RechercheInteresting Engineering 24 septembre 2026

Un robot-chien termine un marathon de 42 km sur une seule charge de batterie, plus efficace qu'un humain

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un robot quadrupède baptisé RAIBO2, développé par des chercheurs du KAIST (Corée du Sud), a bouclé un marathon complet de 42,195 km en 4 heures, 19 minutes et 52 secondes sans changer ni recharger sa batterie, lors du Sangju Dried-Persimmon Marathon 2024. Le robot a maintenu une vitesse moyenne d'environ 2,64 m/s (5,9 mph, soit environ 9,5 km/h) sur l'ensemble du parcours. Les résultats ont été publiés dans la revue Nature le 23 septembre 2026. Cette performance fait suite à un échec initial : en septembre 2024, une version antérieure du robot était tombée en panne de batterie autour du 37e kilomètre, l'équipe expliquant que la machine avait consommé plus d'énergie que prévu en changeant constamment d'allure pour s'adapter aux autres coureurs. L'efficacité énergétique du robot est mesurée par le coût de transport (cost of transport, COT), un indicateur rapportant l'énergie dépensée au poids déplacé et à la distance parcourue. RAIBO2 affiche un COT de 0,25, contre 0,37 pour la référence humaine citée dans l'étude, ce qui ne signifie pas que le robot est plus efficace qu'un humain sous tous les angles, mais qu'il consomme relativement moins d'énergie selon ce critère précis.

Cette avancée s'attaque à l'un des principaux obstacles des robots à pattes : l'autonomie. Contrairement aux plateformes à roues, les quadrupèdes doivent dépenser en permanence de l'énergie pour soutenir leur poids et subissent des pertes liées aux impacts, aux mouvements articulaires et au contact pied-sol. Selon l'étude Nature, les quadrupèdes précédents plafonnaient généralement autour de 20 km d'autonomie par charge ; RAIBO2 la triple. Pour les intégrateurs et décideurs industriels, cela ouvre des perspectives concrètes pour des applications où le retour à une station de recharge est difficile voire impossible : recherche et sauvetage, inspection industrielle, reconnaissance en extérieur sur terrains accidentés, escaliers ou zones sinistrées. L'approche démontre surtout qu'une meilleure autonomie ne passe pas nécessairement par une batterie plus grosse, mais par une réduction combinée des pertes mécaniques, électriques et locomotrices.

Plutôt que d'augmenter la capacité de la batterie, l'équipe du KAIST a redessiné l'ensemble du système après l'échec de 2024 : pattes allégées, électronique de pilotage moteur repensée pour réduire les pertes électriques, et surtout une politique de locomotion entraînée par apprentissage par renforcement en simulation, conçue pour minimiser les mouvements articulaires inutiles et les pertes liées aux collisions pied-sol. La conception mécanique et le contrôle logiciel ont été optimisés conjointement plutôt que séparément. L'étude ne détaille pas de calendrier de déploiement commercial ni de pilotes industriels annoncés ; il s'agit à ce stade d'une démonstration de recherche publiée, dont l'enjeu principal reste de prouver qu'un gain d'autonomie systémique est possible sur une plateforme à pattes, un défi que la plupart des quadrupèdes commerciaux actuels n'ont pas encore résolu.

À lire aussi

1Interesting Engineering

Le robot-chien RAIBO2 termine un marathon complet plus vite que la moyenne sur une seule charge de batterie

Un robot quadrupède baptisé RAIBO2, développé par une équipe du Korea Advanced Institute of Science and Technology (KAIST) dirigée par le chercheur Choongin Lee, a couru le marathon de Sangju en Corée du Sud sur une seule charge de batterie, terminant la course en 4 heures, 19 minutes et 52 secondes, un temps supérieur à la moyenne des coureurs humains. Le robot a maintenu une vitesse moyenne de 2,64 mètres par seconde (5,9 mph) sur un parcours comportant 286 mètres de dénivelé et des portions de terrain glissant. Il a consommé 1 280 wattheures sur les 2 016 Wh de sa batterie, pour un coût de transport total (mesure standard d'énergie dépensée par unité de poids corporel et de distance) de 0,25, inférieur au repère humain de 0,37. RAIBO2 devient ainsi le premier robot quadrupède recensé à se déplacer plus efficacement qu'un coureur humain moyen. Les chercheurs estiment qu'il aurait pu parcourir 25 kilomètres supplémentaires avant l'épuisement de la batterie, portant son autonomie projetée à environ 64 kilomètres, soit près de trois fois la distance des quadrupèdes existants, jusqu'ici limités à environ 20 kilomètres par charge. Cette performance touche directement un point de blocage connu du secteur robotique : contrairement aux machines à roues, les robots à pattes dépensent en continu de l'énergie pour maintenir leur propre poids, et chaque pas génère des pertes supplémentaires. Améliorer ce rendement énergétique conditionne l'usage réel de robots à pattes pour la recherche et le sauvetage ou les interventions en montagne, des terrains inaccessibles aux robots à roues. Sarah Bergbreiter, ingénieure mécanicienne à Carnegie Mellon University non impliquée dans l'étude, s'est dite impressionnée par la combinaison d'efficacité, de vitesse et de mobilité du robot. La démonstration reste toutefois à nuancer : RAIBO2 ne dispose d'aucune autonomie de navigation. Il embarquait une caméra mais pas de logiciel de perception, et a été piloté à distance par un opérateur humain tout au long du parcours, une machine que Katie Byl, ingénieure à l'University of California Santa Barbara, a qualifiée de « courant à l'aveugle ». Les chercheurs expliquent que les deux tiers du budget énergétique d'un robot à pattes se dissipent en chaleur dans les moteurs et l'électronique de commande, le reste se perdant en frottements d'engrenages, glissements et chocs à chaque appui. Pour y remédier, l'équipe a allégé les pattes, conçu des circuits moteurs à plus faible résistance, installé une batterie plus grosse grâce au poids économisé, et développé des moteurs produisant le même couple avec moins de courant. La démarche de marche a été entraînée par apprentissage par renforcement récompensant les appuis souples et pénalisant glissements et surchauffe, avec récupération d'énergie dans les descentes. Prochaine étape annoncée par Lee : ajouter de l'autonomie décisionnelle sans faire exploser la consommation, via des réseaux et capteurs embarqués plus légers, actuellement en développement.

