RechercheInteresting Engineering 6 octobre 2026

Des chercheurs préparent des essaims de robots capables d'assembler des structures sans ouvriers humains

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de l'Université de Stuttgart (Allemagne) préparent deux systèmes robotiques autonomes de construction, SCALAR et COBRAS, censés accélérer les chantiers, améliorer la productivité et réduire les déchets. Les deux projets ont obtenu chacun environ 4 millions d'euros (environ 9 millions de dollars) via l'EIC Pathfinder Challenge du Conseil européen de l'innovation. Coordonnés par l'Institute for Computational Design and Construction (ICD), ils doivent démarrer en novembre 2026 pour trois ans. SCALAR vise l'assemblage autonome de modules en bois préfabriqués : des grues rétrofitées transportent les composants et les positionnent grossièrement, tandis que des robots mobiles assurent l'assemblage de précision. Le processus est simulé en environnement virtuel avant le chantier, puis un système de contrôle numérique coordonne les opérations en temps réel et veille à la sécurité. COBRAS, lui, étudie des équipes de robots mobiles identiques à alimentation électrique, qui assemblent des structures en treillis spatial (space frames), sans contrôleur central, par coordination autonome de type essaim.

Ces projets s'attaquent à des verrous concrets. Le bois modulaire réduit le temps passé sur site, mais l'assemblage reste très manuel. Pour les structures en treillis spatial, la pose de multiples pièces individuelles freine l'adoption. L'intérêt de SCALAR tient à l'intégration de machines existantes : rétrofiter des grues de fabricants comme Liebherr et Jekko est plus réaliste pour un intégrateur que de concevoir des engins entièrement nouveaux. Le développement de capteurs fiables face à la poussière, à la saleté et aux éclairages difficiles est le point dur du passage du laboratoire au chantier, là où se joue l'écart entre démonstration et réalité. COBRAS parie sur la scalabilité : on ajoute ou retire des robots selon la taille du chantier, et la panne d'une unité n'arrête pas l'ensemble. Il faut toutefois rester prudent. Il s'agit de projets de recherche non encore démarrés, sans performances, cadences ni calendrier de déploiement annoncés. On ne parle ni de produit ni de pilote.

Ces travaux prolongent la ligne de recherche de l'ICD sur la conception computationnelle et la construction robotisée. Ils s'appuient sur un consortium européen : l'Institute for System Dynamics de Stuttgart, l'Austrian Institute of Technology, Liebherr et Jekko pour SCALAR ; l'Institute for Structural Engineering and Structural Design de Stuttgart, le Reconfigurable Robotics Lab de l'EPFL (Suisse) et le laboratoire IRIDIA de l'Université libre de Bruxelles pour COBRAS. Ce positionnement académique et européen contraste avec la robotique de construction commerciale, souvent portée par des start-up américaines, et il privilégie le bois et la réutilisation des composants, en phase avec les enjeux de durabilité. La suite dépendra des résultats après le lancement de novembre 2026, avec une échéance d'environ fin 2029. Le passage à des essais sur chantier réel et l'implication des industriels partenaires seront les indicateurs à surveiller.

Impact France/UE

Deux projets financés par l'EIC Pathfinder (environ 4 M€ chacun) et menés par l'Université de Stuttgart avec l'EPFL, l'ULB et Liebherr structurent un écosystème européen de robotique de construction.

À lire aussi

1arXiv cs.RO

Apprendre à construire : assemblage robotique autonome de structures stables sans plans prédéfinis

