive Gait Generation), basé sur les Kernelized Movement Primitives (KMP), conçu pour permettre aux exosquelettes de membres inférieurs (Lower Limb Exoskeletons, LLEs) de marcher sur plusieurs types de terrains intérieurs en temps réel. Le système apprend une représentation probabiliste de la marche humaine à partir d'un nombre limité de démonstrations, dans les espaces articulaires et cartésiens, pour garantir la cohérence physiologique et la faisabilité cinématique. Une caméra RGB-D embarquée extrait des informations environnementales qui sont injectées comme contraintes linéaires dans un problème d'optimisation via des via-points. La méthode a été validée en simulation sur quatre scénarios, marche à plat, pentes, escaliers et franchissement d'obstacles, puis testée physiquement sur un LLE commercial dans des conditions réelles. L'enjeu principal est de combler le fossé entre laboratoire et terrain pour les exosquelettes de rééducation et d'assistance, qui restent aujourd'hui cantonnés aux surfaces planes et uniformes. L'approche KMP permet d'adapter la trajectoire de marche sans recalibration manuelle, ce qui représente une avancée opérationnelle concrète pour les cliniciens et les intégrateurs industriels. La capacité à générer des trajectoires cohérentes à partir de peu de démonstrations humaines réduit significativement le coût de déploiement, un verrou majeur pour la commercialisation. Les résultats sur le LLE commercial valident le passage du sim-to-real, même si la robustesse à long terme et la diversité des profils utilisateurs restent à démontrer sur des cohortes plus larges. Les exosquelettes de membres inférieurs sont un segment en pleine structuration : des acteurs comme Wandercraft (Paris), avec son Atalante X, ou Ekso Bionics et ReWalk côté américain, s'affrontent sur la question de l'autonomie locomotrice en environnement non contrôlé. La plupart des systèmes existants imposent encore une supervision clinique ou des réglages manuels par terrain. Ce travail s'inscrit dans une vague de recherches cherchant à coupler perception embarquée et planification adaptive, un axe également exploré par des équipes à l'ETH Zurich et au MIT. Les prochaines étapes naturelles seraient une validation sur des populations de patients avec des pathologies variées et une intégration dans un pipeline de contrôle adaptatif complet incluant la détection d'intention de l'utilisateur.

UEWandercraft (Paris) et son Atalante X sont directement concernés par cette avancée, qui ouvre la voie à une autonomie locomotrice en environnements non contrôlés sans recalibration manuelle, un verrou clé pour la commercialisation clinique en Europe.

ExosquelettesPaper

1 source

3arXiv cs.RO

Identification des caractéristiques biomécaniques clés de l'adaptation du mouvement lors d'une locomotion assistée par exosquelette

Une étude publiée le 7 août 2026 sur arXiv (2608.07140) a suivi neuf participants sains marchant sur tapis roulant sous trois conditions : sans exosquelette, avec assistance active à la cheville, et avec l'exosquelette réglé en couple nul (zero-torque). Les chercheurs ont mesuré la cinématique des membres inférieurs, la coordination inter-articulaire et le coût métabolique de transport (MCoT), à l'échelle du groupe et de chaque individu. L'adaptation s'avère progressive et très hétérogène : le temps de convergence et les patterns moteurs varient fortement d'un participant à l'autre. Les ajustements cinématiques sont asynchrones entre articulations, avec des fluctuations plus marquées en phase d'oscillation, tandis que le coût métabolique reste souvent instable, sans atteindre de plateau net chez plusieurs sujets. Ce constat fragilise une hypothèse méthodologique répandue dans la littérature sur les exosquelettes : celle d'un régime stable (steady-state) atteint après quelques minutes d'essai, sur laquelle reposent la plupart des comparaisons d'efficacité énergétique entre dispositifs. Si l'adaptation individuelle continue d'évoluer au-delà des fenêtres de mesure classiques, les gains métaboliques annoncés pour certains exosquelettes pourraient être mal évalués, voire artefactuels. Pour les fabricants et intégrateurs d'exosquelettes médicaux ou industriels, cela plaide pour des protocoles de test plus longs et une analyse individualisée plutôt que des moyennes de groupe, en particulier pour les usages en rééducation ou en port prolongé, où l'ajustement fin de l'assistance dépend directement du profil moteur de chaque utilisateur. Le travail s'inscrit dans la recherche biomécanique sur les interfaces homme-exosquelette, un domaine où les essais s'appuient historiquement sur des métriques agrégées par souci de simplicité statistique. Sans citer de dispositif ou de fabricant commercial précis, l'étude reste un travail académique de méthodologie plutôt qu'une évaluation produit. Ses auteurs appellent à un suivi longitudinal par participant plutôt qu'à un instantané de fin d'essai, une recommandation transposable à l'ensemble des exosquelettes de cheville testés en laboratoire, qu'ils visent la rééducation, le sport ou l'usage industriel. Aucun calendrier de déploiement ni suite expérimentale n'est précisé dans l'abstract.

ExosquelettesPaper

1 source

4arXiv cs.RO

Personnalisation continue en ligne du contrôle d'exosquelette par rejeu d'expérience adapté aux variétés

Des chercheurs ont publié sur arXiv (preprint arXiv:2606.17455, juin 2026) un cadre d'adaptation en ligne pour exosquelettes de marche destinés aux patients présentant des troubles de la locomotion, notamment l'hémilégie. Le système, baptisé "manifold-aware expérience replay", adapte en temps réel l'assistance articulaire fournie par l'exosquelette à la variabilité de chaque utilisateur, aux transitions de vitesse et aux changements de déclivité du terrain. Sur des scénarios de marche hémiplégique émulée, il obtient 40 % d'amélioration dans le suivi de couple moteur et 60 % dans le suivi de la phase de marche par rapport à une ligne de base sans replay, qui présentait un oubli catastrophique lors des transitions entre tâches locomotrices. Le résultat clé est la résolution d'un problème central de l'apprentissage continu appliqué à la robotique de rééducation : le modèle de contrôle "oublie" les contextes antérieurs chaque fois qu'il apprend de nouvelles conditions, un phénomène connu sous le nom de catastrophic forgetting. L'approche par replay sélectionne automatiquement les expériences pertinentes via une représentation géométrique de la variété de marche (gait manifold), sans étiquetage explicite des tâches, ce qui simplifie considérablement l'intégration clinique. Pour les intégrateurs et les équipes de rééducation, cela signifie qu'un exosquelette peut accompagner un patient dans des environnements réels, en intérieur et en extérieur, sans recalibration manuelle à chaque changement de contexte. La personnalisation des exosquelettes de marche reste un défi non résolu depuis les premières générations de dispositifs comme l'Ekso ou le ReWalk : les approches classiques nécessitent soit de longs protocoles d'étalonnage, soit des contrôleurs fixes peu adaptatifs. L'apprentissage en ligne par renforcement ou par imitation a été exploré, mais la gestion de la distribution des données dans le temps reste problématique. Dans ce paysage, des acteurs comme Wandercraft (Paris), qui développe l'exosquelette Atalante pour la rééducation en déambulation libre, ou les équipes académiques autour des systèmes EXO-H3 et Indego, font face aux mêmes enjeux de généralisation. Ce preprint ne mentionne ni partenaire industriel ni timeline de transfert clinique ; il s'agit d'une preuve de concept expérimentale sur marche émulée, pas encore d'un dispositif validé sur patients réels.

UEWandercraft (Paris, Atalante) fait face exactement aux mêmes défis de généralisation sans recalibration ; cette méthode de replay pourrait directement alimenter leur pipeline R&D de contrôle adaptatif.

ExosquelettesPaper

1 source