RechercheRobohub 24 septembre 2026

Ce qui se prépare pour #IROS2026

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

La 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026) se tiendra du 27 septembre au 1er octobre à Pittsburgh, aux États-Unis. Le programme comprend des conférences plénières et des keynotes, des workshops, des tutoriels, des forums, des compétitions et un débat. Les keynotes se dérouleront du 28 au 30 septembre avec une quinzaine d'intervenants confirmés, dont Elena De Momi sur la chirurgie autonome, Genta Suzuki (Fujitsu) sur le système d'exploitation physique Kozuchi Physical OS pour l'IA physique à l'échelle, Al Rizzi sur les capacités robotiques développées au RAI Institute, He Wang sur un possible "moment AlphaGo/ChatGPT" de l'IA incarnée, Yekai Sun sur l'accélération de l'apprentissage via des données multimodales incarnées, Robin Murphy sur la robotique de catastrophe, David Held sur l'adaptation rapide des politiques après déploiement, et Ralph Hollis sur la lévitation de Lorentz pour la manipulation fine. Deux intervenants, Gaurav Bansal et Nancy Pollard, figurent encore avec un titre à confirmer. La conférence prévoit aussi trois panels pléniers (startups et entrepreneuriat le 28, spatial le 29, généralistes contre spécialistes en robotique le 30), trois forums de discussion ouverts (financement public américain, éducation en robotique, sous-investissement présumé dans les fondations de la discipline), ainsi que 44 workshops et tutoriels le 27 septembre et 42 supplémentaires le 1er octobre, soit 86 sessions au total.

Ce programme donne une photographie assez nette des priorités actuelles du secteur académique et industriel de la robotique. La récurrence de thèmes comme l'IA physique, les modèles vision-langage-action et les données multimodales incarnées confirme que la course à des systèmes généralistes capables d'apprendre après déploiement, plutôt que des robots figés en usine, structure désormais la recherche autant que l'industrie. Le forum consacré au sous-investissement dans les fondations de la robotique, tout comme le débat plénier sur généralistes contre spécialistes, signale des tensions réelles sur la manière dont capital et effort de recherche devraient être alloués, entre paris sur des plateformes universelles et optimisation de systèmes dédiés à des tâches précises. Pour les intégrateurs et décideurs B2B, ces sessions valent moins comme annonces produit que comme baromètre des orientations que labos et grands groupes jugeront prioritaires dans les 12 à 24 mois à venir.

IROS est, avec ICRA, l'une des deux conférences généralistes de référence en robotique, organisée conjointement par l'IEEE et la Robotics Society of Japan, et sert traditionnellement de vitrine à la fois académique et industrielle, avec tours techniques et compétitions en marge du programme scientifique. L'édition 2026 illustre la montée en puissance d'acteurs industriels dans la programmation scientifique, à l'image de Fujitsu ou du RAI Institute aux côtés des laboratoires universitaires habituels. Une session d'initiation à la communication scientifique est prévue le 29 septembre à 11h00 avec Sabine Hauert, Ella Scallan et Evan Ackerman d'IEEE Spectrum, signe de l'attention croissante portée à la médiatisation de la recherche robotique. Aucun acteur français ou européen n'apparaît nommément dans le programme communiqué à ce stade.

Impact France/UE

Aucun acteur français ou européen n'apparaît nommément dans le programme d'IROS 2026 communiqué à ce stade.

Dans nos dossiers

IA physique & VLA ICRA / IROS / CoRL

À lire aussi

1arXiv cs.RO

La solution d'OpenSpace Lab pour le concours d'exploration en intérieur IROS 2026

