RechercheInteresting Engineering 1 octobre 2026

Le « poisson de l'apocalypse » des abysses pourrait inspirer la prochaine génération de sous-marins furtifs

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de Cornell University, dirigés par le professeur d'ingénierie Rob Shepherd, ont décortiqué la mécanique de nage du régalec (oarfish), poisson osseux des grands fonds pouvant atteindre 26 pieds, soit environ 8 mètres, et surnommé « poisson de l'apocalypse ». Le travail, financé dans le cadre d'un projet pour l'Office of Naval Research américain visant une plateforme silencieuse de surveillance des océans, a été mené avec l'ichtyologue retraité Willy Bemis. L'équipe s'est appuyée sur des scanners CT, des radiographies fournies par la Smithsonian Institution et des dissections détaillées, un exercice délicat, car le corps du poisson se désagrège en segments cassants après la mort. Résultat : des centaines de rayons de nageoire, posés sur des articulations à rotule, fonctionnent comme autant de « joysticks » le long de la nageoire dorsale continue. Chaque rayon dispose de ses propres muscles et cartilages et d'une liberté de rotation à 360 degrés. La membrane qui les relie peut transmettre des ondes de propulsion dans deux directions simultanément, ce qui permet au poisson d'avancer et de reculer, de changer de vitesse et de direction sans plier le corps. L'étude est parue dans la revue Ichthyology and Herpetology.

Pour la robotique sous-marine, l'intérêt est avant tout acoustique. Les hélices navales sont bruyantes et font fuir la faune, ce qui fausse les relevés de biodiversité qu'elles sont censées permettre. Un propulseur à nageoire ondulante, qui produit un écoulement laminaire et garde le corps quasi immobile, vise une cartographie discrète et un suivi de longue durée des écosystèmes fragiles. La même discrétion intéresse naturellement les applications navales, ce que le financement de l'ONR laisse entendre. Il faut toutefois rester précis : il s'agit d'une étude d'anatomie fondamentale, et non d'un prototype. Aucun robot, aucune mesure de poussée, de rendement énergétique ou de niveau sonore n'est annoncé. Le saut entre des centaines de rotules musculaires biologiques et un actionneur sous-marin fiable, étanche et résistant à la pression reste un vrai défi d'ingénierie. Le titre évoquant de futurs sous-marins furtifs relève de la projection plus que d'un résultat démontré.

Le contexte est celui d'une biomimétique ancienne, dont l'apport varie selon les cas. La nage à nageoire ruban a évolué indépendamment une dizaine de fois chez les poissons osseux, mais c'est la première fois que ces rayons pivotants sont documentés chez cette espèce. Côté précédents, le robot grimpeur Stickybot de Stanford imitait les soies microscopiques (setae) des geckos, qui adhèrent par forces de van der Waals sans colle ni ventouse, pour s'accrocher au verre, aux panneaux lisses ou à des équipements spatiaux sans laisser de résidu. L'équipe de Shepherd veut désormais transposer cette logique à de grands moniteurs robotisés. Aucun calendrier, aucun partenaire industriel ni budget n'a été communiqué, et la suite logique sera un banc d'essai mesurant poussée, bruit et efficacité face aux propulseurs à hélice et aux robots à nageoire ondulante déjà étudiés.

Impact France/UE

Pas d\'impact direct sur la France/UE

À lire aussi

1arXiv cs.RO

AquaWorld : génération de mondes sous-marins structurellement cohérents pour la simulation robotique

