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

Étalonnage caméra-robot assisté par tracker laser pour robots mobiles

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

Des chercheurs ont publié en septembre 2026 sur arXiv (référence 2609.27006v1) une nouvelle méthode de calibration main-œil assistée par tracker laser, destinée aux robots mobiles équipés de caméras. Le principe combine la métrologie 3D d'un tracker laser, qui localise en continu le robot dans l'espace, avec des observations caméra en 2D, pour déterminer la pose exacte de la caméra dans le référentiel du robot. Ce travail prolonge une méthode antérieure des mêmes auteurs, initialement conçue pour des robots mobiles observant le sol, en proposant une formulation généralisée qui s'applique à un éventail plus large de configurations robot-caméra. La nouveauté technique tient au chaînage de plusieurs cibles de calibration, qui permet de lever les contraintes que l'approche précédente imposait sur le positionnement relatif de la caméra et du châssis.

Une calibration caméra-robot précise conditionne directement la fiabilité de toute chaîne de navigation, de manipulation ou de cartographie embarquée: une erreur de quelques millimètres dans ce repère se répercute sur la localisation, la saisie d'objets ou la construction de cartes. Les méthodes classiques supposent souvent une configuration rigide et connue à l'avance, ce qui devient un frein dès qu'un intégrateur doit qualifier une flotte hétérogène d'AMR ou de robots d'inspection portant des caméras montées à des hauteurs et angles variés. En généralisant la calibration à ces configurations diverses, cette approche vise à réduire le travail d'ingénierie nécessaire pour déployer un système de calibration fiable sur un nouveau type de plateforme, plutôt que de repartir d'un montage ad hoc à chaque robot.

Le papier s'inscrit dans la continuité directe des travaux antérieurs des mêmes auteurs sur la calibration par tracker laser, une technique de métrologie de précision déjà répandue en robotique industrielle et en photogrammétrie, ici étendue au cas de robots mobiles dont la position est suivie en temps réel. Aucun déploiement industriel, partenaire ou nom d'entreprise n'est mentionné: il s'agit d'une contribution méthodologique de recherche, dont la portée pratique dépendra de sa reprise par des équipes de calibration robotique ou des fournisseurs de solutions de métrologie.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Étalonnage conjoint en ligne du décalage de direction et des extrinsèques LiDAR planaire pour robots mobiles à roues
1arXiv cs.RO 

Étalonnage conjoint en ligne du décalage de direction et des extrinsèques LiDAR planaire pour robots mobiles à roues

Une équipe de recherche publie sur arXiv (arXiv:2608.26789v1) une méthode de calibration en ligne pour les robots mobiles d'entrepôt, fondée sur un filtre de Kalman étendu (EKF). Aujourd'hui, le « zéro » de braquage de ces robots à cinématique de bicyclette est réglé à la main, souvent à l'œil via une manette PS4, tandis que les extrinsèques du LiDAR planaire sont déduites du CAO et ne sont jamais recalées après maintenance. Ces pratiques statiques provoquent des trajectoires en « snaking » ou « weaving » et une erreur de suivi (cross-track error, CTE) élevée. La méthode estime en ligne, conjointement, le décalage de braquage et les extrinsèques du LiDAR au sein d'un modèle de bicyclette ; testée sur des jeux de données réels, elle réduit sensiblement la CTE une fois le décalage de braquage corrigé, sans que le résumé ne publie de chiffre de réduction précis. Pour les intégrateurs de flottes de robots mobiles autonomes (AMR) en entrepôt, ce travail cible un maillon souvent négligé : la calibration capteur-châssis, traitée comme une tâche ponctuelle à l'installation plutôt que surveillée en continu. Un biais de braquage ou un LiDAR désaligné après maintenance dégrade silencieusement le suivi de trajectoire, avec un impact direct sur la sécurité dans des allées partagées avec des opérateurs et sur les arrêts d'urgence liés à une trajectoire instable. Remplacer un réglage manuel et subjectif par une estimation auto-corrective en ligne s'inscrit dans la tendance à réduire la dépendance à l'expertise ad hoc pour la maintenance des flottes, et pourrait devenir un composant standard des piles de navigation pour AMR. Ce travail s'inscrit dans un courant de recherche plus large sur la fusion de capteurs et l'auto-calibration pour la robotique mobile industrielle, porté par la multiplication des déploiements d'AMR en entrepôt ces dernières années. Le résumé ne précise ni laboratoire ni entreprise à l'origine des travaux, ni calendrier de validation industrielle : il s'agit à ce stade d'une contribution académique fraîchement mise en ligne (statut « new » sur arXiv), non d'un produit ni d'un pilote déployé chez un client. La suite logique serait une validation sur une flotte plus large, avec comparaison directe aux procédures de calibration manuelle ou assistée par CAO utilisées aujourd'hui par les fournisseurs de robots mobiles autonomes pour la logistique.