Des chercheurs proposent un cadre d'assemblage robotique autonome capable de construire des structures stables sans plan architectural prédéfini. Au lieu de suivre un plan figé, la tâche de construction est décrite par des cibles à atteindre et des obstacles à éviter. Le système décide donc lui-même de l'ordre et du placement des éléments. Le module de décision est une politique d'apprentissage par renforcement (RL), entraînée par deep Q-learning avec « successor features », une représentation qui découple la dynamique de l'environnement de la fonction de récompense. Cette approche vise à faciliter le transfert d'une tâche à l'autre. L'évaluation, présentée comme une preuve de concept, porte sur un banc d'essai de 15 tâches d'assemblage 2D en blocs discrets. Des expériences ont aussi été menées sur un montage robotique réel en boucle fermée. Elles indiquent que la méthode fonctionne et tolère le bruit de construction, c'est-à-dire les imprécisions de pose et d'exécution lors de la pose des blocs. Le résumé ne donne ni taux de réussite, ni temps de cycle, ni nombre d'essais réels, ni identification du robot utilisé. L'intérêt tient au déplacement du problème. L'assemblage robotique industriel repose presque toujours sur une séquence connue à l'avance, ce qui limite sa robustesse dès que le terrain ou les pièces s'écartent du modèle. Une politique qui raisonne à partir d'objectifs et de contraintes, et qui corrige en boucle fermée, répond à l'incertitude propre au chantier, à la construction modulaire ou à la préfabrication in situ. Les limites sont toutefois nettes. Les tâches sont en 2D, avec des blocs discrets, loin des charges, des tolérances et des matériaux d'un site réel. Aucune comparaison avec des planificateurs classiques n'est annoncée. Le résultat reste un signal de recherche, sans lien avec un produit, un déploiement ou une démonstration à l'échelle. Ces travaux s'inscrivent dans un mouvement plus large qui remplace les pipelines de planification symbolique par des politiques apprises, qu'il s'agisse de RL ou de modèles vision-langage-action (VLA) pour la manipulation. L'assemblage de structures y reste un terrain moins exploré que la saisie ou le tri. La suite logique est le passage à la 3D, à des éléments hétérogènes et à des géométries plus riches, avec une validation sur des tâches physiques plus nombreuses. Il s'agit de la version 2 d'un preprint arXiv (2602.23934), qui n'a pas encore été publié après relecture par les pairs. Aucun partenaire industriel ni calendrier de pilote n'est mentionné.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2Interesting Engineering

Des scientifiques américains développent des robots autonomes capables d'apprendre directement auprès des chercheurs

L'Argonne National Laboratory, laboratoire fédéral américain rattaché au Département de l'Énergie (DOE), a annoncé le développement de RoSA (Robot Scientific Assistant for Accelerating Experimental Workflows), un projet visant à créer des robots capables d'apprendre les procédures expérimentales directement en observant des chercheurs humains. L'approche repose sur l'imitation par démonstration : les scientifiques portent des capteurs pendant leurs manipulations, permettant de capturer mouvements, flux de travail et processus de décision, données qui alimentent ensuite des modèles d'IA chargés de reproduire correctement ces protocoles. Nicola Ferrier, informaticienne senior spécialisée en vision par ordinateur, dirige le volet robotique, tandis qu'Arvind Ramanathan contribue son expertise en systèmes de décision autonomes. Trois configurations matérielles sont envisagées : bras robotiques fixes, robots humanoïdes, et systèmes hybrides combinant mobilité et précision stationnaire. Les systèmes seront d'abord validés en simulation virtuelle avant tout déploiement en environnement réel. L'équipe cible une multiplication par cinq de l'efficacité sur les tâches ciblées d'ici un an. RoSA alimentera également OPAL (Orchestrated Platform for Autonomous Laboratories), initiative DOE parallèle visant à créer des réseaux de laboratoires autonomes capables d'apprentissage indépendant, notamment pour des expériences biologiques. Ce projet marque un changement d'approche dans la robotisation scientifique : plutôt que de programmer manuellement chaque geste, l'équipe d'Argonne parie sur l'imitation learning, une méthode qui supprime la phase de programmation explicite pour chaque nouveau protocole. Pour les intégrateurs et les décideurs B2B, cela ouvre la perspective de robots reconfigurables sur simple démonstration humaine, sans expertise en robotique embarquée. L'enjeu est concret : automatiser les tâches répétitives ou dangereuses (pipetage, manipulation de produits chimiques, expériences à haute cadence) améliorerait à la fois la sécurité et la reproductibilité des résultats. Quelques réserves s'imposent néanmoins : l'objectif x5 d'efficacité n'est qu'une cible interne sur douze mois, sans métriques de référence publiées ni benchmark externe validé, et aucun déploiement opérationnel en laboratoire réel n'est encore annoncé. La distance entre validation en simulation et robustesse en environnement de laboratoire réel constitue le principal risque d'exécution de ce type de projet. RoSA s'inscrit dans la Genesis Mission du DOE, initiative nationale mobilisant IA, informatique quantique et supercalculateurs pour doubler la productivité de la recherche américaine dans la décennie. Le segment des "self-driving laboratories" est en pleine croissance : le groupe Cronin à l'Université de Glasgow a publié des résultats emblématiques sur un laboratoire chimique autonome piloté par IA, Emerald Cloud Lab (États-Unis) propose déjà des services de laboratoire entièrement automatisés à distance, et des équipementiers comme Beckman Coulter ou Tecan fournissent des plateformes d'automatisation avancées au marché pharmaceutique. Argonne cherche à se positionner comme référence en robotique scientifique généraliste, au-delà des tâches chimiques ou biologiques standardisées déjà couvertes par ces acteurs. La prochaine étape annoncée reste la démonstration du gain x5 d'efficacité, préalable à une intégration progressive aux équipements existants de laboratoires partenaires.

