RechercheInteresting Engineering 13 octobre 2026

Vieux smartphone, nouvelles jambes : PhoneBot, projet open source de l'UCLA, marche sur un corps de robot à 400 $

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des smartphones Android oubliés au fond d'un tiroir pourraient bientôt servir de cerveau à un robot marcheur, grâce à PhoneBot, un projet open source du Robotics and Mechanisms Laboratory de l'UCLA. Le robot mesure environ 48 cm (19 pouces) pour moins de 1,8 kg (4 livres). Un smartphone du commerce forme son torse et fournit la caméra, les capteurs inertiels, le processeur et la connexion sans fil, qui servent à la vision, à l'équilibre et au calcul des mouvements. Le corps, les moteurs et l'électronique coûtent environ 400 dollars, le téléphone étant la seule variable. L'ensemble repose sur 13 servomoteurs DYNAMIXEL bon marché : six par jambe (hanche, genou, cheville) et un dernier qui fait pivoter le haut du corps, ce qui permet à la caméra de balayer latéralement pour suivre une personne sans déplacer les pieds. Un petit ordinateur embarqué dans le bas du corps reçoit les ordres du téléphone par Wi-Fi et les convertit en consignes de position moteur, sans câblage entre les deux. L'équipe a testé quatre appareils, dont un Honor 9 de 2017 et deux modèles d'entrée de gamme à 50 à 80 dollars. Tous ont assuré la marche, la détection de mouvement et la vision de base, mais l'Honor, dépourvu des services Google requis, n'a pas pu faire de cartographie embarquée.

Le contrôleur de marche est un réseau de neurones entraîné uniquement en simulation par apprentissage par renforcement. Le robot virtuel était récompensé pour rester debout, alterner les pieds et tenir sa vitesse, et pénalisé pour les couples élevés, les freinages brusques et la charge sur un seul pied. Les limites de force et de vitesse des vrais moteurs ont été intégrées à la simulation. Les premiers résultats étaient asymétriques, un pied faisant l'essentiel du travail. L'ajout d'échantillons en miroir inversant gauche et droite a donné une foulée plus régulière, moins de variance entre les essais et un meilleur partage de la charge. Le robot réel marche dans toutes les directions sur sol plat jusqu'à 0,5 m/s et se relève seul après une chute. Une application Android exécute TensorFlow Lite environ 50 fois par seconde pour la marche et la récupération, avec les capteurs du téléphone. La caméra suit les personnes et leur position et, sur les modèles compatibles, fait de la cartographie visuelle pour la téléprésence et la photographie. La reconnaissance vocale et le traitement du langage restent sur un portable à proximité.

L'intérêt est moins de performance que d'accès. Un bipède fonctionnel en sim-to-real pour environ 400 dollars, avec un calcul qui tourne sur un téléphone à 50 dollars, abaisse nettement la barrière d'entrée pour les laboratoires, les écoles et les amateurs, là où les plateformes de recherche comparables coûtent des dizaines de milliers de dollars. Le résultat confirme aussi qu'une politique de locomotion apprise en simulation se transfère sur du matériel très bon marché, à condition de modéliser les limites des actionneurs. Les capacités restent toutefois modestes : pas de bras, donc aucune manipulation ni transport, essais limités au sol plat, et un couple moteur qui plafonne charge utile et vitesse. Les escaliers, pentes et terrains irréguliers sont en cours de travail. Les chiffres de robustesse ne sont pas détaillés, et il ne s'agit pas d'un robot destiné à des usages industriels. C'est un outil de recherche et d'enseignement.

PhoneBot s'inscrit dans la tendance des bipèdes open source et peu coûteux, qui contraste avec la course aux humanoïdes industriels de Figure, Tesla ou Agility, où l'enjeu est la charge utile et le déploiement. Ici, le pari est de réutiliser du matériel de consommation déjà amorti, dont les capteurs et la puissance de calcul progressent à chaque génération. L'équipe indique pouvoir déplacer la reconnaissance vocale et le traitement du langage sur le téléphone à mesure que les modèles embarqués s'améliorent, ce qui rendrait le robot entièrement autonome. Matériel et logiciel sont publiés en totalité. La suite dépendra surtout de la locomotion sur terrains variés et de l'ajout éventuel de membres supérieurs, aucun calendrier n'ayant été annoncé.