L'équipe OpenSpace Lab a publié sur arXiv (2610.01505) le rapport technique de sa participation au concours Intelligent Information Gathering for Single and Multi-Robot Systems, organisé dans le cadre de l'IROS 2026 (IEEE/RSJ International Conference on Intelligent Robots and Systems). Elle termine 1re de la piste publique mono-robot et 3e des pistes privées mono-robot et multi-robots. Les taux de couverture atteignent 61,04 % sur la piste publique mono-robot, 39,53 % sur la piste privée mono-robot et 39,91 % sur la piste privée multi-robots. Côté architecture, le système mono-robot s'appuie sur des prédictions de complétion de carte issues d'un modèle pré-entraîné pour guider la planification globale vers les zones non explorées. Une stratégie fondée sur le temps restant intègre une contrainte de retour au point de départ (« homing ») dans la décision, afin de concilier couverture et durée d'opération limitée. En multi-robots, la sélection des cibles est pilotée par une fonction d'utilité qui arbitre entre gain d'observation, coût de déplacement et budget, avec partage de la carte et des intentions entre robots pour éviter les recherches redondantes. Il s'agit d'un rapport succinct : un article complet est en préparation et le code, annoncé sur GitHub (OpenSpace-Lab/Indoor-Exploration-IROS2026), ne sera publié qu'après acceptation de ce manuscrit. L'intérêt tient surtout à ce que ces chiffres disent de l'état de l'exploration autonome en intérieur. Une couverture de 61 % en piste publique, qui tombe à environ 40 % sur les pistes privées, montre un écart net de généralisation entre scènes connues et scènes inédites. Elle rappelle que les benchmarks ouverts surestiment la performance réelle, un point à garder en tête pour les intégrateurs qui évaluent des solutions d'inspection, de cartographie ou de patrouille en environnement non structuré. Autre signal : le gain du multi-robots reste minime en piste privée (39,91 % contre 39,53 % en mono-robot, avec des rangs identiques), ce qui suggère que la coordination ne se traduit pas encore par un avantage mesurable sur ce jeu de test. Les résultats concernent par ailleurs un concours, avec des contraintes de temps propres, et non un déploiement industriel. Aucun détail n'est fourni sur la taille des scènes, le nombre de robots ni la comparaison avec les autres équipes. Ces travaux s'inscrivent dans la lignée de l'exploration par frontières, où le robot se dirige vers la limite entre espace connu et inconnu, que les approches récentes enrichissent par de la prédiction de carte apprise pour anticiper la structure des pièces non vues. Les concurrents du concours restent non précisés dans le résumé. Les suites sont connues : un article étendu à soumettre et une publication du code conditionnée à son acceptation, ce qui laisse la reproductibilité en suspens pour l'instant. Pour les acteurs industriels de l'AMR et de l'inspection, la valeur à surveiller sera la robustesse de la complétion de carte hors distribution, et la possibilité de la reproduire.

RecherchePaper

1 source

2arXiv cs.RO

SWIM : apprendre à partir des comportements ce qui compte pour les modèles du monde JEPA

Des chercheurs publient sur arXiv (2610.36662) SWIM, pour State Weighting with Inverse-Dynamics Model, une méthode d'entraînement des world models de type JEPA (joint-embedding prédictive architectures). Ces modèles planifient à partir d'images en prédisant des embeddings futurs plutôt que des pixels. Leur objectif de prédiction visuelle n'oblige pas l'espace latent à capturer l'état physique qui détermine l'avancement de la tâche. On peut superviser le modèle avec l'état du simulateur, mais il faut alors choisir les variables qui comptent. Ces variables sont aujourd'hui sélectionnées à la main ou pondérées uniformément, si bien que des coordonnées redondantes surpèsent la même variation et que des variables sans intérêt masquent les différences utiles. SWIM apprend les poids à partir de trajectoires hors ligne. Un modèle de dynamique inverse prédit les actions enregistrées à partir de l'état courant et des déplacements futurs observés. La contribution de chaque variable à cette prédiction fixe son poids. Ces poids définissent une métrique d'état pondérée, utilisée pour aligner les distances dans l'espace latent sur les distances entre états. Le modèle inverse ne sert qu'à l'entraînement, donc la planification à partir d'images ne coûte aucun calcul supplémentaire. Sur cinq tâches de manipulation robotique simulées, SWIM améliore systématiquement le taux de succès de planification par rapport à la pondération uniforme. Il s'agit d'un résultat de recherche validé uniquement en simulation. Le résumé ne chiffre ni l'ampleur du gain, ni les tâches, ni les baselines, ce qui incite à la prudence avant d'en tirer des conclusions. L'intérêt tient à un point faible reconnu des world models latents : rien ne garantit qu'ils encodent ce qui compte pour la tâche. Corriger cela sans surcoût à l'inférence compte pour le contrôle embarqué, où le budget de calcul est serré. La méthode suppose cependant d'avoir accès à l'état du simulateur pendant l'entraînement. En conditions réelles, cet état est rarement disponible, et le passage du simulateur au robot physique n'est pas traité ici. Pour un intégrateur, il n'y a donc aucun impact à court terme. Les JEPA, défendues par Yann LeCun et l'écosystème Meta, s'inscrivent dans une série de travaux sur la planification dans l'espace latent, comme DINO-WM. Ils font face aux modèles vision-langage-action (VLA) commerciaux, tels que Pi-0, GR00T N2 ou Helix, qui prédisent directement les actions sans planification explicite. Les prochaines étapes logiques sont des benchmarks plus larges, des comparaisons avec d'autres schémas de pondération et surtout une validation sur robots réels, sans quoi la portée industrielle reste incertaine.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3Robohub

Ce qu'il faut à un robot pour dialoguer avec toute une pièce, pas seulement une personne

