Le Hexa-Bouncer est peut-être l'objet le plus…

1IEEE Spectrum Robotics

Cette main sans corps est tout le robot qu'il vous faut

Des chercheurs du Soft Robotics Lab de l'ETH Zurich ont transformé une main robotique du commerce, fournie par Wuji Technology, en robot autonome qui marche sur le bout des doigts et utilise ces mêmes doigts pour manipuler son environnement. Le projet est dirigé par Amirhossein Kazemipour, doctorant. La main embarque un sac à dos de 80 grammes contenant une batterie, une centrale inertielle (IMU) et un Raspberry Pi Zero. La locomotion a été apprise en simulation par apprentissage par renforcement. L'équipe a ajouté des « ressorts virtuels » : chaque doigt reçoit une position cible par rapport à la paume, correspondant à sa posture naturelle de marche, et toute dérive est pénalisée. Les mouvements avant-arrière sont moins pénalisés que les mouvements latéraux, ce qui rend la marche peu coûteuse. Quatre modèles distincts tiennent sur l'ordinateur de bord : marche, redressement après une chute, appui sur les touches d'un clavier et poussée d'objets vers une cible. Le contrôleur bascule de l'un à l'autre selon le besoin. Lors des essais réels, la main a traversé 14 surfaces, dont sols lisses, grilles métalliques, herbe et gravier, et a aussi réussi des virages. L'intérêt est d'abord méthodologique. Jusqu'ici, les mains marcheuses reposaient sur des mains conçues spécialement pour cela. Ici, la manipulation n'a pas été sacrifiée à la locomotion, et une main de catalogue, optimisée pour la préhension et non pour la marche, a été adaptée par la seule politique de contrôle. La difficulté technique est réelle : une main n'a pas la symétrie gauche-droite des quadrupèdes ou des bipèdes, ses doigts ont des longueurs différentes et elle comporte un pouce opposable. Les recettes classiques de la robotique à pattes ne s'appliquaient donc pas directement. Pour les intégrateurs, le message est celui d'un effecteur détachable et polyvalent, envisagé pour la maintenance dans des espaces confinés ou la recherche et le sauvetage. Ces usages restent des projections des auteurs : aucun test en situation industrielle n'est rapporté, ni mesure de vitesse, d'autonomie ou de charge utile. Ce travail s'inscrit dans une recherche sur les corps robotiques non assignés à un rôle unique. Kazemipour résume la question ainsi : que peut faire une main sans le reste du robot ? Il s'agit d'une démonstration de laboratoire, issue d'une équipe européenne, sans calendrier de transfert industriel ni partenaire commercial annoncé. Elle contraste avec la course aux humanoïdes complets, où Figure, Tesla et d'autres misent sur des mains attachées à un bras et à un tronc. Le choix d'un matériel standard, avec un calcul embarqué minimal, rend la démarche reproductible par d'autres laboratoires. Les suites probables sont des essais sur terrains plus difficiles, une meilleure autonomie énergétique et l'étude de la détachabilité de la main sur un robot hôte, aujourd'hui seulement suggérée.

UETravail issu d'un laboratoire européen (ETH Zurich, Suisse, hors UE), sans partenaire industriel ni calendrier de transfert, donc sans impact direct sur la France/UE à ce stade.

RecherchePaper

1 source

2arXiv cs.RO

KineFuse : fusion haptique consciente de la cinématique pour le suivi de pose d'objets occlus en main

