RecherchearXiv cs.RO 12 octobre 2026

De l'impact à la compréhension : détection proprioceptive du terrain sur milieux granulaires, fondée sur la dynamique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié sur arXiv (référence 2604.02563, version 2) un cadre physique permettant à un robot sauteur d'estimer les propriétés d'un sol granulaire, par exemple du sable, uniquement grâce à sa proprioception, c'est-à-dire ses capteurs internes de position et d'effort, sans caméra ni capteur dédié au sol. Les expériences ont été menées en laboratoire, avec des sauts à vitesse d'impact et compliance de jambe variées de façon systématique. Les mesures montrent que les hypothèses quasi-statiques, courantes en caractérisation de terrain, produisent de forts écarts d'estimation lors des sauts rapides, surtout à l'atterrissage et lors des transitions de raideur induites par le contrôleur. Le seul frottement dépendant de la vitesse n'explique pas ces écarts. Ce sont des effets de masse ajoutée, liés à l'accélération et à l'entraînement de grains sous le pied, qui dominent la réponse transitoire des forces. Les auteurs combinent cette décomposition des forces avec un estimateur à observateur de moment, qui compense l'inertie du corps rigide et la gravité. Ils y ajoutent une régression pondérée tenant compte de l'accélération, car la variance des forces augmente lors des événements à forte accélération. Le résultat retrouve la résistance granulaire de manière cohérente selon les conditions de locomotion, au plus près d'une vérité terrain mesurée par actionneur linéaire. L'article ne fournit pas ici de chiffres d'erreur, de vitesse ou de masse du robot.

L'intérêt tient à la rupture avec une pratique répandue : traiter le contact comme quasi-statique revient à mal lire le sol précisément quand le robot va vite. Pour les concepteurs de robots à pattes, cela signifie qu'un estimateur de terrain fondé sur la seule raideur ou sur un frottement visqueux se trompe dès que l'allure s'accélère, ce qui peut dégrader la planification de pas, la sélection de démarche ou les décisions de traversabilité. L'approche reste purement proprioceptive, donc peu coûteuse en matériel et utilisable quand la vision est gênée par la poussière, la lumière ou l'occultation. Il faut toutefois rester prudent : il s'agit d'un résultat de laboratoire sur un dispositif de saut contrôlé, validé contre un banc linéaire, et non d'un déploiement sur robot mobile en terrain ouvert. Rien ne prouve encore que la méthode se généralise à d'autres types de sols (humides, cohésifs, pentus) ou à des marches multi-contacts complètes.

Ce travail s'inscrit dans la lignée de la robotique d'exploration planétaire et de la locomotion sur milieux déformables, où la physique de l'interaction pied-grains (poussée de sable, théories de résistance) est étudiée depuis longtemps, mais surtout à basse vitesse. La montée en puissance des quadrupèdes et des robots sauteurs dynamiques oblige à étendre ces modèles aux régimes rapides. Les auteurs visent explicitement l'exploration dynamique d'environnements terrestres et planétaires, ce qui concerne les agences spatiales et les laboratoires de robots à pattes. Les suites logiques seraient l'intégration de l'estimateur dans une boucle de contrôle adaptative en ligne, des essais sur robot embarqué en milieu naturel, et une comparaison avec les approches par apprentissage, qui infèrent le terrain de façon implicite sans modèle physique explicite. Aucun calendrier de pilote ni partenaire industriel n'est annoncé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

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

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.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

CoPRE : améliorer la sensibilité de détection proprioceptive des contacts pour bras robotiques à faible coût