RecherchePaper

1 source

3Interesting Engineering

Des chercheurs du MIT construisent un laboratoire robotisé qui assemble et exécute ses propres expériences laser

Des chercheurs du MIT, au Research Laboratory of Electronics, ont construit un laboratoire robotique capable d'assembler, calibrer et démonter seul des expériences d'optique laser, un travail qui prend habituellement des mois de réglages manuels. Menée par le postdoctorant Sachin Vaidya et le professeur Marin Soljačić, l'équipe utilise un bras robotique qui saisit des composants optiques standards (miroirs, lentilles), chacun logé dans un boîtier imprimé en 3D avec code QR d'identification et base magnétique, pour les positionner avec une précision micrométrique. Un outil de réglage Wi-Fi tourne à distance les molettes des montures optiques, tandis que deux caméras aériennes guident le logiciel dans la reconnaissance des pièces et le calcul des trajectoires ; une interface virtuelle permet aussi de déplacer les composants en glissant leur icône à l'écran. Lors d'une démonstration, le robot a assemblé seul une cavité laser de table, brique de base de la plupart des montages optiques, en 50 manœuvres et 30 minutes, puis s'est réajusté automatiquement après le déplacement volontaire d'un composant pour maintenir l'intensité du faisceau. Les détails complets seront présentés à la conférence IROS (Intelligent Robots and Systems) ce mois-ci. Pour la photonique et les laboratoires de R&D, l'enjeu est de lever un goulot d'étranglement connu : le montage optique reste un geste artisanal, dépendant du savoir-faire individuel et peu reproductible. Un système fonctionnant sans fatigue, avec une constance que Vaidya juge supérieure au réglage "au feel" pratiqué par les humains, pourrait libérer du temps de recherche et accélérer les cycles d'expérimentation, promesse qu'une seule démonstration de 30 minutes ne suffit pas à établir à grande échelle. Le projet rejoint la tendance des laboratoires autopilotés ("self-driving labs"), déjà testée en chimie et en science des matériaux, ici appliquée à l'optique de précision où les tolérances se comptent en microns. Une interface cloud, si elle aboutit, permettrait à des chercheurs distants de soumettre des protocoles exécutés physiquement par le robot, utile pour tester plus vite des prototypes de caméras, écrans, cellules solaires ou casques AR/VR. Construire une seule expérience d'optique peut prendre des mois de positionnement manuel de miroirs et lentilles fragiles, d'où le choix de la cavité laser comme premier cas d'usage, composant quasi universel des montages optiques. L'équipe étend le système sur deux fronts : le matériel, pour élargir la gamme de composants manipulables, et l'interface cloud, pour l'exécution à distance de protocoles. Les chercheurs appliquent déjà leur plateforme à un usage concret hors laser, l'évaluation de matériaux candidats à la capture du carbone, en éclairant des échantillons avec une lumière calibrée pour mesurer leur absorption de CO2. Aucun partenaire industriel, prix ni calendrier de déploiement commercial n'est mentionné ; le système reste, à ce stade, un démonstrateur académique.

RecherchePaper

1 source

4arXiv 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