RecherchearXiv cs.RO 24 septembre 2026

Spiderbot : un hexapode open source économe en énergie, à compensation passive de la gravité

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche a publié en open source Spiderbot, un robot hexapode conçu pour réduire drastiquement sa consommation d'énergie grâce à une compensation passive de la gravité. Contrairement à la plupart des plateformes hexapodes, qui utilisent des pattes à 3 degrés de liberté (DOF) sans gain notable en locomotion, Spiderbot repose sur une conception à 2 DOF par patte associée à un mécanisme à quatre barres muni d'un ressort passif soutenant mécaniquement le poids du corps. Ce dispositif ramène la consommation en position debout à 1,5W seulement, soit une réduction de plus de 90% par rapport à une version non ressortée du même robot et jusqu'à 96% par rapport à d'autres hexapodes comparables. La compensation reste efficace jusqu'à une charge utile de 3,25kg, sans couple supplémentaire requis. Fabriqué pour moins de 400 dollars, le robot a été testé sur terrain plat et accidenté, sur des pentes jusqu'à 15 degrés et face à des obstacles de type marches, avec une locomotion pilotée par une politique d'apprentissage par renforcement entraînée dans le simulateur mjlab et transférée avec succès en conditions réelles. L'équipe a mis en ligne l'ensemble des fichiers CAO, des instructions d'assemblage, du code d'entraînement et de déploiement, ainsi que les points de contrôle du modèle.

La démonstration a une portée pratique concrète pour la robotique à pattes: en montrant qu'une compensation mécanique passive peut réduire de plus de 90% la consommation d'énergie en position statique, Spiderbot lève l'un des principaux obstacles aux déploiements longue durée sur batterie modeste. Son coût sous les 400 dollars et son caractère entièrement open source en font une base attractive pour des expérimentations multi-agents à grande échelle, un terrain de recherche habituellement coûteux avec des plateformes commerciales fermées. Le transfert sim-to-real réussi via mjlab confirme par ailleurs que l'apprentissage par renforcement peut gérer un mécanisme non trivial à quatre barres et ressort, sans nécessiter de modèle dynamique simplifié, un point souvent fragile dans les démonstrations robotiques.

Cette publication s'inscrit dans une littérature de recherche sur les compromis entre degrés de liberté, poids et consommation énergétique des robots à pattes, où les architectures à 3 DOF par patte restent la norme malgré leur surcoût énergétique. Les auteurs comparent explicitement leur plateforme à une version non ressortée du même hexapode ainsi qu'à d'autres hexapodes similaires, sans citer de concurrents commerciaux issus de l'industrie humanoïde. En publiant intégralement matériel et logiciel sous licence ouverte, l'équipe vise une adoption par d'autres laboratoires pour des expériences reproductibles, notamment en essaims robotiques, plutôt qu'une commercialisation immédiate. Aucun calendrier de déploiement pilote n'est annoncé: à ce stade, il s'agit d'une contribution académique publiée sur arXiv, sans produit commercial associé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage de l'exploitation de la dynamique passive pour un saut ciblé économe en énergie d'un quadricoptère à pattes ressorts

Le 15 septembre 2026, une équipe de recherche a publié sur arXiv (arXiv:2609.15447v1) une nouvelle méthode de contrôle pour un quadricoptère monopode à jambe ressort, un robot hybride qui combine poussée aérienne et rebond passif sur une jambe équipée d'un ressort pour se déplacer sur terrain accidenté. Les auteurs remplacent le réglage heuristique par PID, habituellement utilisé pour coordonner poussée active et dynamique de contact passive, par une politique entraînée par apprentissage par renforcement (Proximal Policy Optimization, PPO) qui commande directement les quatre moteurs à partir de l'état estimé du robot, sans machine à états de saut ni boucle PID d'attitude bas niveau. La fonction de récompense combine un module "Energy-Manifold Shaping", qui suit une trajectoire d'énergie verticale normalisée par la masse et ancre l'état au sommet de chaque saut, et un module "Efficiency Shaping", qui s'appuie sur un estimateur de puissance tenant compte de l'historique pour pénaliser la consommation générale, ajouter un coût spécifique à la puissance en phase aérienne, et limiter la quasi-immobilité en vol. Sur des essais matériels représentatifs, la politique PPO réduit la puissance électrique mesurée, moyennée sur le cycle, de 30,7%, et la poussée totale normalisée moyenne de 49,8% par rapport au contrôleur PID de référence, tout en conservant des sauts répétables à hauteur commandée et des atterrissages plus concentrés. Ce résultat s'adresse directement aux limites connues des robots hybrides sol-air: le PID, réglé à la main, sous-exploite la dynamique passive du ressort et gaspille de l'énergie en poussée continue pour compenser une coordination imparfaite. Montrer qu'une politique bout-en-bout, sans machine à états ni boucles imbriquées, réduit à la fois la consommation électrique et la poussée nécessaire tout en gardant la précision de saut, constitue un argument concret pour l'apprentissage par renforcement appliqué à des systèmes physiques à dynamiques de contact intermittentes, un cas plus difficile que la marche pure ou le vol pur. Pour les intégrateurs travaillant sur des robots de terrain autonomes sur batterie, ce type de gain énergétique conditionne directement l'autonomie de mission, un facteur souvent plus limitant que la puissance de calcul embarquée. Le papier s'inscrit dans une lignée de recherche qui cherche à combiner la rapidité de déplacement de l'aérien avec l'efficacité énergétique du contact au sol, une alternative aux quadrirotors purs ou aux robots à pattes classiques pour franchir des obstacles. Il s'agit ici d'un résultat de recherche publié en preprint, validé sur du matériel en conditions représentatives mais pas encore d'un produit commercial ni d'un déploiement opérationnel. Les auteurs ne précisent pas de prochaine étape chiffrée, mais la logique de l'article ouvre la voie à des essais sur terrains plus variés et à une généralisation au-delà du suivi de hauteur de saut.