Une équipe de recherche présente CoPRE (Contact-free Proprioceptive Response Estimation), une méthode qui améliore la détection de contacts faibles sur des bras robotiques bon marché dépourvus de capteurs de force ou tactiles dédiés, en s'appuyant uniquement sur la proprioception. L'approche estime les couples articulaires attendus en mouvement libre de contact à partir de l'historique d'état proprioceptif et de la commande de mouvement, écarte les observations récentes susceptibles de déjà refléter un contact, puis calcule le résidu entre couples attendus et observés avant de le convertir en score de contact via un jacobien pondéré par le bruit. Testée sur un bras ARX Arm et sur l'humanoïde Unitree G1, la méthode atteint 74,1% et 82,2% de rappel sur les essais de contact, contre 0%/0% sur ARX et 16,3%/42,2% sur G1 pour les méthodes de référence (prédiction de couple apprise et dynamique inverse analytique). Elle détecte 90% des poussées à partir de 3,5 N sur ARX et 5,5 N sur G1. Les auteurs l'intègrent aussi dans une planification de manipulation en espace de croyance pour du placement d'objets et de l'insertion de livres avec évitement d'obstacles, où le contact détecté met à jour la croyance spatiale du robot et lui permet de se rétracter, ajuster sa pose et réessayer. L'enjeu est concret pour les intégrateurs qui déploient des bras à bas coût sans instrumentation force/tactile: ces plateformes ne peuvent aujourd'hui détecter que des contacts francs, faute de signal exploitable dans le bruit proprioceptif. L'écart de performance avec les méthodes existantes, quasi nulles sur ARX, montre que les approches classiques ne se transposent pas au matériel économique, contrairement à ce que suggéraient leurs résultats sur bras industriels instrumentés. Si les chiffres se confirment au-delà des essais contrôlés du papier, cela ouvrirait la voie à une manipulation plus sûre et plus adaptative sans surcoût matériel, un argument direct pour la robotique de manipulation low-cost et les humanoïdes commerciaux comme le G1 de Unitree. Le travail reste un article de recherche déposé sur arXiv (2609.27381, catégorie "new"), sans annonce de produit ni de déploiement industriel. Il se positionne explicitement contre deux familles de méthodes existantes, la prédiction de couple apprise et la dynamique inverse analytique, dont il documente l'échec quasi total sur matériel bon marché. Aucun partenaire ni pilote industriel n'est mentionné, et le site dédié (copre-arm.github.io) sert de vitrine au projet plutôt qu'à un calendrier de commercialisation. Aucun acteur français ou européen n'apparaît dans cette publication.

RecherchePaper

1 source

3arXiv cs.RO

DGSG-Mind : graphes de scène gaussiens 3D dynamiques pour la compréhension et l'ancrage de scènes à long terme

Des chercheurs de l'ICR Lab présentent DGSG-Mind (arXiv:2605.29879, mai 2026), un système de représentation de scènes 3D dynamiques combinant cartes de Gaussiennes 3D explicites et grille de voxels probabiliste pour permettre à un robot de comprendre et de raisonner sur son environnement sur le long terme. L'architecture fusionne deux niveaux de représentation : les Gaussiennes 3D assurent un ancrage spatial fin des instances d'objets avec suivi incrémental, tandis que la grille voxel gère la fusion cross-modale et la réinitialisation visuelle lorsqu'un objet est déplacé ou occlus. Sur cette carte d'instances, le système construit un graphe de scène hiérarchique, puis y greffe un agent de raisonnement multimodal baptisé "3D Gaussian Mind" qui intègre relations structurelles, informations spatio-sémantiques et rendus annotés des régions d'intérêt. Les expériences reportent les meilleures performances zero-shot en 3D Visual Grounding (3DVG) parmi les méthodes opérant sur des cartes auto-reconstruites, avec des résultats compétitifs en segmentation sémantique open-vocabulary et en reconstruction de scènes. Le système a été déployé sur des robots réels pour valider les capacités de mise à jour dynamique, bien que l'article ne précise pas le matériel ni les conditions exactes des essais terrain. L'enjeu central est la robustesse à long terme : la majorité des systèmes de compréhension de scènes 3D supposent un environnement statique ou s'appuient sur une géométrie ground-truth fournie hors ligne, ce qui les rend inutilisables pour une manipulation robotique en conditions réelles où les objets bougent. DGSG-Mind traite explicitement les changements topologiques au niveau objet via un mécanisme de relocalisation visuelle gaussienne et de raffinement masqué guidé par cohérence géométrique-sémantique. La composante open-vocabulary est particulièrement pertinente pour les intégrateurs : elle signifie qu'un opérateur peut interroger le robot en langage naturel ("prends la bouteille rouge à gauche du moniteur") sans ré-entraînement ni labeling préalable. La performance zero-shot sur cartes auto-reconstruites, par opposition aux benchmarks avec géométrie parfaite, est un indicateur plus honnête de la viabilité réelle du système. Le contexte technique s'inscrit dans la vague post-3DGS (3D Gaussian Splatting, Kerbl et al., 2023) qui a largement supplanté les approches NeRF pour la reconstruction temps réel. Les graphes de scènes pour la robotique sont un axe de recherche actif, avec des travaux concurrents comme ConceptGraphs, OpenMask3D ou SceneGraphFusion, dont aucun ne résout à la fois l'association d'instances robuste et les mises à jour dynamiques incrémentales. DGSG-Mind reste un preprint de recherche, non un produit expédié : le gap entre benchmark académique et déploiement industriel fiable demeure à évaluer, notamment sur la latence de mise à jour des Gaussiennes en environnement encombré. Les prochaines étapes naturelles concernent l'intégration dans des pipelines de manipulation (tâches pick-and-place longues durée) et le couplage avec des modèles VLA comme Pi-0 ou GR00T N2.

