RecherchearXiv cs.RO 19 octobre 2026

Micro-localisation : localisation de précision de robots mobiles grâce à la texture microscopique du sol

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de chercheurs démontre une localisation globale à haute précision d'un robot mobile à partir de la texture naturelle du sol, observée à travers une optique de microscope. Le système atteint une précision de l'ordre de quelques dizaines de micromètres. Il a été évalué sur plusieurs types de surfaces avec un portique de précision calibré. Sur 1 007 requêtes de test tenues à l'écart par surface, toutes ont été localisées, avec des erreurs quadratiques moyennes (RMSE) en translation comprises entre 28 et 73 µm. Un recalage photométrique indépendant concorde avec les estimations fondées sur les points caractéristiques à environ 9 µm RMSE près. Les auteurs ont aussi fait tourner le système sur un robot mobile à bas coût, en réutilisant les cartes collectées par le portique, et ont mesuré des déplacements de l'ordre du micromètre dus à la dilatation thermique. Le travail ne mentionne ni vitesse de déplacement ni temps de cycle, et reste au stade de la preuve de concept en laboratoire.

Ce résultat déplace la localisation visuelle par texture du sol, jusqu'ici utilisée à l'échelle du millimètre, vers un régime de précision que l'on associe d'ordinaire aux systèmes de positionnement fixes, comme les portiques, les platines de précision ou les systèmes de métrologie. Pour un intégrateur ou un responsable d'usine, l'enjeu est de pouvoir viser des tâches de positionnement fin sans infrastructure lourde (balises, réflecteurs, suivi laser), avec une carte constituée du sol existant. Le point à surveiller est l'écart entre le banc d'essai et la production. Le portique fournit une vérité terrain très propre, et le robot mobile ne démontre qu'une partie de la chaîne. Un sol d'usine souillé, usé, poussiéreux ou mouillé, la faible profondeur de champ d'un objectif à fort grossissement et la robustesse de la mise au point en mouvement restent à prouver. Les chiffres sont en outre donnés sur des surfaces choisies par les auteurs.

Le travail s'inscrit dans la lignée de la localisation par texture du sol, qui utilise des caméras orientées vers le bas pour reconnaître un sol déjà cartographié, et qui s'est jusqu'ici contentée d'une précision de l'ordre du millimètre. Il y répond par le grossissement optique, en reliant explicitement le facteur de grossissement et l'incertitude dans l'image à la précision physique, puis en traitant les problèmes de calibration, de modélisation de caméra et de mise au point propres à l'imagerie à fort grossissement. Il concurrence indirectement la localisation par lidar et par balises, les repères fixes et les systèmes de suivi externes, qui restent plus mûrs en environnement industriel. Les prochaines étapes logiques sont des essais sur sols réels, un fonctionnement à vitesse de déplacement réaliste et une carte stable dans le temps. Aucun pilote industriel n'est annoncé.

À lire aussi

1arXiv cs.RO

Localisation de source de gaz sans calibration par robots mobiles : estimation du terme source par classement des concentrations

Des chercheurs ont déposé sur arXiv (réf. 2605.13208) une méthode de localisation de source gazeuse (GSL) par robot mobile qui élimine la calibration préalable des capteurs chimiques. Le problème central est bien connu : les capteurs bas coût embarqués sur des robots présentent une réponse non linéaire, sensible à l'humidité, à la température et aux interactions chimiques, auxquels s'ajoutent les artefacts liés au déplacement du robot lui-même. La calibration en environnement contrôlé, normalement nécessaire pour corriger ces biais, est souvent impossible en conditions opérationnelles d'urgence. L'algorithme proposé contourne ce problème en substituant les valeurs absolues de concentration par leur classement relatif (ranking) au sein du jeu de données accumulé dynamiquement. Ces rangs sont comparés à ceux issus de modèles physiques de dispersion gazeuse pour estimer une distribution probabiliste des positions de la source sur l'ensemble de l'environnement. La méthode a été validée en simulation haute-fidélité et en expériences physiques, avec une précision de localisation maintenue même avec des capteurs non calibrés, bien que le préprint ne publie pas encore de métriques quantitatives détaillées. L'impact pratique est direct pour les scénarios d'urgence industrielle : fuite de gaz, incident chimique ou inspection de zones contaminées où le déploiement humain est risqué. Les approches probabilistes de GSL existantes, basées sur des modèles de panache gaussien ou des filtres bayésiens, supposent une qualité de mesure fiable, ce qui exige des cycles de recalibration réguliers incompatibles avec un déploiement rapide. En travaillant sur les rangs plutôt que sur les amplitudes, la méthode devient insensible aux dérives capteur et aux variations environnementales, ce qui réduit concrètement les coûts de maintenance et simplifie les procédures de mise en service pour les intégrateurs de robots de sécurité. La localisation de source gazeuse robotisée est étudiée depuis les années 2000, avec des approches allant du hill-climbing aux algorithmes bio-inspirés imitant la navigation olfactive des insectes, puis aux méthodes probabilistes modernes. Ce travail s'inscrit dans une tendance plus large visant à rendre les robots de sécurité industrielle opérationnels en conditions dégradées, sans infrastructure de support dédiée. Les prochaines étapes logiques incluent la validation en environnements dynamiques avec vent variable et obstacles mobiles, ainsi que l'extension à des flottes multi-robots capables de couvrir de larges zones industrielles en parallèle.

