RecherchearXiv cs.RO 1 octobre 2026

Ondes de manipulation : un réseau delta couplé par membrane pour déplacer des objets plus petits que l'espacement des actionneurs

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont mis au point une surface manipulatrice qui couple les effecteurs d'un réseau de 8 x 8 robots delta à trois degrés de liberté (64 actionneurs au total) avec un tissu extensible. L'écart entre centres d'actionneurs est de 43,3 mm. Dans un système de manipulation distribuée classique, un objet doit reposer sur plusieurs actionneurs simultanément, ce qui fixe une taille minimale d'objet manipulable. Le tissu transforme ces 64 contacts discrets en surface continue, et la plateforme déplace des objets de 15 à 90 mm sur une même surface, soit un rapport de six, de part et d'autre de l'espacement des actionneurs. Les auteurs traitent le réseau comme un champ de déplacement et en tirent deux primitives de manipulation : des champs quasi-statiques locaux et des champs cycliques (ondulations). Elles peuvent s'appliquer à tout le réseau ou se limiter au voisinage de chaque objet suivi, ce qui permet d'en déplacer plusieurs en parallèle et de façon indépendante. Une politique apprise agit sur les coefficients basse fréquence d'une transformée en cosinus discrète. À dimension d'action égale, piloter un voisinage de dix-neuf robots delta réduit de moitié l'erreur de placement par rapport au pilotage de l'ensemble du réseau. Cette politique est transférée sur le matériel sans adaptation, avec 76 % de réussite.

L'intérêt tient à ce que le pas des actionneurs cesse d'être la limite de la miniaturisation des surfaces actives. Jusqu'ici, manipuler de petits objets demandait de densifier le réseau, donc de multiplier les actionneurs, le câblage et les coûts. Une couche mécanique passive, ici un simple tissu, contourne ce compromis. Le résultat sur le transfert simulation-réel est aussi notable : une politique entraînée en simulation fonctionne sur le matériel sans réglage supplémentaire. Le taux de 76 % reste toutefois une mesure de laboratoire, obtenue sur une seule plateforme. Le résumé ne précise ni la nature des objets, ni la vitesse, ni la répétabilité, ni la charge admissible. Pour des intégrateurs, les applications évidentes seraient le tri, l'alignement ou le positionnement de petites pièces ou de composants fragiles (électronique, pharmacie, agroalimentaire) sans préhenseur dédié. Ce travail n'est pour l'instant qu'une preuve de concept académique et ne constitue ni un produit ni un déploiement industriel.

Ces travaux prolongent les recherches sur les systèmes de manipulation distribuée, qui reposent sur des réseaux d'actionneurs (convoyeurs à cellules, tables à jets d'air ou à roues omnidirectionnelles, grilles de robots delta) et butent depuis longtemps sur ce plancher de taille. Des acteurs européens comme Exotec ou Pollen Robotics travaillent sur d'autres approches de la manutention, mais ne sont pas cités ici. Les prochaines étapes probables sont des tests sur des objets de formes et de matériaux variés, un passage à des réseaux plus grands et une évaluation sur de vraies tâches de tri ou d'assemblage. Aucun calendrier, partenaire industriel ni prix n'a été annoncé dans le résumé de l'étude.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

Pollen Robotics — Reachy Exotec

À lire aussi

1arXiv cs.RO

Imitation conditionnée par un plan pour récupérer des objets malgré l'auto-occlusion en encombrement dense