RecherchePaper

1 source

4arXiv cs.RO

Détection tactile photoréflective externe fondée sur la mesure de la déformation de surface

Des chercheurs proposent une méthode de détection tactile pour robots souples qui ne place aucun capteur dans la zone de contact. Un module photoréflectif, c'est-à-dire un couple émetteur-récepteur optique qui mesure la lumière renvoyée par une surface, est fixé à l'extérieur de la peau en silicone. Il lit la déformation de cette surface et en déduit la force de contact. Les auteurs ont d'abord caractérisé l'élément optique et la peau compliante, puis arrêté la conception d'un prototype. Des essais de compression montrent une relation force-sortie monotone, conforme à la théorie, avec une faible hystérésis, une bonne répétabilité sur des cycles répétés et une réponse peu sensible à la vitesse d'indentation. Le module a aussi été monté sur une pince souple, où il détecte de façon fiable les événements de saisie. Le résumé ne donne ni plage de force, ni résolution, ni sensibilité, ni taux de détection chiffré. Il s'agit d'une démonstration de laboratoire, sans déploiement industriel ni produit annoncé. Cette version v2 de l'article arXiv 2511.06311 remplace la précédente. L'intérêt tient à l'architecture. Dans les peaux tactiles courantes pour robots souples, les transducteurs sont noyés dans l'élastomère ou remplacés par des cavités remplies de liquide. Cela complique la fabrication et la maintenance, et ajoute des fils qui gênent la flexibilité. Surtout, le capteur est exposé aux chocs et à l'abrasion à l'endroit même du contact. Déporter la mesure hors de l'interface réduit le risque de dommage. Cela préserve la souplesse de la peau et permet de remplacer ou d'ajouter le module sans refaire la pièce souple. Pour un intégrateur de préhension souple, par exemple en manutention de produits fragiles, c'est une piste de retour d'effort à faible complexité de câblage. Les auteurs avancent aussi que la lecture des motifs de déformation pourrait servir à estimer un angle d'articulation ou l'état d'un actionneur. Cette extension n'est pas démontrée dans le résumé. Ce travail s'inscrit dans la recherche sur la perception tactile des mains robotiques et des préhenseurs souples. Les approches dominantes sont optiques à caméra (famille GelSight), capacitives, piézorésistives ou fluidiques, qui offrent souvent une meilleure résolution spatiale au prix d'un encombrement et d'une intégration plus lourds. Ici, le choix est inverse : un capteur modulaire à faible coût de mise en œuvre, qui mesure une force globale plutôt qu'une carte de pression. Aucune comparaison quantitative avec ces approches n'est fournie. Les prochaines étapes probables sont des validations sur d'autres géométries de robots, des tests de durabilité à long terme et l'exploration de l'estimation proprioceptive. Aucun partenaire industriel ni calendrier n'est mentionné.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source