Des chercheurs ont présenté AquaWorld, un framework de génération de mondes sous-marins pour la simulation robotique, détaillé dans un article publié sur arXiv (2609.22670v1). L'outil génère terrain 3D, placement d'assets, définition de tâches et champs de courants à partir d'un plan conditionné par le langage, tout en conservant la cohérence structurelle entre ces éléments grâce à une bibliothèque de plus de 10 000 assets compatibles milieu sous-marin et un modèle résiduel supervisé par CFD (mécanique des fluides numérique) qui prédit des champs de flux moyens réutilisables et conditionnés au terrain. Le système prend en charge aussi bien les véhicules sous-marins conventionnels que les robots-poissons bio-inspirés. Sur 24 paires de terrains testées, la randomisation structurée produit une consistance croisée nettement supérieure à une randomisation indépendante des facteurs, et dans une comparaison d'entraînement de politiques à budget égal, elle atteint un taux de succès en validation supérieur de 21%. En conditions physiques réelles, une politique de navigation visuelle entraînée uniquement en simulation réussit 95% des essais en bassin, sans mise à jour de ses modules de perception ou de contrôle. Pour l'industrie robotique sous-marine, ce résultat s'attaque à un goulot d'étranglement connu: contrairement aux robots terrestres ou aériens, les systèmes sous-marins doivent composer avec courants, visibilité dégradée et dynamique fluide complexe, ce qui limitait jusqu'ici la quantité de données synthétiques réellement exploitables pour l'entraînement. En montrant qu'une randomisation tenant compte de la structure du terrain améliore le transfert simulation-réalité jusqu'à un taux de réussite physique de 95% sans recalibrage, AquaWorld apporte une preuve empirique que le fossé sim-to-real, souvent pointé comme un obstacle majeur dans les publications robotiques, peut être réduit pour des tâches de navigation visuelle sous-marine. Pour les intégrateurs de véhicules sous-marins autonomes ou de robots d'inspection, cela ouvre une voie pour réduire coûts et risques des essais en mer en s'appuyant davantage sur l'entraînement simulé, à condition que les pipelines de génération respectent les contraintes physiques du domaine plutôt que de randomiser chaque facteur indépendamment. Ce travail s'inscrit dans une tendance plus large de la robotique où la génération procédurale de mondes à grande échelle est devenue un levier central de l'entraînement de politiques, un domaine longtemps dominé par les environnements terrestres et la manipulation. Le sous-marin restait en retard faute d'outils intégrant simultanément géométrie de terrain, dynamique des fluides et diversité d'assets de façon cohérente. À ce stade, il s'agit d'une contribution de recherche publiée sur arXiv, sans indication de produit commercial, de partenariat industriel ou de déploiement opérationnel annoncé, et les auteurs ne précisent ni affiliation ni feuille de route de diffusion publique du code ou des assets. Les suites attendues pour ce type de travaux passent généralement par l'extension du nombre de tâches et de robots supportés, ainsi que des essais en environnement réel au-delà du bassin contrôlé.

RecherchePaper

1 source

2arXiv cs.RO

FinsSim : une plateforme de simulation intégrée alignée sur le réel pour l'apprentissage des robots sous-marins

Une équipe de recherche présente FinsSim, une plateforme de simulation intégrée pour l'apprentissage robotique sous-marin, décrite dans un preprint publié fin septembre 2026 sur arXiv (2609.23943). FinsSim associe une simulation hydrodynamique haute fidélité à moteurs de calcul interchangeables, des lignes de base de contrôle standard et des flux de travail unifiés pour l'apprentissage robotique. Pour le transfert sim-to-real, elle intègre une fusion multi-capteurs pour une localisation précise à faible coût, des modèles calibrés reliant poussée des propulseurs et hydrodynamique, et un algorithme de répartition d'efforts sous contraintes, le tout relié via ROS 2 en un pipeline complet simulation-vers-réel. Les auteurs rapportent avoir validé ce transfert par des expériences appariées simulation/réel, complétées par des études d'ablation testant chaque module séparément. Pour l'industrie de la robotique sous-marine, marché restreint et bien moins médiatisé que celui des humanoïdes terrestres, ce travail cible un verrou concret : l'écart persistant entre simulation et réalité, aggravé sous l'eau par la difficulté à modéliser l'hydrodynamique et à localiser un robot sans GPS. En reliant simulateur calibré, capteurs fusionnés et allocation de commande sous contraintes dans un pipeline reproductible, FinsSim s'adresse aux laboratoires et intégrateurs développant des véhicules sous-marins autonomes pour l'inspection, l'intervention ou la cartographie. Contrairement aux annonces spectaculaires du secteur humanoïde, ce travail reste un outil de recherche : ni produit commercial ni déploiement en conditions réelles, mais une brique méthodologique destinée à être reprise par d'autres équipes. L'article s'inscrit dans une lignée de simulateurs sous-marins de recherche déjà existants, tels que UUV Simulator, Stonefish, HoloOcean ou DAVE, que FinsSim cherche à compléter en combinant fidélité hydrodynamique et pipeline de transfert prêt à l'emploi via ROS 2. Ce créneau reste à l'écart de la vague de financements qui entoure actuellement les robots humanoïdes terrestres et les modèles vision-langage-action, où des acteurs comme Figure AI, NVIDIA ou Physical Intelligence multiplient les annonces. Le preprint, mis en ligne fin septembre 2026, ne précise ni institution porteuse ni calendrier de publication du code source. Les auteurs indiquent vouloir réduire l'écart entre recherche théorique et applications pratiques en robotique sous-marine, sans annoncer de partenariat industriel ni de déploiement programmé à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

Local-Minimum Escaper : génération programmatique de sous-objectifs pour une navigation robuste en environnement inconnu

