RecherchearXiv cs.RO 8 octobre 2026

MagCilia : un capteur tactile magnétociliaire compact à détection de force 3D pour la perception du contact et le retour de préhension

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont présenté sur arXiv MagCilia, un capteur tactile magnétociliaire compact qui associe une structure flexible de cils magnétiques à un capteur à effet Hall pour mesurer les forces en trois dimensions (normale et tangentielles). Le dispositif a été analysé par éléments finis quasi statiques, afin de comprendre la déformation de la structure et la réponse magnétique sous charges multidirectionnelles. Comme les canaux magnétiques sont couplés, l'équipe propose une méthode de reconstruction appelée CHFR (causal history fusion regression), qui combine la mesure instantanée du champ magnétique et ses variations récentes. En validation croisée à cinq plis, groupée par enregistrement de calibration, l'erreur quadratique moyenne atteint 0,40 N sur Fx, 0,57 N sur Fy et 0,69 N sur Fz, pour des coefficients de détermination de 0,93, 0,90 et 0,92. Les tests robotiques montrent un ajustement de la pince guidé par la force tangentielle et un suivi de charge multiaxe sous perturbations extérieures. Les caractéristiques fréquentielles des forces reconstruites permettent de distinguer six catégories de surfaces avec 99,39 % de précision en validation croisée à trois plis, groupée par session d'acquisition. Une démonstration robotique en ligne a identifié les six surfaces testées.

L'intérêt tient à la combinaison de trois fonctions dans une seule unité compacte : mesure de force 3D, retour de préhension et reconnaissance de texture. Pour un intégrateur, la capacité à détecter un glissement naissant via la force tangentielle, sans caméra, est utile dès que l'occlusion visuelle ou les reflets gênent la préhension. Le principe magnétique, avec un seul capteur Hall, laisse aussi espérer une électronique simple et un encombrement réduit par rapport aux capteurs optiques de type GelSight. Les chiffres demandent toutefois de la prudence. Une erreur de 0,4 à 0,7 N est correcte pour de la manipulation générale, mais elle reste élevée pour des objets fragiles ou des assemblages fins. Les 99,39 % portent sur seulement six surfaces, validées par sessions mais en conditions de laboratoire. Rien n'indique non plus la dérive dans le temps, l'hystérésis ni la durabilité des cils après de nombreux cycles de contact.

Ce travail s'inscrit dans la course au toucher des mains robotiques, où le manque de perception tactile fiable freine encore le passage des démonstrations de VLA et de manipulation dextre à un déploiement réel. Les capteurs magnétiques (de type uSkin) et optiques (GelSight, DIGIT) occupent déjà ce terrain. MagCilia propose une alternative inspirée des cils biologiques. Il s'agit d'une prépublication v1, sans financement, partenaire industriel, prix ni calendrier de commercialisation annoncé, donc d'un résultat de recherche et non d'un produit. Les prochaines étapes à surveiller sont l'intégration sur des mains multidoigts, des essais sur des objets variés et déformables, la robustesse en cycles longs et une évaluation par des pairs.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

FasTac : un capteur tactile courbe multispectral basé sur la vision pour la perception 3D de forme et de force à haute vitesse et haute précision

Le laboratoire à l'origine de FasTac présente un capteur tactile visuel courbe conçu pour les doigts de préhenseurs dextres, combinant imagerie photométrique multispectrale et estimation de force par convolution dynamique, le tout embarqué sur un FPGA. Le système capture simultanément plusieurs longueurs d'onde via un seul capteur image pour reconstruire la normale de surface, puis applique une reconstruction de profondeur par équation de Poisson accélérée grâce à un a priori sur les contours de contact. Le module HyperForce, basé sur une convolution dynamique sensible à la position, estime les forces selon trois axes en tenant compte de la réponse mécanique non uniforme des élastomères courbes. Les résultats publiés montrent que l'éclairage proche infrarouge combiné à cet a priori de contour réduit l'erreur moyenne absolue de profondeur de 0,2730 mm à 0,0415 mm. HyperForce atteint des erreurs normalisées de 2,74% pour les forces normales et 2,39% pour les forces de cisaillement. Le portage sur FPGA fait chuter la latence de traitement de bout en bout de 3,26 ms sur GPU à 1,09 ms. Ce résultat s'attaque à un compromis persistant dans les capteurs tactiles à vision : les systèmes existants doivent généralement sacrifier soit la précision de reconstruction 3D, soit la vitesse de traitement, soit l'estimation fiable des forces tangentielles. Une latence sous la milliseconde ouvre la voie à des boucles de rétroaction tactile en temps réel pour la préhension dextre, un enjeu central pour les mains robotiques et les préhenseurs de précision utilisés en assemblage industriel ou en manipulation d'objets fragiles. Pour les intégrateurs, cela représente une brique potentielle pour rapprocher les capteurs tactiles vision des exigences de contrôle en boucle fermée à haute fréquence, jusqu'ici dominées par les capteurs de force résistifs ou capacitifs plus rapides mais moins riches en information géométrique. FasTac s'inscrit dans la lignée des capteurs tactiles à vision de type GelSight ou DIGIT, tout en cherchant à corriger leurs limites de vitesse et de précision combinées sur des surfaces courbes plutôt que planes. Il s'agit à ce stade d'un article de recherche déposé sur arXiv, validé par des expériences de reconstruction multi-objets, de préhension asservie et de mesure vibratoire, sans indication de déploiement industriel ou de partenariat commercial annoncé.