Impact France/UE

Pas d\'impact direct sur la France/UE

À lire aussi

1arXiv cs.RO

PhoneBot : une plateforme de robot humanoïde ouverte et économique qui réutilise des smartphones

PhoneBot, une équipe de chercheurs publie sur arXiv (2610.08737) une plateforme humanoïde open source à bas coût qui remplace l'électronique embarquée habituelle par un smartphone grand public. Le téléphone, fixé dans le torse, assure à la fois la détection (centrale inertielle IMU, caméra), la connectivité sans fil et le calcul embarqué, y compris le contrôle de la marche et l'interaction avec l'utilisateur. Le robot ne comporte qu'un bas du corps modulaire, animé par 13 actionneurs à faible coût. Les auteurs décrivent la conception mécanique, l'architecture logicielle et le cadre de communication temps réel, et revendiquent une marche stable, du suivi visuel de personnes, de la conversation, du tournage vidéo et de la télé-présence mobile. Matériel et logiciel sont intégralement ouverts, avec un site de documentation dédié (phonebot.dev). L'abstract ne chiffre ni le coût total, ni la vitesse de marche, ni la charge utile, ni le modèle de smartphone utilisé, et ne donne aucun taux de réussite. L'intérêt tient moins à la performance qu'au positionnement économique. Les humanoïdes restent peu présents dans l'enseignement et la recherche à cause du prix du matériel, de la complexité des capteurs et des besoins en calcul. Réutiliser un smartphone, dont le SoC, la caméra, l'IMU et la connectivité sont produits à très grande échelle et amortis par le marché grand public, déplace le coût vers un composant déjà disponible, souvent en fin de vie dans un tiroir. Pour un laboratoire, un établissement ou un prototypiste, cela abaisse la barrière d'entrée et facilite la reproductibilité. Les limites sont aussi claires : un bas du corps à 13 actionneurs sans bras n'est pas un humanoïde de manipulation, et les « évaluations expérimentales » annoncées devront être jugées sur des protocoles précis (durée de marche, perturbations, robustesse thermique, latence de la boucle de contrôle). Le smartphone impose en outre des contraintes d'ordonnancement temps réel que l'abstract ne détaille pas. Le projet s'inscrit dans une lignée de plateformes ouvertes et abordables, face aux humanoïdes commerciaux de recherche plus coûteux comme les modèles de Unitree ou d'autres constructeurs, qui visent des performances nettement supérieures. Il n'entre pas en concurrence directe avec les acteurs industriels (Figure, Tesla Optimus, Agility), qui ciblent le travail en entrepôt ou en usine, mais avec l'écosystème éducatif et les kits open source. Aucun acteur français ou européen n'est cité dans l'abstract. La suite dépendra de la disponibilité des plans, du coût réel de la nomenclature et de l'adoption par une communauté d'utilisateurs, seules mesures qui diront si l'approche dépasse le stade du démonstrateur académique.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2Interesting Engineering

Ce nouveau robot hexapode imite l'insecte-bâton pour marcher sur un terrain accidenté