RecherchePaper
1 source
OmniCalib : auto-étalonnage sans cible, structuré par tâches, pour robots humanoïdes
2arXiv cs.RO 

OmniCalib : auto-étalonnage sans cible, structuré par tâches, pour robots humanoïdes

Un preprint arXiv (2609.19582, mi-septembre 2026) présente OmniCalib, une méthode de calibration sans cible pour robots humanoïdes qui recalibre en un seul workflow les 14 zéros articulaires des deux bras, les extrinsèques des caméras des poignets et du thorax, les jambes et le rig multi-caméra de la tête, à partir des seuls mouvements natifs du robot et de ses capteurs embarqués. Une approche ICP sur nuage de points de profondeur récupère ces 14 zéros et corrige les caméras RGB-D, avec des écarts par rapport au modèle CAD de 10,56 mm et 1,74° au poignet gauche, 6,33 mm et 1,25° au poignet droit, et 9,81 mm et 0,929° pour la caméra du thorax. Sur un humanoïde AGIBOT A3 Ultra, quatre postures statiques suffisent à corriger les 12 décalages articulaires des jambes avec une erreur de 0,063°, et le module de tête, combinant odométrie visuelle multi-caméra et odométrie de marche, atteint une erreur moyenne de 1,061° en marche plane, contre 0,902° pour la méthode de référence iKalibr, qui nécessite une excitation à six degrés de liberté bien plus riche. Pour les intégrateurs industriels, l'enjeu est la dérive continue de calibration en exploitation: assemblage, usure et remplacement de pièces désalignent en permanence capteurs et zéros articulaires fixés par le CAD, ce qui dégradé la précision de manipulation au fil du temps. Les méthodes existantes ne couvrent généralement qu'une paire de capteurs à la fois ou exigent des mires externes de type ArUco, ce qui alourdit la maintenance d'une flotte d'humanoïdes en usine. En approchant la précision d'ArUco tout en restant compétitif avec iKalibr sans cible ni excitation dédiée, OmniCalib pointe vers une auto-calibration purement embarquée susceptible de réduire les temps d'arrêt et le besoin de personnel spécialisé, un frein connu à l'industrialisation des humanoïdes, même si la validation reste limitée à une seule plateforme et publiée sous forme de simple preprint non encore relu par les pairs. Ce travail s'inscrit dans la multiplication des pilotes industriels menés par des acteurs comme Figure AI (Figure 03), Tesla (Optimus), Unitree ou AGIBOT (Zhiyuan Robotics), constructeur chinois de l'A3 Ultra utilisé pour les tests, en forte expansion depuis 2024-2025 aux côtés d'UBTech. La recalibration récurrente reste un point faible connu des humanoïdes face aux bras robotiques industriels fixes, réglés une fois en usine puis rarement retouchés. Les auteurs présentent leur méthode comme complémentaire aux approches par cible plutôt que substitutive, puisque ICP et ArUco affichent des performances comparables sur les zéros articulaires des bras. Aucun partenariat industriel, calendrier de transfert produit ni déploiement en flotte n'est annoncé à ce stade: il s'agit pour l'instant d'une contribution méthodologique académique.

RecherchePaper
1 source
Navigation par apprentissage pour robots mobiles en intérieur
3arXiv cs.RO 