Des chercheurs ont publié cette semaine sur arXiv un travail intitulé KineFuse, consacré au suivi de pose 6D d'objets manipulés en main par des robots dextres. Le problème posé est concret : lorsqu'une main multi-doigts saisit un objet, les doigts eux-mêmes masquent partiellement ou totalement l'objet à la caméra, rendant le suivi visuel peu fiable. Les auteurs proposent un encodeur "kinematic-aware" au niveau de chaque doigt, qui combine les signaux haptiques déjà disponibles sur les mains robotiques (proprioception, force/couple proximal, contact binaire) avec un tracker visuel pré-entraîné. Cette architecture a été comparée à quatre designs alternatifs sur trois niveaux d'évaluation : affinage image par image, suivi séquentiel en boucle ouverte, et manipulation en boucle fermée. Résultat marquant : l'évaluation image par image ne permet pas de distinguer la qualité des encodeurs, alors que le suivi séquentiel amplifie les écarts de performance jusqu'à un facteur 15. La tokenisation compacte à 4 jetons par doigt surpasse à la fois la fusion "à plat" et les représentations par articulation, ces dernières écrasant le signal visuel par dominance de norme. L'apport le plus notable tient à ce que l'encodeur apprend de lui-même, sans supervision explicite, une forme de porte de fusion spécifique à la tâche : il s'appuie exclusivement sur la vision pour estimer la translation de l'objet, et dédie une tête d'attention aux données haptiques pour la rotation. Pour les intégrateurs travaillant sur la manipulation dextre, c'est une piste concrète pour réduire la dépendance à une vision toujours disponible, un angle mort classique des démonstrations en environnement contrôlé face aux conditions réelles d'usine ou d'entrepôt. Les auteurs valident d'ailleurs que ce suivi amélioré se traduit par un meilleur taux de succès sur une tâche de réorientation d'objet en main. Le travail s'inscrit dans la lignée des recherches sur la fusion tactile-visuelle pour la manipulation robotique, un axe actif face aux limites connues des trackers purement visuels en environnement occlus. Les auteurs fournissent des démonstrations qualitatives en conditions réelles et mettent à disposition une page projet (cold-young.github.io/kine-fuse) pour approfondir la méthode, sans toutefois annoncer de déploiement industriel ni de calendrier de transfert au-delà du cadre expérimental.

RecherchePaper

1 source

3arXiv cs.RO

Repenser l'exécution en boucle ouverte en robotique : vers des politiques réactives et plus performantes

Le chunking d'actions, technique consistant à prédire une séquence d'actions puis à en exécuter un préfixe en boucle ouverte, s'est imposé comme un pilier des progrès récents en apprentissage par imitation pour la manipulation robotique. Un nouvel article déposé sur arXiv (2608.15938v1) revient sur ce mécanisme et teste son impact sur quatre tâches en simulation et deux tâches en conditions réelles. Les auteurs montrent que la relation entre le taux de réussite et la longueur de l'horizon d'exécution en boucle ouverte dépend fortement du caractère non markovien des démonstrations expertes, c'est-à-dire du fait que l'action correcte à un instant donné dépend de l'historique et pas seulement de l'état courant. Ils examinent aussi l'explication la plus répandue dans la littérature, à savoir que le chunking limiterait l'accumulation d'erreurs au fil de l'exécution, et constatent que ce facteur joue un rôle réel mais nettement plus faible que la non-markovianité des démonstrations dans leurs expériences. Enfin, lorsque les politiques disposent d'un contexte suffisamment long, l'exécution en boucle ouverte perd son avantage et ce sont les politiques réactives en boucle fermée qui obtiennent les meilleurs résultats. Ce résultat remet en question une hypothèse tacite du secteur selon laquelle le chunking en boucle ouverte serait intrinsèquement bénéfique, par exemple pour lisser les mouvements ou absorber la latence d'inférence. L'étude suggère plutôt qu'il s'agit surtout d'un palliatif pour des politiques à contexte court incapables de bien imiter des démonstrations non markoviennes. Or de nombreux modèles vision-langage-action utilisés aujourd'hui dans l'industrie reposent justement sur de longs préfixes en boucle ouverte, une stratégie qui réduit la capacité du robot à corriger une erreur en cours d'exécution, un enjeu direct pour tout déploiement en environnement non contrôlé où un objet peut glisser ou un opérateur s'approcher du robot. Pour les intégrateurs et les équipes de recherche, ce travail plaide pour orienter les futurs modèles de fondation robotique vers des architectures à contexte long et réactives plutôt que vers des chunks toujours plus longs. Le chunking d'actions s'est démocratisé avec des méthodes comme ACT et les politiques par diffusion, aujourd'hui intégrées dans de nombreux systèmes de manipulation. Cet article, une soumission académique sans affiliation industrielle mise en avant dans le résumé, ne présente ni produit ni déploiement mais propose un changement de paradigme méthodologique pour les prochaines générations de politiques d'imitation, sans annoncer de calendrier ni de modèle concret.

