Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Yeux empruntés : vol de nano-drone sans marqueurs grâce à un quadrupède observateur actif
RecherchearXiv cs.RO 

Yeux empruntés : vol de nano-drone sans marqueurs grâce à un quadrupède observateur actif

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Des chercheurs décrivent un système de localisation pour nano-drones qui déporte la perception sur un robot quadrupède équipé d'une caméra montée sur bras. Les nano-UAV passent là où les robots plus gros ne peuvent pas aller, mais leur charge utile très limitée interdit d'embarquer les capteurs et le calcul nécessaires à l'auto-localisation hors couverture GNSS. Ici, le quadrupède suit le drone en vision, segmente son image et utilise la profondeur pour estimer sa position dans son propre repère, puis la transmet par liaison radio temps réel. Sans aucun marqueur sur le drone, le nano-UAV a exécuté des trajectoires prédéfinies du décollage à l'atterrissage en se fiant uniquement à cette estimation externe. L'erreur de localisation 3D médiane atteint 59 mm. Les auteurs ne précisent pas, dans le résumé, le modèle de quadrupède, le nombre d'essais ni la taille des environnements testés.

Le point notable tient à la boucle de commande du porteur. Un contrôleur prédictif non linéaire (NMPC) conscient de la perception ajuste en continu le corps du quadrupède et son bras pour maximiser la visibilité du drone, la fiabilité de l'observation devenant un objectif de contrôle à part entière. Quand la ligne de vue est brièvement coupée, le drone bascule en douceur sur un vol inertiel embarqué, ce qui donne une tolérance aux occlusions courtes. Pour les intégrateurs d'inspection (sites industriels, galeries, structures confinées), l'intérêt est une répartition des rôles : le drone reste léger et peu coûteux, tandis que le robot au sol absorbe le coût en calcul et en capteurs. Cela s'oppose aux approches qui misent sur la miniaturisation de la perception embarquée, ou sur des balises et des systèmes de capture de mouvement fixes, peu praticables hors laboratoire.

Il faut toutefois lire ces résultats avec prudence. Il s'agit d'une preuve de concept académique publiée en préprint sur arXiv, sans déploiement en conditions réelles ni comparaison chiffrée annoncée avec d'autres méthodes. Une erreur médiane de 59 mm ne dit rien de la queue de distribution, ni du comportement lors de pertes de suivi prolongées. L'approche s'inscrit dans la recherche sur la collaboration air-sol, où les quadrupèdes à bras, déjà répandus dans l'inspection, servent de plateformes polyvalentes. Le verrou restant est la dépendance à une ligne de vue : dans un environnement très encombré, le porteur doit lui-même pouvoir se déplacer en gardant le drone en vue. Les suites logiques seraient des essais dans des espaces réellement inaccessibles aux deux robots pris isolément, avec des trajectoires non prédéfinies et la participation de plusieurs drones.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Évitement d'obstacles et planification de pas chez un robot quadrupède grâce à des capteurs de temps de vol distribués à bas coût
1arXiv cs.RO 

Évitement d'obstacles et planification de pas chez un robot quadrupède grâce à des capteurs de temps de vol distribués à bas coût

Une équipe de recherche a testé, sur le robot quadrupède ANYmal d'ANYbotics, un réseau de capteurs Time-of-Flight (ToF) distribués comme alternative bas coût aux caméras de profondeur et au LiDAR pour la cartographie du terrain à courte portée, selon une étude publiée sur arXiv (référence 2609.31008) fin septembre 2026. Plusieurs capteurs ToF peu chers et économes en énergie ont été répartis autour du corps du robot pour couvrir les angles morts que laissent les capteurs optiques montés de façon centralisée. Comparés directement aux caméras de profondeur, ils atteignent, malgré une résolution plus faible et un bruit de mesure plus élevé, une précision de cartographie locale de l'ordre du centimètre, suffisante pour l'évitement d'obstacles en champ proche et la planification des appuis (footstep planning). Pour les intégrateurs et fabricants de quadrupèdes et d'humanoïdes, le résultat compte : caméras de profondeur et LiDAR représentent un poste de coût, de consommation énergétique et de complexité d'intégration important, tout en laissant des zones mortes près du corps du robot. Démontrer qu'un réseau de capteurs ToF bas de gamme, distribués plutôt que centralisés, suffit à une locomotion perceptive fiable ouvre une voie de réduction matérielle sans sacrifier la sécurité de navigation à courte distance, un enjeu direct pour déployer des quadrupèdes en environnement industriel encombré. L'étude nuance aussi l'idée reçue selon laquelle seule une caméra de profondeur haute résolution garantit une perception fiable pour le franchissement d'obstacles : la couverture spatiale des capteurs semble compter autant que leur résolution individuelle. ANYmal, quadrupède développé par la société suisse ANYbotics, sert ici de plateforme de recherche habituelle en locomotion perceptive, un domaine qui s'appuie historiquement sur des capteurs optiques coûteux (LiDAR, caméras stéréo ou à lumière structurée) pour construire les cartes d'élévation locales exploitées par les contrôleurs de marche. Publiée comme préprint arXiv, cette étude reste à ce stade une démonstration de recherche, sans référence commerciale précise des capteurs ToF utilisés ni calendrier de déploiement industriel annoncé. Elle s'inscrit néanmoins dans une tendance plus large de la robotique mobile, où la baisse du coût et de la consommation des systèmes de perception conditionne l'adoption des quadrupèdes et humanoïdes au-delà des démonstrateurs de laboratoire.