RecherchePaper

1 source

2arXiv cs.RO

Traçage du flux d'énergie : un contrôle de la force de préhension par retour tactile pour réduire le glissement

Des chercheurs en robotique proposent une méthode de contrôle tactile de la force de préhension destinée à réduire le glissement d'objets pendant une manipulation dynamique, dans un article intitulé "Tracing Energy Flow: Learning Tactile-based Grasping Force Control to Reduce Slippage in Dynamic Object Interaction", publié sur arXiv (identifiant 2512.21043v2, version révisée d'un dépôt initial). Le système modélise l'objet saisi comme un conteneur d'énergie virtuel : l'écart entre la puissance appliquée par les doigts et l'énergie effectivement retenue par l'objet sert de signal physique pour détecter un début de glissement, sans caméra ni capteur externe. À partir de ce signal, un module d'apprentissage et de planification basé sur un modèle ajuste en temps réel la force de préhension, en s'appuyant uniquement sur les données tactiles des doigts. Les auteurs rapportent un apprentissage complet "from scratch" en quelques minutes, testé à la fois en simulation et sur du matériel réel, avec une réduction du glissement et un allongement de la durée de prise sur des combinaisons variées d'objets et de mouvements. Une vidéo de démonstration accompagne la publication. Cette approche s'attaque à un problème central pour les mains robotiques et les préhenseurs industriels : la manipulation d'objets de masse ou de surface inconnues, en mouvement, sans pouvoir compter sur une perception visuelle fiable, un cas fréquent en logistique, en tri ou en préhension multi-contacts avec doigts roulants. Contrairement aux approches qui règlent la force de serrage à l'aveugle ou nécessitent une modélisation préalable de l'objet, ce signal d'énergie fournit une base physique interprétable plutôt qu'une simple boîte noire apprise par force brute, et le temps d'apprentissage annoncé (quelques minutes) tranche avec les pipelines d'apprentissage par renforcement habituellement lourds en données. Pour les intégrateurs, l'intérêt est un contrôle de préhension potentiellement transférable à moindre coût de calibration, une piste utile face aux limites bien connues de la seule perception visuelle pour anticiper un glissement. Le travail s'inscrit dans un courant de recherche plus large sur la manipulation tactile bio-inspirée, qui cherche à reproduire la capacité humaine à ajuster la prise par le seul toucher, sans regard, un axe déjà exploré par des laboratoires travaillant sur les mains robotiques à peau artificielle et capteurs tactiles denses. L'article étant un dépôt arXiv en "replace" (version corrigée), il s'agit d'une contribution académique à ce stade, validée en simulation et sur banc de test matériel, mais sans indication de partenariat industriel, de licence ou de déploiement produit annoncé. Les prochaines étapes attendues porteraient sur l'extension à des mains à plus grand nombre de degrés de liberté et à des objets déformables ou fragiles.

RecherchePaper

1 source

3arXiv cs.RO

SAFE : détection unifiée du glissement et de la rupture par capteur acoustique à bas coût pour la préhension robotique