Des chercheurs de l'université Tohoku au Japon et de VISTEC en Thaïlande ont développé un robot hexapode, baptisé RedMirror, capable d'apprendre à marcher en imitant les patterns de locomotion d'un phasme, l'insecte-bâton Medauroidea extradentata. La méthode repose sur l'apprentissage par renforcement inverse adversarial (AIRL), combiné à l'optimisation de politique proximale (PPO). Le système a été entraîné sur des données biologiques de marche en terrain plat, capturant les mouvements de 18 articulations de pattes de l'insecte. Plutôt que de copier chaque geste, le réseau de neurones a appris les principes de coordination sous-jacents : un premier réseau compare les mouvements du robot aux démonstrations de l'insecte, tandis qu'un second apprend une structure de récompense favorisant un comportement similaire. Le contrôleur exploite l'orientation du corps, les angles articulaires et le contact au sol de chaque patte pour piloter les 18 moteurs du robot. Résultat marquant : la combinaison AIRL plus récompense de vitesse avant atteint une stratégie de marche exploitable en 70 000 pas d'entraînement, contre 200 000 pour un réglage de récompense basé uniquement sur la vitesse. Un test préliminaire a aussi été mené sur un robot RedMirror physique, avec des patterns de coordination qualitativement similaires à la simulation. Cette approche s'attaque à une limite connue des systèmes de démarche robotique classiques, qui reposent sur des motifs fixes, des paramètres réglés à la main et des récompenses prédéfinies, peu robustes face à un terrain inconnu. Entraîné uniquement sur du terrain plat, le robot a continué à marcher sur sol irrégulier avec une vitesse d'avancement à peine réduite, en adoptant une démarche plus ondulatoire adaptée aux surfaces accidentées. Plus significatif encore pour les intégrateurs industriels, le contrôleur a su se réorganiser après la désactivation simulée d'une patte, redistribuant la charge sur les cinq restantes sans reprogrammation. Autre résultat utile en pratique : la structure de récompense apprise par AIRL, contrairement à la politique de marche elle-même, s'est transférée avec succès à un second modèle de robot aux proportions et actionneurs différents, là où un transfert direct de la politique échouait. Cela suggère une voie pour réduire le coût d'adaptation d'un contrôleur bio-inspiré d'une plateforme robotique à une autre, un point clé pour les fabricants de robots multi-pattes destinés aux environnements non structurés, zones sinistrées ou terrains où les robots à roues ou l'AMR classique peinent à circuler. Ce travail s'inscrit dans un courant de recherche en robotique bio-inspirée qui cherche à dépasser les limites du contrôle de marche programmé manuellement, en s'appuyant sur l'apprentissage par imitation à partir de données animales plutôt que sur des générateurs de trajectoire ou des règles de démarche codées à la main. Il reste à ce stade une démonstration de recherche : les tests sur robot physique sont qualifiés de préliminaires par les auteurs eux-mêmes, et l'essentiel des résultats quantitatifs (vitesse, stabilité, transfert inter-robots) provient de simulation. Aucun calendrier de déploiement industriel, partenariat commercial ou montant de financement n'est mentionné. La suite logique annoncée par les chercheurs porterait sur la validation plus poussée en conditions réelles et l'extension de la méthode de transfert de récompense à d'autres morphologies de robots à pattes.

RecherchePaper

1 source

3arXiv cs.RO

SPROUT : le robot souple en croissance open source pour la recherche et le sauvetage

MIT Lincoln Laboratory publie sur arXiv (soumission de septembre 2026) l'ensemble des spécifications de SPROUT, pour Soft Pathfinding Robotic Observation Unit, un robot souple open source conçu pour la recherche et le sauvetage en milieu urbain (USAR). Le système a été affine pendant plusieurs années au contact direct d'équipes professionnelles de secours, avec pour objectif de fonctionner dans des conditions poussiéreuses, humides et isolées, typiques des structures effondrées. L'équipe met a disposition l'intégralité de la documentation nécessaire a sa reproduction: code source, liste de composants, assemblages CAO et instructions de construction, accessibles sur sprout-mitll.github.io/sprout. L'architecture logicielle repose sur ROS 2 et une plateforme matérielle modulaire permettant d'adapter charges utiles et fonctions de contrôle selon la tache. Les démonstrations ont été menées sur des sites d'entrainement a structures effondrées utilises par des pompiers et équipes de premiers secours, ou le robot a exécuté une série de taches d'inspection et de franchissement d'obstacles. Les robots a corps souple sont théorisés depuis longtemps comme candidats idéaux pour le sauvetage en décombres, capables de se faufiler dans des interstices inaccessibles aux plateformes rigides, mais peu de systèmes ont franchi le cap du laboratoire vers un usage opérationnel réel. En publiant l'intégralité des spécifications matérielles et logicielles plutôt qu'un produit ferme, le laboratoire s'attaque directement au problème de reproductibilité qui freine l'adoption de la robotique souple par les organismes de secours: n'importe quelle équipe de recherche peut désormais construire sa propre unité SPROUT sans dépendre d'un fournisseur unique. Pour les intégrateurs et décideurs du secteur SAR, c'est un signal que cette famille de robots sort progressivement du stade de simple démonstration en laboratoire, même si le passage de sites d'entrainement contrôles a des interventions réelles sur effondrements reste une étape distincte, non encore franchie ici. Le projet s'appuie sur un dialogue continu avec des communautés professionnelles de recherche et sauvetage urbain, ce qui a oriente les choix de conception vers la résistance a la poussière, a l'humidité et a l'isolement caractéristiques des sites d'intervention. SPROUT s'inscrit dans la lignée des robots dits a croissance (soft growing robots), un axe de recherche universitaire distinct des humanoïdes et des robots mobiles a roues qui dominent les annonces commerciales du secteur, et dont l'un des freins historiques était justement le manque de systèmes reproductibles hors du laboratoire d'origine. La compatibilité ROS 2 et la modularité matérielle ouvrent des usages au-delà du sauvetage, notamment l'inspection d'infrastructures et l'archéologie, deux domaines ou l'accès a des espaces confines et fragiles est également critique. La publication ne mentionne aucun pilote commercial ni calendrier de déploiement au-delà des sites d'entrainement déjà utilises pour les démonstrations: il s'agit a ce stade d'une diffusion académique en source ouverte, non du lancement d'un produit.