Imperial College London a accueilli, du 20 au 24 juillet, la Imperial Robotics Summer School, un programme intensif réunissant chercheurs en début de carrière, académiques et professionnels de l'industrie robotique. Parmi les participants figurait Umar Farooq, dont la place a été financée par le programme britannique UK RAS STEPS, qui a sélectionné cinq jeunes chercheurs (RTP) pour y assister, avec le soutien de Marie Daniels pour le processus de candidature. Le programme combinait cours magistraux sur la cinématique, la dynamique, la perception et le contrôle des robots, sessions spécialisées sur la robotique aérienne, l'intelligence robotique, la vision en chirurgie robotique, la perception et le contrôle bio-inspirés, ainsi que la robotique d'assistance personnelle. Les participants ont aussi visité les laboratoires d'Imperial dédiés à la robotique adaptative et intelligente, à la robotique aérienne, à la chirurgie robotique, à la manipulation tactile et à l'assistance. Le projet de groupe d'Umar Farooq portait sur l'interaction homme-robot multi-personnes: détection de l'interlocuteur actif en temps réel, suivi de l'identité de chaque personne au fil de l'échange, et génération de comportements naturels de regard et de rotation de tête pour que le robot paraisse attentif à l'ensemble du groupe plutôt qu'à un seul individu. Ce projet illustre un angle mort fréquent de la robotique sociale actuelle: la plupart des robots conversationnels sont conçus pour une interaction un-à-un, alors que les usages réels, accueil, assistance en entreprise, environnements de soin, impliquent souvent plusieurs interlocuteurs simultanés. L'exercice a aussi permis de dérouler concrètement la chaîne technique complète reliant le langage au mouvement: un LLM traduit une intention exprimée en langage naturel en commandes structurées, celles-ci sont converties en fonctions robotiques de haut niveau, la cinématique inverse les transforme en trajectoires articulaires, qui sont enfin exécutées par la pile de contrôle jusqu'aux actionneurs. Loin d'un produit commercial ou d'une démonstration marketing, ce travail de formation souligne la difficulté réelle de l'interaction homme-robot multi-partie et la nécessité d'une approche interdisciplinaire, mêlant traitement du langage, perception, planification et contrôle moteur, pour qu'un robot social fonctionne au-delà du cas d'usage scripté à deux. Ce stage s'inscrit dans l'action plus large de UK RAS STEPS, le réseau britannique de robotique et systèmes autonomes, qui multiplie les ateliers de formation pour les chercheurs en début de carrière au-delà de cette seule summer school. Aucun produit ni déploiement commercial n'est annoncé ici: il s'agit d'un exercice académique destiné à structurer la prochaine génération de chercheurs britanniques en robotique, sur des thématiques allant de la locomotion quadrupède à l'apprentissage par vision, en passant par la robotique chirurgicale et la robotique d'assistance. Les suites concrètes évoquées restent la poursuite de la participation aux ateliers UK RAS STEPS et l'approfondissement des recherches menées dans les laboratoires d'Imperial College.

UEProgramme de formation britannique (hors UE), sans impact direct sur la France ou l'Union europeenne.

RecherchePaper

1 source

4arXiv cs.RO

Des robots qui prennent l'initiative : un cadre pour concevoir et évaluer des robots proactifs

Un article publié sur arXiv (référence 2609.28910v1) propose un nouveau cadre théorique pour la robotique assistive proactive, c'est-à-dire des robots capables de décider par eux-mêmes de ce qu'il faut faire plutôt que d'attendre une instruction explicite. Les auteurs constatent que la littérature manque d'une formulation unifiée de la proactivité et introduisent un formalisme structuré en trois niveaux d'assistance, le plus élevé correspondant à une aide non sollicitée et totalement autonome. Ils démontrent également que les méthodes d'évaluation classiques, dites hors ligne, s'appuient sur des modèles statiques de comportement humain qui ne capturent pas la façon dont les actions du robot influencent en retour l'environnement et l'utilisateur, ce qui conduit à surestimer les performances réelles des systèmes testés. Pour corriger ce biais, l'équipe propose une évaluation en boucle fermée reposant sur un modèle humain qui s'adapte dynamiquement aux actions du robot. Elle présente enfin une méthode baptisée GAP, qui apprend par observation passive à anticiper les objectifs d'un utilisateur et à agir en conséquence, instanciant concrètement le cadre théorique proposé. Ce travail a une portée méthodologique importante pour tout le secteur de l'assistance robotique, où la promesse d'autonomie proactive reste largement testée dans des conditions favorables à la démonstration. Les résultats montrent que sous évaluation en boucle fermée, les méthodes considérées jusqu'ici comme état de l'art s'effondrent, allant parfois jusqu'à générer plus de travail qu'elles n'en économisent pour l'utilisateur, tandis que GAP conserve des performances robustes et les surpasse nettement. Pour les intégrateurs et décideurs B2B évaluant des systèmes robotiques annoncés comme proactifs ou anticipatifs, ce constat invite à la prudence face aux métriques issues de protocoles hors ligne et souligne l'écart persistant entre démonstration contrôlée et comportement réel face à un utilisateur qui réagit. Le papier s'inscrit dans une tendance de recherche plus large visant à dépasser les robots limités à des tâches répétitives et étroitement définies, pour aller vers une assistance générale capable d'initiative, un enjeu central pour les architectures de type VLA (vision-language-action) déployées dans l'industrie et le service. Aucun partenariat industriel, déploiement commercial ni acteur français ou européen n'est mentionné dans ce travail, qui reste à ce stade une contribution académique publiée en septembre 2026, sans calendrier de transfert vers un produit annoncé.

RecherchePaper

1 source