RecherchePaper

1 source

2Interesting Engineering

La Chine dévoile BioflexBot, un bras robotique 3,5 fois plus extensible qu'une main humaine pour les espaces confinés

Des chercheurs chinois ont présenté BioflexBot, une main robotique capable d'enfiler une aiguille d'acupuncture, de manipuler une pipette de laboratoire et de dévisser un bouchon de bouteille en tournant près de quatre fois plus loin qu'une main humaine, sans reproduire l'anatomie complexe de la main biologique. Développé par une équipe dirigée par Yingtian Li, aujourd'hui à la Chinese University of Hong Kong à Shenzhen, le prototype repose sur un ressort en spirale enfermé dans une coque de contrainte et actionné par de l'air comprimé, avec seulement deux entrées pneumatiques pour produire pincement, rotation, crochetage et préhension. Lors des essais, la main a manipulé une aiguille d'acupuncture, transféré du liquide à la pipette, ouvert un bouchon de bouteille avec une amplitude de rotation quasi quadruplée par rapport à une main humaine, et saisi des objets jusqu'à 13 fois plus grands que ceux gérés par des systèmes robotiques comparables. Sa course d'extension et de contraction atteint 3,5 fois celle d'une main humaine. Trois démonstrations ont validé son usage pratique : inspection de pales d'aéroréacteur, intégration sur une plateforme humanoïde pour des tâches du quotidien, et manipulation d'équipements délicats lors d'une expérience de chimie. L'étude a été publiée dans la revue Advanced Science. Cette approche, qui recrée les mouvements essentiels de la main plutôt que sa forme, tranche avec la tendance dominante en robotique dextre consistant à répliquer doigts, articulations, tendons et muscles biologiques, une complexité mécanique qui alourdit les coûts et complique le contrôle. En réduisant l'actionnement à deux entrées pneumatiques, BioflexBot promet une intégration plus simple et moins coûteuse sur des plateformes existantes, un argument qui parle directement aux intégrateurs et décideurs industriels cherchant à équiper des robots humanoïdes ou des bras manipulateurs sans multiplier moteurs et boucles de contrôle. Sa capacité à saisir des objets de tailles très variées et à opérer dans des espaces confinés grâce à son allongement accru ouvre des cas d'usage concrets en maintenance aéronautique, en laboratoire et en environnements dangereux, là où les pinces industrielles classiques échouent. Le dispositif reste toutefois un prototype de laboratoire : les démonstrations, bien que variées, restent contrôlées, et l'écart avec un déploiement industriel autonome n'est pas comblé. Le projet illustre une piste alternative face à des décennies de recherche en préhension robotique centrées sur l'imitation biomécanique de la main humaine, une voie jugée coûteuse et difficile à faire passer à l'échelle. En misant sur ce que les auteurs appellent l'intelligence structurelle et physique du matériau lui-même plutôt que sur la multiplication des actionneurs, l'équipe s'inscrit dans un mouvement plus large vers des organes de préhension simplifiés, low-cost, pensés pour équiper la vague de robots humanoïdes en développement en Chine. La prochaine étape annoncée par les chercheurs consiste à transformer ce mécanisme passif en une plateforme entièrement automatisée, capable de percevoir son environnement, de sélectionner elle-même les mouvements adaptés et d'exécuter des tâches complexes sans supervision humaine continue, une condition nécessaire avant tout déploiement réel hors du laboratoire.