RecherchePaper

1 source

4Interesting Engineering

Robot humanoïde marche sur sable, gravier et pentes grâce à un cadre d'entraînement plus rapide

Des chercheurs du Georgia Institute of Technology ont mis au point un nouveau cadre d'apprentissage automatique baptisé « Learn to Teach » (L2T), qui permet à un robot humanoïde bipède de marcher sur du sable, du gravier, de l'herbe détrempée, des pentes, des escaliers et des surfaces glissantes, tout en réduisant nettement le temps et la puissance de calcul nécessaires à l'entraînement du contrôleur. Contrairement à l'apprentissage classique par renforcement de type enseignant-élève, où un modèle « professeur » est d'abord entraîné en simulation avant de transmettre ses connaissances à un modèle « élève » qui pilote le robot réel, la méthode de Georgia Tech entraîne les deux agents simultanément. Selon Feiyang Wu, chercheur principal du projet, l'approche séquentielle classique pose deux problèmes : elle prend trop de temps et gaspille une partie des informations collectées par le professeur en cours d'apprentissage. Le contrôleur a été testé sur un robot humanoïde grandeur nature dans le laboratoire du professeur associé Ye Zhao, où l'équipe a aussi poussé et tiré la machine pendant les essais pour observer sa capacité à ajuster sa démarche et rester stable. Les travaux ont été présentés à l'ICRA (IEEE International Conference on Robotics and Automation). Cette avancée s'attaque à un goulot d'étranglement bien identifié dans la robotique humanoïde : l'entraînement de contrôleurs en simulation nécessite souvent des heures de calcul sur du matériel GPU coûteux, un frein direct à l'itération rapide et au déploiement à grande échelle. En faisant apprendre le professeur et l'élève en parallèle, et en permettant au professeur de tirer des enseignements de l'expérience de l'élève, l'équipe réduit ce que les roboticiens appellent le « fossé d'imitation » entre les conditions idéalisées de la simulation et la réalité du terrain, un problème central dans le débat sur le fameux « sim-to-real gap ». Fait notable, le même contrôleur généraliste a surpassé le logiciel fourni par le fabricant du robot sur plusieurs types de terrains, sans nécessiter de contrôleurs distincts par environnement, ce qui illustre la valeur d'une recherche en apprentissage automatique directement confrontée au monde réel plutôt qu'à des démonstrations scénarisées. Wu reconnaît que l'équipe ne s'attendait pas elle-même à une telle polyvalence pour un robot humanoïde aussi volumineux, la locomotion agile sur terrain accidenté n'ayant jusqu'ici jamais été véritablement démontrée pour ce type de machine. Au-delà de la marche, les chercheurs estiment que le cadre « Learn to Teach » pourrait s'appliquer à d'autres architectures de robots et à des tâches variées exigeant un déplacement fiable en environnement imprévisible, ouvrant une piste de recherche transférable bien au-delà du seul cas d'usage testé à Atlanta.

RecherchePaper

1 source