RecherchePaper

1 source

4arXiv cs.RO

De solo à l'ensemble : un cadre hiérarchique pour l'interaction composable entre humains et objets avec plusieurs agents

Des chercheurs proposent, dans un preprint arXiv (2610.11722v1), un cadre hiérarchique qui transforme une politique d'interaction humain-objet (HOI) mono-agent en une compétence réutilisable, baptisée Object-oriented Motion Skill. La méthode réinterprète les trajectoires exécutées par des politiques « enseignantes » spécialisées : elle en extrait des mouvements de proxy d'objet à courte portée, qui servent de supervision d'actions centrées sur l'objet. Ces enseignants sont ensuite distillés dans une compétence bas niveau qui opère dans un « espace d'action orienté objet ». Pour les tâches en aval, cette compétence est figée et sert d'exécuteur. Une politique haut niveau coordonne les agents en générant des actions par région de l'objet. Elle se conditionne sur l'objet partagé, l'objectif, les états des agents et les zones de manipulation locales. Le résumé ne donne aucun chiffre de performance, aucun taux de succès et aucun nom de benchmark. L'enjeu est de séparer deux problèmes que les approches actuelles mélangent. Aujourd'hui, on adapte généralement les politiques HOI aux tâches coopératives par un fine-tuning propre à chaque tâche. Cela lie l'exécution fine des contacts à la coordination de haut niveau, et cela freine la réutilisation d'une géométrie d'objet, d'un type d'interaction ou d'une taille d'équipe à l'autre. Ici, l'apprentissage multi-agent ne passe plus par un contrôle du corps entier riche en contacts. Il porte sur la coordination de mouvements de proxy au niveau de l'objet, un espace d'action bien plus compact. Si cela tient à l'échelle, le coût d'entraînement d'un travail d'équipe devrait baisser, et les compétences pourraient se composer sans repartir de zéro. Les auteurs affirment que la compétence distillée permet une exécution robuste et un apprentissage composable selon les types d'interaction, les géométries et les tailles d'équipe. Cette affirmation repose uniquement sur le résumé, sans résultat chiffré visible. Il s'agit d'un travail de simulation sur personnages à base physique. Rien n'indique de transfert vers des robots réels, donc le fossé sim-to-real reste entier. Ce travail s'inscrit dans la lignée de l'animation et du contrôle physique de personnages, où les politiques mono-agent de manipulation d'objets sont désormais assez robustes. Le passage au multi-agent coopératif, comme porter ou déplacer ensemble un objet volumineux, reste le point dur. Ce type de coordination intéresse aussi la robotique humanoïde, notamment pour la manutention à plusieurs et les flottes de robots collaboratifs. Le résumé ne cite ni laboratoire, ni code, ni plan de publication, et ne compare pas son approche à des méthodes concurrentes. La suite logique serait la publication des résultats détaillés, des comparaisons avec les approches par fine-tuning, puis une validation sur du matériel réel, ce que l'article n'annonce pas.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

Le Hexa-Bouncer est peut-être l'objet le plus suramélioré que vous verrez cette semaine

À lire aussi

Cette main sans corps est tout le robot qu'il vous faut

KineFuse : fusion haptique consciente de la cinématique pour le suivi de pose d'objets occlus en main

Repenser l'exécution en boucle ouverte en robotique : vers des politiques réactives et plus performantes

De solo à l'ensemble : un cadre hiérarchique pour l'interaction composable entre humains et objets avec plusieurs agents