UEANYbotics, entreprise suisse dont le quadrupède ANYmal sert de plateforme de recherche européenne reconnue en locomotion perceptive, est au coeur de l'étude, même si aucun déploiement industriel en France ou dans l'UE n'est annonce.

RecherchePaper
1 source
Navigation indépendante de la disposition des capteurs grâce à la canonicalisation géométrique des observations
2arXiv cs.RO 

Navigation indépendante de la disposition des capteurs grâce à la canonicalisation géométrique des observations

Des chercheurs publient sur arXiv (2610.08306) une politique de navigation par profondeur conçue pour fonctionner avec des configurations de capteurs variables sur un quadrirotor. Le système prend des mesures de profondeur issues de charges utiles arbitraires, qui diffèrent par le nombre de caméras, leurs extrinsèques de montage et leurs intrinsèques. Il les reprojette explicitement dans un repère commun centré sur le robot. Elles sont ensuite assemblées en une image de distance sphérique unifiée, accompagnée d'un masque binaire de validité. Ce masque indique à la politique quelles zones sont observées et lesquelles sont des angles morts. La politique est entraînée par apprentissage par renforcement avec une randomisation agressive des caméras. Elle se généralise sans réentraînement (zero-shot) à des agencements inédits comptant jusqu'à sept caméras. Le taux de réussite passe de 78 % à 95 % à mesure que la couverture spatiale totale augmente. Des essais en vol réel ont été menés sur un quadrirotor physique, dans un couloir encombré d'obstacles et dans une forêt en extérieur. Ils portent sur le transfert entre configurations de caméras et sur la tolérance à des pannes soudaines de capteurs en cours de vol. L'article ne donne ni nombre d'essais réels ni modèle de drone précis dans ce résumé. Il s'agit d'une prépublication, sans produit ni déploiement associé. Le point central est la dissociation entre la politique et le montage matériel. Jusqu'ici, la plupart des politiques de navigation visuelle apprises restent liées à la disposition de caméras sur laquelle elles ont été entraînées. Changer de capteur ou de position impose donc de collecter des données et de réentraîner. Pour un intégrateur de drones ou un fabricant de plateformes, ce verrou freine la réutilisation d'un même logiciel sur plusieurs modèles ou plusieurs charges utiles. La courbe de 78 % à 95 % est aussi instructive. Elle montre que la performance dépend de la couverture sensorielle, et que le masque de validité permet à la politique d'exploiter chaque caméra supplémentaire sans se déstabiliser. La tolérance aux pannes est un argument concret pour les opérations d'inspection ou de sécurité, où la perte d'une caméra ne doit plus signifier l'arrêt de la mission. Les chiffres viennent surtout de la simulation, et la validation réelle reste limitée à deux environnements. La robustesse à plus grande échelle reste donc à démontrer. Ce travail s'inscrit dans la recherche sur les politiques « cross-embodiment », déjà bien présente en manipulation et en locomotion, mais plus rare en navigation aérienne par profondeur. L'approche privilégie une canonicalisation géométrique explicite plutôt qu'un apprentissage implicite des alignements spatiaux, comme le font de nombreux modèles de bout en bout. Les suites logiques sont l'extension à d'autres capteurs (lidar, événementiel), à d'autres plateformes que le quadrirotor, et des essais plus longs en conditions réelles. Aucun calendrier de pilote n'est annoncé.

RecherchePaper
1 source
DIJIT : une tête robotique pour un observateur actif
3arXiv cs.RO 