Des chercheurs présentent SAFE, un système de détection de glissement et de rupture pour la préhension robotique, publié sur arXiv (2610.08802v1). Il repose sur deux capteurs acoustiques passifs en polyfluorure de vinylidène (PVDF), peu coûteux, montés sur une pince souple de type Fin Ray, et sur la proprioception du moteur (le retour interne de position et d'effort). Il n'utilise ni vision ni connaissance préalable du matériau. Un classifieur HistGradientBoosting unique reçoit un vecteur de 79 caractéristiques et renvoie l'un de trois états : normal, glissement ou rupture. En validation croisée « leave-one-grasp-out », où chaque prise est testée sans avoir été vue à l'entraînement, il atteint un Alert-F1 de 0,884, avec une confusion quasi nulle entre glissement et rupture. Des ablations montrent que le canal acoustique est indispensable. Le contrôleur de préhension adaptatif construit sur cette détection tourne à 104 Hz sur un Jetson Orin Nano. Il réussit 91,3 % de 46 essais robotiques en boucle fermée sur diverses catégories d'objets, et 82,4 % sur des objets inconnus à l'entraînement. Pour les intégrateurs et les équipes de manipulation, l'intérêt tient à la détection d'événements que ni la vision ni les capteurs de force classiques ne saisissent bien. Une microfissure ou un glissement naissant produit une signature vibratoire que des capteurs piézoélectriques bon marché captent à haute fréquence. Le résultat le plus parlant est la comparaison avec les stratégies à force fixe : chacune tombe à 0 % de réussite sur les objets dont les propriétés ne correspondent pas à son réglage. Cela rappelle qu'une force de serrage prédéfinie ne généralise pas, alors que l'agroalimentaire, la logistique de produits variés ou la manipulation de verrerie exigent justement de la tolérance à l'inconnu. Le fait que le système fonctionne sans étalonnage par objet, sur du matériel embarqué d'entrée de gamme, abaisse aussi la barrière d'adoption. Il faut toutefois relativiser. Il s'agit d'un préprint, non évalué par les pairs. L'échantillon de 46 essais est modeste, et le taux de 82,4 % sur objets nouveaux laisse environ une prise sur cinq mal gérée, ce qui reste loin des exigences de production. Le papier ne détaille pas ici la diversité des objets ni la robustesse au bruit ambiant d'un atelier, deux points qui décideront de la transposition industrielle. Ces travaux s'inscrivent dans la recherche sur le toucher robotique, où dominent les capteurs tactiles optiques de type GelSight ou DIGIT et les peaux à réseaux de pressions, souvent plus riches mais plus coûteux, plus fragiles et plus lourds en calcul. Les grands modèles de manipulation de type VLA (vision-langage-action), que développent Figure, Physical Intelligence ou Nvidia, restent surtout pilotés par la vision, et leur intégration d'un retour tactile haute fréquence demeure un chantier ouvert. SAFE propose une couche réflexe légère, qui pourrait se placer sous un tel modèle de haut niveau. Les prochaines étapes naturelles sont le test sur des pinces industrielles et des mains multi-doigts, la validation sur des cadences et un bruit réalistes, et la publication du code et des données pour permettre la reproduction. Aucun calendrier de pilote ni partenaire industriel n'est annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Modèles du monde visuotactiles compacts pour la préhension : prédiction, alignement de récompense et contraintes de force

Une étude publiée sur arXiv le 10 septembre 2026 (référence 2609.09597) présente un modèle du monde visuotactile compact testé sur la tâche "Lift" du simulateur physique MuJoCo, sur 160 épisodes. Couplé à une calibration d'incertitude au niveau de la trajectoire et à un apprentissage acteur-critique par imagination, l'ajout d'un retour tactile fait chuter l'erreur de prédiction de force au point final de 1,058 à 0,228 newton, et l'erreur de pic sur intervalle de 2,724 à 0,523 N, moyennes sur trois graines d'entraînement; une variante à persistance tactile descend encore à 0,095 et 0,498 N. Sur 680 exécutions de contrôle réparties sur 40 conditions de test indépendantes, une révision de la fonction de récompense porte le taux de réussite du soulèvement à 10 cm de 20,0% à 93,3%, mais seulement 33,3% des essais respectent un budget de sécurité de 8 N par doigt sans retour de force, contre 70,0% avec retour de force actif. Sur des enregistrements publics de capteurs GelSight, un régresseur de force atteint 0,04234 N d'erreur, avec une couverture de calibration de 87,36% au niveau trajectoire contre seulement 15,80% image par image, pour une cible nominale de 90%. L'intérêt de l'étude tient à sa distinction rigoureuse entre trois progrès que les communiqués industriels ont tendance à confondre: mieux percevoir le contact, mieux réussir la tâche grâce à la récompense, et rester dans une contrainte de force sans risque pour l'objet manipulé. Le résultat central, un taux de succès qui grimpe de 20% à plus de 93% par simple ajustement de récompense mais qui retombe fortement sous contrainte de sécurité, rappelle aux intégrateurs et décideurs évaluant des politiques de préhension que des métriques de réussite affichées ne garantissent ni la sécurité de l'exécution ni un transfert vers un usage réel. C'est un signal utile à l'heure où les architectures vision-langage-action pour la manipulation fine suscitent un fort engouement commercial. Le travail prolonge la lignée des modèles du monde de type Dreamer, appliqués ici au toucher plutôt qu'à la seule vision, dans un secteur où des approches comme Pi-0 ou GR00T N2 misent surtout sur l'apprentissage par démonstrations à grande échelle plutôt que sur l'imagination interne. Il s'appuie sur des capteurs GelSight, déjà largement répandus dans les mains robotiques tactiles commerciales. Les auteurs reconnaissent eux-mêmes une limite centrale: aucun transfert n'a été démontré entre les enregistrements réels et l'exécution en simulateur, ce qui situe cette contribution du côté de la recherche amont plutôt que d'une brique prête à industrialiser, sans calendrier annoncé de validation sur robot physique.

RecherchePaper

1 source