RecherchePaper

1 source

2arXiv cs.RO

De la langue au mouvement : intégration de trajectoires par pile focale conditionnée par la tâche pour robots microscopiques

Des chercheurs décrivent, dans un preprint arXiv (2610.12241v1), un cadre qui relie une instruction en langage naturel à des trajectoires physiques pour des robots microscopiques. Le système traduit la consigne en opérateurs géométriques contraints. Il réutilise une perception « open-vocabulary » figée, sans réentraînement. Il n'agrège pas les images : il intègre des trajectoires 2D extraites plan par plan dans une pile focale, là où chaque plan est localement net. Cette intégration repose sur une pondération par confiance et sur la programmation dynamique. Une géométrie multi-vues calibrée convertit ensuite les chemins 2D en exécution physique. Les tests de reconfiguration (changement de prompt, pièces jamais vues, géométrie modifiée) donnent une erreur quadratique moyenne (RMSE) de 6,30 à 6,59 pixels. La configuration « zéro nouvelle annotation » demande 15 minutes de mise en place. Un U-Net spécifique à chaque pièce, entraîné avec 20 à 100 annotations, en demande entre 72 et 165. Sur neuf combinaisons pièce/éclairage, l'intégration dans l'espace des trajectoires fait passer le RMSE de 14,41 à 6,28 pixels (-56,4 %) par rapport à la fusion multi-focus classique, qui construit d'abord une image nette. L'erreur au 95e percentile baisse de 20,07 à 8,13 pixels (-59,5 %). Une ablation isole l'apport de la confiance et celui de la sélection chemin par chemin. Dans des expériences robotiques jugées représentatives par les auteurs, la couverture de la région cible passe de 83,5 % à 92,9 %. La tâche de démonstration est la dépose de fluide (dispensing), qui laisse une trace physique mesurable. Les auteurs précisent que ce choix ne limite pas la méthode à cette tâche. L'intérêt tient à l'ordre des opérations. En microscopie robotisée, la profondeur de champ très faible oblige à fusionner plusieurs plans focaux, et les artefacts de cette fusion se propagent jusqu'à la commande. Extraire le chemin avant de fusionner évite ce biais. Le gain de temps de mise en service, de plusieurs heures à un quart d'heure, concerne directement les intégrateurs d'assemblage de précision, par exemple l'optique, les microsystèmes ou l'électronique, où chaque référence de pièce impose aujourd'hui de réannoter des données. Il faut toutefois lire ces chiffres avec prudence. Les erreurs sont exprimées en pixels, sans conversion en microns dans le résumé. Aucune mesure de débit, de temps de cycle ou de fiabilité en production n'est annoncée. Neuf conditions de test et des expériences « représentatives » ne constituent pas une validation industrielle. La comparaison avec le U-Net porte sur le temps de préparation, pas sur la précision finale. Ce travail s'inscrit dans la tendance qui consiste à réutiliser des modèles de perception pré-entraînés plutôt qu'à réentraîner par tâche, déjà dominante en manipulation macroscopique avec les modèles vision-langage-action (VLA). Il l'applique à l'échelle micro, où la géométrie et la mise au point sont des contraintes dures. Il s'agit d'un preprint de recherche, sans produit, sans partenaire industriel ni calendrier de déploiement annoncés. Les prochaines étapes à surveiller sont la validation sur d'autres tâches que la dépose de fluide, l'expression des erreurs en unités physiques et la reproduction par des tiers.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Localisation SLAM multi-session par texture au sol en environnements peu dynamiques