RecherchePaper

1 source

2arXiv cs.RO

Optimisation de ROS 2 pour une navigation économe en énergie : enseignements empiriques sur la configuration de Costmap 2D

Une équipe de chercheurs publie sur arXiv (identifiant 2609.12971, nouvelle soumission) une étude empirique sur l'efficacité énergétique de la navigation robotique sous ROS 2, centrée sur le module Costmap 2D du stack de navigation Nav2. Elle a mené une expérience contrôlée dans deux scénarios simulant un entrepôt, un petit et un grand, avec des dispositions d'obstacles variables et plusieurs configurations de Costmap 2D testées sur des essais répétés. Les mesures portent sur la consommation d'énergie, le profil de puissance, la charge CPU, l'usage mémoire et la performance de navigation du robot mobile. Résultat principal : le paramétrage doit être adapté à l'environnement précis, certains réglages produisant de bonnes performances à faible consommation tandis que d'autres dégradent nettement les deux ; l'abstract ne fournit toutefois aucun chiffre de gain en pourcentage ni de détail sur le robot testé. Pour les intégrateurs qui déploient des flottes de robots mobiles autonomes sous ROS 2, devenu le standard de facto de la navigation en entrepôt et en logistique, ce travail rappelle que la flexibilité de configuration de Nav2 est une arme à double tranchant : les mêmes paramètres par défaut peuvent être optimaux dans un environnement et pénalisants dans un autre en matière d'autonomie énergétique. Alors que l'industrie cherche surtout des gains côté matériel (batteries, moteurs) pour prolonger le temps de fonctionnement, l'étude déplace une partie du problème vers la couche logicielle, un levier généralement ignoré des décideurs B2B mais qui pèse directement sur les coûts d'exploitation et la fréquence de recharge des flottes. Elle contredit l'idée qu'une configuration ROS 2 par défaut suffit à un déploiement à grande échelle et suggère qu'un audit des paramètres de navigation devrait faire partie du processus de mise en production, au même titre que le choix des capteurs. ROS 2 et son stack Nav2 se sont imposés ces dernières années comme l'infrastructure logicielle de référence de la robotique mobile académique et industrielle, en remplacement progressif de ROS 1, désormais en fin de vie. L'efficacité énergétique de la navigation reste un axe de recherche récent comparé aux travaux sur la précision de trajectoire, la littérature ayant surtout traité la consommation sous l'angle matériel plutôt que logiciel. Publiée comme nouvelle soumission arXiv, cette contribution repose sur des essais contrôlés en environnement simulé d'entrepôt, sans partenaire industriel ni robot commercial nommé, et n'a pas encore été validée par les pairs ni déployée en conditions réelles. Les auteurs ne précisent pas de suite programmée, mais ce type de résultats ouvre la voie à des outils d'auto-tuning de Nav2 adaptés au contexte de déploiement, une piste que les mainteneurs du projet et les fournisseurs d'AMR pourraient explorer.

UELes intégrateurs européens de flottes AMR sous ROS 2/Nav2, très répandu dans la logistique et l'entrepôt en UE, pourraient s'inspirer de cette étude pour auditer leurs configurations Costmap 2D.