Des chercheurs présentent TRACE, un cadre d'imitation conditionnée par un plan, conçu pour extraire un objet d'un encombrement dense lorsque le bras robotique masque lui-même les objets qu'il déplace. Le système initialise un jumeau numérique à partir d'une seule observation non occultée. Un enseignant privilégié, qui accède à l'état complet de la scène simulée, y génère une trajectoire nominale fixe. Un étudiant récurrent combine le contexte local de cette trajectoire, des observations partielles des objets et la proprioception pour choisir des actions qui corrigent les écarts par rapport à la prédiction. Le clonage comportemental initialise l'étudiant, puis DAgger l'affine avec des étiquettes de l'enseignant sur les états réellement visités par l'étudiant. En simulation, sur 511 scènes de test, TRACE atteint 90,7 % de succès, contre 43,4 % pour la simple relecture de la trajectoire nominale et 96,7 % pour l'enseignant en boucle fermée. À budget égal de 26 373 étiquettes, la supervision sur les états de l'étudiant donne 87,8 %, contre 66,7 % pour le clonage des seules démonstrations expertes. Sur un UR5e, le taux de succès est de 90,0 %, contre 95,0 % pour l'enseignant, et le temps d'exécution total passe de 192,7 s à 67,3 s. L'intérêt tient à ce que le résultat cible un goulot concret de la manipulation en environnement encombré : les retraits répétés du bras pour retrouver de la visibilité. L'enseignant en boucle fermée en impose en moyenne 16,8 par essai pendant la poussée, ce qui explique l'essentiel de l'écart de durée. TRACE les évite et ne conserve qu'un retrait final pour évaluer la saisissabilité de l'objet. Pour un intégrateur, le gain d'un facteur 2,9 sur le temps de cycle, pour une perte de cinq points de succès, est le compromis à retenir. Le déploiement ne requiert ni requêtes à l'enseignant ni simulations en ligne pendant la poussée, ce qui allège les contraintes de calcul embarqué. L'expérience montre aussi que l'échantillonnage sur les états de l'étudiant apporte un gain au-delà du seul nombre d'étiquettes, un argument en faveur de DAgger face au clonage pur. Les réserves sont classiques : l'échantillon réel (probablement 20 essais, d'après les pourcentages) est mince, un seul bras est testé, et la méthode suppose une première vue dégagée pour construire le jumeau numérique. Ces travaux s'inscrivent dans la lignée des approches enseignant-étudiant avec information privilégiée, déjà courantes en locomotion et en manipulation, ici appliquées au cas précis de l'auto-occultation. Ils se distinguent des politiques généralistes de type VLA (vision-langage-action), comme Pi-0 ou GR00T, qui visent la généralité plutôt que la robustesse sur une tâche étroite. Il s'agit d'une prépublication arXiv sans produit ni déploiement industriel annoncé. Les auteurs promettent de publier code et données sur trace-retrieval.github.io, ce qui permettra de vérifier les résultats. Les suites logiques seraient de tester d'autres bras et d'autres densités d'encombrement, puis de traiter des scènes où l'observation initiale est elle-même partiellement occultée, condition plus proche des applications de picking en entrepôt.

RecherchePaper

1 source

2arXiv cs.RO

Titre découverte conjointe de symboles d'objets et d'actions par prédiction d'effets pour la planification de manipulation robotique

Ce travail de recherche, publié sur arXiv, s'attaque à un problème central en planification robotique : comment faire en sorte qu'un robot autonome transforme des interactions sensorimotrices continues et complexes en représentations discrètes exploitables pour planifier ses actions. Les auteurs proposent un modèle qui découvre simultanément des primitives de manipulation de haut niveau et des catégories d'objets, via une couche binaire dite « bottleneck », entraînée à prédire des résultats multimodaux (mouvement de l'objet, contact, retour de force) à partir de données d'interaction générées aléatoirement. Le système s'appuie ensuite sur une méthode de planification discrète qui utilise les étapes intermédiaires de la trajectoire d'effets prédite, permettant des exécutions partielles d'actions pour un contrôle précis à bas niveau. Les expériences portent sur des tâches de repositionnement et d'empilement d'objets sur table, et montrent une précision de planification supérieure à un état de l'art existant et à une méthode alternative fondée sur la vision, aussi bien sur des objets déjà vus que sur des objets nouveaux. L'enjeu dépasse la simple performance de laboratoire. Les approches classiques de catégorisation d'objets en robotique reposent soit sur l'apparence visuelle, ce qui échoue dès que deux objets se ressemblent mais réagissent différemment à la manipulation, soit sur les effets observés, mais avec des actions figées à l'avance. En liant les deux via l'apprentissage, cette méthode permet une généralisation en few-shot fondée sur le comportement réel de l'objet plutôt que sur son aspect, un enjeu direct pour les intégrateurs industriels confrontés à des objets non standardisés en entrepôt ou en logistique, où deux boîtes identiques visuellement peuvent avoir un contenu, un poids ou une rigidité totalement différents. Ce travail s'inscrit dans la lignée des recherches sur l'ancrage symbolique (symbol grounding) pour la planification robotique, un champ qui cherche depuis plusieurs années à dépasser les limites de la perception purement visuelle. Les auteurs annoncent vouloir étendre cette approche à des tâches de manipulation plus variées et à des objets plus complexes, une piste qui pourrait à terme nourrir les architectures de type VLA utilisées par les bras industriels et les robots humanoïdes.

RecherchePaper

1 source

3arXiv cs.RO

NEO : NeRF Une Fois, Éditer Plusieurs Fois pour la Manipulation Continue d'Objets