DIJIT : une tête robotique pour un observateur actif

Des chercheurs ont présenté DIJIT, une tête robotique binoculaire conçue pour équiper des agents mobiles opérant en tant qu'observateurs actifs. Le système cumule neuf degrés de liberté mécaniques auxquels s'ajoutent quatre degrés de liberté optiques fournis par les caméras et les objectifs, soit 13 DOF au total. La conception mécanique couvre l'ensemble des mouvements nécessaires à la stéréovision convergente : vergence, version et cyclotorsion. DIJIT atteint 85 % de la vitesse de saccade humaine maximale, et la méthode de contrôle développée par l'équipe, basée sur une relation directe entre l'orientation de la caméra et les valeurs moteur, produit des mouvements saccadiques avec une erreur moyenne de 1,17° pour la caméra gauche et 1,14° pour la droite. L'article, publié sur arXiv (2512.07998v2), reste à ce stade un travail académique sans déploiement industriel annoncé. L'intérêt de DIJIT réside dans la rareté des plateformes permettant d'étudier conjointement les mouvements oculaires et tête-cou dans un cadre robotique mobile. La plupart des systèmes de vision active existants traitent ces deux axes séparément ou sacrifient la fidélité biomécanique au profit de la simplicité mécanique. En reproduisant les plages et vitesses comparables à celles de l'humain, DIJIT offre un banc d'essai pour comparer directement les stratégies de perception visuelle humaine aux méthodes de computer vision classiques, ce qui est particulièrement utile pour valider ou invalider des hypothèses sur le sim-to-real gap dans les systèmes de vision embarquée. La vision active robotique connaît un regain d'intérêt depuis que les modèles VLA (Vision-Language-Action) imposent des flux visuels plus riches et dynamiques aux robots humanoïdes. Des laboratoires comme celui de CMU ou des équipes travaillant sur des plateformes telles que Figure 03 ou Digit (Agility Robotics) cherchent à améliorer la perception visuelle active pour des tâches de manipulation en environnement non structuré. DIJIT se positionne comme un outil de recherche fondamentale plutôt que comme un produit commercialisable à court terme. L'absence de partenaire industriel annoncé et le format arXiv suggèrent une phase d'exploration académique ; les prochaines étapes probables concernent l'intégration sur une plateforme mobile complète et la publication de benchmarks comparatifs face aux systèmes de vision fixe.

RecherchePaper
1 source
Un robot quadrupède apprend seul à sauter dans des espaces étroits
4Interesting Engineering 

Un robot quadrupède apprend seul à sauter dans des espaces étroits

Des chercheurs de l'université de Hong Kong (HKU) et du Oxford Robotics Institute ont mis au point un système d'apprentissage par renforcement hiérarchique baptisé ConsJump, qui permet à un robot quadrupède de franchir des ouvertures étroites en sautant, sans séquence de saut préprogrammée. La démonstration a été réalisée sur un Unitree Aliengo de 22 kilogrammes, capable de traverser de façon autonome des portiques de taille comparable à son propre gabarit. Le système repose sur deux niveaux de contrôle : un contrôleur bas niveau, entraîné par apprentissage par imitation à reproduire des allures animales (trot, canter, saut, virage) via cinématique inverse, et un contrôleur haut niveau qui décide en temps réel quand et comment transitionner entre ces mouvements, en générant des commandes de vitesse et de rotation plutôt qu'en pilotant directement chaque articulation. Le robot perçoit son environnement grâce à une caméra RGB-D Intel D435i embarquée, qui détecte l'ouverture rectangulaire, calcule son centre et estime sa géométrie pour ajuster l'approche. Lors des essais, le robot a accéléré jusqu'à 2,5 mètres par seconde avant de décélérer brutalement pour préparer l'atterrissage, avec une phase aérienne d'environ 0,44 seconde. L'entraînement du contrôleur bas niveau s'est fait en simulation avec 5 480 agents en parallèle, puis a été transféré au robot physique en faisant varier la force des moteurs, la latence, les décalages et la masse ajoutée pour réduire l'écart simulation-réel. Cette démonstration illustre une approche différente des méthodes de contrôle conventionnelles pour la locomotion agile des quadrupèdes, où les manœuvres complexes comme le saut à travers un espace confiné restent difficiles à obtenir avec des contrôleurs classiques. Pour les intégrateurs et chercheurs en robotique mobile, l'intérêt principal réside dans la séparation entre une bibliothèque de mouvements appris et une couche décisionnelle capable de combiner ces mouvements de façon continue en fonction de la perception, plutôt que de basculer entre trajectoires figées. Cela pourrait, à terme, améliorer la capacité des robots à quatre pattes à opérer dans des environnements non structurés, comme des sites industriels ou des zones sinistrées comportant des passages étroits, sans dépendre d'un balisage ou d'une cartographie préalable. Il reste toutefois à établir dans quelle mesure les performances démontrées en conditions de test se généralisent hors des configurations de portiques utilisées durant l'expérimentation, un point que l'article source ne détaille pas. Le projet s'inscrit dans un courant de recherche plus large sur l'apprentissage par renforcement appliqué à la locomotion des robots à pattes, où plusieurs laboratoires cherchent à dépasser les limites du contrôle basé sur des modèles physiques explicites pour des tâches très dynamiques. L'utilisation du robot Unitree Aliengo, plateforme de recherche largement répandue dans les laboratoires académiques, situe ces travaux dans la continuité d'expérimentations déjà menées sur d'autres plateformes similaires pour des tâches comme la course, l'escalade ou le franchissement d'obstacles. L'article ne précise pas de calendrier de transfert vers des applications industrielles ni de partenariat commercial associé, ce qui indique qu'il s'agit à ce stade d'une démonstration de recherche plutôt que d'un produit destiné au déploiement.

RecherchePaper
1 source