RecherchePaper

1 source

3arXiv cs.RO

Contrôle de densité multi-robots sûr et économe en énergie par optimisation sous contraintes EDP pour une autonomie longue durée

Une équipe de chercheurs a publié le 22 avril 2026 (arXiv:2604.15524) un framework de contrôle de densité pour flottes de robots mobiles, conçu pour garantir simultanément la sécurité spatiale et la durabilité énergétique sur de longues durées d'autonomie. Le système encode le mouvement stochastique de chaque robot via l'équation de Fokker-Planck, une EDP (équation aux dérivées partielles) qui opère au niveau de la densité de population plutôt que robot par robot. Des fonctions de Lyapunov et des fonctions de barrière de contrôle (CBF) sont intégrées à cette EDP pour assurer le suivi d'une densité cible, l'évitement d'obstacles, et la suffisance énergétique sur plusieurs cycles de recharge. Le tout se résout comme un programme quadratique, ce qui permet une exécution en boucle fermée en temps réel. L'intérêt industriel est réel pour les déploiements AMR à grande échelle : gérer une flotte non plus comme une somme d'agents indépendants mais comme un champ de densité réduit la charge de calcul et offre des garanties formelles de sécurité collective. La prise en compte explicite des incertitudes de localisation et de mouvement, ainsi que des contraintes de recharge, répond à deux points de friction majeurs dans les déploiements logistiques longue durée. Les résultats sont toutefois issus de simulations étendues et d'une expérience multi-robot dont l'échelle n'est pas précisée dans le résumé, ce qui limite pour l'instant la portée des conclusions. Ce travail s'inscrit dans une tendance de fond qui cherche à étendre les méthodes formelles de contrôle (CBF, CLF) aux systèmes multi-agents à grande échelle, un terrain où des groupes comme le MIT CSAIL, Georgia Tech ou l'INRIA (côté européen) sont actifs. Les approches EDP pour flottes robotiques restent peu déployées industriellement malgré leur maturité théorique. Les prochaines étapes naturelles seraient une validation sur flottes réelles de taille significative, ainsi qu'une intégration dans des middlewares ROS 2 pour tester la robustesse hors laboratoire.

RecherchePaper

1 source

4arXiv cs.RO

Exploration collaborative économe en énergie pour une équipe UAV-UGV

Une équipe de chercheurs présente un cadre de coordination énergétique pour l'exploration collaborative d'environnements inconnus par un duo drone (UAV) et robot terrestre (UGV). La contrainte de vol du drone est modélisée comme une autonomie de vol maximale : le drone effectue une série de tournées d'exploration bornées en énergie, pendant que le robot au sol explore lui aussi le terrain et sert simultanément de station de recharge mobile. Un mécanisme de rendez-vous sous budget de temps partagé garantit que les deux véhicules se retrouvent à la fin de chaque tournée, avant que le drone n'atteigne sa limite d'autonomie. Pour planifier les trajets, les auteurs construisent une carte de routes air-sol faiblement couplée via un PRM (probabilistic roadmap) stratifié et sensible à la densité de l'environnement, puis formulent la sélection des tournées comme des problèmes d'orienteering couplés, visant à maximiser le gain d'information tout en respectant la contrainte de rendez-vous. Les trajets générés passent uniquement par des arêtes de la carte validées pour éviter les collisions. La méthode a été testée en simulation, comparée à des approches de référence, et validée par des expériences réelles. Le papier, publié sur arXiv (2603.22507), est une version révisée d'un travail antérieur. Cette approche s'attaque à un verrou classique de l'exploration robotique autonome : l'autonomie limitée des drones, qui restreint la portée et la durée des missions de cartographie ou de recherche en zone inconnue. En couplant la rapidité et le point de vue aérien du drone à l'endurance du robot terrestre faisant office de station de charge mobile, le système vise à prolonger les missions sans intervention humaine, un enjeu clé pour la recherche et sauvetage, l'inspection d'infrastructures ou la surveillance en environnement GPS-dénié. La formulation en problème d'orienteering couplé, plutôt qu'en simple planification indépendante de chaque véhicule, permet d'arbitrer explicitement entre gain d'information et contrainte de rendez-vous énergétique, un compromis rarement traité de façon aussi intégrée dans la littérature sur les équipes hétérogènes air-sol. Les systèmes multi-robots air-sol combinant PRM et théorie des graphes pour la planification de trajectoire existent depuis plusieurs années, mais la plupart traitent la gestion énergétique et la coordination de rendez-vous séparément, ou supposent une recharge illimitée. Ce travail se distingue en couplant explicitement roadmap, contrainte énergétique et logique de rendez-vous dans une seule formulation d'optimisation, et en la validant au-delà de la simulation par des essais matériels réels, une étape que beaucoup d'approches académiques similaires ne franchissent pas. Les suites naturelles concernent le passage à l'échelle vers des flottes de plusieurs drones et robots terrestres, ainsi que la robustesse face à des environnements dynamiques ou partiellement cartographiés.

RecherchePaper

1 source