Des chercheurs proposent LME (Local-Minimum Escaper), un cadre hiérarchique programmatique qui aide un robot mobile à sortir des minima locaux lors d'une navigation sans carte (mapless) en environnement inconnu et partiellement observable. Le système n'utilise que les observations locales. Il génère des sous-objectifs candidats et les sélectionne selon des critères heuristiques interprétables, qui combinent la géométrie des obstacles environnants et la sûreté de chaque emplacement. Un planificateur local produit ensuite les commandes de bas niveau vers le sous-objectif retenu. LME ne demande aucun entraînement supplémentaire et reste indépendant du planificateur sous-jacent. Les auteurs l'ont testé en simulation et en conditions réelles, sur un robot à entraînement différentiel et sur un robot quadrupède. Le résumé de l'article ne donne aucun chiffre, ni taux de succès, ni temps de parcours, ni nom de planificateur comparé, ni taille de l'échantillon d'essais. Le point notable est la méthode. La plupart des approches par apprentissage profond par renforcement (DRL) font apprendre les comportements de récupération de façon implicite, via la conception de la récompense et l'optimisation de la politique. LME les traite comme un module explicite, lisible et sans entraînement. Pour un intégrateur, cela veut dire un comportement plus facile à auditer et à déboguer, et un module qui se branche sur un planificateur local déjà en place. Les auteurs affirment que les sous-objectifs générés améliorent nettement la capacité d'autres planificateurs locaux à s'échapper des minima. Cette affirmation reste à vérifier sur les données complètes. Le déploiement sur deux morphologies très différentes suggère une certaine généralité. Il s'agit toutefois de travaux de laboratoire, pas d'un produit livré ni d'un déploiement industriel, et l'expression « scénarios inédits difficiles » ne dit rien de la difficulté réelle des environnements testés. Les minima locaux sont un défaut ancien des méthodes réactives et des champs de potentiel. Les cas typiques sont les impasses, les murs concaves et les couloirs en U. Les solutions classiques passent par des cartes globales, de l'exploration à base de frontières ou des politiques DRL entraînées de bout en bout. LME choisit une voie intermédiaire et symbolique, sans carte. Le papier, publié sur arXiv (2609.38928v1) en première version, n'annonce ni code ni pilote commercial dans son résumé. Les suites logiques seraient une comparaison chiffrée avec des bases DRL récentes et des essais sur des sites réels plus vastes, avec des humains, des sols glissants ou des obstacles dynamiques.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

D3D-GEN : génération interactive de mondes 3D ancrée dans le domaine pour la robotique sociale, consciente du robot

D3D-GEN est un système de génération de mondes 3D interactifs présenté dans un article publié sur arXiv (arXiv:2608.11876v1) et conçu pour l'entraînement et la validation de robots sociaux en navigation autonome. Développé pour résoudre le compromis entre réalisme et simulabilité, le système combine un agent de recherche de domaine avec un pipeline de génération augmentée par récupération (RAG) ancré dans ce domaine. À partir d'une simple description textuelle du domaine visé, l'agent collecte automatiquement des données publiques spécifiques et construit une base de connaissances persistante, sans dépendre d'une bibliothèque fixe de modèles 3D. Le pipeline RAG interroge ensuite dynamiquement une base sémantique fournie par l'utilisateur pour générer des plans d'étage et des placements d'objets plausibles. Les mondes produits sont pleinement interactifs et compatibles avec les simulateurs Isaac Sim et Gazebo, deux outils largement utilisés en robotique. Les chercheurs ont bâti des bases de données pour trois domaines courants (résidentiel, hospitalier, bureau) et généré des dizaines d'environnements distincts pour chacun, le tout accessible via une interface web locale. Pour l'industrie robotique, cet outil s'attaque à un goulot d'étranglement concret : la pénurie d'environnements de simulation à la fois réalistes et diversifiés freine l'entraînement des politiques de navigation sociale, un maillon clé pour les robots amenés à opérer parmi des humains (hôpitaux, bureaux, domicile). En automatisant la collecte de connaissances de domaine et la synthèse de scènes plausibles sans base 3D préexistante, D3D-GEN pourrait réduire le travail manuel de conception d'environnements simulés, un frein connu à l'échelle du sim-to-real pour les intégrateurs et laboratoires de recherche en IA incarnée. Reste que la validation du réalisme et de la généralisation à d'autres domaines n'est démontrée que sur trois cas d'usage, ce qui limite pour l'instant la portée des conclusions. Ce travail s'inscrit dans la lignée des efforts récents visant à combler l'écart entre simulation et réalité pour l'IA incarnée, où des bases de données de scènes 3D figées (comme celles utilisées historiquement avec Isaac Sim ou Gazebo) limitent la diversité des scénarios d'entraînement. En s'appuyant sur des agents de recherche et du RAG plutôt que sur des bibliothèques statiques, D3D-GEN se positionne face à d'autres approches de génération procédurale de scènes pour la robotique. L'article ne précise pas de partenariats industriels ni de calendrier de déploiement au-delà du prototype de recherche présenté avec son interface web locale.

RecherchePaper

1 source