Des chercheurs présentent NEO (NeRF It Once, Edit It Many Times), un framework unifié qui permet d'éditer des champs de radiance neuronaux (NeRF) guidés par le langage pour la manipulation robotique. Le système repose sur trois apports techniques : une méthode de suppression d'objets guidée par texte combinant un rééchantillonnage du champ neuronal avec un inpainting progressif cohérent sur plusieurs vues, une technique d'édition directe des poids du NeRF par distillation de connaissances qui compose le champ original et le champ édité via un modèle enseignant-élève, permettant de modéliser à l'avance l'état futur d'une scène avant qu'un robot n'exécute une action, et NEO-Dataset, présenté comme le premier benchmark dédié à l'évaluation quantitative des méthodes d'édition de scènes NeRF appliquées à la manipulation robotique. Selon les auteurs, l'approche surpasse les méthodes de référence de l'état de l'art sur des tâches d'édition de scène, incluant la suppression d'objets et des expériences robotiques de type pick-and-place, avec des résultats visuellement cohérents et géométriquement consistants, réduisant les artefacts habituellement générés par les approches concurrentes. Pour les équipes qui travaillent sur la perception et la planification robotique, l'intérêt de NEO tient à sa capacité à anticiper l'état d'une scène après une action, sans reconstruire un NeRF complet à chaque itération : c'est un gain potentiel en temps de calcul et en robustesse pour les pipelines de saisie et de manipulation basés sur des représentations 3D implicites. La réduction des artefacts est un point concret pour les intégrateurs, car les distorsions géométriques issues d'un NeRF édité de façon incohérente peuvent fausser la planification de préhension ou la détection de collision. L'existence d'un benchmark dédié, NEO-Dataset, comble aussi un manque : jusqu'ici, l'évaluation des méthodes d'édition de scène NeRF pour la robotique manquait de protocole standardisé, ce qui rendait les comparaisons entre approches peu fiables. Ce travail s'inscrit dans une tendance de recherche plus large visant à exploiter les NeRF, initialement conçus pour le rendu de vues nouvelles, comme représentations exploitables pour la planification robotique et la simulation de scènes futures. Les méthodes antérieures d'édition de NeRF souffraient soit d'un coût de réentraînement prohibitif, soit d'artefacts visuels limitant leur usage en boucle fermée avec un robot. En proposant une édition directe des poids par distillation plutôt qu'un réentraînement complet, NEO se positionne comme une alternative plus légère aux approches existantes. Le papier, publié sur arXiv, ne précise pas encore de déploiement matériel à grande échelle ; il s'agit à ce stade d'une contribution méthodologique et d'un benchmark, dont l'adoption par d'autres équipes de recherche en manipulation robotique reste à confirmer.

RecherchePaper

1 source

4arXiv cs.RO

CALM : manipulation de liaison alignée sur le courant pour soulever des objets surdimensionnés à bras unique

Une équipe de recherche présente CALM (Current-Aligned Link Manipulation), un framework publié sur arXiv en septembre 2026 sous la référence 2609.29017v1, qui permet à un bras robotique unique de soulever des objets surdimensionnés en mobilisant tout le bras, avant-bras et coude compris, et pas seulement son effecteur terminal. La méthode combine trois politiques entraînées en simulation avec des informations privilégiées, couvrant le repositionnement, la préhension et le levage, qu'un routeur de stade enchaîne pour produire des démonstrations complètes de la tâche. Le transfert vers le matériel réel repose sur un "causal current mapper", un module qui prédit le courant moteur physique à partir des historiques articulaires simulés, afin d'aligner l'observation du courant entre simulation et robot réel. Une politique étudiante unique apprend ensuite à partir de ces démonstrations en n'utilisant que des capteurs réellement déployables, puis est affinée par DAgger. Résultat annoncé: 76,2% de réussite en simulation (762 essais sur 1000) et 73,3% sur robot physique (22 essais sur 30) pour la tâche complète de levage séquentiel d'objets surdimensionnés. Ce travail cible un angle mort de la manipulation robotique actuelle: la plupart des bras industriels et humanoïdes ne saisissent qu'avec leur pince ou effecteur, ce qui limite la taille et le poids des objets manipulables, contrairement à l'humain qui cale un objet encombrant contre l'avant-bras ou l'épaule. En utilisant le courant moteur comme substitut à un retour tactile coûteux pour estimer la charge de contact le long du bras, CALM propose une piste pour réduire l'écart sim-to-real sur la dynamique de contact et des actionneurs, un obstacle classique qui fait échouer en conditions réelles des politiques pourtant efficaces en simulation. Le taux de 73,3% sur seulement 30 essais physiques reste un résultat de laboratoire préliminaire, à confirmer sur un échantillon plus large avant toute extrapolation vers un usage industriel en logistique ou en entrepôt. L'abstract ne précise ni les auteurs, ni leur affiliation, ni le type de bras utilisé pour les essais physiques, et ne mentionne aucun acteur français ou européen du secteur. Le papier s'inscrit dans la lignée des méthodes de distillation de politique enseignant-élève, déjà répandues en locomotion pour robots quadrupèdes et humanoïdes, appliquées ici à la manipulation de contact riche sur horizon long. Aucun calendrier de déploiement, partenariat industriel ou suite commerciale n'est annoncé à ce stade: il s'agit d'une contribution de recherche académique, non d'un produit ni d'un pilote en conditions réelles.

RecherchePaper

1 source