RecherchePaper

1 source

3arXiv cs.RO

Reconnaissance sémantique des activités de plongeurs pour une collaboration sous-marine humain-robot efficace

Une équipe de chercheurs a publié sur arXiv (arXiv:2606.12374v1) DAR-Net, un framework basé sur des transformers conçu pour reconnaître automatiquement les activités de plongeurs en milieu sous-marin. Le système classifie six catégories d'activités distinctes à partir de séquences vidéo, en combinant un raisonnement temporel global avec une supervision sémantique au niveau pixel. Pour entraîner et évaluer ce modèle, les auteurs ont constitué le premier jeu de données dédié à cette tâche : l'Underwater Diver Activity (UDA) dataset, qui comprend plus de 2 600 images annotées avec des masques de segmentation pixel-level. Les expériences sont réalisées en environnement contrôlé, et DAR-Net surpasse les modèles de référence actuels sur ce benchmark maison. Aucun déploiement opérationnel n'est rapporté à ce stade. L'enjeu industriel est réel : les véhicules sous-marins autonomes (AUV) sont de plus en plus utilisés pour assister les plongeurs dans des opérations à risque élevé, de l'inspection d'infrastructures offshore à la maintenance de câbles sous-marins. Pour qu'un AUV soit un véritable coéquipier et non un simple observateur, il doit interpréter les gestes et postures d'un humain en temps réel, dans des conditions de faible visibilité et de bruit visuel important. L'approche multi-loss de DAR-Net, qui couple la reconnaissance d'activité globale à la compréhension locale des interactions humain-robot via des contraintes de segmentation sémantique, adresse précisément ce gap. C'est une piste prometteuse, mais les validations restent en bassin contrôlé, loin des conditions réelles d'une inspection sous-marine à 30 mètres de profondeur avec turbidité variable. La reconnaissance d'activité humaine sous-marine est un domaine de niche mais en croissance, porté par l'essor des AUV commerciaux de sociétés comme Saab (BlueZone), Kongsberg, ou l'Ifremer en France. L'absence historique de datasets annotés a freiné les approches deep learning dans ce secteur, là où la robotique terrestre bénéficie de corpus massifs. La contribution principale de ce travail est précisément cette ressource de données fondatrice. Les auteurs positionnent explicitement DAR-Net comme une première brique, destinée à servir de baseline pour des travaux futurs sur la collaboration humain-robot en milieu subaquatique. Des extensions vers des environnements non contrôlés et des AUV réels constitueront le vrai test de généralisation du modèle.

UELe dataset UDA et le framework DAR-Net constituent une ressource de référence pour les acteurs européens de l'inspection sous-marine autonome (Ifremer, Kongsberg, Saab BlueZone), mais la validation en conditions réelles reste à démontrer.

RecherchePaper

1 source

4arXiv cs.RO

Robots acquièrent des compétences de manipulation en secondes grâce à une seule vidéo humaine

Des chercheurs ont présenté HOST (Human-to-robot One-Shot Skill AcquisiTion), un framework permettant à un robot d'acquérir une nouvelle compétence de manipulation à partir d'une seule vidéo humaine, en 29 secondes en moyenne au moment de l'inférence. Le système fonctionne par une cascade de prédictions auto-référencées : il estime d'abord la progression du robot dans la tâche démontrée, traduit cette progression en observations futures propres à l'embodiment du robot, puis en déduit les actions à exécuter. L'entraînement de cette cascade s'appuie sur une correspondance entre la trajectoire du robot et la vidéo de démonstration, projetées sur une même variété de progression de tâche, ce qui permet d'aligner les cibles d'apprentissage sur le déroulé futur de la vidéo. Sur les tâches testées, HOST atteint un taux de réussite moyen de 62%, soit 45 points de plus qu'une baseline zero-shot, tout en conservant les compétences déjà maîtrisées par le robot. Ce résultat s'attaque directement à un goulot d'étranglement connu du secteur de la robotique manipulatrice : les méthodes actuelles d'apprentissage de compétences reposent sur des boucles d'entraînement lourdes et coûteuses, qui en plus dégradent souvent les compétences précédemment acquises à chaque nouvel apprentissage (le problème dit du "catastrophic forgetting"). En affichant des performances supérieures à une baseline fine-tunée sur 50 démonstrations robot par tâche, tout en n'utilisant qu'une seule vidéo humaine et 507 fois moins de temps d'acquisition, HOST illustre une piste concrète pour réduire drastiquement le coût de déploiement des VLA (vision-language-action models) en environnement industriel réel, un enjeu central pour les intégrateurs qui doivent reconfigurer rapidement des cellules robotiques sur de nouvelles références produit sans campagne de collecte de données coûteuse. Cette approche s'inscrit dans la lignée des travaux récents sur l'apprentissage par imitation cross-embodiment, où des modèles comme GR00T N2 ou Pi-0 cherchent également à exploiter des données humaines ou hétérogènes pour accélérer l'apprentissage robotique. La contribution spécifique de HOST réside dans sa capacité à opérer en one-shot, à l'inférence, sans réentraînement du modèle sous-jacent, et sans effacer les compétences déjà en mémoire du robot. Les auteurs renvoient vers un site du projet pour des démonstrations complémentaires ; il s'agit à ce stade de résultats de recherche publiés sur arXiv, non d'un produit ou d'un déploiement industriel.

RecherchePaper

1 source