Navigation par apprentissage pour robots mobiles en intérieur

Des chercheurs ont publié sur arXiv (référence 2605.30468) un framework de navigation hybride pour robots mobiles intérieurs, combinant un planificateur global neuronal et un planificateur local affiné par apprentissage par renforcement. Le planificateur global est un réseau de neurones supervisé, entraîné à partir de trajectoires générées par un algorithme A* pondéré par les coûts, ce qui lui permet de produire des routes globalement cohérentes et évitant les zones dangereuses. Le planificateur local, baptisé Learning-Based DWA, reformule l'approche classique Dynamic Window Approach (DWA) comme un problème de sélection discrète sur une grille d'actions prédéfinies. La politique locale est d'abord initialisée par clonage comportemental (imitation d'un expert), puis optimisée par Proximal Policy Optimization (PPO) avec un masquage de faisabilité, un mécanisme éliminant les actions physiquement irréalisables ou à risque de collision avant même l'exploration. Les résultats expérimentaux, conduits en simulation et en environnement réel intérieur, montrent une navigation sûre et fiable vers des objectifs en présence d'obstacles. L'intérêt de cette contribution réside dans son positionnement hybride : plutôt que d'abandonner DWA au profit d'une approche entièrement apprise, les auteurs l'utilisent comme squelette structurant pour contraindre le problème d'apprentissage. Ce choix de conception présente deux avantages pour les intégrateurs. D'abord, le masquage de faisabilité réduit l'espace d'exploration du policy gradient aux seules actions physiquement admissibles, limitant les comportements dangereux en phase d'apprentissage et facilitant le transfert sim-to-réel. Ensuite, conserver la logique DWA comme substrat rend la politique plus interprétable qu'un réseau boîte noire, un critère non négligeable pour les déploiements industriels soumis à certification. La méthode démontre qu'un classique de la robotique réactive, largement jugé dépassé par les approches end-to-end, peut encore être un socle pertinent pour des pipelines d'apprentissage modernes. Le DWA a été introduit par Fox, Burgard et Thrun en 1997 et reste une brique fondamentale des stacks de navigation ROS et Nav2, déployés sur une large partie des flottes d'AMR (robots mobiles autonomes) industriels actuels. C'est dans cet écosystème très installé que s'inscrit ce travail, face à des approches concurrentes plus radicales : navigation end-to-end par apprentissage (ETH Zurich, MIT CSAIL), planificateurs à modèle comme TEB ou MPPI, et méthodes VLA émergentes pour la navigation en langage naturel. Les auteurs annoncent la mise à disposition du code source sur leur page projet. Aucun partenaire industriel ni déploiement commercial n'est mentionné : il s'agit d'une contribution de recherche académique, pas d'un produit commercialisé.

RecherchePaper
1 source
Contrôle de trajectoire par vision pour robots mobiles via un cadre d'apprentissage hiérarchique
4arXiv cs.RO 

Contrôle de trajectoire par vision pour robots mobiles via un cadre d'apprentissage hiérarchique

Une équipe de recherche propose un nouveau cadre hiérarchique pour piloter des robots mobiles lourds vers un objectif de navigation, en combinant localisation visuelle, apprentissage par renforcement et contrôle adaptatif robuste. Le système repose sur quatre couches : une estimation de pose par vision stéréo en temps réel (avec fermeture de boucle, fusion de cartes et relocalisation), un planificateur de mouvement entraîné par apprentissage par renforcement (RL) sous contraintes, un contrôle adaptatif robuste (RAC) au niveau des actionneurs, et une logique de supervision de sécurité avec retour automatique. Le planificateur RL génère des trajectoires lisses et réalisables grâce à une fonction de récompense conçue pour favoriser la progression vers l'objectif tout en respectant les limites mécaniques d'un robot lourd à direction par glissement (skid-steered). Au niveau des roues, un réseau de neurones entraîné par gradient conjugué à échelle variable (SCG) approxime la relation quasi-statique entre vitesse de roue et commande nominale, complétée par un contrôleur adaptatif à barrière logarithmique qui compense les erreurs de modélisation, le glissement et les écarts résiduels. Testé sur un robot de 6000 kg roulant sur asphalte et sol meuble, le système atteint une erreur quadratique moyenne de position finale d'environ 3 à 4 cm, avec un suivi précis des commandes générées par le RL et une récupération autonome réussie après injection de pannes simulées. Ce résultat s'inscrit dans une préoccupation centrale de la robotique mobile industrielle : rendre l'apprentissage par renforcement, réputé difficile à certifier pour un déploiement sûr à grande échelle à cause de sa phase d'exploration, compatible avec des engins lourds où une erreur de trajectoire ou une perte de contrôle peut avoir des conséquences physiques importantes. En couplant le RL à un contrôle adaptatif prouvé mathématiquement stable (convergence exponentielle vers un ensemble résiduel borné, sous incertitude bornée) et à une supervision de sécurité qui bascule automatiquement le robot en mode retour en cas d'anomalie, les auteurs cherchent à combler l'écart entre performance d'apprentissage et garanties de sécurité exigées pour les AMR (robots mobiles autonomes) lourds opérant en extérieur, sur terrain irrégulier. L'article, disponible sur arXiv (identifiant 2601.00610, version de remplacement), s'inscrit dans la lignée des travaux combinant localisation par vision stéréo et contrôle hiérarchique pour la navigation robotique, un domaine où la plupart des démonstrations RL restent cantonnées à la simulation ou à des plateformes légères. La validation sur un engin de 6000 kg, testé en conditions réelles sur deux types de terrain avec injection de pannes, positionne ce travail comme une contribution empirique rare dans le passage du RL du laboratoire vers des applications industrielles à fort enjeu de sécurité.

RecherchePaper
1 source