Des chercheurs ont publié sur arXiv (identifiant 2605.19701) une étude portant sur le SLAM multi-session par texture de sol dans des environnements à faible dynamique de changement. Le SLAM (Simultaneous Localization and Mapping) basé sur la texture du sol utilise uniquement les patterns visuels du plancher comme repère cartographique, sans marqueurs physiques ni infrastructure dédiée. L'article évalue trois techniques pour améliorer la précision d'estimation de trajectoire dans des environnements où le sol évolue lentement entre sessions : usure de surface, phénomènes météorologiques, variations saisonnières. Parmi ces approches, l'utilisation de la divergence de Kullback-Leibler (KLD), une mesure de dissimilarité entre distributions de probabilité, comme score de similarité et comme biais influençant la confiance dans la détection de bouclage de trajectoire (loop closure), s'est révélée la plus performante. L'équipe met également à disposition un dataset public contenant des images multi-sessions de sol avec variations entre sessions et des données de pose haute précision pour évaluation comparative. La gestion multi-session est un prérequis opérationnel souvent sous-estimé dans les déploiements longue durée de robots mobiles autonomes (AMR) en environnements peu texturés : entrepôts à sols lisses, couloirs hospitaliers, zones de production industrielle. Un robot contraint de reconstruire intégralement sa carte après chaque redémarrage, maintenance ou changement saisonnier génère des interruptions de service et des coûts opérationnels qui compromettent la viabilité à l'échelle. La capacité à détecter des correspondances fiables entre sessions malgré une évolution lente du terrain constitue un pas concret vers des systèmes SLAM "lifelong" exploitables en production, et la KLD semble offrir ici un avantage mesurable sur les métriques de similarité classiques. Le SLAM par texture de sol s'est développé comme alternative aux systèmes LiDAR et aux réseaux de marqueurs au sol dans des contextes où l'infrastructure est coûteuse ou non autorisée, mais les travaux antérieurs restaient limités aux opérations mono-session. Les systèmes AMR commerciaux de référence, notamment ceux d'Exotec pour la logistique française ou les plateformes de navigation d'entrepôt fondées sur LiDAR 2D, s'appuient encore sur des capteurs actifs ou des repères fixes. Cette publication s'inscrit dans l'effort croissant de la communauté SLAM pour traiter les environnements "low-dynamic", zone intermédiaire entre statique et hautement dynamique qui représente pourtant la majorité des déploiements industriels réels. Le dataset public est la contribution la plus directement réutilisable, ouvrant la voie à un benchmark standardisé entre méthodes concurrentes.

UELe dataset public et la méthode KLD offrent une piste concrète pour les équipes R&D travaillant sur des AMR longue durée en environnements industriels européens (entrepôts logistiques, couloirs hospitaliers), en réduisant les interruptions de service liées aux reconfigurations cartographiques multi-sessions.

RecherchePaper

1 source

4arXiv cs.RO

StereoPolicy : améliorer les politiques de manipulation robotique grâce à la perception stéréoscopique

Une équipe de chercheurs a présenté StereoPolicy, un cadre d'apprentissage de politiques visuomotrices déposé sur arXiv (2605.09989) qui exploite des paires d'images stéréoscopiques synchronisées pour améliorer la précision des robots manipulateurs. Contrairement aux approches dominantes basées sur la vision monoculaire, StereoPolicy traite chaque image indépendamment via des encodeurs visuels 2D pré-entraînés, puis fusionne les représentations au sein d'un module baptisé Stereo Transformer. Cette architecture extrait implicitement des indices de disparité et de correspondance spatiale, sans nécessiter de reconstruction 3D explicite ni de calibration de caméra. Évalué sur trois benchmarks de simulation, RoboMimic, RoboCasa et OmniGibson, le système surpasse systématiquement les baselines RGB, RGB-D, nuage de points et multi-vues. Les auteurs ont également validé l'approche sur des robots réels, dans des configurations de manipulation tabulaire et de manipulation bimane mobile. L'intérêt principal de StereoPolicy réside dans sa modularité: le framework s'intègre directement avec des politiques à base de diffusion et des politiques VLA (vision-language-action) pré-entraînées, ce qui en fait un composant additionnel plutôt qu'une refonte architecturale. Pour les intégrateurs et les équipes robotique, cela signifie que des systèmes existants basés sur des modèles comme Pi-0 ou GR00T pourraient bénéficier de la perception stéréo sans repartir de zéro. La vision monoculaire, omniprésente dans les déploiements actuels, souffre d'une absence d'indices de profondeur fiables dans les scènes encombrées ou géométriquement complexes, un problème que la stéréo adresse naturellement à faible surcoût matériel. Ce résultat renforce l'hypothèse que les représentations 2D pré-entraînées, aussi puissantes soient-elles, restent limitées sans ancrage géométrique explicite. StereoPolicy s'inscrit dans la dynamique actuelle de l'imitation learning robotique, portée par des travaux comme ACT, Diffusion Policy et les VLA multimodaux. La plupart des systèmes en production s'appuient encore sur des caméras monoculaires ou des capteurs RGB-D de type RealSense ou ZED, qui ajoutent complexité et coût. Les caméras stéréo passives, technologie mature présente depuis des décennies en vision par ordinateur, avaient été quelque peu éclipsées par la montée en puissance des encodeurs 2D profonds. Ce papier, une préprint arXiv, pas encore un produit déployé, rouvre la question de leur rôle dans les pipelines modernes d'apprentissage par imitation. Les prochaines étapes naturelles seront d'évaluer StereoPolicy dans des environnements industriels réels et de tester sa robustesse aux variations d'éclairage et de texture, deux limites classiques de la vision stéréo passive.

RechercheOpinion

1 source